葛伟
北京大学 / 博士生
基本信息
- 葛伟 / 27岁
- CET6-575
联系方式
技能点
- Scikit-Learn, PyTorch, Tensorflow
- MATLAB/Mathematica/Origin
- Python, C/C++, C#, HTML+CSS+JavaScript, Qt, Linux
- 分布式爬虫, MySQL/MongoDB/Redis, Django/Flask, pyecharts
自我评价
本人在校成绩优秀、乐观向上，工作负责、自我驱动力强、热爱尝试新事物，掌握多种编程语言，具有丰富的 数据处理经验和量化交易经验，基金交易程序的收益率连续 22个月超过 90% 全国基金用户， 目前拥有大约20个Github开源项目。
教育背景
-
北京大学 - 物理学院（博士生）
2016 校长奖学金
2017 校长奖学金
2018 校长奖学金
P.S. 校长奖学金为北京大学最高额度奖学金 -
吉林大学 - 物理学院（学士学位）
2013 国家励志奖学金
2014 国家奖学金
2015 国家奖学金
工作经历
-
[实习1]中信建投衍生品交易部－量化交易应用开发助理
-
私募基金数据爬虫
技术栈: Python
编写Python多线程爬虫程序，爬取私募排排网所有基金的历史数据，用以算法研究
-
深圳交易所模拟撮合系统
技术栈: Python + Zeroc-Ice
根据C/S架构编写客户端、服务端程序。客户端实现模拟自动下单，服务端程序采用深交所撮合逻辑撮合本地委托，并验证撮合逻辑的正确性
增加接收行情模块到服务端程序，并单独撮合深交所委托，并验证成交数据的正确性
结合模拟下单和行情数据，利用客户端、服务端程序，测试TWAP, VWAP交易算法
-
私募基金数据爬虫
项目经历
-
[项目1]基金量化交易
- 技术栈：Python + SciPy + Origin + HTML + MySQL + MongoDB
-
[目标]实现实时预测基金涨跌并推送买卖建议给用户的自动化程序。
[团队]本人
[贡献]独立从零完成基金挑选-程序编写-邀请用户体验反馈等工作。 采用Origin分析基金历史数据实现基金挑选。 采用Python + Scipy + HTML + MySQL + MongoDB实现爬虫获取数据-实时分析数据-推送买卖建议三个主要模块。 平衡反爬虫和多线程加速，使得该程序只有4s延迟。 并邀请16名用户参与体验&反馈。
[效果]基金收益率连续22个月超过90%以上全国基民。 Demo
-
[项目2]机器学习预测信用卡违约
- 技术栈：Python + Scikit-Learn
-
[目标]根据用户基本信息、一个月交易流水信息预测信用卡违约概率
[团队]本人
[贡献]分别利用 SVM, KNN, 随机森林, GBDT(梯度提升决策树) 建立模型，比较各模型预测结果，筛选出最合适的模型 GBDT，通过调参优化 AUC 和预测精度
[效果]建立的机器学习模型能够实现 85% AUC 和 92% 的预测精度
-
[项目3]机器学习预测高熵合金相类型
- 技术栈：Python + Scikit-Learn
-
[目标]建立机器学习模型，预测高熵合金相类型 (BCC, FCC, Multiphase)
[团队]本人
[贡献]分别利用 SVM, KNN, 随机森林, GBDT 模型训练已发表的实验数据，然后预测实验室研发的材料的相类型
[效果]建立的机器学习模型能够实现 95% AUC 和 97% 的预测精度
-
[项目4]基于载能粒子辐照的聚变堆材料快速筛选的等效性研究(500万项目)
- 技术栈：Origin + C# + SQL Server
-
[目标]建立离子辐照和中子辐照等效性模型
[团队]同课题组8人
[贡献]作为项目第一贡献人，通过大量文献收集数据，并录入本人开发的SQL Server数据库； 采用Origin分析数据特征，独立建立离子辐照与中子辐照等效性数学模型； 采用C#编写Windows平台客户端，实现CRUD，并能即时应用数学模型。
[效果]22个全国同期项目中评价为优秀
-
[项目5]晶粒长大相场模拟
- 技术栈：Python + Scipy + Orign + MATLAB + Mathematica
-
[目标]建立相场模型，并模拟材料中晶粒长大
[团队]本人
[贡献]参考简单模型的MATLAB代码，建立复杂材料相场模型，改用Python+SciPy完成模拟程序，并实现分布式多进程加速。
[效果]将5天计算量的MATLAB程序优化为5小时