主导多资产量化策略全生命周期研发，覆盖权益、CTA及混合策略，负责数据挖掘、模型优化、回测验证及实盘跟踪，为产品提供投研支持与策略迭代。

• 主导开发基于机器学习的权益多因子策略，使用Spark分布式计算清洗10年A股Level2数据（日频+分钟级，超500GB），构建包含流动性（Amihud指标）、动量（12M-1M收益）、波动率（GARCH模型预测）等400+因子的特征库；针对传统线性模型对非线性关系表征不足的问题，引入LightGBM进行因子重要性排序与非线性融合，策略年化超额收益从13%提升至19%（信息比率IR从1.8增至2.4），实盘12个月超额收益月胜率达78%。
• 优化CTA策略配置效率，针对商品期货品种间相关性动态漂移问题，采用DCC-GARCH模型实时估计协方差矩阵，结合LSTM预测未来1周波动率调整杠杆比例；改进后策略夏普比率从1.1提升至1.9，最大回撤从12%收窄至7.5%，2024年Q2-Q4连续跑赢南华商品指数8%以上。
• 搭建策略绩效归因与风险监控体系，基于Brinson模型拆解收益来源（行业/风格/个股），并引入Barra中国权益风险模型量化风格暴露；定位某中盘成长策略新能源板块超配30%问题，调整因子权重后板块特异性风险（跟踪误差）降低45%，月度最大回撤控制在5%以内。
• 协同投资团队完成策略落地，输出《中高频策略交易成本优化方案》，通过历史模拟测试滑点与冲击成本参数，确定T+1最优调仓频率（较原T+0降低20%交易成本）；支撑管理规模从8亿增长至18亿，产品年度收益率保持15%+，客户复投率提升至65%。

聚焦股票多头产品，负责基本面量化模型构建、因子挖掘及策略回测，支持投研决策与产品业绩优化。

• 核心参与基本面量化策略开发，从Wind、CSMAR提取3000+家A股公司财务数据（ROE、经营现金流等20+指标），运用XGBoost构建个股预期收益模型；针对训练集过拟合（测试集准确率68%），引入时间序列交叉验证与L1正则化，测试集准确率提升至81%，对应股票池年化超额收益11%（相对沪深300）。
• 优化风险平价模型，纳入ESG评分（商道融绿数据）约束，调整股（60%→55%）、债（30%→35%）、黄金（10%→10%）权重；蒙特卡洛模拟显示95%置信水平下VaR从-2.2%降至-1.6%，ESG综合得分从70分提升至82分，满足保险机构ESG投资要求。
• 维护量化数据库与监控系统，用SQL编写自动化ETL脚本，每日更新200+只公募基金净值、持仓数据，数据延迟从T+2缩短至T+1；基于Power BI搭建因子看板，实时跟踪100+因子IC/IR值，提前4周预警动量因子IC衰减（从0.8→0.3），协助调整策略避免回撤扩大。

协助量化策略研发，参与数据预处理、因子挖掘及模型测试，积累量化投研基础经验。

• 协助挖掘A股情绪因子，爬取东方财富股吧、微博财经文本数据（日更50万+条），用jieba分词与TF-IDF提取情感关键词，构建市场情绪指数；回测显示该指数与沪深300次日收益率相关性0.45，纳入多因子模型后策略超额收益稳定性提升15%。
• 测试经典因子有效性，用Python计算价值（PE分位数）、成长（净利润增速）、质量（ROE）因子值并分组回测，发现低估值（PE<20%）组合年化收益18%（超基准5pct），高盈利（ROE>15%）组合年化20%（超基准7pct）；结论写入《A股多因子有效性报告》供投资参考。
• 优化回测框架，针对Zipline分钟级回测性能瓶颈，用Cython加速关键模块，回测速度提升3倍；协助完成50+策略回测，输出《不同频率策略对比报告》，为后续开发方向提供数据支持。

• 因痛心于年轻人对历史的疏离，我在B站创立「古人脱口秀」栏目，用职场梗解构历史事件（如《雍正皇帝的KPI保卫战》）。通过设计「颠覆认知-史料佐证-现代共鸣」三幕剧本模板，单期视频最高收获1.7万条弹幕互动。
• 两年间栏目播放量突破180万，作品被多地中学选为教学素材。这段经历磨砺出将学术内容转化为大众语言的能力，也让我理解到真实用户反馈才是创作者的指南针。

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。