在课程项目中，我作为小组负责人，基于A股2019至2023年数据，使用Python构建了价值、动量、波动率三类因子，并进行了月度调仓回测。我负责因子计算与绩效归因，与组员协作完成数据清洗和报告撰写。样本内测试显示，组合年化收益约8%，夏普比率约0.9，最大回撤约15%。通过该项目，我深入理解了多因子模型构建与回测流程，并提升了团队协作与问题解决能力。

我独立完成了时间序列波动率预测实验，使用Python对沪深300指数日收益率进行建模，比较了GARCH与LSTM在测试集（2022-2023）上的预测效果。我负责数据获取、特征工程和滚动窗口验证，最终MAE较基准降低约12%。通过实验，我加深了对时间序列分析和机器学习方法的理解，并整理了可复用的分析脚本，为后续研究打下基础。