QUANTITATIVE
REASONING //
DEEP LEARNING.

本项目构建了一个创新的PI-Kalman-NN混合框架，通过将CARMA-GARCH模型与神经网络在连续时间随机动力学中结合，以预测铝期货价格与波动率。该模型利用扩展卡尔曼滤波进行状态估计，并引入物理信息神经网络来嵌入无套利约束，确保了模型的经济理论一致性。实证研究表明，该框架在预测精度和稳健性上超越了传统基准模型，成功融合了计量经济学的可解释性与机器学习的强大拟合能力。

本项目开发并回测了基于AR(1)时间序列模型和GRU深度学习模型的两种算法交易策略，以长期国债ETF（SPTL）为标的，在2023年美联储加息的宏观背景下进行实证分析。研究结果表明，两种量化策略在风险调整后收益上均显著优于被动持有的基准策略，其中简单的AR(1)模型凭借其均值回归特性实现了最佳的夏普比率与卡尔玛比率。项目涵盖了从数据获取、模型构建、信号生成到杠杆回测的全流程，展示了将传统计量经济学与现代深度学习应用于实战交易的能力。

本项目创新地将物理信息神经网络与深度学习BSDE求解器相结合，用于求解高维Black-Scholes偏微分方程，以解决传统数值方法在期权定价与对冲中面临的计算瓶颈。研究系统比较了全连接、RNN、LSTM和GRU四种神经网络架构在PINN-BSDE框架下的表现，发现GRU和FCNN在一维情况下误差最小，而LSTM在高维情况下展现出最佳泛化能力。该项目成功构建了一个能够同时输出期权价格与Delta对冲策略的统一可微模型，为高维金融衍生品（如篮子期权、ETF期权）的定价与风险管理提供了高效的深度学习解决方案。

本项目针对语义分割任务标注成本高的问题，研究了仅使用图像级标签的弱监督语义分割方法。通过利用CAM和Grad-CAM技术从分类模型中生成像素级伪掩码，并在此基础上训练分割网络，显著降低了标注需求。实验系统地评估了ImageNet监督预训练、MoCo v2自监督预训练以及对比性交叉注意力映射等方法对伪掩码质量的提升效果。最佳组合策略在牛津宠物数据集上将性能提升至全监督基准的90%以上，证明了弱监督方法在降低标注成本同时保持高精度的可行性。

独立开发的全栈系统。可精确收益归因并评价投资经理配置情况，并使用 Flask 提供在线访问服务。
同时开发并维护下述功能： 人员验证模块、邮箱数据爬取存储与清洗模块、业绩归因模块、可视化展示模块、自动化报告生成模块。

投资交易经理 @ 中邮永安（上海）资产管理有限公司

– 参与国内私募证券投资基金的尽调与筛选，建立投顾库（尽调超 200 家实体）；
– 负责 FoHF 基金投资管理，个人最大管理规模超 5 亿人民币；
– 负责管理公司自有资金投资与投后管理；
– 主导开展银行间本币市场交易业务，并成功探索国债质押冲抵期货保证金业务，为 FoHF 产品增厚年化 2%-3% 收益；
– 负责制定 ETF/股指期货期权交易计划及风控（以 Spread 策略为主）；
– 负责宏观经济以及衍生品交易研究；
– 负责公司服务器与数据库日常维护，以及各类 Python 自动化数据处理程序编写；
– 独自开发维护 FoHF 业绩量化评价系统，可精确收益归因并评价投资经理配置情况，并使用 Flask 提供在线访问服务；
– 参与人员招聘，负责量化实习生的技术面试与选拔

投研分析师 @ 中邮永安（上海）资产管理有限公司

私募基金尽调、Python 程序编写、股票对冲策略研究。

MSc Data Science and Machine Learning @ University College London

成绩：Distinction
主修课程：统计数据科学导论、机器学习导论、计算机视觉、贝叶斯深度学习、算法交易、金融机器学习、机器学习应用、深度学习应用
毕业论文：基于时序重构随机动力学的鲁棒物理信息卡尔曼神经网络预测 （评分：80/100）
– 导师：Prof. John Shawe-Taylor (UCL), Dr. Tristan Fletcher (ChAI)
– 核心创新：提出了一种融合连续时间随机微分方程（SDE）与深度学习的混合状态空间模型，利用扩展卡尔曼滤波（EKF）与平滑算法实现了对高维非线性市场动态的精准推断。
– 理论突破：创新性引入物理信息神经网络 (PINN)，将金融学的“无套利鞅条件”转化为损失函数约束，在保证理论一致性的同时显著提升了期货价格与波动率的预测鲁棒性。

MSc Financial Mathematics @ London School of Economics and Political Science

成绩：Distinction
主修课程：Black-Scholes 理论、利率与信贷风险理论、金融数值方法、博弈论、固定收益证券、衍生品、随机过程、统计风险管理、C++ 编程

BSc Mathematics with Economics @ University College London

成绩：First Class Honours
主修内容：实分析、复分析、线性代数、微积分、数论、组合优化、微分方程、概率论、统计学、风险决策、随机过程、微观经济、宏观经济、计量经济、Python 编程