数学金融机构量化分析实习报告.docxVIP

数学金融机构量化分析实习报告

一、摘要

2023年7月1日至2023年8月31日，我在一家国际性数学金融机构担任量化分析师实习生。核心工作成果包括开发并回测一个基于机器学习的波动率预测模型，历史数据回测准确率达86%，相较于基准模型提升12个百分点；完成30支ETF产品因子分析，量化风险暴露参数误差控制在0.03以内。专业技能应用涉及Python（Pandas、NumPy）、Matlab及R语言，运用蒙特卡洛模拟优化投资组合后，模拟年化收益率提升8.7%。提炼方法论为：结合高斯过程回归与LSTM网络处理高频数据时，通过滑动窗口动态调整学习率可显著降低过拟合；多因子模型构建中，因子分散度指标（ID）需高于0.5方具显著解释力。

二、实习内容及过程

实习目的主要是想把书本上的时间序列分析和因子模型知识用上，看看真实行业里做量化是啥样。

实习单位是一家做衍生品定价和交易策略的公司，团队规模不大，但氛围挺开放，大家经常在会议室讨论各种模型假设。

实习内容开始时是帮忙整理历史数据，主要是股票和期货的日线、分钟线数据，用Python清洗和处理数据，确保缺失值和异常值处理得差不多。后来接手了一个波动率预测的小项目，导师让我用GARCH模型试试看能不能预测股指期货的日波动率。

我拿过去近两年的数据做回测，发现模型预测结果跟实际波动率差得有点远，有时候会连续预测错几个交易日。遇到这个情况挺头疼的，模