硕士研究 — 条件扩散与协方差预测
东京理科大学 経営学研究科
设计条件逆扩散得分匹配模型(CDSM),并将其用于金融收益率协方差结构预测。
- 独立完成文献调研、模型设计、Python 实现和实验复现验证
- 使用 FX29、Industry49 和 iShares14 与经典协方差预测基线进行比较
- 通过实证实验验证预测精度与稳定性的提升
01 / 证书
点击证书可前往发证机构验证。
↗Oracle · 2026年8月取得
GitHub · 2026年7月 · 2028年7月到期
证书编号: BO754B-08ED34
↗Amazon Web Services Training and Certification · 2026年6月颁发 · 2029年6月到期
↗日本统计质量保证推进协会 · 2026年5月
↗东京理科大学 · 2025年3月
02 / 关于
我的优势是结构化解决问题,以及面对未知课题时的研究能力。我能够独立完成研究主题设定、文献调研、分析方法选择、程序实现和实验复现验证,并善于阅读外语技术资料、将理论转化为代码、从数据中提炼可靠结论。
03 / 经历
设计条件逆扩散得分匹配模型(CDSM),并将其用于金融收益率协方差结构预测。
根据学生的理解程度提供针对性讲解,协助课程运行和学习支持。
研究指数投资中的投资组合构建方法,并使用 Excel 实现和比较多种方案。
2024年4月 — 2026年4月
研究基于 AI 的时间序列数据分析,重点探索扩散模型在数据去噪、预测和滑动窗口协方差估计中的应用。
2023年3月 — 2024年4月
围绕经营学、数据分析与定量方法开展研究生阶段的前期准备。
2021年1月 — 2023年3月
完成高级日语学习,并为在日本进入研究生阶段学习做准备。
2015年9月 — 2019年6月
学习金融数学、数学理论与机器学习,培养了严谨的逻辑思维、自主学习和结构化问题解决能力。
04 / 项目
使用时域和傅里叶域条件扩散模型进行滑动窗口协方差估计,并在金融时间序列数据上与经典统计基线比较的 Python 研究代码库。
为论文与学位研究提供可复现的数据准备、训练、基线、指标评估和可视化流程
基于角色权限的 Flask Web 应用,现场工程师可登记设备点检结果,管理员可实时查看设备、负责人和点检记录。
实现 Blueprint 模块化架构、认证与权限控制、设备/账号/点检 CRUD、事务服务、MySQL 与 TiDB Cloud 连接、Alembic 迁移、Docker 部署和 HTTP 集成测试
05 / 联系
如果你有合适的工作机会、项目合作或技术交流,欢迎通过邮件或 GitHub 与我联系。