构建估值、成长、质量和动量四类因子池，对历史样本进行分层回测和稳定性检验；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0.3，策略稳定性显著增强。此外，撰写因子有效性分析报告，为投资组合优化提供数据支撑，项目成果获导师高度认可。

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；制作风险监控表并撰写研究简报，展示不同市场环境下的资产表现差异，为投资决策提供参考依据，项目成果获课程优秀评价。同时参与团队讨论，优化风险识别框架，提升对极端市场条件下的预警能力。此外，通过构建压力测试模型，模拟利率快速上升和正股价格大幅下跌场景，验证了风险监控指标的有效性，并提出了针对性的对冲建议，增强了团队对复杂市场风险的应对能力。