UP简历小U

+86 138-0013-8000|xiaou.upresume@example.com|上海

资深金融AI建模工程师，具备深厚的金融市场理解和前沿的AI技术应用能力。精通各类机器学习与深度学习算法，擅长构建高精度预测模型和风险管理模型，实现数据驱动的金融决策。在量化投资、风险评估及智能投顾领域积累了丰富经验，致力于通过创新技术为金融业务创造显著价值。

某头部证券公司

2021-07 - 2024-03

负责构建并优化金融预测模型，利用机器学习和深度学习技术对股票、债券、期货等金融资产价格进行预测，模型上线后，年化超额收益率提升了3.5%，预测准确率达到70%以上。
主导开发智能投顾核心算法模块，设计并实现了基于用户风险偏好和市场动态的资产配置策略，管理资产规模增长20%，用户满意度提升10%。
参与风险管理模型的研发与部署，包括信用风险评估模型、市场风险预警系统等，通过引入NLP技术处理非结构化金融文本数据，有效降低了15%的误报率。
负责大数据平台上的数据清洗、特征工程和模型训练，处理每日超过1TB的金融交易数据和市场数据，确保模型输入数据的质量和时效性。
运用Python（Pandas, Numpy, Scikit-learn, TensorFlow, PyTorch）和SQL进行数据分析和模型开发，优化模型训练效率30%。

个人项目

2023-01 - 2023-08

项目背景：针对高频交易市场中的微观结构和订单流数据，设计并实现一套能够实时调整交易策略的平台。
个人角色：独立负责项目需求分析、架构设计、算法开发与回测验证。
项目执行：
- 采用强化学习（Q-learning, DDPG）算法，基于实时市场数据进行策略训练与优化，实现了动态调整买卖订单价格和数量。
- 构建了高性能的数据流处理模块，能够每秒处理数百万条市场行情数据，保证策略的低延迟执行。
- 通过历史数据回测，该平台在模拟环境中相较于传统策略，年化收益率提升了6%，最大回撤降低了2%。
项目价值：验证了AI技术在高频交易领域的有效性，为量化策略开发提供了新的思路和工具。

硕士毕业设计

2020-09 - 2021-05

项目背景：传统信用评级主要依赖财务数据，未能充分利用非结构化数据。该项目旨在结合结构化财务数据与非结构化新闻、公告数据，提升信用评级准确性。
个人角色：项目负责人，负责整体系统设计、算法选型、模型开发与评估。
项目执行：
- 收集并整合了5000家上市企业的财务报表、行业新闻及公司公告等多源数据。
- 利用BERT模型对文本数据进行情感分析和主题提取，生成非财务特征。
- 融合XGBoost和LSTM模型，构建了多模态信用评级模型，在测试集上F1分数达到0.88，相比单一财务数据模型提升了12%的预测精度。
项目价值：创新性地将多模态AI技术应用于企业信用评级，为金融机构提供了更全面、更准确的风险评估工具。