统筹团队量化策略全生命周期管理，覆盖股票多因子、CTA、套利等多资产类别，对接投资决策委员会输出策略方案，主导AI与量化技术融合创新。

• 制定年度量化策略研发路线，推动团队从传统多因子向深度强化学习转型，牵头搭建基于Transformer的行业轮动模型，整合宏观政策文本、产业链舆情、卫星产业数据三类另类数据，回测周期覆盖2018-2026年，年化超额收益达12.7%（基准中证800），较原模型提升4.1个百分点，2027年Q2起进入实盘跟踪，当前规模1.2亿。
• 优化团队投研流程，引入自动化因子挖掘平台（基于Spark分布式计算+PySpark MLlib），将因子开发周期从2周缩短至3天，年内新增有效因子47个（IC_IR>1.2），其中基于LSTM的量价序列预测因子在电力设备行业超额收益贡献度达23%。
• 主导跨部门协作项目，对接公司数据中台完成另类数据清洗与标签体系搭建，设计动态因子衰减预警机制（基于生存分析Cox模型），将策略失效预警提前至回撤发生前14个交易日，2027年实盘策略最大回撤控制在5.8%（目标7%）。
• 管理5人量化研究员团队，制定‘基础因子-复合因子-策略组合’三级培养体系，通过Kaggle竞赛模拟（聚焦高频交易场景）提升成员实战能力，团队输出的3个策略入围公司年度‘金策略’评选，其中1个获一等奖。

独立负责股票多因子策略研发与实盘跟踪，覆盖中证500/1000指数增强场景，主导模型迭代与风险控制，对接产品部输出策略说明书。

• 重构公司核心多因子模型，针对传统Barra风险模型在中观暴露不足问题，引入行业景气度因子（基于PMI分项+工业企业利润增速差），结合动态权重优化算法（粒子群优化PSO），策略年化超额收益从7.5%提升至9.1%，信息比率从1.8提升至2.3，2025年Q3起管理2亿规模指数增强产品。
• 攻克因子高相关性难题，采用非负矩阵分解（NMF）替代传统主成分分析（PCA）进行因子降维，在保持90%以上解释力的前提下，将组合换手率从年化8倍降至5.2倍，交易成本占比从0.9%降至0.6%。
• 搭建实时监控系统，基于Prometheus+Grafana实现因子有效性（IC、IR）、组合风险（跟踪误差、行业偏离）、交易执行（滑点、冲击成本）三维度监控，2026年成功预警2次因子失效事件（半导体行业动量因子反转），避免回撤扩大超2000万元。
• 带教3名初级分析师，输出《多因子模型开发SOP》《因子失效诊断手册》等文档，团队因子开发效率提升60%，其中1名成员独立完成的成长因子在消费行业超额收益贡献度达15%。

协助完成多资产数据清洗与因子挖掘，参与股票中性、统计套利策略回测，支持研究员完成学术论文实证分析。

• 搭建多源数据仓库，整合Wind行情、Choice财务、万得舆情数据，通过Python编写自动化清洗脚本（Pandas+正则表达式），解决前复权误差、财报滞后发布等问题，数据完整性从85%提升至98%，支撑团队10+个策略开发需求。
• 参与统计套利策略研究，基于协整检验筛选沪深300成分股配对（筛选标准：Engle-Granger p值<0.05且价差波动率<15%），优化止损阈值（动态调整为2倍标准差），策略年化收益11.3%（扣除成本后），夏普比率1.6，为团队首只实盘套利产品提供基础模型。
• 辅助完成《A股市场动量效应衰减周期研究》论文，使用滚动窗口回归（窗口期6/12/24个月）验证动量因子表现，发现当市场波动率（VIX）>25时，短期动量（1个月）失效概率提升40%，相关结论被应用于策略择时模块。
• 开发因子测试工具包（基于Backtrader），集成因子IC、分组回测、换手率分析等功能，将单个因子测试时间从4小时缩短至30分钟，团队因子评估效率提升50%。

