项目背景:亚马逊电商库存货物价值会影响电商利润,通过利用用户访问商品详情页面时的缺货率,来预测单个商品缺货
率对长期毛利率的影响,制定仓库囤货策略,从而提升毛利率。
主要工作:
- 使用Hive查询企业数仓,调取产品库存数据集(>70GB),百几万级数据,获取商品毛利率,用户特征,商品特
征等数据
- 应用双机器学习(DML)技术,构建了用于评估当前商品缺货率对于毛利率影响的模型
- 采用蒙特卡罗模拟(EMCS)研究,给出了27种双机器学习模型组合,候选模型有:XGBoost分类器/回归器,
Lasso回归器,Logistic分类器, 随机森林分类器/回归器
- 找到表现 佳组合,将估计偏差降低75%-80%, 方差降低88%-93%, 模型运行效率提升57%-87%
工作成果:
- 实习项目受邀参加亚马逊2022年实习生项目展览会进行展演
- 此模型的应用能够使现有的替代指数(surrogate index)加决策树 (decision tree) 模型的计算效率至少提升40%
- 此模型在实习结束后拟被团队采用, 为亚马逊超过37亿个ASIN(产品标识)实行库存价值评估

项目背景:通过评估区域内,不同人群接受扶贫政策比例,来评估政策对群体的收入影响,从而找出在扶贫政策实施时,
一些优化的实施路径和方法。
主要工作:
- 独立设计随机对照试验(RCT) ,进行田野调查设计样本调查问卷, 收集3轮每轮1800个家庭数据,完成数据
分析调查报告
- 帮助非营利性组织评估了其扶贫项目对参与者的影响。与对照组相比,至项目中期,参与者经营资产增长了390%,
家庭现金收入增加了30%, 储蓄增长了460%
- 利用随机饱和试验设计,控制组家庭储蓄和经营资产都超出增长预期,但是抑郁自评CES-D得分下降,反映出了
该项目可能对人群产生负面心理作用。此外, 随着当地市场竞争的增加,项目参与者的现金收入也会逐渐放缓
- 根据行为画像,发现基础心理健康和基础心理不健康从项目中获得收益的差别较大。前者是后者的收入的2-3倍,
所以在政策实施期间,应持续关注人群心理健康,并采取心理疏导措施,保证政策执行的效果
项目成果:
- 文章发表于美国国家经济研究局(NBER)工作论文
- 通过计入量化的溢出效应,找到政策实施的 佳人群比例,该项目的投资回报率(ROI)增加了42%
- 通过NLP搜索等策略,提升了样本内女性社交网络关系数据的匹配精度,从42.5%提高到89%
项目背景:分析马修 · 博林打破高中生百米记录,对高中人群短跑成绩提升的影响
主要工作:
- 运用数据挖掘算法从网站上挖掘高中短跑运动员的数据,优化了贝叶斯改进姓名地理编码(BIFSG)算法,根据姓
名、居住地区、学校各种族数据来预测样本中运动员的种族,用于评估该时间是否会对不同种族造成差异性影响
- 使用虚拟ab中双重差分模型(DID),对比2018年和2019年的短跑成绩,发现了博林效应激发了运动员跑出
更好的成绩。
- 使用三重差分(3DiD)方法发现,博林效应对多种族短跑队中的非白人运动员的刺激更大。此外,博林效应在恶
劣的逆风条件下,激励作用更为显著
- 使用逆概率加权(IPW),更好地匹配了“对照组”和“受试组” 的运动员成绩的表现
- 计算错误发现率(FDR)的校正q值, 以纠正多重假设检验
项目成果:
- 文章发表于《运动定量分析杂志》(JQAS)

项目背景:参与研究撰写《2018年营商环境报告》, 《2017年促进农业营商环境报告》为世界189个国家地区政府和商
业投资机构提供可靠参考
主要工作:
- 负责系统性搜集分析关于38个国家地区的土地政策指标的质性数据及量化数据
- 设计调查问卷,跟进田野调查,采访当地土地政策专家,设计建立验证评估当地土地政策环境的指标体系
- 通过多个维度对国家的土地法规、政策机构数据打分,建立客观的指标体系,并完善常规数据报告
项目成果:
- 在质性数据的基础上加入量化数据及学术研究中的量化证明,优化土地法规政策的指标体系,更为客观完善
- 利用vba(Visual Basic for Applications)生成自动摘取答案的问卷,大幅提升数据收集效率
- 编写自动数据收集代码从家庭调查数据(DHS和IPUMS)中截取有关土地所有权和投入品使用的关键量化数据集,
将收集数据的时间从几个月内缩短到几天