基于A股日频与周频数据，从Wind与CSMAR数据库提取全市场股票行情数据，构建短（20日）、中（60日）、长（120日）动量因子。使用pandas进行去极值、中性化及标准化预处理，通过分层回测与行业市值中性化处理降低风格干扰。对比等权加权与PCA降维因子合成方法，最终策略夏普比率达1.65，相对沪深300年化超额收益12.8%。

收集近三年可转债条款、正股价格及历史波动率数据，使用GARCH模型动态估计波动率，剔除异常样本后构建B-S修正定价模型，计算理论价格与市场价格的偏离度。设计阈值触发套利信号，回测框架引入交易成本与流动性限制，套利组合年化收益9.5%，最大回撤4.2%，调整后夏普比率达2.1。撰写研究报告并被部门内部采用作为周报素材，后续拓展至隐含波动率曲面建模，用于多策略组合对冲风险。