作者 |?M同學

未明學院優秀學員

別人眼中的券商研究所實習生：“協助分析師并獨立撰寫深度個股報告、行業報告、專題報告；整理晨會紀要、搜集相關數據…"

現實中的券商研究所實習生：“搜集數據-整理數據-搜集數據-整理數據…（無限循環）”

本人是一名在國內top2券商研究部門的實習生，曾經在三家不同的券商研究部實習過，涉及行業研究，個股研究及固定收益等，對研究所工作有一定的了解。這里首先給大家普及一下國內券商的等級情況以及研究所的招聘要求。

證監會近期公布了2018年證券公司分類結果，根據《證券公司分類監管規定》，證券公司分為A類(AAA級、AA級、A級)、B類(BBB級、BB級、B級)、C類(CCC級、CC級、C級)、D類和E類等5大類11個級別。

A類、B類和C類三大類中各級別公司均為正常經營公司，其類別、級別的劃分僅反映公司在行業內風險管理能力及合規管理水平的相對水平。D類、E類公司分別為潛在風險可能超過公司可承受范圍及被依法采取風險處置措施的公司。

2018年評級最高的AA類券商共12家，相比去年增加1家，其中10家券商維持AA評級，分別是廣發證券、國泰君安、海通證券、華泰證券、申萬宏源、銀河證券、招商證券、中金公司、中信建投和中信證券。

作為券商內部核心部門的研究所，其職責主要是對已經上市的證券進行研究分析，并獨立給出相關的投資建議。目前國內約有30家左右活躍的券商研究所。在券商研究所里工作的人員被我們稱為證券分析師（研究員），這些分析師主要負責對各類證券進行研究分析定價，并給出具體的投資建議。我在求職招聘群里搜集了以下幾個研究所招聘實習生的要求：

【實習】【新財富第二團隊】XX證券研究所招聘 XX組實習生

崗位要求：

1、海外重點高校或國內985,211高校研一研二或者大四保研，擁有金融、財務或機械、自動化相關背景者優先錄取；

2、踏實靠譜；有扎實的寫作能力；嚴密的邏輯思維和數據分析能力；

3、對行業研究感興趣；

【上海】Top5研究所輕工行業招聘實習生

職位要求：

?1、學歷要求：碩士研究生及以上（985/211優先），畢業時間為2018年及以后；

?2、專業要求：金融學、經濟學或其他相關專業，對行業研究有深厚的興趣；

?3、熟悉數據處理工作；

【實習】XX證券傳媒互聯網組

職位要求：

1、對行業研究有濃厚興趣，具備良好的數據分析能力，工作細致認真、踏實靠譜；

2、優秀的英語聽讀能力；

3、碩士及以上學歷，金融經濟相關、有過行業經歷、通過部分CFA、CPA考試者優先；

眾所周知，wind數據庫是入門的基礎，無論是找股票財務專題數據、債券期限結構數據或者基金資產配置數據集都離不開數據庫的支持。然而wind只是給大家一個獲得原始數據的途徑，把原始數據加工至可以給投資者看明白的終端數據要經過兩個不可缺少的環節——數據處理與數據分析。

舉個例子：

帶你的分析師給你布置了以下任務：剔除次新股指數中的科創板成分影響，并重新計算該指數的修正值PE TTM。

【新手模式】

首先，打開wind，搜索次新股指數并打開F9；【耗時30s】

其次，找到其成份數據中的成分與權重，下載最新收盤價下的的PE TTM數據保存至表1；【耗時2min】

第三，在多維數據-板塊數據瀏覽器中找到科創板板塊，指標選擇股票名稱與代碼保存到表2；【耗時1min】

第四，同時打開表1和表2，對應著表2中的40+科創板數據挨個在表1的150+數據中剔除（或使用查找功能剔除）；【耗時5-10min】

最后，重新計算剔除后的剩余數據的PE TTM值。【耗時20s】

合計時間【9-14min】

【進階模式】

首先，打開excel，登陸wind在excel中的插件，插入代碼——次新股在A列，科創板在C列；【耗時30s】

其次，選擇函數搜索——PETTM值，自動填充在B列；【耗時30s】

接著，使用COUNTIF或者VLOOKUP功能，刪除A列中涵蓋C列的數據；【耗時40s】

最后計算A列剔除后的PE TTM值。【耗時20s】

合計時間【2min】

【終極模式】

使用numpy及pandas通過wind python接口獲取次新股與科創板PE TTM數據，運用“for循環”和“if函數”結合刪除重復值后計算average結果。

