下一步修改方向:(1)业务的特色还是不够突出,思考下你的主要投递岗位还是需要梳理梳理的,不是所有的都是以商分为动机(2)进一步删减,站在面试官的角度去筛选,什么是真实的,哪些是废话反而拉低了档次
一、基于互联网金融产品余额宝的动态 VaR 测度-南洋理工大学(2021.12-2022.3)
1、项目主题:在余额宝收益率,建立贝叶斯随机波动模型研究整体波动特征,据此对尾部风险进行测度。
2、负责职能
2.1、负责探究余额宝的峰部特征。在每一个分布的众数附近建立概率非零性和概率可区分性规则,确定一个充分小的邻域半径,并计算样本数据落在该邻域内的概率,经过比较发现余额宝收益率分布具有更尖的峰。
2.2、负责搭建 Bayes-POT 模型进行尾部风险的动态 VaR 测度。基于提取波动性,尾峰部特征,将模型设定为 SV-T 模型,再对模型的扰动项进行 POT 类别设定以及阈值确定,计算收益率动态 VaR
3、个人成果:担任小组负责人,在答辩环节获全小组第 1,入选全国大学生数学建模竞赛二等奖
二、基于企业网络图数据的系统风险分析-数学系李文学教授课题组(2020.7-2021.1)
1、项目主题:为了测算流动性风险下企业系统的脆弱性,我们基于复杂网络理论构建企业关联网络,然后模拟外部和内部冲击的损失,进而测算系统脆弱性和风险传染效应。
2、负责职能
(1)业务层面:选取银行作为研究对象,测算企业风险的关联强度:根据银企间不同贷款期限的借贷关系,不同投资周期的共同资产关系,分别从资产负债表,行为动态演化,流动性资产更新设定网络演化规则,利用python实现图数据库的动态更新与维护。
(2)技术层面:测算企业集群的系统脆弱性:对企业网络建立压力测试,模拟分析了外部冲击,DebtRank传染,甩卖三轮损失;程序中利用生成树技术去掉回路,以缓解传统DebtRank算法因循环传染,而导致的风险高估的问题。
3、个人成果:在复杂网络领域的控制系统方向以第二作者发表SCI二区论文1篇。
一、基于文本数据的企业风险因子分析-数量金融王闻教授公司产品开发组(2021.3-2022.2)
1、项目主题:为了快速、高效的处理海量的文本信息,我们通过爬虫爬取企业资讯、公告文本,然后使用自然语言处理技术(NLP),进而分析文本中的市场情绪,投资利好风险等性能。
2、负责职能:
(1)业务层面:针对文本的指标价值,设计新闻的情绪,投资,风险指标(使用Bi-LSTM生成指数);针对文本中的类别价值,设计新闻的13类事件细分分类(使用LDA自动主题分类)。
(2)技术层面:负责挖掘市场情绪的因子与公告中各类ESG主题的因子。搭建双层LSTM模型,以解决长期信息“遗忘”的问题,再利用LDA模型对公告主题分类,最后CNN-BiLSTM模型进行因子生成,相比于传统的CNN、LSTM模型,准确率平均提升了13.2%
3、个人成果:以API形式正在本地企业试用,担任项目负责人,主持申请2份软件著作权,获得工商银行金融科技一等奖,花旗杯金融创新应用大赛智能营销赛道第1名等成果。