数学金融科技公司数据分析师实习报告.docxVIP

数学金融科技公司数据分析师实习报告

一、摘要

2023年6月5日至8月23日，我在一家数学金融科技公司担任数据分析师实习生。核心工作成果包括：通过构建股价波动预测模型，利用历史数据回测准确率达82%，为交易策略优化提供支持；处理并分析交易流水数据，识别异常模式3类，涉及笔数占比1.2%，减少潜在风险损失约0.3%。期间应用Python进行数据清洗与可视化，使用Pandas和NumPy处理日均100万条记录，通过SQL优化查询效率提升40%；采用机器学习算法（随机森林、LSTM）进行特征工程，模型预测偏差控制在5%以内。提炼可复用的方法论：建立动态数据监控仪表盘，集成实时指标与预警系统，标准化处理流程可减少30%重复工作。

二、实习内容及过程

2023年6月5日入职，在数据分析师岗位工作8周。主要目标是熟悉量化交易数据链路，把学校学的统计模型落地。公司是做高频策略的，系统里存着全球200多家交易所的日频和分钟频行情，还接了衍生品做市商的订单流。

第1-3周跟着导师跑数据，用Python处理沪深300成分股的分钟线数据。原始数据有15%存在NaN或重复，用Pandas的dropna和duplicated方法筛干净后，再合并财报季预告这种文本信息。我负责的部分是波动率计算，用GARCH模型拟合，发现在期权虚值区预测准确率特别低，导师教我用机器学习特征融合，把交易量变化率、市场情绪指数和隐