学员背景
W同学
本科背景
曼彻斯特大学 数学与金融专业
GPA 3.5
录取（2022秋季入学）
香港科技大学 金融科技
申请时间：2021-10-25
录取时间：2021-12-18
香港中文大学 金融科技
申请时间：2021-12-02
录取时间：2022-01-24
背提战绩
01 背景介绍
我在指南者留学一共参加了两个项目，“基于A 股财报信息质量因子的选股策略”和“良品铺子公司投资分析”，目前是HKUST Fintech和CUHK Fintech的offer holder。总的来说，前者侧重量化，整个过程都需要使用Python；后者主要是基本面分析，但也需要财报相关知识来辅助建模和计算。简单讲，这两个项目的背景提升是“数理+金融”的实际应用，再配合我的两个成功案例，我们不难看出这两个项目非常有利于数量金融的申请。
由于我的GPA并没有很大优势，大一大二综合成绩只有英本的二等一学位，因此我选择做背景提升来增强整体实力。在绩点不算亮眼的情况下，相关的背提能够直接增加自己的竞争优势。我主要往数理金融方向申请，同时考虑了项目的开始时间和难度，最后选择了上述两个和专业非常匹配的项目。
02 项目介绍与收获
简单介绍一下课程中学到的东西。
“基于A 股财报信息质量因子的选股策略”：
“基于A 股财报信息质量因子的选股策略”项目的全过程都离不开Python。我之前的编程基础比较薄弱，项目配的编程课涵盖了大部分实用的程序语句。数据准备方面，choice金融终端搭配excel能够快速地导出数据。基础方面，运用groupby, merge, append等数据处理语句以及pandas, numpy, matplotlib等数据库能够高效调取和编辑公式来计算成千上万的金融大数据，比如存货周转率、利润率等指标，numpy能够很方便地计算均值，中位数等统计数据。股票方面，将Python和tushare接口一起使用能很方便地调取股票的行情数据，比如代码、上市日期、时点股价等信息，减少了上网搜索的麻烦。可视化方面，Python作图是有固定的语句，配合matplotlib和整理好的数据，非常容易实现。这些技能非常实际，在学校都很难接触到。
“良品铺子公司投资分析”：
“良品铺子公司投资分析”主要借助Power BI和excel，这也是我第一次接触Power BI。基本面方面，波特五力模型是分析公司的最佳思路。量化及可视化方面，Power BI 不仅可以调用电脑内其他Excel中的数据编辑公式进行计算，而且可以同时使用可视化模板将数据清楚明了且精致地展示出来，比如用饼图表示各项资产的占比，用折线图表示利润率的变化趋势等。不同于Excel， Power BI中有好几十种可视化模板并且可以设置颜色、标题、图例等细节。和其他相比，Power BI不只是一个展示工具，更是一个专业的金融分析与可视化的利器。
此外，两个项目都配有作业练习，这能很好地检验我的学习质量。有时候听完课感觉都没有问题，但是在完成作业的过程中才发现很多操作并没有特别熟练，有些语句记住是不够的，使用顺序需要灵活变通。
最终的项目都是以课程中的知识为基础。学习和实践的感觉还是很不同的，实践中遇到的困难也比学习中多。量化项目中的困难主要是数据整理，其中有一步需要从换仓日期出发前推一年来判断违规情况从而剔除表现不佳的股票。由于股票是按代码排序的，日期是乱序，因此不得不重新编写一个语句先处理日期再筛选股票，同时还要加上年月两列便于后续合并。后续还需要对数据去极值、标准化、市值中性化、行业中性化。由于数据较多无法一个个完成，我思考了非常久，尝试了多种方法，最终成功地讲四个公式放入一个for循环中完成所有计算。总结一下，编程难的不是语句本身，而是如何搭配使用达到高效以及如何有预见性地处理每组数据从而为后续步骤行方便。这个项目给我最大的收获一方面是学到实用的编程技能，二是培养了有逻辑的编程能力。前者是我预料到的，后者其实比较超出我的预期，因为语句会不断更新换代，但逻辑性的思维印在脑中，终生受益。
