**职业**:数据分析师/量化投资程序员
**技术栈**:Python(Pandas、NumPy、Scikit-learn、Statsmodels)、量化金融(Backtrader、Zipline、TA-Lib)、数据库(SQL、MongoDB)、机器学习(XGBoost、LightGBM、TensorFlow)、数据可视化(Matplotlib、Seaborn、Plotly)
、matlab
**经验**:擅长数据处理、统计分析、策略回测、行情可视化软件开发及自动化交易系统开发。熟悉机器学习在量化投资中的应用,如因子分析、风险模型构建等。曾独立开发过多个量化策略,具备扎实的编程能力和金融知识。
**接单方向**:
✅ 量化策略开发(股票/期货/加密货币)
✅ 金融数据分析与可视化
✅ 机器学习在投资中的应用
✅ 高频数据处理与优化
✅ 自动化交易系统搭建
✅ 算法优化
#### **1. 商品期货CTA趋势跟踪策略**
- 基于Python(开发商品期货趋势跟踪策略,交易品种包括螺纹钢、铁矿石、原油等主力合约。
- 策略结合均线突破(MA)、ATR动态止损,并引入波动率自适应仓位管理,年化收益22%,最大回撤15%。
- 针对期货高杠杆特性,优化保证金管理和滑点模型,实盘模拟3个月收益18%,胜率58%。
#### **2. 商品期货跨品种套利策略**
- 研究螺纹钢-热轧卷板、豆油-棕榈油等商品期货价差关系,使用协整检验(ADF)和卡尔曼滤波动态跟踪价差区间。
- 开发统计套利策略,当价差偏离2倍标准差时开仓,回归均值时平仓,年化收益15%,夏普比率2.1。
- 引入动态止盈止损和交易成本优化,策略回撤降低30%,适用于中低频交易。
#### **3. 股票多因子量化策略开发**
- 基于Python(Pandas + Backtrader)*开发多因子选股模型,结合价值、动量、波动率等因子构建投资组合。
- 使用OLS回归、因子IC/IR分析筛选有效因子,策略年化收益18%,夏普比率1.5,最大回撤12%。
- 优化策略换手率,引入动态仓位管理,降低交易成本影响,回测表现提升20%。
#### **4. 基于机器学习的加密货币趋势预测**
- 使用LSTM(TensorFlow/Keras)分析BTC/USD历史数据,结合技术指标(RSI、MACD、布林带)预测短期价格走势。
- 特征工程包括滚动窗口标准化、滞后变量构建,模型测试集准确率62%(优于基准55%)。
- 部署至QuantConnect平台进行模拟交易,3个月累计收益25%(同期BTC涨幅15%)。
#### 5. 高频交易数据清洗与特征提取
- 处理Tick级股票交易数据(约10GB/日),使用PySpark + Dask加速清洗,去除异常值、插补缺失数据。
- 构建订单簿动态特征(如买卖价差、市场深度),用于高频做市策略研究,延迟优化至微秒级。
- 最终数据管道效率提升40%,支持实时策略回测。
#### **6. 量化投资组合风险管理系统**
- 开发VaR(风险价值)计算模块,基于蒙特卡洛模拟和历史模拟法评估投资组合下行风险。
- 集成协方差矩阵缩层法(Ledoit-Wolf)优化估计,降低极端行情下的风险误判。
- 系统应用于私募基金实盘,2023年成功预警两次市场暴跌,减少损失约8%。