负责股票多因子策略全生命周期管理，涵盖机器学习因子挖掘、高频策略执行优化及组合风险控制，主导3类核心策略从研发到实盘的落地，同时搭建自动化投研工具链提升团队效率。

• 主导开发基于迁移学习的动态多因子模型，针对传统价值/成长因子近年IC均值下滑至0.08的问题，引入自然语言处理（NLP）提取财报文本的‘管理层乐观度’指标，结合LightGBM构建非线性因子交互项，回测（2018-2023）年化超额收益从12%提升至16.5%，信息比率从2.1优化至2.8；同步解决过拟合问题，通过时序交叉验证将样本外失效概率从15%压降至5%。
• 设计股指期货高频套利策略的执行算法，基于Tick数据拆解订单簿流动性分布，应用Kyle模型计算最优报单深度，结合强化学习动态调整滑点容忍阈值，实盘交易成本（冲击成本+滑点）从单边0.8BP降至0.5BP，策略夏普比率从1.9提升至2.4，月均换手率稳定在80倍以上。
• 搭建多维度风险监控体系，融合Barra中国A股模型与另类风险因子（如ESG争议事件、北向资金异常流动），通过蒙特卡洛模拟预测极端情景下组合最大回撤，推动将风格暴露约束从±0.5σ收紧至±0.3σ，2023年Q4市场风格切换期，组合最大回撤从7.2%控制在4.1%。
• 主导开发自动化回测平台，基于Docker容器化部署与Ray分布式计算框架，实现因子计算-策略回测-绩效分析全流程并行化，单策略回测耗时从48小时缩短至6小时，支持团队同时推进8个策略并行开发，当年策略迭代次数同比增加120%。

聚焦A股中低频量化策略研发，负责因子清洗、基础模型构建及策略绩效归因，协助完成2只指数增强产品的策略迭代，支撑管理规模从15亿增长至30亿。

• 重构基本面因子库，整合Wind、CSMAR的1200+原始指标，通过分位数标准化与行业中性化处理，筛选出23个有效因子（IC>0.05且t>2）；其中创新的‘产能利用率环比增速’因子IC均值达0.07，IC_IR 0.85，被纳入核心多因子模型。
• 优化沪深300增强策略的行业轮动模块，引入宏观因子（PMI、社融增速）与行业景气度指标的联动模型，替代原静态权重分配，2021年策略超额收益从8.3%提升至11.2%，行业偏离度从3.5%收窄至1.8%。
• 完成策略绩效深度归因，使用Brinson模型拆解收益来源，发现2022年H1超额收益主要依赖化工、电新板块的超配（贡献52%），但Q3该板块回撤导致整体表现下滑；据此建议增加防御性因子（股息率、波动率）权重，Q4超额收益回正至2.1%。
• 搭建因子数据监控看板，用SQL+Tableau实现因子覆盖率、缺失值率、IC衰减速度的实时可视化，将因子失效预警时间从周度缩短至T+1，保障投研决策的数据时效性。

参与量化策略基础研究，聚焦另类数据挖掘与因子有效性验证，为团队提供事件驱动、跨市场比较等方向的实证支持。

• 研究A股‘业绩预告超预期’事件的投资价值，爬取巨潮资讯网2010-2019年公告文本，用TextBlob计算情绪得分，结合事件窗口（-5, +10）构建动量策略，回测显示超预期且情绪正向的事件后5日超额收益达1.8%（t=2.1），相关结论被纳入事件驱动策略储备库。
• 对比A股与美股科技板块动量因子表现，运用协整检验发现两者存在长期均衡关系（p<0.05），基于此设计跨市场配对交易策略，2019年模拟盘年化收益15%，夏普比率1.6，为跨境策略布局提供依据。
• 开发因子测试工具集，用Python封装IC计算、分层回测、换手率分析函数，替代原手动Excel操作，将单因子分析时间从3天缩短至6小时，该工具被团队沿用并扩展至20+基础功能。