合計時間【1.3min】

由此可見，熟練運用excel是一項必不可少的技能，而如果你能在python上有所建樹則更是錦上添花。

上述任務只是平時實習的冰山一角，分析師不會給你太多時間來摸索如何使用wind，如何使用函數，公司需要的只是你在最短時間內完成任務的效率。

當我在第二家研究所實習時，分析師在實習群里分配任務，分別找出華為近5年消費者業務、企業業務與與運營商業務的收入、占比與同比增速數據，并同蘋果公司進行對比。

該任務有兩大難點：第一，華為是一家非上市公司，也就意味著wind不會有其公開財務數據，需要自行去華為官網下載年報查找；第二，蘋果是美股上市公司，其財報格式及數據與國內大相徑庭。

我們當時有三名實習生，各自負責一塊業務。其中有一名實習生A同學，他是剛剛入職的，仍然處于實習考核期間，對數據搜集不是很熟悉。當時因超時提交任務被辭退。

后來在我與他的聊天中總結了他犯的這么幾個錯誤：

第一，他使用百度或谷歌找尋華為年報，理由是在華為官網找尋不到（因為華為有類似淘寶的銷售網站、集團網站、個人用戶、企業用戶、運營商用戶等幾個分網址），該舉動被分析師質疑數據來源不嚴謹；

第二，下載年報后他直接使用了年報中的數據，沒有進行單位的統一，在數據分析時出現明顯偏差；

第三，因為他的純手動操作，消耗了大量的不必要時間，耽誤的工作的進程。

而另一名實習生B則是計算機大神，他不僅使用爬蟲快速爬取了華為、蘋果的數據，還進一步找到了華為消費者業務下智能手機的出貨量與市場份額情況的相關數據，在分析出消費者業務發展趨勢的情況下，又更加細致的分析出智能手機市場中華為與蘋果的競爭力對比情況，將該實習任務進行的更快更深入，并得到分析師的褒獎。

實習是正式工作的試金石，在實習過程中暴露問題是好事，當我們知道自己數據分析這塊技能有所欠缺時就需要花額外的時間去填補空白。

如果你有志于投身于研究行業，如果你對數據分析有興趣但又存在疑惑不知從何下手，那么我的個人建議是從excel函數學起，不斷通過實戰案例來增加自己對各個函數的理解與熟練程度。

在對excel有一定了解后可以在python和R語言中進行選擇，在這里，個人更推薦python，主要是因為在金融行業，wind數據庫與python有接口，使得其爬取數據更加快捷方便，且R語言需要一定的計算機基礎，相比之下，python的受眾面更廣，適合其他專業的同學上手。

近期我正在實習的任務主要是分析某上市公司可轉債估值水平、轉股溢價率情況等，需要處理眾多繁瑣的數據，最費神的就是數據對齊：從各種途徑下載的原始數據，如兩個時間序列數據，可能沒有很好的對齊，或者目標對象可能含有不匹配的行或者列。Excel在此時稍顯不足，篩選刪除功能有些浪費時間，而pandas可以在運算過程中自動對齊數據，可以通過索引不同的series構建dataframe；以及在遇到季度或半年度數據時，我們需要將3月設置為一年的結尾，以季度為頻率，這就涉及到了period工具。

如上例子多不勝數，數據分析工具在金融領域有很強的實踐功能，除了研究所的工作需要外，其他類型的崗位如風控和市場部也都涉及大量數據分析的工作。有一個越來越明顯的趨勢，即金融行業的核心職位校招數量在減少，而對應屆生要求在持續增加，幾乎各大崗位都希望面試者可以有嚴謹的邏輯思維，敏銳的數字洞察能力與熟練的數據分析技術。尤其是現在金融科技越來越火熱，幾乎所有銀行都會開始金融科技崗，且學歷要求低，招聘時間早。

在大數據時代，數據分析已經成了越來越普遍的要求，企業都希望能夠以機器代替更多的勞動力，一方面可以減少人力成本的投入，另一方面也降低了出錯的概率，提高日常工作的效率。

總結

以上是生活随笔為你收集整理的未明学院：来自券商研究所搬砖狗的自白的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。