數(shù)學(xué)與應(yīng)用數(shù)學(xué)金融機(jī)構(gòu)分析師實(shí)習(xí)生實(shí)習(xí)報(bào)告一、摘要2023年6月5日至8月23日，我在一家金融機(jī)構(gòu)擔(dān)任分析師實(shí)習(xí)生。核心工作包括協(xié)助構(gòu)建量化模型，分析30支ETF產(chǎn)品的歷史收益率與波動(dòng)性，完成15份行業(yè)研究報(bào)告，其中10份被團(tuán)隊(duì)采納。應(yīng)用Python進(jìn)行數(shù)據(jù)處理，使用R語(yǔ)言繪制60張市場(chǎng)趨勢(shì)圖，優(yōu)化了部門數(shù)據(jù)處理效率20%。通過(guò)參與項(xiàng)目，掌握了金融衍生品定價(jià)的BlackScholes模型應(yīng)用，總結(jié)出可復(fù)用的數(shù)據(jù)清洗與可視化方法論，為后續(xù)研究奠定基礎(chǔ)。二、實(shí)習(xí)內(nèi)容及過(guò)程2023年6月5日至8月23日，我在一家金融機(jī)構(gòu)的量化分析部門實(shí)習(xí)。部門主要研究衍生品定價(jià)與資產(chǎn)配置，同事都是數(shù)學(xué)背景出身的碩士。實(shí)習(xí)目標(biāo)是了解市場(chǎng)實(shí)際運(yùn)作，把學(xué)校學(xué)的隨機(jī)過(guò)程理論用起來(lái)。第13周主要是熟悉環(huán)境，學(xué)習(xí)使用部門內(nèi)部的數(shù)據(jù)庫(kù)系統(tǒng)，比如Wind和QuantStudio。跟著導(dǎo)師看了一些歷史數(shù)據(jù)，分析過(guò)5支滬深300ETF的日收益率序列，發(fā)現(xiàn)它們之間相關(guān)性系數(shù)普遍在0.6以上。導(dǎo)師讓我?guī)兔φ砥跈?quán)數(shù)據(jù)，一開始手忙腳亂，因?yàn)椴皇煜ば袡?quán)價(jià)對(duì)齊的規(guī)則。后來(lái)我花了2天時(shí)間研究交易所的結(jié)算文件，終于弄明白了，把2000多條數(shù)據(jù)修正了位置，錯(cuò)誤率降到了0.5%以下。第46周參與了一個(gè)指數(shù)期貨套利項(xiàng)目。我們計(jì)算了中證500期貨和現(xiàn)貨的基差，發(fā)現(xiàn)過(guò)去180天里，基差標(biāo)準(zhǔn)差穩(wěn)定在0.12。我負(fù)責(zé)回測(cè)一個(gè)套利策略，用2019年的數(shù)據(jù)跑模擬盤，結(jié)果顯示年化收益率為1.8%，夏普比率0.65。不過(guò)后來(lái)發(fā)現(xiàn)樣本外數(shù)據(jù)表現(xiàn)很差，可能是市場(chǎng)流動(dòng)性的變化影響了交易成本。導(dǎo)師就教我用GARCH模型擬合波動(dòng)率，我學(xué)完之后把模型參數(shù)調(diào)了3遍，最終把回測(cè)勝率從62%提高到68%。第78周我開始獨(dú)立負(fù)責(zé)一個(gè)行業(yè)研究項(xiàng)目，主題是新能源車ETF。我整理了30家上市公司的財(cái)報(bào)數(shù)據(jù)，計(jì)算了他們的市盈率、市凈率和股息率，還做了60張行業(yè)景氣度雷達(dá)圖。最后寫成了10頁(yè)的分析報(bào)告，里面提到了一些專業(yè)術(shù)語(yǔ)，比如“貝塔系數(shù)”、“阿爾法收益”和“久期風(fēng)險(xiǎn)”。雖然報(bào)告最終沒(méi)被投行采納，但部門主管還是夸我數(shù)據(jù)分類做得細(xì)，有些圖表的配色方案特別直觀。實(shí)習(xí)期間遇到的最大困難是第一次接觸真實(shí)世界的交易壓力。有一次模擬盤突然出現(xiàn)極端波動(dòng)，我算的套利機(jī)會(huì)窗口只有5分鐘，手忙腳亂差點(diǎn)算錯(cuò)權(quán)重。冷靜下來(lái)后我發(fā)現(xiàn)問(wèn)題出在VIX指數(shù)數(shù)據(jù)源沒(méi)更新，后來(lái)我主動(dòng)跟IT部門溝通，要求他們優(yōu)化了數(shù)據(jù)接口。這讓我意識(shí)到做研究不能只盯著理論模型，還得懂系統(tǒng)細(xì)節(jié)。這段經(jīng)歷讓我看清了自己對(duì)量化研究的興趣。學(xué)校教的隨機(jī)微積分現(xiàn)在終于派上用場(chǎng)了，但行業(yè)里更看重Python和Excel的熟練度。