AMAZING RESUME / 01
BURN BRIGHT · MOVE FORWARD
牛敬业
金融数据挖掘工程师
常怀探索之心，以实干沉淀自身价值
188****1250niu****@***.com北京30男金融数据挖掘工程师在职北京20k - 30k •完成“基于消息队列的实时风控数据管道”课程设计，独立设计 Kafka + Flink 流处理架构，实现毫秒级特征提取与规则匹配，获院级优秀设计。
•作为队长参加“花旗杯”金融创新应用大赛，利用 XGBoost 和 LSTM 构建多因子选股模型，从 200 支候选标的池中筛选组合，夏普比率达 1.8，入围全国 20 强。
•在校数据挖掘社团担任技术骨干，牵头组织“金融数据挖掘训练营”，带领 30 名成员完成用户逾期预测、舆情情感分析等 4 个实战项目，并主导内部技术 wiki 建设。
北京金数智联科技有限公司 - 数据智能部金融科技数据服务
2017.07-2020.06
•负责金融业务数据的采集、清洗与标准化，构建完整的数据质量监控体系，保障日均数TB级数据的准确性与一致性，为后续分析提供高质量输入。
•利用XGBoost、LightGBM等集成学习方法构建小微企业信贷违约预测模型，通过特征交叉与调参，模型AUC提升至0.86，显著降低坏账率。
•参与股票市场情绪指数构建项目，从社交媒体、新闻舆情中提取情绪因子，结合技术指标预测短期波动，方向准确率提升至68%，辅助投资策略制定。
•与产品、风控团队深度协作，将数据分析结果转化为业务规则，优化贷前审核流程，提升审批效率30%。
高级金融数据挖掘工程师数据平台建设智能营销反欺诈建模
北京
•主导搭建全行级金融数据挖掘平台，整合行内核心交易、客户行为、外部市场等多源数据，平台日处理能力达到500GB，支持实时与离线分析。
•带领团队实施客户流失预警与精确营销项目，应用K-Means、DBSCAN聚类算法结合RFM模型，将客户细分为7个群体，制定差异化营销策略，使理财产品购买转化率提升45%。
•优化交易反欺诈系统，引入图神经网络与自编码器，构建端到端欺诈检测模型，将欺诈交易识别准确率提升至97%，误报率降低35%，有效保障资金安全。
•定期举办技术沙龙，指导初级工程师提升数据挖掘实战能力，团队内2人获得公司级技术创新奖。
•项目背景：为提升智能投顾服务匹配度，需要构建精准的客户风险偏好画像与资产配置推荐模型。
•数据处理：收集了200万+用户风险评估问卷、交易流水、持仓记录等数据，处理缺失值、异常值，并构建多维特征，如投资经验、收益波动容忍度等。
•模型构建：采用Stacking集成策略，融合逻辑回归、随机森林、梯度提升树，对客户风险等级进行预测，再基于马科维茨模型和客户偏好生成个性化投资组合。
•结果：模型分类准确率达89%，客户对推荐组合的采纳率提升32%，客户满意度评分提高15%。
•项目背景：金融机构每日产生大量研报与公告，需要高效提取关键信息并监控市场情绪。
•数据处理：采集了10万+篇金融研报、上市公司公告与新闻，进行文本清洗、分词、实体识别，构建金融领域词库。
•模型构建：基于BERT微调构建文本分类与情感分析模型，并结合TextRank算法实现关键句抽取，生成结构化摘要；同时利用LDA主题模型挖掘每日热点主题。
•结果：情感分析准确率92%，摘要生成可读性良好，帮助分析师节省60%的研报阅读时间，舆情监控系统提前预警重大事件，减少损失。
将数据从噪音中炼成洞察，是我在金融数据挖掘领域持续深耕的驱动力；对风控、定价等业务逻辑有天然敏感，习惯用算法捕捉资产背后的信号与异动。具备独立建模与调优能力，能熟练驾驭主流算法框架与工具链，将原始数据转化为可落地的策略。乐于在团队中担当技术枢纽，沟通清晰、推动力强，曾带头攻克复杂建模任务，确保交付质量。持续追踪前沿技术，擅长将新方法快速适配到业务场景，追求在金融智能化的浪潮中创造真实价值。
金融数据素养:
持续跟踪 A 股、可转债及 ETF 市场微观结构，自行搭建了基于 Python 的行情回放与因子回测框架，能快速将交易规则（如涨跌停限制、除权除息）转化为数据清洗逻辑。
通过 CFA 一级与 FRM 一级知识体系学习，系统掌握市场风险 VaR 回测、压力测试等概念，并曾用蒙特卡洛模拟对虚拟组合进行 10000 次情景生成，识别尾部风险特征。
