林庭合（Howard Lin）。專注於量化金融與實證計量研究，結合統計建模與程式工程，致力在信息複雜的金融市場與產業數據中，找出兼具理論深度與實際價值的定價規律。
由於科技的快速發展，我認為現在的金融行業已經逐漸由科技、算法與數據主導，並在未來有著更強大的推動趨勢，於是在我本科期間擯棄了傳統的金融課程，全面轉向以程式邏輯與數據工程為核心的學習路徑——選修 Python、機器學習、量化投資以及互動式視覺化分析。
我深信「底層邏輯的理解」勝過單純的代碼堆砌，上述課程的修習令我有較為清晰閱讀與剖析算法架構的能力，並善於以 AI 作為輔助進行人機協同開發自己所需的程式，將複雜的金融學與海量的數據轉化為直覺、高效的視覺化系統。
跳脫傳統文科金融模式，重心聚焦於科技與量化方法：系統性修習 Python 編程、 數據可視化 、機器學習基礎與量化投資策略，兼修宏微觀計量與因果推斷。
已獲正取錄取。目前因配合台灣役期安排辦理延遲一年入學。未來將更深入學習、研究以高頻數據結構、隨機微積分、衍生品定價與多因子資產配置模型。
立足於扎實的金融與計量經濟學術訓練，結合實地產業調研與機構運作實務，將理論模型與真實市場機制深度印證。
系統性建立金融學理架構，並主動拓展數理計量與資料分析能力：
聚焦面板計量、因果推斷（TWFE、IV-2SLS）與雙重機器學習（DML）：
深入資本市場實務運作，建立自上而下的產業研究與產品分析框架：
能運用雙向固定效應 (reghdfe)、工具變數法 (IV-2SLS) 與 DID 因果識別，實現論文級實證分析與報表導出。
以 Pandas、NumPy 為核心工具，處理金融時間序列跨源整併、特徵工程衍生、缺失值修補與高頻數據矩陣運算。
構建多維指標濾網，運用狀態機逐日推演回測，並融入動態止盈止損與交易磨損機制。
擅長運用 AI 工具將自身的金融與程式邏輯知識轉化為可視化系統，並整合多源數據與互動式分析。
整合台股即時量價行情與全自動財經輿情串接。系統打破傳統單一技術指標之滯後鈍化，構建「趨勢濾網、動能轉折、量能籌碼」三維正交檢驗體系，內建向量化逐日狀態機推演資產淨值曲線；並串接 AI 大模型推理引擎，結合微觀量價異動與即時新聞進行多空研報診斷。