CONVERTIBLE BONDS · QUANT STRATEGY × MACHINE LEARNING
量化研究员，现任 RatingDog（YY评级）估值研究部转债组研究员。研究兴趣：可转债、量化策略与机器学习。我拥抱 AI，但把判断与学习留给自己。
我是王子辰，量化研究员，2024 年 7 月加入瑞霆狗（深圳）信息技术有限公司（RatingDog · YY评级）估值研究部转债组，2025 年 2 月转正，工作至今。研究兴趣集中在可转债、量化策略与机器学习。
我的研究沿三条主线展开：定价——BS 模型、理论价偏离度与溢价率监控，刻画「贵不贵」；条款与事件——强赎、下修、退市等博弈的统计规律与机器学习预测；组合——双低、择时、行业拥挤度等策略，以及固收+账户的权重配置。从数据清洗到回测、从模型到成文，全流程独立完成。
我是 AI 工作流的深度使用者：日常以 Claude Code、Codex、ZCode、DeepSeek 等编程智能体驱动研究全流程——sub-agent 集群调研与初步探索、批量回测、图表与报告生成、多轮「评审团」迭代，把更多时间留给思考与洞见；亦将重复性工作沉淀为 skill 与脚本——主体点评从 2 小时压缩至 10 分钟以内。
伦敦政治经济学院（LSE）金融数学与统计学士、风险与金融硕士。
Education
基于正则化线性回归模型，使用技术、估值、流动性和市场四大类因子预测转债未来收益率——不寻求准确预测收益率的具体幅度，而是发现预测值因子较好的未来收益率排序能力，从而设计量化策略。
本研究极大程度基于 AI agent 完成，大致流程为：人工提出设想 → sub-agent 集群调研与初步探索 → 人工确定具体思路与报告大纲 → agent 完成初稿 → 人工与「评审团」sub-agent 集群结合进行多轮迭代 → 人工确定终稿。
将经典的 Black-Litterman 投资组合权重配比范式用于实际大类资产权重配比，讲解模型逻辑及各类参数选定方法，给出固收+策略大类资产权重配比示例。
人工完成：收集相关论文，在 ima 知识库中使用 AI 辅助学习，充分理解并自行完成代码实现，撰写理论科普与实际应用落地指南报告——目前 AI 辅助学习主要为使用 agent 制作可交互式 html，大幅提升理解容易度和个性化能力。
使用示例、模板与流程说明，开发转债、产业与城投主体点评撰写 skill，结合固定流程脚本、金融终端 MCP 与 Excel 底稿提高流程准确性与效率，将人工 2 小时工作压缩为最低 10 分钟以内，总监审核通过率 100%，获得同事一致好评。
配套使用 agent 制作点评提交流程表单一键填充油猴脚本，将 skill 产出结果复制粘贴后一键填充系统后台流程表单，极大提高操作效率并消除误操作风险。
| 年份 | 标题 | 分类 |
|---|---|---|
| 2024 | 可交债投资手册摘要+图表 | 市场统计 |
| 2025 | 可转债的债股性变化观察摘要+图表 | 市场统计 |
| 2025 | 转债理论偏离度观察及策略小探摘要+图表 | 量化策略 |
| 2025 | 可转债的希腊字母及策略构建全文 | 量化策略 |
| 2025 | 可转债双低策略观察及改进全文 | 量化策略 |
| 2025 | 25年以来转债下修的一些观察全文 | 市场统计 |
| 2025 | 可转债择时策略小探全文 | 量化策略 |
| 2025 | 汇车退债小额刚兑怎么看？全文 | 转债快评 |
| 2025 | 转债强赎的价格影响、应对与预测全文 | 量化策略 |
| 2026 | 以固收+为例的投资组合权重配比（1）摘要+图表 | 量化策略 |
| 2026 | 以固收+为例的投资组合权重配比（2）全文 | 量化策略 |
| 2026 | 以固收+为例的投资组合权重配比（3）全文 | 量化策略 |
| 2026 | 财报季冲击下的美锦转债大跌全文 | 转债快评 |
| 2026 | 以固收+为例的投资组合权重配比（4）摘要+图表 | 量化策略 |
| 2026 | 可转债行业拥挤度分析及策略全文 | 量化策略 |
| 2026 | 基于线性回归的可转债收益率预测摘要+图表 | 量化策略 |