不過(guò)我發(fā)現(xiàn)自己還是不太會(huì)跟客戶溝通，有時(shí)候?qū)憟?bào)告會(huì)用過(guò)多的數(shù)學(xué)符號(hào)。我覺得公司培訓(xùn)體系可以改進(jìn)，比如給新人配個(gè)帶教導(dǎo)師專門講行話，或者多組織一些案例分享會(huì)。部門管理上，我覺得每周的例會(huì)可以更高效些，比如用在線投票代替舉手發(fā)言。崗位匹配度方面，我本來(lái)以為會(huì)做更多模型開發(fā)，實(shí)際工作內(nèi)容更偏向數(shù)據(jù)分析，但這也讓我對(duì)市場(chǎng)有了更全面的認(rèn)識(shí)。三、總結(jié)與體會(huì)這8周實(shí)習(xí)，從2023年6月5日到8月23日，像給課本知識(shí)打了補(bǔ)丁。之前學(xué)隨機(jī)過(guò)程，覺得理論挺酷，但真用在中證500ETF相關(guān)性分析時(shí)，才發(fā)現(xiàn)30支產(chǎn)品里找到3對(duì)強(qiáng)相關(guān)性的工作量遠(yuǎn)超公式推導(dǎo)。每天處理500萬(wàn)條交易記錄，用Python清洗數(shù)據(jù)花了占比一半的時(shí)間，才明白金融工程里“數(shù)據(jù)就是石油”不是隨便說(shuō)說(shuō)的。實(shí)習(xí)價(jià)值閉環(huán)體現(xiàn)在一個(gè)具體案例上。我做的新能源車行業(yè)報(bào)告雖然沒(méi)被投行采用，但導(dǎo)師提到我的市凈率散點(diǎn)圖用對(duì)數(shù)尺度后，更能看出龍頭企業(yè)的稀缺性這個(gè)細(xì)節(jié)后來(lái)我在學(xué)校投資社團(tuán)分享時(shí)，幫社團(tuán)避了幾個(gè)投資陷阱?；乜磿r(shí)我發(fā)現(xiàn)，當(dāng)時(shí)每天整理的10家上市公司財(cái)報(bào)，現(xiàn)在看都能組成一份不錯(cuò)的行業(yè)盡調(diào)底稿。職業(yè)規(guī)劃上更清晰了。原來(lái)我總想直接做模型開發(fā)，但實(shí)習(xí)里10份報(bào)告里有8份是靠數(shù)據(jù)挖掘發(fā)現(xiàn)機(jī)會(huì)的，這讓我開始系統(tǒng)學(xué)Python的Pandas庫(kù)。計(jì)劃下學(xué)期考CFA一級(jí)，把宏觀和公司分析補(bǔ)上，畢竟這次套利回測(cè)失敗就是因?yàn)闆](méi)理解流動(dòng)性沖擊背后的經(jīng)濟(jì)邏輯。行業(yè)趨勢(shì)上觀察到，現(xiàn)在金融機(jī)構(gòu)越來(lái)越重?cái)?shù)據(jù)科學(xué)這塊。之前幫導(dǎo)師做期權(quán)數(shù)據(jù)對(duì)齊時(shí)，他們用的Excel宏比我學(xué)的R語(yǔ)言還高效。不過(guò)我也發(fā)現(xiàn)，團(tuán)隊(duì)里5個(gè)人有4個(gè)是統(tǒng)計(jì)專業(yè)，我們數(shù)學(xué)背景的確實(shí)在蒙特卡洛模擬這類復(fù)雜模型開發(fā)上沒(méi)優(yōu)勢(shì)。這讓我意識(shí)到，后續(xù)學(xué)習(xí)要往“精算+機(jī)器學(xué)習(xí)”方向靠。心態(tài)轉(zhuǎn)變挺明顯的。剛開始提交報(bào)告前會(huì)反復(fù)檢查公式，現(xiàn)在知道金融里99%的失誤都是小數(shù)點(diǎn)后第二位算錯(cuò)。記得第6周模擬盤急得我凌晨三點(diǎn)還在改參數(shù)，第二天導(dǎo)師說(shuō)“抗壓能力是量化分析師第二重要的技能”的話，現(xiàn)在還記著。這種責(zé)任感，比學(xué)校期末考試還讓人上頭。未來(lái)想爭(zhēng)取再進(jìn)類似機(jī)構(gòu)實(shí)習(xí)，這次的經(jīng)驗(yàn)讓我知道，要真正轉(zhuǎn)行，還得把Python的NumPy和TensorFlow啃下來(lái)，畢竟現(xiàn)在做因子分析，沒(méi)GPU跑不了。四、致謝感謝實(shí)習(xí)期間給予指導(dǎo)的導(dǎo)師，他在量化模型構(gòu)建上給了我很多具體建議，比如如何用GARCH調(diào)整波動(dòng)率估計(jì)的細(xì)節(jié)。感謝部門里幫忙對(duì)接數(shù)據(jù)的同事，他演示的數(shù)據(jù)庫(kù)操作技巧讓我知道