新能源汽车产业链一体化深度研究及投资策略输出项目

• 2022年新能源汽车板块受上游锂价暴涨、中游产能过剩及下游需求分化影响，市场分歧剧烈，公司权益产品新能源持仓面临“赚行业β不赚个股α”的困境。我的核心目标是主导完成产业链全环节穿透式研究，输出可落地的投资策略，解决“如何识别产业链利润分配的核心环节”这一关键问题。
• 项目难点在于传统研究停留在“单一环节供需分析”，缺乏上下游联动逻辑，且技术迭代（如4680圆柱电池量产、麒麟电池CTP3.0技术）对环节成本结构的冲击难以量化。我采用“波特五力模型+产业链成本传导矩阵”双框架，搭建包含“环节产能利用率-原材料成本占比-技术溢价能力”的量化模型；同时联动权益投资团队，将研究员的“定性判断”转化为基金经理可理解的“量化评分卡”。
• 我牵头组织了15场产业链深度调研，覆盖宁德时代（电池）、恩捷股份（隔膜）、拓普集团（底盘）、容百科技（正极）等12家核心企业，获取一手产能规划、订单绑定率及成本控制数据；针对技术迭代影响，引入“技术渗透曲线”工具，测算高镍三元电池2023年渗透率将从18%提升至27%，对应正极材料企业的单Wh盈利可提升12%-15%；每周输出《产业链动态跟踪周报》，同步更新“环节景气度得分”与“个股Alpha潜力排名”。
• 项目成果显著：输出的《新能源汽车产业链2023年投资策略报告》中，重点推荐的“高镍三元正极”“湿法涂覆隔膜”“一体化底盘”三大细分赛道标的，6个月内平均涨幅达45%，推动公司权益产品新能源板块持仓收益率跑赢中证新能源指数18个百分点；更重要的是，我将“上下游联动分析+技术量化测算”的研究框架纳入公司新能源行业SOP，成为后续同类研究的标准化工具。

大消费行业景气度跟踪体系重构及应用项目

• 2020年后疫情时代，大消费行业（食品饮料、家电、零售）受“线下场景修复”“线上消费习惯固化”等变量影响，传统社零总额、企业季报等滞后指标无法及时捕捉细分赛道机会（如预制菜、智能家电）。我的目标是重构消费行业景气度跟踪体系，解决“如何提前3-6个月预判细分赛道爆发期”的问题。
• 项目难点在于传统跟踪指标颗粒度粗（如仅跟踪社零总额中的“餐饮收入”），缺乏高频、前瞻性数据，且消费习惯变化（如Z世代偏好“便捷化”“健康化”）对细分赛道的需求拉动难以量化。我整合了10+个高频数据源——包括爬虫抓取的天猫/京东预制菜销量、艾瑞咨询的“Z世代消费偏好调研”、第三方物流的“智能家电配送时效”，搭建“高频数据+行为洞察+财务指标”三维预警模型；并通过因子分析筛选出“线上渗透增速”“新品迭代频率”“原材料成本敏感度”三个核心因子，作为景气度判断的关键指标。
• 我每周输出《大消费细分赛道景气度周报》，针对预制菜赛道，通过“线上销量月均增长35%”“线下商超铺货率从15%提升至28%”的高频数据，提前3个月预判行业进入爆发期；针对智能家电，通过“AI语音功能新品占比从20%提升至40%”的行为数据，识别出科沃斯、石头科技的α机会。此外，我还主导编写了《消费行业景气度跟踪手册》，明确各细分赛道的“核心跟踪指标库”与“数据更新频率”。
• 项目成果：重构后的体系将消费行业景气度预测准确率从62%提升至81%，基于该体系推荐的天味食品（预制菜）、科沃斯（智能家电）标的，1年内涨幅分别为58%、72%；该体系被公司推广至整个大消费研究条线，成为季度策略会、产品路演的核心工具，也支撑了公司“消费升级”主题产品的超额收益表现。

支教时发现乡村小学因缺乏实验器材，科学课多停留在课本讲解。返校后联合实验室开发出百元级科学实验背包，内含20个基础实验器材。为确保可持续运营，设计配套视频课程与城乡结对系统，并培训132名大学生担任远程助教。项目覆盖9省47所学校后，学生科学兴趣评分提升35%。这段经历教会我用产品思维解决社会问题，当看到孩子们用自制望远镜发现土星光环时，我理解了教育的真谛是点燃可能性。