基于A股市场历史数据，使用Python挖掘基本面、技术面、情绪面共20余个候选因子；通过归一化、去极值、中性化处理，结合IC、IR等指标筛选有效因子；采用等权与加权方式合成综合因子，并引入因子IC衰减跟踪优化权重，回测年化超额收益达12%，夏普比率1.5，最大回撤控制在8%以内；输出策略报告并持续监控实盘表现，同时参与因子衰减分析，优化调仓频率至月频，提升策略稳健性。

收集上证50ETF期权高频数据，使用Python实现Black-Scholes与蒙特卡洛模拟定价；构建SVI模型拟合波动率微笑，通过最小二乘法校准模型参数，对比不同期限的曲面特征；编程自动计算隐含波动率并生成曲面动态图，为套利策略提供参考；项目成果获部门内部研讨展示。此外，编写了波动率套利的回测框架，测试跨期套利策略并优化入场阈值。