本项目旨在构建一个稳健的多因子选股模型。我负责设计了涵盖估值、成长、质量和动量四类因子的因子池。通过Python对沪深300成分股过去五年的数据进行分层回测与稳定性检验，计算各因子的年化收益、最大回撤、夏普比率及行业暴露情况。针对因子间相关性较高的问题，我提出了因子去相关和风格中性化的改进方案，优化后组合的夏普比率提升了0.3，显著增强了策略的风险调整后收益。

该项目聚焦于可转债的定价模型与实时风险监控。我深入整理了可转债的条款细节、对应正股价格及历史波动率数据，系统分析了转股溢价率、到期收益率和强赎风险之间的关系。利用Excel和Python构建了动态风险监控表，能够自动标记异常波动并生成预警。同时，我撰写的研究简报对比了不同市场环境下可转债资产的表现差异，为团队的投资决策提供了可靠的量化参考和风险管理建议。