我的项目研究成果（节选）
投资分析项目也遇到了不少难题。最难的是绝对估值和相对估值模型相关的一系列建模。在校也遇到过不少求解估值的题目，基础数据都会给在题目中，只用套公式计算即可。但是这一次所有的数字，比如每一年的现金流、税率、WACC、Vd、Ve等都需要我自己获取或计算。这一切归根到底要研究三张财报中的每一个科目，因此工作量非常大且每一步环环相扣。由于各科目有不同的特性和相关性，我需要按照他们的特点构建不同的预测模型，比如固定资产类单独分析、费用类与主营业务收入有联系、收入和成本需要结合产品来分析。构建了4个模型之后需要将同一时间的相关科目做比值，数据非常多，因此需要很细心，否则容易看串行。总的来说，这个项目较为繁琐。在工作中，我们不可能像考试一样，用着到手的数据直接套公式出结果。我们能得到的只是三张财报近几年的数据，剩下的工作都是我们自己的。因此，必须明白每一个数字是怎么来、如何构建相应的预测模型以及细心耐心都非常重要。这三点对职业的理解也是我最大的收获。
我的项目研究成果（节选）
03 背景提升与申请
两个项目与数理金融专业的匹配度非常到位，我把他们写在了CV和PS里，分别讲了大概的项目流程和过程中遇到的具体挑战，以至于我在GPA劣势的情况下还是拿到了HKUST 12.18的无面录取。
我参加的两个项目
在申请简历中的展示
以HKUST Fintech为例，从教学理念来看，本课程为学生提供与流行金融技术及其工程和金融原理相关的基础知识和重要技能，毕业生能够分析新兴金融技术的工程机制和金融原理，并利用最新的工程方法和量化技术支持的实际手段，制定和解决与金融科技相关的问题。非常明显，Fintech专业偏爱有数理金融相关背景或实习的学生。从必修课程方面来看，Data Analysis课程中学习技术在分析金融数据时的应用；Financial Data Mining课程中学习数据挖掘的基本概念和技术，包括数据预处理、数据清理、聚类、分类和离群值检测；Foundation of Fintech课程涵盖了各种重要的金融技术和创新。这些内容在量化项目中都有学习和应用。Corporate Finance课程涵盖了现金流的估值(PV的现金流、年金和永续年金),债券估值,估值的股票股息贴现模型,资本预算决策(NPV, IRR,回报),资本结构,限制使用债务(权衡模型),债券和股票的成本,估计加权平均和终端的价值。这些内容在投资分析项目中都有练习。
参加这两个项目不仅仅有利于申请，更可以学到上述一些实用的技能，在今后的繁忙工作中省去了慢慢摸索的时间。此外，每当遇到问题我都会与导师及时沟通，探讨一二，这也非常锻炼我的主动思考和主动沟通的能力，这在工作中也是非常关键的能力。
最后分享一下申请经验和心得。
第一，绩点最重要。我身边来offer快的（没进wait list，减少很多不确定性）普遍成绩都很好。
第二，在英本大一/陆本大二结束的时候预估一下自己申请时的成绩，如果感觉成绩平平，一定早要做背景提升或实习（留到最后一个暑假来不及）。申研竞争一年比一年激烈，成绩和背景如果都不亮眼会比较危险。
第三，找实习的时候一定要打听清楚具体做什么工作，有收获有经验的写在CV\PS才有用，不要只追求大公司（如果真的能学到东西，可以花钱买PTA；进头部纯打杂这一类不建议做）。
第四，专业匹配度很重要。招生官会从本科课程和其他背景方面综合衡量学生是否适应这个课程（我本科数学金融。申请了房地产专业很快被拒，申请的经济学一直没消息，都是不匹配），所以尽量不要跨专业幅度太大，实习/背提和申请专业保持一致性。
第五，文书要先自己把好关，再让老师修改润色。切勿编造或夸大。
