•在金融大数据分析课程中，主导股票情绪预测项目，整合Twitter金融推文与成交量数据，使用LSTM模型实现日均波动率预测误差低于5%，项目获评课程最佳实践案例
•策划并组织‘金融科技数据马拉松’，协调跨专业团队开发实时风险监测系统，基于Kafka流处理毫秒级交易数据，异常检测准确率达92%，获校级创新创业基金支持
•于量化对冲基金实习，独立重构历史回测数据库架构，应用Redis缓存优化回测速度，使策略验证周期从4小时压缩至15分钟，直接支撑3个高收益Alpha策略上线
锐思金融科技有限公司 - 数据智能部金融科技头部企业
2017.07-2020.06
金融数据分析师金融数据治理实时计算架构风险建模
北京
•搭建保险行业客户行为数据看板，整合理赔、续保、渠道等多维数据，通过可视化设计帮助业务团队发现高风险客群特征，使核保通过率提升12%
•设计实时交易监控系统，使用Kafka+Flink处理日均3亿条交易流水，异常检测响应速度从小时级优化至分钟级
•开发智能催收模型，整合还款记录、消费行为等200+特征变量，通过XGBoost算法将M1逾期率降低8个百分点
•建立跨部门数据标准体系，制定《金融数据质量管控手册》，推动业务系统与数据仓库字段一致性达到98%
东方银行（北京分行） - 金融科技中心国有商业银行
2020.07-2022.06
高级金融数据分析师数据湖架构量化建模机器学习工程
北京
•主导构建企业级数据湖，整合核心银行系统、信贷平台及第三方数据源，通过Hadoop生态实现100TB+数据存储与治理
•开发量化投资信号挖掘引擎，基于LSTM神经网络预测股票波动率，模型在回测中夏普比率达2.3
•带领6人团队完成反欺诈模型迭代，通过联邦学习技术保护客户隐私的同时将欺诈识别准确率提升至92%
•搭建数据科学实验平台，集成Notebook+MLflow实现模型全生命周期管理，使算法部署效率提升40%
•设计多因子选股策略，融合财务指标、技术指标与市场情绪数据，构建动态轮动模型
•开发VaR风险度量系统，通过蒙特卡洛模拟计算极端市场情况下的投资组合风险敞口
•优化资产配置算法，将客户投资组合年化波动率控制在8%以内，同时实现15%的预期收益率
•整合工商、税务、司法等外部数据源，构建企业画像标签体系，覆盖500万+中小微企业
•开发动态评分卡模型，采用PSO优化的随机森林算法，将预警模型KS值提升至0.68
•建立风险传导分析模块，通过图神经网络识别关联企业风险传染路径，提前3个月预警重大违约事件
数据技术实践:
在开源贡献中维护金融数据清洗工具库，用Python编写动态数据校验脚本，自动化处理Bloomberg终端导出数据，覆盖利率、汇率等20类市场数据源，降低人工纠错成本60%
深度参与‘量化投资开源社区’，设计并部署基于ClickHouse的宏观经济指标看板，整合央行季度报告与卫星图像数据，可视化呈现政策传导路径，服务100+个人开发者
