一. 课题简介：

利用机器学习对收益率曲线形变的预测模型是投资与研究一体化系统大课题下的一个重要分支。投资与研究一体化系统课题的目的是通过构建成熟的资产分析框架，对多种资产（债券、权益、大宗商品等）进行分析和建模，并根据资产的价格、价值以及宏观环境进行资产配置。系统可以模仿成熟研究员和投资经理在决策时的逻辑框架，根据实时的数据定量进行分析与推演，达到的效果包括但不限于以下几点：

1）对经济数据进行预测和分析，寻找预期差；

2）对收益率曲线走势进行预测；

3）根据资产的风险收益及未来的走势进行资产配置，并自动制定投资策略。

机器学习、神经网络模型等前沿技术能够较好地解决非线性问题。研究小组通过使用大量历史数据对模型进行训练，可以获得合理的模型参数，进而对收益率曲线的形变进行预测。由于神经网络、机器学习等模型在权益类市场中应用较多，对债券类资产的使用相对较少，此次课题可以对收益率曲线形变预测模型进行深入研究和改进，力图获得更好的预测结果。

二. 课题背景：

目前国内投资市场愈发成熟，从之前的野蛮生长到现在的精细化投资，数据及定量分析扮演了重要的角色。当前的分析数据来自各个方面，同时不同指标的含义、量纲存在较大差异，单纯通过人脑对数据进行推演已经不适合当前数据爆发时代的要求。同时，虽然经验丰富的研究员或者投资经理由于其自身优势能够获得良好业绩，但因为仓位及个人偏好等非理性因素可能造成其无法在每次投资决策时做出最正确的决定。因此，当前市场亟需构建一个模型，能够处理大量数据进而对曲线形变进行预测，并根据结果制定相应的投资策略。这项研究对投资也将产生重大意义。

三. 学生所需承担的工作职责：

学生在本课题中所需承担的工作职责如下：

1）找到影响收益率曲线形变的主要因素；

2）利用机器学习、神经网络等模型对宏观经济数据进行分析和预测；

3）利用机器学习、神经网络等模型对收益率曲线进行分析和预测。

1. 课题简介：（同时简单描述出课题的实用价值）

   本课题主要通过搭建投研业务数字化平台，实现研究报告，宏观及大类资产配置模型，量化对冲高频交易模型，信评风控模型统一上线，建立完善的交易系统，实现监管报表、投资经理业绩分析的数字化管理、打造投研核心竞争力。本课题拟通过系统自建有效提升大投资条线业务的精细化管理水平：

• 规范和优化

  管理信息系统，项目开始的出发点是要满足规范化运作的要求，投研工作及时留痕有利全流程的业务质量控制，决策文档的体系化管理便于事后分析、比对、评估。

• 积累和挖掘

  随着文档资料和业务数据的积累，我们将利用历史数据进行投资经理绩效分析，决策模式分析，总结过往业务开展中的成败得失，归纳、挖掘出经得起时间检验的经验和模型，这些有价值的数据和资料也将是公司宝贵的财富。

• 创新和融合

  当前的证券市场处于快速的发展阶段，市场的深度和广度不断拓展。投资条线将利用信息管理系统不断开发新的业务模型，融合新的业务类型和品种，完善自营业务的工具包，为提高决策的质量和效率服务。

   

1. 课题背景：

   大投行条线管理信息系统是东吴证券2020年度十大管理类重大项目之一。大投资条线暂无统一、系统化的管理类系统，大部分工作仍以手工模式推进和开展，整体效率低下，规范性程度低，操作风险显著。随着公司金融科技战略的转型，搭建投研业务数字化平台，实现研究报告、宏观及大类资产配置模型、量化对冲高频交易模型、信评风控模型的统一线上化迫在眉睫，同时监管报表自动化，投资经理业绩分析数字化，风险管控集中化，不断提升投资条线精细化管理，打造投研核心竞争力的述求也日趋显著：

