从传统经济学跨申数据科学，我发表国际一作论文助力留学申请！

指南者梅老师和马老师在认真考虑我的申请诉求后，为我将来留学申请的数据科学等专业考虑，建议我进入金融工程科研营，主题是基于人工智能算法的量化策略研究，而不是商科普遍选择的经济金融方向科研营。这对于编程功底相对薄弱的我来说是个不小的挑战，好在通过该项目的学习，我不仅对于投资领域有了更深刻的理解，而且最终产出一篇CPCI论文，论文的发表对于留学申请有很大的帮助。

（论文发表）

与学校科研相比，这里有一对一的导师指导，能够帮助第一次做科研的同学更好更快地了解相关的科研领域，节约一定的时间，提高学习效率。不同于其他机构的科研产品可能存在的大班课的教学模式，指南者的老师会单独和我进行沟通与指导，对于问题的反馈会很及时且耐心地解答。

科研过程

项目首先学习相关的基础知识课程，譬如科研项目的一般流程、因子投资理论基础、多因子模型实践等。课程内容上的视频和ppt讲解十分详细，因此很少有看不懂的情况。同时老师考虑到我在学校的主修专业是经济，学过的投资相关知识较少，因此让我阅读经典书目《博迪投资学》来加深我对投资学的理解。

由于我在此之前参加了指南者的机器学习项目实战，打下了机器学习算法的基础，因此机器学习的项目简介、Numpy库、Matplotlib库、Pandas库、数据清洗的一般方法、回归模型、分类模型、评价指标等内容我并未再重复上课，而是侧重于完成每一次课程都会对应的相关作业（主要是对老师给的题目进行编程）。梅老师会不断跟进我的任务完成情况，而且在每次的子任务结束后都会和我进行视频会议，了解我在子任务中遇到的问题，并且指出我在测试中的错误，和我一起解决问题。在这过程中，梅老师总会向我提出许多问题，不断地引发我对机器学习各种细节的思考，锻炼了我思考的能力。

在学习了理论和编程知识之后，马老师给我提供了几篇不同方向的量化策略研究论文，让我充分理解其中的原理和思路，从而想出自己的研究方向。这些文献都是非常优秀的学习模板，对于接触这一领域专业的外文文献并不多的本科生来说，是一次很好的学习机会。我对每篇论文进行总结，学习到其中科学严谨的论文写作方式，这对于我后续研究具有启发与借鉴意义。

接下来是实验阶段，实验阶段作为科研中最耗时的部分，其过程往往不是一蹴而就的。实验之所以称之为实验就是因为其不可预知性，这种不可预知性往往会给科研工作带来许多困难。我在这个阶段耗时最久，流程拆分为选取因子、搜集因子数据、因子处理、因子建模，每一步都相当艰难，也会面对因为糟糕的结果数据而将前面工作推翻的情况。比如花了很长时间处理的季度因子数据，在加入模型之后发现会让收益率极其不正常，在和老师分析后认为可能是时间跨度过长的问题，因此只能忍痛割爱，全部删除。其次由于数据量过大以及算法的复杂性，每一次运行都需要一段较长的等待时间，然而有时候漫长的等待却不一定能换来一个理想的结果。

这些都是实验路上的必经阶段，而马老师和梅老师一对一的帮助对我至关重要。即使在我深夜叨扰时，他们也依然细心解答，深入浅出地将每一步都讲得非常透彻，让我能够逐步修正我的代码，并理解其中的原因。在这次实验里，我也充分体会到多“动手”的重要性。对于编程语言，自我的探索往往可以有意想不到的收获，基于项目的需要，不断拓宽自己掌握技能的边界。

在最后的写作阶段，老师首先为我提供了相关的视频课程来帮助我了解如何去完成一篇合格的会议论文，我很快完成了初稿。由于初次进行论文写作，我还是有很多疏漏和不足，梅老师给了我许多修改上的建议，为我的初稿进行了详细的批注，并且通过腾讯会议通话来帮助我更好地修改论文。在梅老师的帮助之下，我不断地修改论文的小细节。在经历了终稿投递后，很快就收到了录用通知。