数学与应用数学金融科技公司数据分析工程师实习报告.docxVIP

数学与应用数学金融科技公司数据分析工程师实习报告

一、摘要

2023年7月1日至2023年8月31日，我在一家金融科技公司担任数据分析工程师实习生。期间，我负责搭建并优化交易行为分析模型，通过处理30万条用户交易数据，识别出8个关键影响因素，模型预测准确率提升至92%，日均处理效率提高40%。核心工作包括使用Python清洗数据、构建梯度提升树模型，并运用SQL进行实时数据查询。专业技能涵盖Pandas、Scikit-learn和SQL，方法论可复用于高频交易风险评估场景。通过实践，验证了统计显著性检验（p0.05）在异常检测中的有效性。

二、实习内容及过程

2023年7月1日至8月31日，我在一家做量化交易的金融科技公司实习。主要目标是学习金融数据分析全流程，从数据采集到模型部署。公司不大，但交易系统挺先进，大部分同事都是数学或统计背景，平时聊得最多的是Alpha策略和风险对冲。我跟着团队做实时交易行为监控项目，负责用户行为特征提取和异常检测。初期接手的是历史数据整理，用Python加载数据量差不多有30万条，时间戳精确到毫秒，发现不少记录有缺失值，处理起来真够折腾的。

我用了Pandas的fillna和interpolate函数，根据业务逻辑填充缺失的订单类型和交易方向，填充后完整率提升到98%。后来开始搭模型，尝试过逻辑回归、决策树，效果都不理想。团队建议试试梯度提升树，我自