课程项目中，基于A股Level-2历史数据，设计订单簿斜率与成交失衡因子，用Python构建统计套利信号，C++实现低延迟回测。与组员协作完成数据对齐与参数调优，并针对不同市场状态做分层检验。在2023年3-6月样本上，年化收益8.7%，最大回撤4.2%，夏普1.1，验证了因子在震荡市的有效性，也暴露出极端行情下信号衰减的问题。

个人项目，用Python模拟做市商双边报价，结合高频量价因子动态调整价差。通过C++加速回测，在模拟环境中测试不同库存惩罚系数，并与同学讨论风控逻辑与报价边界。在2024年1-4月仿真数据上，日均成交笔数提升15%，库存波动降低20%，策略在波动率突增时仍保持正收益，后续计划引入订单簿深度因子进一步优化。