负责股票多因子策略全生命周期管理，涵盖因子挖掘、模型构建、回测验证及实盘优化，主导跨部门协作推动策略落地，支撑管理规模超80亿元的量化产品线。

• 主导开发基于机器学习的动态多因子模型，使用Python的scikit-learn与XGBoost库，整合财务报表、量价序列、新闻舆情等12类结构化与非结构化数据，通过特征工程筛选出37个IC_IR>1.5的有效因子；针对传统模型对非线性关系捕捉不足的问题，引入注意力机制神经网络（Transformer）优化因子交互层，回测显示策略年化超额收益从12.8%提升至17.0%，信息比率从1.8提升至2.3，该模型已应用于公司旗舰量化对冲产品。
• 优化统计套利策略的风险控制体系，针对小市值股票流动性风险，采用LSTM模型预测订单冲击成本，动态调整配对交易阈值（从固定0.5σ调整为自适应0.3-0.7σ）；同步引入协整检验的滚动窗口机制（窗口长度从60日缩短至30日），策略换手率从周均8%降至5%，最大回撤从-6.5%压缩至-4.1%，实盘运行6个月超额收益稳定在3.5%以上，获投资委员会年度创新奖。
• 搭建实时策略监控系统，基于SQL与Dask构建高频数据管道，设计23个核心风险指标（包括因子暴露集中度、策略间相关性、个股超配比例）；通过Prometheus实现异常波动5分钟内预警，全年拦截3次因宏观政策突变导致的因子失效事件（如2024Q2消费税调整引发的消费因子回撤），避免潜在亏损超2000万元。
• 主导跨部门策略路演与归因分析，向投资委员会汇报模型逻辑，通过Brinson模型拆解收益来源（价值因子贡献38%、动量因子贡献29%、残差项贡献33%）；推动2个优化后策略纳入产品线，带动管理规模新增15亿元，策略存续期内客户复投率提升至72%。

聚焦A股与商品期货策略研发，负责数据处理、模型回测及策略优化，为投资经理提供量化决策支持，覆盖管理规模30亿元的中低频量化产品。

• 构建A股行业轮动策略，基于Fama-French五因子模型扩展，加入行业景气度指标（如PMI分项、工业企业产成品库存周期），通过面板回归筛选出对行业超额收益解释力最强的5个因子（库存同比变化、PPIRM-RPI差值等）；回测显示策略年化收益18.7%，较基准沪深300超额10.2%，该模型被采纳为公司消费、科技行业主题基金的辅助配置工具。
• 参与CTA策略开发，使用TA-Lib计算商品期货技术指标（布林带宽度、RSI背离信号），结合波动率过滤条件（ATR>过去20日均值1.2倍）生成交易信号；通过遗传算法优化参数组合（将均线周期从固定的5/20日调整为动态3-60日），策略夏普比率从1.2提升至1.7，实盘跟踪3个月胜率稳定在58%以上，年化波动率控制在15%以内。
• 维护策略研发数据库，编写Python自动化脚本清洗Wind、Bloomberg数据，解决前复权误差问题（通过对比后复权与除权除息公式，修正误差率从0.3%降至0.05%）；建立因子库标签体系（涵盖风格、行业、情绪等8大类），提升团队回测效率30%，该数据库后续成为公司量化研究的基础设施。

辅助量化策略研究，承担数据整理、基础模型搭建及学术文献转化，为团队提供底层研究支持。

• 协助完成美股动量策略本土化研究，翻译并复现Jegadeesh和Titman（1993）经典论文，使用R语言构建A股1997-2018年中短期动量组合（持有期1-12个月）；发现中期动量（6个月）在A股有效性最强（年化超额收益5.1%），长周期（12个月）因反转效应显著失效，研究成果形成《A股动量效应特征报告》，为后续策略开发提供理论依据。
• 开发基础多因子回测框架，基于Pandas与NumPy编写收益计算模块，实现年化收益率、最大回撤、卡玛比率等15个绩效指标的自动输出；替代原人工计算流程，单策略回测时间从3天缩短至4小时，错误率从9%降至0.5%，显著提升团队研究效率。
• 参与数据治理项目，处理3000+只股票的日度行情数据（开盘价、收盘价、成交量），修正停复牌、分红除权等异常值（通过匹配事件公告与行情数据，修正记录超10万条）；数据完整度从85%提升至99%，为上层策略研究奠定可靠数据基础。

