Wang Jiachen
金融科技 · 量化研究
个人简介
中央财经大学量化投资与资产管理方向硕士在读，本科毕业于西南财经大学金融科技专业。在 alpha 因子挖掘、指数增强策略、ETF 轮动及深度学习金融预测方面有丰富的实习与研究经验。
教育背景
硕士 — 量化投资与资产管理
中央财经大学
本科 — 金融科技
西南财经大学
实习经历
CTA 量化研究员实习生
北京涵德投资管理有限公司
基于期货 L1/L2 高频数据系统性挖掘 Alpha 信号，独立手工挖掘 50+ 低相关信号。自主设计并实现基于 Claude Code 的 LLM Agent 辅助信号开发工作流，采用分层架构设计（Agent 层、Skills 层、Command 层、Database 层）。
策略研究实习生 — 指数增强
上海黑翼资产管理有限公司
构建全栈指数增强管线：多源 Alpha 因子工程、线性叶节点 XGBoost、增量学习、大小盘自适应模型融合、ST 风险预测。
实习研究员 — CTA 组
崇文量化（北京）科技有限公司
设计基于双均线的期货趋势跟踪策略，年化收益 15.9%，最大回撤 10.9%，夏普比率 1.07。开发策略数据每日自动更新模块。
Kaggle 竞赛研发员
赋范空间科技有限公司
开发 JPX 东京证券交易所预测（前 10%，夏普 0.119）和 Optiver 波动率预测（银牌，RMSPE 0.21524）竞赛方案。
竞赛获奖
第三、四届四川省金融科技建模大赛省级一等奖
2022.10 – 2023.11第三届：采用 Blending 集成学习预测用户提前还款行为（前 3%）。第四届：构建端到端数据科学工作流预测客户复购行为（前 3%）。
精选项目
基于 LLM 的因子挖掘与 ETF 轮动策略
2025.10 – 2026.01端到端量化平台：LLM Agent 因子发现（GLM-4.5）、多层信号评估、滚动 XGBoost/线性组合、实盘 ETF 轮动交易。
自编码器驱动的隐含因子模型在中国 A 股市场的应用
2024.12 – 2025.04毕业论文：基于 1996–2023 年 A 股数据和 91 项公司特征，构建 PCA、IPCA 及条件自编码器隐含因子模型。
蜡烛图隐含了价格趋势信息吗？—— 基于中国股票市场的证据
2023.12 – 2024.07基于注意力机制 CNN 的 A 股蜡烛图二分类预测，多空组合夏普比率达 3.30（周频）和 1.50（月频）。
基于 XGBoost 的指数增强策略
2023.11 – 2025.01全栈指数增强：因子工程、线性叶节点 XGBoost、市场风格自适应模型融合。
绿色金融政策对劳动力市场影响的 DID 研究
2023.06 – 2023.12国家级大学生创新训练项目：运用双重差分法评估绿色金融改革创新试验区试点政策对劳动力市场的影响。
技能
编程语言
Python, C, SQL, TypeScript
数据科学
pandas, Polars, NumPy, scikit-learn, XGBoost, LightGBM, PyTorch, Numba
量化金融
Alpha Factor Research, Backtesting, Portfolio Construction, Risk Analysis, Index Enhancement, ETF Rotation
工具
Linux, Git, LaTeX, Docker, Jupyter, QMT, CUDA
前端
React, Next.js, Tailwind CSS