本项目中，我主导构建了涵盖估值、成长、质量和动量四大类因子的选股框架。首先从Wind和Tushare提取A股历史财务与交易数据，经去极值、标准化和行业中性化处理后，对每类因子进行分层回测与稳定性检验。利用Python编写回测脚本，计算各分层的年化收益、最大回撤、夏普比率及行业暴露度。针对因子间相关性较高的问题，提出去相关和风格中性化改进方案，最终将策略夏普比率从0.9提升至1.2，并撰写详细研究报告，为团队后续策略优化提供实证依据。

在该课程项目中，我负责整理近三年可转债的条款细节、正股价格及隐含波动率数据，建立结构化数据库。通过计算转股溢价率、到期收益率和强赎概率等关键指标，分析不同市场环境下可转债的收益风险特征。设计风险监控表，每日更新数据并撰写研究简报，及时提示强赎和信用风险。最终项目报告获得课程最高评分，并作为案例在课堂展示，有效锻炼了金融数据处理与风险分析能力。同时，我利用Python开发了自动化数据抓取与预警脚本，提高了监控效率，为后续实习中的固定收益研究打下坚实基础。