负责多因子模型与机器学习策略的研发、迭代及实盘跟踪，主导因子挖掘、组合优化及风险控制全流程，支撑公司主动管理型量化产品的超额收益创造与风险收益比提升。

• 主导中高频量价因子挖掘与迭代，基于Python与Pandas处理分钟级交易数据（日均200万条），结合LSTM模型捕捉短期动量衰减特征，解决传统动量因子在注册制下的失效问题；优化后因子IC均值从0.03提升至0.06，IC_IR达0.85，对应策略年化超额收益增加2.1个百分点，实盘产品近6个月超额收益排名同类前5%。
• 搭建基于LightGBM的多因子选股模型，引入SHAP值进行特征交互分析与重要性排序，剔除冗余技术面因子12个（如失效的MACD背离因子），保留并强化情绪类因子（如融资买入占比环比变化率）；模型预测准确率从78%提升至85%，实盘产品近一年夏普比率达2.3，较基准指数信息比率提升0.4。
• 优化组合优化模块，融合Black-Litterman模型与风险预算框架，调整行业暴露约束（单行业偏离度从±5%收紧至±3%），并通过CVXPY求解最小化跟踪误差；组合换手率从周均8%降至5%，年度交易成本降低15%（约300万元），客户赎回率同比下降9%。
• 主导风险模型升级，基于Barra CNE6框架扩展ESG争议事件因子与分析师预期修正因子，构建行业轮动风险预警指标（如高拥挤度行业动量反转概率）；回测显示极端行情下（如2024年Q2调整）最大回撤从-12%收窄至-8%，产品风险调整后收益（Calmar比率）从1.8提升至2.2，进入同类前10%。

聚焦股票多空与统计套利策略开发，负责因子有效性验证、策略回测及实盘跟踪，支撑公司中低频量化产品的收益稳定性与规模扩张。

• 独立开发跨期套利策略，通过Engle-Granger协整检验筛选沪深300股指期货主力与次主力合约，结合Kalman滤波动态调整价差阈值（适应市场波动率变化）；策略胜率从55%提升至68%，年化收益率18%，最大回撤控制在-5%以内，成为公司核心套利产品，管理规模峰值达5亿元。
• 负责因子库维护与有效性验证，使用Alphalens分析2018-2022年全市场因子数据，剔除失效的估值类因子（如静态PE分位数）5个，新增情绪类因子（如业绩预告超预期幅度）3个；优化后整体因子库IC_IR从0.8提升至1.1，策略超额收益月胜率从60%提高至72%，支撑产品规模增长3倍。
• 协助搭建实时风控系统，集成Wind数据接口与Python脚本，设置波动率、流动性（日均成交额>5000万）、集中度（单票持仓<2%）等多维度预警指标；风险事件响应时间从T+1缩短至T+0.5，全年避免因流动性不足导致的强制平仓损失约200万元。
• 参与期权策略研究，基于BS模型与隐含波动率曲面分析，设计50ETF备兑开仓增强策略；回测显示年化增强收益4.5%，最大回撤-3%，为高净值客户提供低波动收益补充工具。

承担多因子模型基础建设与策略验证，负责数据清洗、因子测试及报告输出，支撑团队策略研发效率与投研体系完善。

• 主导因子数据库搭建，整理并清洗2010-2019年A股日度数据（涵盖价量、财务、分析师预期等10大类，约500万条），使用MySQL设计标准化表结构与自动化更新脚本；数据提取耗时从4小时/次缩短至30分钟，支撑团队策略研发效率提高30%。
• 验证技术面因子在不同市场风格下的表现，通过T检验与分组回测分析RSI、布林带等因子，发现小市值风格下（市值分位数后30%）动量因子失效；提出风格中性化处理方案（用Fama-French三因子回归残差作为新因子），相关报告被纳入公司策略手册，后续策略在大小盘切换期超额收益波动降低40%。
• 协助完成股指期货期现套利策略研究，测算基差成本（包含交易冲击、冲击成本、资金成本）与无套利区间；回测显示年化收益率12%（扣除成本后），为公司开展套利业务提供理论支持，推动部门当年落地首单套利产品。
• 参与量化策略绩效归因系统开发，使用多因子模型拆解收益来源（风格、行业、个股选择），输出Brinson归因报告；帮助投资经理快速定位收益贡献点，策略调整效率提升25%。

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。

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。