负责多因子策略全生命周期管理，从高频因子挖掘到实盘落地，结合机器学习优化预测模型，协同交易与风控团队迭代策略，支撑量化产品超额收益目标达成

• 主导高频量价因子挖掘与有效性验证：基于Python、Pandas构建Tick级数据处理 pipeline，整合沪深300成分股1分钟级交易数据，针对因子共线性问题采用L1正则化逻辑回归筛选，从200+原始因子中提炼12个高区分度高频因子（如订单簿深度斜率、成交价差波动率）；使用Alphalens验证因子IC均值达0.08，信息比率1.2，较原有因子库年化超额收益贡献提升30%
• 优化机器学习预测模型应对过拟合：针对LightGBM模型在时序数据中的过拟合问题，引入滚动窗口交叉验证（Window CV）与特征重要性动态衰减机制，融入宏观因子（PMI、10年期国债收益率）与另类数据（北向资金分笔成交）；最终模型预测准确率从72%提升至87%，回测夏普比率从1.8优化至2.2，覆盖策略容量扩大至5亿元
• 实盘策略跟踪与参数迭代：搭建Prometheus+Grafana监控系统，实时追踪策略滑点（实际滑点0.21% vs 预估0.18%）、冲击成本（单笔交易占比0.03%）等关键指标；针对小市值股票流动性收缩问题，调整交易算法为成交量加权平均价（VWAP）+ 时间加权平均价（TWAP）混合模式，将执行成本率从0.15%降至0.09%，实盘产品近3个月年化收益12.3%，最大回撤控制在7.8%以内
• 跨团队协同输出绩效与优化方案：每周用SQL搭建策略绩效看板，整合超额收益分解（风格贡献45%、行业贡献20%、alpha贡献35%）与风险指标（跟踪误差4.1%、波动率11.2%）；针对消费行业因子失效问题，协同行业研究员引入渠道库存周转率等基本面因子，优化后策略在该行业超额收益从-1.2%回升至2.5%

聚焦股票多因子策略研发，结合基本面与量价数据搭建策略框架，支持主动量化产品投资决策，推动策略从回测到产品的转化

• 核心参与基本面因子体系重构：针对传统财务因子滞后性问题，基于Wind、Bloomberg数据构建动态因子模型——在Fama-French五因子基础上加入ESG评分（MSCI ESG评级）与分析师预期修正因子（一致预期EPS上调幅度）；通过滚动回归调整因子权重，使因子IC_IR从0.8提升至1.0，支撑的量化公募基金成立1年超额收益达8.1%，排名同类前15%
• 自主搭建高精度回测系统：基于Backtrader框架优化交易成本模型，引入流动性分层假设（将股票分为高、中、低流动性三组，分别设置0.1%、0.08%、0.05%的交易佣金+冲击成本）；回测结果与实盘的偏差从3.2%降至1.5%，解决了过往“回测好看、实盘拉垮”的核心问题，该系统被部门纳入标准工具库
• 支持专户产品风险预算设计：针对某银行专户“年化收益10%+最大回撤≤6%”的目标，采用Black-Litterman模型融合宏观观点（经济复苏预期）与量化观点（因子动量），调整股债配置比例（股票75%+债券25%），并通过蒙特卡洛模拟验证策略在极端市场下的存活能力；最终产品运行10个月超额收益5.6%，最大回撤5.2%，符合客户风险收益要求

协助量化策略研发，完成数据清洗、因子测试及简单策略回测，参与策略讨论与结果汇报

• 协助构建高频因子数据库：用Python清洗沪深A股5分钟级Tick数据，处理缺失值（插值法填充）、异常值（3σ原则剔除），并计算100+量价因子（如5分钟收益率、成交量加权均价偏离度）；最终形成的因子库覆盖2018-2022年全市场数据，支持后续因子有效性测试
• 参与事件驱动策略回测：针对财报公告事件，用事件研究法计算累计超额收益率（CAR），筛选出“业绩超预期10%以上+分析师一致预期上调”的有效事件组合；回测结果显示该组合在公告后5个交易日超额收益达1.8%，贡献到后续事件因子开发中
• 优化回测框架效率：协助用SQL编写数据提取脚本，将因子回测的数据获取时间从4小时缩短至1.5小时；同时参与整理策略回测报告模板，规范了因子表现、风险指标的展示逻辑，提升了团队工作效率

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。