课程项目中带领3人小组，基于公开日频数据构建价值与动量因子，用Python完成数据对齐、标准化和分层回测；我负责因子有效性检验与结果汇总，在固定样本期与交易成本假设下对比基准，年化超额收益约4%，最大回撤下降约2个百分点。通过Git协作并撰写复现说明，整理因子筛选标准与回测参数记录，便于后续迭代与结果复核。

个人项目选取同行业股票对，用协整检验筛选组合，基于z-score设定开平仓阈值，用Python实现信号生成与简易回测；在2019—2023日频样本、含手续费假设下统计胜率与收益回撤比，并做参数敏感性分析。记录过拟合风险与样本外测试结果，形成分析报告，梳理配对筛选、阈值设定与风险控制之间的取舍逻辑。