丁鵬同學的論文首先介紹了動態(tài)模式分解方法的基本原理、與其他算法的區(qū)別和主要優(yōu)勢。其次，嘗試將動態(tài)模式分解的方法應用于中國股市，重點分析了動態(tài)模式分解方法中主導特征值和擬合優(yōu)度的金融學含義，通過動態(tài)模式分解方法把市場內(nèi)在動態(tài)結(jié)構(gòu)分解為特征值和特征向量，借此刻畫股票市場的非線性運動，挖掘股市短中期的內(nèi)在價格模式,分析股市運行的狀態(tài)，對股票市場未來短中期的趨勢進行預測。隨后其引入了擬合優(yōu)度指標對模型估計結(jié)果進行篩選，減少噪音信號對于模型判斷準確度的影響。最后丁鵬同學據(jù)此建立起基于動態(tài)模式分解方法的事件交易策略與擇時策略。

通過計算和比較交易策略的投資業(yè)績指標，結(jié)果表明在滬深300指數(shù)、WIND材料和醫(yī)療保健指數(shù)中，基于動態(tài)模式分解方法的量化投資策略在回測期間均取得了不錯的超額收益，動態(tài)模式分解方法在量化投資預測中具有一定的有效性。

丁鵬同學畢業(yè)論文題目的選題主要是源于他當時在華泰證券資產(chǎn)管理有限公司權(quán)益部的實習工作，在實習的過程中主要從事量化投資權(quán)益產(chǎn)品的研究工作，在實習過程中接觸了量化投資的相關知識，激發(fā)了對于量化投資濃厚的興趣。在后續(xù)論文文獻的查詢中，他發(fā)現(xiàn)股票市場具有動態(tài)、非線性、混沌等特征，采用傳統(tǒng)的時間序列預測方法進行預測效果并不理想，近些年所逐漸興起的動態(tài)模式分解方法在對非線性、混沌系統(tǒng)的預測方面具有其獨特的優(yōu)勢，基于動態(tài)模式分解方法的投資策略對大盤的預測具有一定的準確性。為了更好的進行數(shù)據(jù)分析和模型策略構(gòu)建，他還自學了PYTHON語言以提高效率。

丁鵬2019年6月碩士畢業(yè)后在上海某商業(yè)銀行的個人金融業(yè)務部擔任客戶經(jīng)理一職位，工作內(nèi)容主要是“基保理”相關產(chǎn)品和私人銀行的數(shù)據(jù)統(tǒng)計和分析工作。從學生蛻變?yōu)樯鐣?，其深感在校園中學術研究能力、數(shù)據(jù)分析能力和邏輯能力的重要性，在校園中得到的這些訓練對他日后的工作幫助巨大。