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%。

新消费赛道细分领域‘景气度-竞争力’双维度评估体系构建及投资策略落地项目

• 项目背景：2021年以来新消费赛道投融资过热，大量标的因估值虚高、模式不可持续出现破发，公司亟需建立适配新消费特性的深度研究框架，精准识别高景气细分领域及具备长期壁垒的标的。核心目标：主导构建覆盖“行业景气度跟踪+企业竞争力评估”的双维度模型，输出可落地的投资策略，支撑公司新消费板块的投资决策。
• 解决的关键难题：一是新消费企业多为DTC模式，传统营收、净利润指标无法反映真实增长质量（如私域复购、用户裂变）；二是细分赛道间用户迁移、协同效应难量化（如美妆与个护的交叉用户占比）。针对前者，引入“LTV/CAC（用户终身价值/获客成本）”“KOC传播裂变率”等新消费特有指标，通过爬取天猫、抖音用户行为数据及小红书舆情，用NLP模型量化品牌情感倾向；针对后者，采用社交网络分析（SNA）计算跨品类用户迁移率，构建赛道协同度矩阵。
• 核心行动与创新：1. 主导设计包含12个一级指标（如“私域复购率”“渠道数字化覆盖率”）、36个二级指标的评估体系，其中6个指标为新消费赛道定制；2. 牵头完成15个细分赛道（功能性食品、智能家电、国潮服饰等）的深度调研，访谈23位行业专家及企业创始人，验证模型有效性；3. 每周与投资团队召开“模型校准会”，根据市场反馈调整指标权重（如将“抖音直播转化率”权重从8%提升至15%）。
• 项目成果：1. 构建的评估体系被公司纳入《新消费赛道投资决策手册》，成为研究员及投资经理的核心工具；2. 输出的策略建议推动公司布局的3只标的（某功能性食品企业、某智能家电品牌）6个月内涨幅超40%，其中某功能性食品企业成为年度重仓股，贡献约2.1亿元浮盈；3. 模型延伸至投后管理，帮助被投企业优化私域运营，其年营收增速较行业均值高15%。个人贡献：主导模型设计与落地，直接推动2个重点标进入公司核心持仓池。

白酒企业数字化转型对长期估值影响的量化研究及投资应用项目

• 项目背景：白酒行业进入存量竞争阶段，头部企业加速数字化转型（如渠道数字化、用户运营数字化），但市场对“数字化投入如何转化为估值溢价”缺乏共识，公司需要量化评估转型效果以挖掘被低估标的。核心目标：构建“数字化投入-运营效率-估值提升”的传导模型，识别数字化转型领先且估值合理的白酒企业。
• 解决的关键难题：一是白酒企业数字化投入披露不充分，数据分散在年报、经销商调研及第三方系统供应商处；二是转型效果难以量化（如渠道数字化对库存周转的影响、用户数字化对品牌忠诚度的提升）。针对前者，整合年报、经销商问卷及数字化服务商合同数据，还原企业真实数字化投入；针对后者，用回归分析验证“数字化投入占比”与“库存周转天数”“单店营收”的相关性，用事件研究法分析转型公告后的股价超额收益。
• 核心行动与创新：1. 调研8家白酒企业数字化负责人，梳理出“生产-渠道-用户”三大数字化场景的投入产出逻辑；2. 分析2018-2021年白酒企业面板数据，发现数字化投入占比每提升1pct，库存周转天数下降5天、单店营收提升8%，对应PE估值溢价约12%；3. 输出《白酒企业数字化转型估值影响报告》，筛选出3家“数字化投入领先但估值低于行业均值”的区域酒企。
• 项目成果：1. 报告中的投资建议被公司采纳，布局的某区域白酒企业1年内涨幅达35%；2. 模型被纳入公司白酒行业研究常规框架，用于评估企业长期价值；3. 个人因项目表现突出，晋升为高级研究员，开始主导新消费赛道研究。个人贡献：完成数据整合、模型构建及案例分析，是报告核心执笔人之一。

• 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。