新能源汽车固态电池产业链投资价值深度研究与策略落地

• 2022年新能源汽车渗透率突破25%，但固态电池作为下一代核心技术，商业化进度与投资边界模糊，公司需明确赛道优先级以布局早期优质标的。我的核心职责是主导固态电池子赛道的从0到1深度研究，覆盖技术路线、产业链成熟度、成本竞争力三大维度，并向投资决策委员会输出可落地的投资策略。
• 项目难点在于两点：一是固态电池企业多为未上市初创型，公开数据缺失；二是市场对“硫化物vs氧化物电解质”“半固态vs全固态”技术路线存在严重分歧。我采用“产业链交叉验证法”，访谈了12家上游固态电解质/锂金属负极材料厂、5家整车厂研发负责人，同时引入Gartner技术成熟度曲线（Hype Cycle）评估各技术节点的商业化概率，并通过技术经济分析（TEA）测算不同路线的量产成本拐点。
• 针对数据缺口，我搭建了“企业专利储备+供应链配套+客户验证进度”的三维评分体系，替代传统营收/利润指标；针对技术分歧，联合公司量化团队开发“技术路线胜率模型”，纳入18项关键参数（如电解质离子电导率、界面阻抗）。决策过程中，我坚持“重资产环节看产能利用率、轻资产环节看专利壁垒”的筛选逻辑，排除3家过度炒作的材料厂商。
• 项目输出120页《固态电池产业链投资白皮书》，识别出“固态电解质膜（硫化物路线）”“锂金属负极集流体”两大高潜力细分环节，推动公司参与2家Pre-IPO企业的基石投资。其中1家企业于2024年Q1登陆科创板，为公司带来浮盈超2.3亿元。此项目不仅夯实了我在新能源前沿技术研究的壁垒，也助力我从“行业跟踪型”分析师转型为“策略驱动型”研究者，次年晋升为首席行业分析师助理。

光伏TOPCon电池技术迭代对产业链竞争格局的影响研究

• 2021年PERC电池转换效率逼近理论极限，TOPCon作为主流替代技术，但市场对其“何时量产、利润如何分配、哪些环节受益”存在认知差。我的任务是从技术与产业链视角，解答机构客户的核心疑问，为买方提供投资决策依据。
• 难点在于技术参数的专业性与客户需求的可读性之间的平衡：一方面，TOPCon的“隧穿氧化层钝化接触”技术涉及半导体物理知识，需简化为可理解的产业逻辑；另一方面，客户要求数据能支撑“买设备还是买材料”的具体决策。我选择用“成本-效率-良率”三维度拆解，通过MATLAB搭建TOPCon与PERC的全生命周期成本模型，对比两者在不同良率下的单瓦盈利差异。
• 为验证模型准确性，我走访了晶科能源、捷佳伟创等8家头部电池厂与设备厂商，获取一线量产数据（如TOPCon量产良率从2021年的85%提升至2022年的92%），并调整模型中的“银浆耗量”“折旧成本”等参数。同时，针对客户关心的“利润分配”，我用博弈论框架分析：当TOPCon效率超过25.5%时，电池厂利润占比将从30%提升至45%，而银浆厂商因用量减少，利润占比下降10个百分点。
• 项目成果包括5篇深度报告（总阅读量超10万），其中《TOPCon量产拐点已至：产业链利润向电池环节集中》被中信证券、易方达基金等7家机构引用为内部参考。此研究推动研究所获得晶科能源、广发基金的“年度最佳技术研究服务奖”，我也从实习生成长为负责光伏板块的全职分析师，独立覆盖10家上市公司，建立了自己在电池技术迭代领域的专业口碑。

• 大二观察到毕业生离校时大量教材被废弃，而新生购书支出占生活费12%，便发起校园书籍教材循环计划。为解决传统二手书交易效率低的问题，我们开发微信小程序实现扫码估价、预约取件功能，并说服快递中心以成本价承接物流。
• 通过建立翻新消毒标准打消卫生顾虑，项目年流通教材1.2万册，累计为同学节省书费38万元。这段经历让我从商业小白成长为能设计闭环模式的实践者，项目不仅获省级创业金奖，更被纳入学校官方服务体系延续至今。