基于中债估值与行业财务数据，构建信用利差分解模型，量化评级、期限与行业因子对利差的影响；使用Python实现利差时序回测与风险预算分配，优化组合夏普比率；与组员协作完成因子暴露分析，输出投资建议报告，获课程最佳实践奖。项目成果被用于模拟银行固收投资决策，验证了模型在信用风险定价中的实用性。此外，通过引入宏观因子与流动性指标，进一步提升了模型对信用利差波动的解释能力，为银行固收组合的主动管理提供了量化依据。

利用某银行脱敏客户数据，提取交易频率、产品持有数与客服投诉等特征，构建逻辑回归与随机森林模型预测流失概率；通过特征重要性排序识别关键预警指标，设计分层挽留策略；独立完成数据清洗、模型训练与结果可视化，形成15页分析报告。该模型在模拟场景中准确率超85%，为零售客户维护提供了数据支撑。同时，结合客户生命周期价值分析，优化了挽留策略的优先级排序，提升了资源分配效率。