男 / 1999.08.20 | 138-0000-0000 | wangming@example.com | 北京市朝阳区

教育背景

GPA: 3.9/4.0 | 主修课程：投资学、公司金融、财务报表分析、证券投资、固定收益证券、衍生品定价、风险管理、量化投资、Python金融编程、金融计量学

GPA: 3.8/4.0

实习经历

负责业务：股权投资研究与分析

• 背景：公司管理资产规模5000亿+，需要对TMT、消费、医疗等多个行业进行深入研究，支持投资决策，年投资项目50+个，需要专业的行业研究和财务分析能力
• 职责：参与股权投资研究工作，负责行业研究、公司分析、财务建模、估值分析等工作
• 工作内容：深入研究AI、新能源、生物医药等10+个行业，撰写行业研究报告15+份，报告100+页；对公司进行财务分析，使用Excel和Python建立DCF模型、可比公司估值模型等估值模型，完成项目估值20+个；进行尽职调查，访谈管理层、客户、供应商等50+人次，输出尽调报告10+份；参与投委会汇报，制作PPT路演材料，向投资委员会汇报项目8+个，通过率62.5%；建立投资数据库，跟踪200+家公司，记录财务数据、行业动态等信息；使用Wind、Bloomberg等金融终端获取数据，使用Python进行数据分析和可视化；跟踪投资项目20+个，定期输出投后管理报告，识别风险并提出改进建议；参与项目尽调，出差10+次，实地调研公司15+家
• 产出成果：完成项目研究20+个，参与投资项目5+个，投资金额3亿+，投资回报率35%+，获得部门优秀实习生称号

负责业务：股票研究与推荐

• 背景：券商研究所需要覆盖A股、港股等市场，对500+只股票进行跟踪研究，发布研究报告200+份/年，需要专业的分析能力和市场洞察力
• 职责：参与股票研究工作，负责公司研究、行业分析、报告撰写等工作
• 工作内容：跟踪TMT、消费、医药等行业30+只股票，撰写公司研究报告10+份，报告80+页；使用Wind、同花顺等工具获取财务数据，进行财务报表分析，计算ROE、ROA、PE、PB等财务指标；建立财务模型，预测公司未来3年财务数据，使用DCF模型进行估值；分析行业趋势和竞争格局，识别投资机会和风险，输出投资建议；参与电话会议，与公司IR、管理层沟通，获取公司最新信息；跟踪市场动态，关注政策变化、行业事件等，及时更新研究观点；使用Excel和PPT制作研究报告和路演材料；协助首席分析师进行客户路演，向基金经理、私募等机构客户推荐股票
• 产出成果：撰写研究报告10+份，推荐股票8+只，平均涨幅25%+，获得客户认可，获得团队认可

项目经验

• 专业技能：Python Pandas NumPy Scikit-learn Wind Matplotlib
• 项目背景：传统基本面选股方法效率低，主观性强，需要量化方法提升选股效率和准确性，构建能够跑赢大盘的选股策略
• 工作任务：开发量化选股策略，使用多因子模型筛选股票，进行回测验证，优化策略参数
  • 使用Python和Pandas处理Wind数据库5年历史数据，涵盖3000+只股票，100+个财务指标和50+个技术指标
  • 构建多因子模型，包括价值因子（PE、PB、EV/EBITDA）、成长因子（营收增长率、利润增长率）、质量因子（ROE、ROA、毛利率）、技术因子（动量、反转、波动率）等20+个因子
  • 使用IC分析、因子有效性检验等方法筛选有效因子，最终保留10+个核心因子
  • 使用主成分分析（PCA）和因子加权构建综合得分模型，对股票进行评分和排序
  • 使用Python开发回测框架，模拟交易，考虑手续费、滑点等交易成本
  • 进行参数优化，调整因子权重、持仓数量等参数，使策略收益最大化
  • 使用Matplotlib进行策略可视化，绘制收益曲线、回撤曲线、持仓分布等图表
• 产出成果：策略年化收益28%+，最大回撤-12%，夏普比率1.8，显著跑赢沪深300指数，获得校级金融建模大赛一等奖

专业技能：Python Machine Learning XGBoost Pandas Scikit-learn

• 项目背景：近年来上市公司财务造假事件频发，对投资者造成巨大损失，需要建立模型识别潜在的财务造假公司，保护投资者利益
• 工作任务：构建财务造假识别模型，使用机器学习方法识别异常财务数据，预警潜在造假风险
• 工作内容：
  • 收集A股市场2000+家公司10年财务数据，使用Wind和CSMAR数据库
  • 构建特征工程，提取100+个财务特征，包括盈利能力、偿债能力、营运能力、成长能力等指标，计算财务比率、趋势变化、行业对比等衍生特征
  • 标注训练样本，使用证监会处罚公告、审计意见等数据标注50+个财务造假案例
  • 使用XGBoost、随机森林、逻辑回归等机器学习模型进行训练，交叉验证选择最优模型
  • 进行特征重要性分析，识别关键指标，发现应收账款周转率异常、毛利率异常、关联交易占比等关键特征
  • 使用SMOTE等技术处理样本不平衡问题，提升模型召回率
  • 建立风险评分体系，输出公司造假风险评分，0-100分，80+分为高风险预警
• 产出成果：模型准确率85%+，召回率75%+，AUC值0.88，成功预警10+个潜在造假风险，获得省级金融创新大赛二等奖

专业技能：Python Pandas NumPy Quantlib Black-Scholes

• 项目背景：可转债兼具股性和债性，投资策略复杂，需要量化方法优化投资策略，提升投资收益
• 工作任务：研究可转债投资策略，使用期权定价模型进行估值，构建套利策略和投资组合
• 工作内容：
  • 收集A股市场500+只可转债3年历史数据，包括价格、转股溢价率、纯债溢价率、隐含波动率等数据
  • 使用Black-Scholes模型和二叉树模型对可转债进行理论定价，计算期权价值和债券价值
  • 构建套利策略，识别价格偏差，进行转股套利、折价套利等操作
  • 建立多因子选债模型，包括转股溢价率、纯债溢价率、隐含波动率、正股涨跌幅等因子
  • 使用Python进行回测验证，模拟交易，考虑交易成本和市场冲击
  • 优化持仓比例和调仓频率，使策略收益最大化
• 产出成果：策略年化收益18%+，最大回撤-8%，显著优于市场平均表现，获得校级金融工程竞赛三等奖

专业技能

• 金融分析：精通财务报表分析、公司估值、行业研究，熟练掌握DCF模型、可比公司估值、LBO模型等估值方法
• 投资研究：精通股权投资、股票研究、债券分析，熟悉PE、VC、公募基金等投资机构业务
• 量化投资：精通Python、Pandas、NumPy，熟练掌握多因子模型、量化选股、套利策略，熟悉机器学习在金融中的应用
• 金融建模：熟练掌握Excel、Python进行财务建模，熟悉DCF模型、Monte Carlo模拟、期权定价模型等
• 金融工具：熟练使用Wind、Bloomberg、同花顺等金融终端，熟悉CSMAR、Choice等数据库
• 数据分析：熟练掌握Python、SQL进行数据处理和分析，熟悉Matplotlib、Seaborn进行数据可视化
• 证书资质：CFA一级（通过）、证券从业资格、基金从业资格、期货从业资格

获奖情况

• 2024年 全国大学生金融建模大赛 - 国家级一等奖
• 2023年 中金公司优秀实习生 - 金融分析奖
• 2023年 省级金融创新大赛 - 二等奖
• 2023年 中央财经大学校级金融工程竞赛 - 三等奖
• 2022年 校级金融建模大赛 - 一等奖