新能源汽车产业链景气度动态跟踪与投资策略体系搭建项目

• 新能源汽车行业2022年起进入渗透率突破20%后的分化发展期，公司权益投资团队面临“产业链赛道选择模糊、细分标的景气度判断滞后”的核心痛点，需搭建一套覆盖全产业链的动态跟踪体系及可落地的投资策略。我的总体职责是主导体系顶层设计、多源数据框架搭建及策略验证，跨部门协同外部产业专家（如宁德时代供应链负责人、特斯拉订单分析师）与公司内部权益投研团队。
• 项目面临三大硬核挑战：1）数据碎片化——产业链涉及锂矿开采、正极材料、电池制造、整车装配等8大环节，数据源分散在Wind、矿山企业财报、车企内部数据及第三方机构，时效性与准确性均不足（原数据准确率仅85%）；2）景气度量化缺失——传统“产能利用率”指标无法及时反映短期供需错配（如碳酸锂价格1个月上涨30%时，原有指标滞后2周才体现）；3）策略落地性弱——过往研究偏宏观，未对应到具体标的与交易节奏，投资团队难以执行。
• 我针对性提出三大解决方案：1）数据层——整合12类高频数据（如碳酸锂价格环比、电池装机量增速）与3类实时调研数据（车企订单饱满度、企业库存周转天数），开发“产业链景气度仪表盘”，实现数据实时更新与交叉验证；2）指标层——通过面板数据回归筛选出10个核心指标，构建“宏观（渗透率、政策）-中观（环节产能利用率、产品价格）-微观（企业订单、存货）”三层加权模型（权重分别为30%、40%、30%），形成各环节景气度得分；3）策略层——根据得分划分“超配/标配/低配”赛道，例如2022年Q4判断上游锂矿因产能释放景气度下降（得分从82分降至65分），中游电池因麒麟电池量产景气度上升（得分从70分升至88分），对应推荐电池龙头企业与具备CTP技术优势的二线厂商。
• 项目成果超预期：1）搭建的动态跟踪体系将数据更新频率从月度提升至周度，数据准确率跃升至95%，成为公司新能源研究的“数据大脑”；2）输出的12份季度策略报告中，2023年Q1推荐的电池龙头企业（如XX科技），报告发布后6个月内涨幅达42%，超过中证新能源指数18个百分点；3）支持投资团队调整新能源持仓结构，将中游电池占比从20%提升至40%，该板块2023年上半年为组合贡献25%的超额收益；4）体系被纳入公司标准投研流程，成为新能源研究组核心工具，并推广至光伏、半导体产业链的景气度研究。

消费电子产业链周期复苏与龙头公司估值修复研究项目

• 2020年疫情冲击下消费电子行业陷入周期底部（全球智能手机出货量同比下降8%），公司消费电子研究组面临“复苏信号识别难、龙头公司估值定价不准确”的问题，需通过深度研究挖掘周期反转机会。我的职责是负责产业链调研、库存周期模型搭建及估值定价分析。
• 项目难点在于：1）线下调研受阻——疫情导致无法实地走访苹果、华为供应链厂商，传统“蹲点工厂”的调研方式失效；2）周期模型适配性差——传统DCF模型未考虑消费电子“短库存周期”特性（约18个月），无法准确反映企业盈利修复的弹性。
• 我通过“方法论创新+工具升级”破局：1）调研端——搭建“远程视频访谈+产业链数据交叉验证”体系，累计访谈30+家核心供应商（如舜宇光学摄像头模组厂、京东方屏幕供应商），获取“2021Q1苹果订单环比增长25%”的关键复苏信号；2）模型端——引入“库存周期复制的DCF模型”，将库存周转天数、订单能见度等周期指标纳入折现率调整因子（如库存周转天数每缩短5天，折现率下调0.5%），修正传统模型对周期复苏的低估。
• 项目成果直接转化为投资回报：1）输出的《消费电子周期复苏专题报告》准确预判了2021年行业复苏节奏，推荐的立讯精密（苹果核心代工厂）在报告发布后6个月内涨幅达35%，超过申万消费电子指数12个百分点；2）搭建的库存周期估值模型被消费电子研究组纳入日常定价工具，将标的估值误差从15%缩小至8%；3）研究成果支持投资团队于2020年Q4布局消费电子板块，2021年该板块投资收益达28%，超额收益15%，助力团队获得当年公司“最佳研究支持奖”。

• 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。