针对中小投资者解读财务报告困难的问题，项目系统爬取A股上市公司近五年财务指标，运用Python进行数据清洗、特征工程及随机森林与XGBoost模型构建。与2名金融专业同学分工协作，在助教指导下完成模型调优与回测验证，并撰写详细技术报告。最终模型准确率达85%，能够输出动态风险评分报告，为投资者提供直观决策参考。该成果获学院创新项目立项，并被推荐参加全国金融挑战赛，展现了扎实的量化建模与团队协作能力。

为解决某商业银行信用卡审批效率低下、坏账率较高的问题，项目从历史交易数据中提取有效特征变量，使用R语言和SPSS进行逻辑回归与WOE编码，对原有评分卡模型进行优化迭代。与风控部实习生紧密协作，定期向主管汇报进展并收集反馈。优化后模型使审批通过率提升12%，坏账率下降2个百分点，显著降低了人工审核成本，获得部门高度认可，并计划推广至其他业务线。