好的，这是从简历中提取的信息：

**基本信息**

* **姓名：** 谭嘉亮
* **出生年月：** 2001.09
* **籍贯：** 河南信阳
* **政治面貌：** 党员
* **电话：** [未提供]
* **学历：** 硕士
* **邮箱：** [未提供]
* **专业：** 统计学

**教育背景**

* **2019.9-2023.6：** [大学名称未明确，但提及“统计学（90）、运筹学（95）、回归分析（90）、Python 语言与大数据分析（91）、时间序列分析（96 其中 SAS 上机实验满分）、数据结构与R语言（96）、多元统计分析（85）、数值分析（91）等”]，**专业：** 统计学（本科）
* **2023.9-至今：** [研究生院校名称未明确]，**专业：** 统计学（硕士在读）
* **研究方向：** 随机分析、金融统计
* **主要课程：** 数理统计与概率论学习（双语）、时间序列分析、多元统计分析、随机过程等
* **荣誉奖项：** 研究生个人荣誉奖学金、第十二届全国大学生数学竞赛全国二等奖和省级一等奖、2022 年美国大学生数学建模大赛国际三等奖（H奖）、优秀共青团干部、2019-2020 学年国家励志奖学金、第十二届全国大学生物理学术竞赛省级三等奖等

**项目经历**

1.  **《基于改进数据分解的黄金和比特币市场是否交易策略模型》—— 2022 年全国大学生数学建模大赛国际三等奖（H 奖）**
    * **项目描述：** 搜集黄金和比特币收盘价格，完成数据清洗、处理日期格式、错误值等。采用 ARIMA 模型预测价格走势，经平稳性检验确定最优模型参数，结合动态规划算法确定投资组合，用蒙特卡洛方法优化模型，测试交易策略参数敏感性，评估模型参数对结果敏感性，并运用金融指标优化交易策略，开发可视化界面。
    * **负责内容：**
        1.  **文献综述：** 10 万篇比特币相关文献中，利用关键词识别异常值、牛熊转换点填补缺失数据、统一日期格式、保证时间连续性。
        2.  **开发时间序列 ARIMA 模型（ADF 检验平稳性，AIC 定阶，BIC 优化参数），实现对黄金和比特币价格走势的精准预测（预测误差 < 5%）。**
        3.  **结合 HJB 动态规划模型、布林线区间设定（12%）、夏普比率下精确调整 ARIMA 参数，收益提升 8%；参数敏感性测试确保模型鲁棒性（最大回撤 < 15%）。**
2.  **《基于 BP 神经网络预测模型的黑龙江农作物种植结构的研究》**
    * **项目描述：** 搜集黑龙江省农作物种植产量数据进行清洗、处理，构建时间序列模型预测农作物种植结构变化趋势。
    * **负责内容：**
        1.  **对近 20 年的高级温度相关数据进行清洗、创建“日期”时长表征温度”特征工程。**
        2.  **设计耦合模型：ARIMA 捕捉周期性趋势（ADF 检验平稳性，AIC 定阶），BPNN 建模非线性残差；最终模型误差降至 5%。**

3.  **R 语言分析实战—基于 UCI Machine Learning Repository 中的 Heart Disease 数据集**
    * **项目描述/负责内容：** 清洗、整理与转换原始数据集，利用随机森林算法筛选关键特征，构建心脏病 UCI Heart Disease 数据集。通过机器学习技术寻找更有效的心脏病预测方法。比较随机森林和支持向量机、判别函数和回归、决策树和神经网络等模型。采用**堆叠 (Stacking) 技术**构建多层模型，从多指标评估模型性能，堆叠模型综合性能优于单一模型，召回率提升 12%，为预测心脏病风险提供可靠工具。**数据可视化：** 在 Statlog (Heart) 数据集验证模型泛化能力，堆叠模型准确率 77.78%，精确率 87.50%，AUC=0.857，性能稳健优于其他模型（如决策树，AUC=0.730）。

**专业技能**

* **外语水平：** CET-4 (566)，CET-6 (524)
* **Excel：** 熟练掌握数据透视表及 Power Query；可高效处理百万级数据；熟练运用 50+ 函数 (如 VLOOKUP 多表关联, SUMIFS 多条件求和, TEXTJOIN 多单元合并)；支持宏命令编程（掌握 IF AND/OR）。
* **SQL：** 成熟掌握标准 sql 的增删改查，精通复杂查询（多表 JOIN，窗口函数，子查询），优化千万级数据查询性能；可编写存储过程实现数据归档。
* **Python：** 代码量 5000+ 行，能处理单文件 5GB 级数据（如 20 年各国经济温度相关数据）；熟练使用 Pandas/NumPy 数据清洗，Matplotlib 可视化，Scikit-learn 建模分析。
* **R：** 高效处理百万级复杂数据（如 A 股 5 分钟 K 线数据）；精通 dplyr/tidyr 数据清洗（缺失值多重插补，异常值 Z-Score 检测），运用 caret 包实现随机森林与逻辑回归建模，优化其步进法进行因子划分与主成分降维；擅长 ggplot2 绘制专业图表（热力图/雷达图）并开发 shiny 交互报告。通过 tm/wordcloud 包实现文本挖掘（金融舆情关键词提取与词云可视化）。

**自我评价**

* 情绪稳定，积极乐观，能吃苦耐劳，深知团队合作重要性，乐于和他人合作，自我学习能力强。