• 建立投资总部投研管理平台，加强投资总部管理信息化管控层度。

• 提供了一套面向投资总部工作、协作信息化平台，通过系统支持和操作简化，大大降低了沟通成本，提升办事效率。

• 通过文档管理系统的建设，沉淀投资相关数据，为进一步精细化管理打下坚实基础。

• 实现报表自动化，将人员从繁琐的报表数据采集和填报中释放出来。

• 建立信息技术总部的相关业务技术输出能力，增强投研分析领域知识储备和技术积累；增强Livebos平台的项目对接能力以及平台扩展性。

• 强化公司自研开发能力，通过现有项目的开发与经验的积累，储备专业人才，为公司其他系统的开发提供人员的储备

   

1. 学生所需承担的工作职责：

   深入需求环节，全面了解需求，并参与需求分析；深入业务分析，了解业务全貌，对投资经理日常业务和相关投资方向有一定的了解；深入业务数据分析，完成考核指标的设计和建模；完成部分指标的开发落地工作；结合绩效合同，实现和指标的有效结合和计算输出；实现投资经理的阶段量化计算。

    

2. 完成课题所需的时间：

确保2-3个月的课题参与和实践时间

1. 课题简介：金融行业具有高杠杆高风险的特点，其权益类投资也具有行业的特点，并且国有金融企业有着国有资产保值增值的要求，因此有必要建立一套考虑风险的投资后评估方法和指标体系进行科学的评估。

2. 课题背景：金融企业是高杠杆高风险的企业，其股权投资也具有行业的特点，从经济学的角度来说，高风险对应的是高收益，低风险对应的是低收益，传统的项目投资后评估并未将风险作为一个要素考虑进去。国有金融企业有着国有资产保值增值的要求，而将不同风险等级的投资用同一套不考虑风险的评估方法和指标体系进行评价显然是不公平的，因此有必要建立一套考虑风险的投资后评估方法和指标体系。

3. 学生所需承担的工作职责：将风险作作为一个要素，以系数、参数或函数方式计入，以完善投资后评估方法和指标体系

 课题简介：在风机、变压器的运行中，各种原因导致的振动和设备健康状态相关，在合适的监测位置安装多个振动传感器，可以监测速度（X轴、Y轴、Z轴）、加速度（X轴、Y轴、Z轴）、位移（X轴、Y轴、Z轴）等参数，越过限值，会有故障报警，同时这些原始数据可以进行二次加工，利用大数据、专家库等实现设备的早期预警，需要电机和计算机的跨专业的结合。

课题背景：在基于全息感知与深度物联的关键电力设备

状态监测及智能诊断技术中，集成了多种监测参数如局部放电、相对介损与电容量、稳态与冲击振动、温度、压力等，试图从绝缘状态、机械状态、热学状态等维度揭示物理现象和设备健康状态评估的关系，而振动监测就是其中关键参数之一。

 课题简介：激光雷达测风设备能够在不同的地形地貌环境下精确地测量不同高度的水平、垂直风速、风向、入流角等各项参数。风能资源的富集程度以及分布情况，对于风电场建设的早期评估尤为重要，风电场上空相关高度范围内可靠的风能数据成为风能开发可行性分析的重要基础，直接影响开发成本和投资效益。

2、 课题背景：随着风电行业竞价上网和分散式等相关政策的推进，精准评估风电项目的资源水平和风况特征，成为影响风电场机组选型、投资建设的主要因素。而如何收集到相关地区相关高度范围内可靠的风能数据成为风能开发可行性分析的重要基础。目前国内标准化的风能数据采集方法是在相应位置建造测风塔，将风速计安装在测风塔不同高度，以此定点测量和收集风资源数据。和传统的测风塔取得风速数据方式相比，激光雷达测风技术优势明显：测量参数更多，可同时测得不同高度的水平、垂直风速、风向数据，入流角等；数据获取方便更灵活，可满足各种地形地貌项目数据测试；测试精度更高，数据完整率更高等。