构建估值、成长、质量和动量四类因子池，对近5年A股样本进行分层回测与稳定性检验；使用Python搭建数据处理与回测脚本，输出年化收益、最大回撤、夏普比率和行业暴露；根据回测结果提出因子去相关和风格中性化改进思路，优化后夏普比率提升约15%。同时撰写策略分析报告，详细阐述因子逻辑与实证结果，为后续研究提供参考。

整理可转债条款、正股价格和波动率数据，分析转股溢价率、到期收益率和强赎风险；使用Excel和Python制作风险监控表，撰写研究简报展示不同市场环境下的资产表现差异；提出基于波动率分位数的动态调仓建议，辅助团队完成最终报告。项目成果获得导师好评，并用于课堂案例讨论。同时，进一步优化了数据清洗流程，提高了数据处理效率，并利用统计方法对风险指标进行量化评估，为投资决策提供了更可靠的依据。