-
利用机器学习对收益率曲线形变的预测模型
- 开始时间: 2020年07月01日
- 结束时间: 2020年08月31日
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。
-
岗位需求人数3
-
意向高校北京大学,清华大学,中国人民大学,吉林大学,山东大学,西安交通大学,苏州大学,
-
需求专业经济学、金融工程、金融学、计量经济学
-
活动初步安排
1.活动方式:线上模式
2.具体安排:组织定期线上课题交流讨论,并由学生于实践结束后提交研究报告
-
学生事先准备
资料:提前学习宏观经济学、固定收益、机器学习、神经网络、统计学、计量经济学等知识
软件:Python、Matlab、R
-
是否支持线上实践否
-
投研业务数字化平台
- 开始时间: 2020年07月01日
- 结束时间: 2020年08月31日
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。
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
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。
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
-
岗位需求人数3
-
意向高校
-
需求专业计算机相关专业
-
活动初步安排
1.活动方式:线下模式
2.具体安排:初步了解业务应用场景、结合需求配合产出需求分析报告;独立完成业务数据分析;构建指标和计算模型;独立或通过辅导方式完成相关应用模块的开发;完成模块用户手册并录制培训视频。
-
学生事先准备
针对投行业务做一定的调研和了解,了解途径:交易所网站、登记公司网站、相关行业工作的同学朋友等;
熟悉掌握JAVA主流WEB开发框架技术使用,如SpringMVC,SpringBoot等;
熟悉SQL,有一定数据库开发经验,如mysql,oracle等
熟练掌握Linux上面一些常用命令;
熟悉大数据相关技术如Hadoop、Spark、Hive、HBase、Kafka、Elasticsearch等
-
是否支持线上实践否
-
国有金融企业权益类投资后评估方法和指标体系
- 开始时间: 2020年07月01日
- 结束时间: 2020年08月31日
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。
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。
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
-
岗位需求人数2
-
意向高校
-
需求专业项目投资、金融、财务、审计、资产评估
-
活动初步安排
1.活动方式:线下模式
2.具体安排:
(1)获取现有国有企业权益类投资后评估方法和指标体系
(2)评估风险对国有金融企业权益类投资收益的影响权重
(3)建立一套考虑风险的评估方法和指标体系
-
学生事先准备
现有国有企业权益类投资后评估方法和指标体系
-
是否支持线上实践否
-
关键电力设备振动监测
- 开始时间: 2020年07月01日
- 结束时间: 2020年07月31日
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。
-
岗位需求人数2
-
意向高校
-
需求专业电力工程、电气工程
-
活动初步安排
1、熟悉振动传感器的基本原理;
2、熟悉振动传感器、数据接收器、监测主机设备;
3、验证振动监测设备的监测数据;
4、分析振动监测设备的效果。
-
学生事先准备
熟悉风机、变压器等设备振动产生的原因,传感器安装的振动部位的选择,风机、变压器振动参数和状态评估之间的大致关系
-
是否支持线上实践否
-
激光雷达测风设备
- 开始时间: 2020年07月01日
- 结束时间: 2020年07月31日
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。
-
岗位需求人数2
-
意向高校
-
需求专业电力工程、清洁可再生能源、电气工程
-
活动初步安排
1、熟悉激光雷达测风的基本原理(多普勒、脉冲、激光雷达);
2、熟悉激光雷达测风设备;
3、验证激光雷达测风设备的测风数据;
4、分析激光雷达测风设备的测风效果。
-
学生事先准备
需要熟悉陆上风电场、海上风电场等风电场相关资料,熟悉传统的测风塔获取风速方法
-
是否支持线上实践否
各有关单位:
为实现高层次智力合作与创新科技项目合作“双对接”,助推我市产业转型升级,满足我市高层次创新创业人才需求,促进我市创新型企业与国内知名高校智力团队合作,2020年7至8月,拟继续开展“2020年国内著名高校研究生来苏参加社会实践活动”。现就社会实践课题征集工作具体通知如下:
一、活动组织
“2020年国内著名高校研究生来苏参加社会实践活动”由苏州市人才服务中心负责组织,各社会实践参与单位负责具体实施。
二、企业报名条件
凡符合下列条件的单位均可报名参与本次活动,具体如下:
1.市级企事业单位、重点骨干企业、高新技术或创新产业企业;
2.设有国家级或省级博士后工作站,有新项目、新课题相关研发需要;
3.具有研究生实习实践的日常管理及考核经验和学生暑期实习条件,能够配备课题专属带教(指导)老师、免费解决学生餐饮等问题。
三、实践课题要求及实习方式
单位所报送的社会实践课题以产品与技术创新、革新和改进为主,操作性强,周期短,适合2至3年级研究生实际参与。单个课题人数需求建议在2人及以上。
实习形式暂定两种:第一种来苏实地单位实践,即来苏至单位进行实践,完成课题,实践周期为5周;第二种为线上实践,即学生签约后不用来苏,10月底前完成单位课题。
四、合作高校范围
本次社会实践合作高校为北京大学、清华大学、中国人民大学、山东大学、吉林大学、西安交通大学、苏州大学等。
五、活动报名及要求
当前疫情防控常态化,各高校尚未开学,本学期及暑期安排均不明确,导致今年的暑期社会实践活动在时间安排、学生组织及安全管理等方面存在较大的不确定性。目前先按两种社会实践模式征集实践课题,后期将根据疫情防控形势、以及各高校的学期和暑期安排,确定今年社会实践活动的具体实施方案。(请在“实践活动初步安排”栏中填写“线上/线下”模式)
活动采用网上报名方式,请有意参加活动的单位登录网址http://hrss.suzhou.gov.cn/szxyyc/company/login.aspx进行注册,注册成功后方可登陆并进入“校园引智”模块进行报名(已成功注册“苏州日及校园引才”用户的单位可直接用原注册账号登陆)。
各意向单位在填报课题需求时,应详细填写课题背景、简介及要求,同时根据课题需要,填报一至两所意向高校。
活动报名截止日期为5月29日,请各意向单位尽快填报。
六、联系方式
联系人:邓传龙 电话:0512-65224593
苏州市人才服务中心
2020年4月27日
附件:
1.《2020年研究生来苏社会实践活动计划安排表》
2.《2020年研究生来苏社会实践课题征集表》
3.《2020年研究生来苏社会实践活动苏州市企事业单位参与协议》
4.《2020年研究生来苏社会实践活动课题完成情况评估表》
关于征集2020年国内著名高校研究生来苏参加社会实践活动课题的通知.rar