武当王也
数据分析师
- 公司信息：
- 招商银行
- 工作经验：
- 3年
- 兼职日薪：
- 500元/8小时
- 兼职时间：
- 可工作日驻场（自由职业原因）
- 所在区域：
- 济南
- 全区
技术能力
【Python金融建模与机器学习】| 数学建模 | 数据分析 | 量化策略 | 5年Python经验 | 可快速交付
---
一、 个人简介
5年Python开发经验，擅长运用数学建模和机器学习解决金融实际问题。熟练掌握统计分析、时间序列、优化算法，并能通过Pandas/NumPy进行大规模数据处理。曾独立完成多个量化策略回测、风险模型构建及市场预测项目，代码规范，注重可复现性。乐于沟通，响应及时，可承接金融模型开发、数据分析、数学建模优化等各类任务。
---
二、 专业技能
· 核心语言： Python（精通）
· 数据分析与处理： Pandas, NumPy, SciPy, SQL (MySQL/SQLite), OpenPyXL
· 机器学习： Scikit-learn（回归、分类、聚类）, XGBoost, LightGBM, 特征工程, 模型调参
· 数学建模： 数理统计（假设检验、分布拟合）、时间序列分析（ARIMA, GARCH, 指数平滑）、优化算法（线性规划、非线性规划、蒙特卡洛模拟）、微分方程（用于简单动态模型）
· 金融计算： 量化指标（Ta-lib），风险指标（VaR, 夏普比率, 最大回撤），资产定价模型（CAPM, 期权定价二叉树）
· 可视化： Matplotlib, Seaborn, Plotly（用于展示模型结果、回测曲线）
· 开发工具： Git, Jupyter Lab, VS Code, Anaconda
---
三、 项目经历
项目一：基于机器学习的股票收益率预测与因子筛选
· 项目背景： 为个人量化研究筛选有效因子，并构建周度收益率预测模型。
· 我的职责：
1. 数据处理： 使用Pandas获取股票日线数据，计算基本面和技术面因子（如动量、波动率、估值），构建面板数据。
2. 特征工程与数学变换： 对因子进行去极值、标准化、中性化处理，并尝试多项式特征、分箱等数学变换提升特征表达能力。
3. 建模与评估： 使用Scikit-learn训练线性回归、随机森林、XGBoost模型，通过时间序列交叉验证评估预测准确率，并分析特征重要性筛选出Top10有效因子。
4. 组合构建： 基于模型预测值构建多空组合，回测年化超额收益约10%（Python实现回测）。
· 项目成果： 筛选出的因子库和预测模型为后续策略开发提供了可靠依据，模型预测方向准确率达58%。
项目二：投资组合优化与风险平价模型实现
· 项目背景： 针对给定资产池（股票、债券、商品），构建风险平价模型，实现资产配置优化。
· 我的职责：
1. 数学建模： 基于风险平价理论，建立优化目标函数（各资产风险贡献相等），使用SciPy的优化模块（minimize）求解最优权重。
2. 风险估计： 利用历史收益率数据估计协方差矩阵，并采用Ledoit-Wolf收缩方法进行数学修正，提高估计稳定性。
3. 回测与比较： 在Python中回测风险平价组合与传统60/40组合，计算累计收益、最大回撤、夏普比率，并可视化资产权重变化。
4. 扩展： 加入Black-Litterman模型融合主观观点（手动模拟），使用数学推导调整预期收益。
· 项目成果： 风险平价组合在回测期内夏普比率提升0.3，最大回撤降低5个百分点，结果清晰展示在Jupyter Notebook中。
项目三：基于时间序列的波动率建模与VaR计算
· 项目背景： 为某小型资管团队开发波动率预测模型，用于风险管理和期权定价参考。
· 我的职责：
1. 统计分析： 对收益率序列进行平稳性检验、自相关分析，确认波动率聚集现象。
2. 数学建模： 使用Statsmodels库建立GARCH(1,1)模型，拟合条件异方差，预测未来波动率。
3. 风险价值计算： 结合GARCH预测的波动率，使用参数法计算每日VaR（95%置信水平），并与历史模拟法对比。
4. 可视化与报告： 绘制波动率预测曲线、VaR回测检验图（Kupiec检验），输出PDF报告。
· 项目成果： 模型有效捕捉了波动率变化，VaR回测通过95%置信水平检验，帮助团队更好地监控尾部风险。
项目四：数学建模竞赛/课程项目：期权定价的二叉树与蒙特卡洛模拟
· 项目背景： 作为数学建模课程项目，实现欧式/美式期权的定价模型。
· 我的职责：
1. 二叉树模型： 使用Python实现Cox-Ross-Rubinstein二叉树，通过逆向归纳计算期权价格，并验证与Black-Scholes公式的一致性。
2. 蒙特卡洛模拟： 对亚式期权等路径依赖期权，使用蒙特卡洛模拟定价，利用NumPy向量化加速模拟过程（10万次路径秒级完成）。
3. 敏感性分析： 计算Greeks（Delta, Gamma），并绘制期权价格与标的资产、波动率的关系热力图。
项目经验
1.我自己设计开发了，基于清华大学团队的金融预测模块的金融分析模型，使股价的预测准确率提升了20%到30%
2.并且可以根据您的需求为您设计您想要的金融模型，也可加入我的复杂数学建模模块
案例展示
-
摩伊拉
可以根据您的需求进行复杂数学建模金融交易系统，可以根据您的需求进行复杂数学建模金融交易系统，可以根据您的需求进行复杂数学建模金融交易系统，可以根据您的需求进行复杂数学建模金融交易系统
-
卡洛斯
可以根据您的需求进行复杂数学建模金融交易系统，可以根据您的需求进行复杂数学建模金融交易系统，可以根据您的需求进行复杂数学建模金融交易系统，可以根据您的需求进行复杂数学建模金融交易系统
