统筹集团电力、天然气及碳金融衍生品市场的风险管控体系，主导跨部门风险对冲策略制定，联动交易、运营团队实现风险敞口动态平衡，覆盖现货、中长期合约及衍生品全业务线。

• 主导设计多品种能源市场风险量化框架，基于RiskMetrics与蒙特卡洛模拟，构建涵盖电力现货（日前/实时）、天然气掉期（TTF/HH基准）及全国碳市场配额的动态VaR模型，引入新能源出力预测误差作为外生变量，将组合风险敞口预警精度从85%提升至92%，年度极端情景（如寒潮+风光出力骤降）下潜在损失预估偏差率下降18%，支撑集团风险限额调整决策。
• 针对新能源占比超40%的电力现货业务，创新融合LSTM神经网络与节点电价敏感性分析，预测短期风光出力误差并量化其对套保策略的影响，优化火电调峰机组与储能项目的套保比例（从7:3调整至6:4），季度对冲成本降低15%；在2024年夏季尖峰负荷期间，成功对冲光伏出力不足导致的现货电价暴涨（单日涨幅32%），减少现货亏损约2300万元。
• 牵头治理天然气市场季节性基差风险，通过分析TTF远期曲线形态（Contango/Backwardation）与区域LNG库存周期（鹿特丹/萨凡纳港），调整北美与欧洲长协的点价窗口分布（将Q1点价比例从45%降至30%），年度天然气采购端基差损失从2.1%压缩至0.8%，直接提升综合能源供应业务毛利率0.5个百分点。
• 搭建跨部门风险信息共享平台，整合交易系统实时持仓、气象部门极端天气预警（如厄尔尼诺预测）及电网负荷预测数据，开发自动化风险日报与压力测试模板（覆盖±20%电价波动、±15%气价波动情景），风险响应时效从T+1缩短至T+4小时；在2024年冬季寒潮事件中提前48小时提示天然气短缺风险，协助采购团队锁定低价长协气量3亿立方米，保障冬季供气稳定性。

负责区域电力市场（广东、江苏）与天然气现货业务的风险管控，建立基础风险评估流程，支持前端交易团队制定套保策略，覆盖中长期合约与现货头寸。

• 设计电力中长期合约与现货的基差风险对冲模型，通过历史价差分位数分析（选取90%置信区间）确定最优套保比率（动态调整范围0.6-0.9），年度对冲策略执行后，区域售电业务的现货盈亏波动幅度从±1200万元/月收窄至±400万元/月，客户履约满意度提升18%。
• 针对天然气价格联动电力成本的传导风险，构建“气-电”价格敏感性矩阵（覆盖3类煤电机组、2类燃气机组的边际成本曲线），量化不同天然气价格区间（3元/方-5元/方）对度电成本的影响，为集团参与调峰辅助服务市场的报价策略提供风险边界（如气价超4元/方时限制深度调峰频次），年度辅助服务收益稳定性提升25%。
• 主导搭建区域风险数据库，整合近5年省级电力交易中心（广东电力交易中心、江苏电力交易中心）、天然气门站（大鹏LNG、迭福北LNG）的价格、成交量数据，构建包含12个关键风险指标（持仓集中度、流动性缺口、基差偏离度）的监控体系，实现风险因子暴露的可视化展示（通过Power BI仪表盘），月度风险报告编制效率提升40%。

协助完成能源市场基础数据整理与简单风险指标计算，参与初步风险评估流程，支持新能源项目并网前的市场风险预评估。

• 负责电力现货市场（山西、山东）与天然气市场（北京、上海门站）的每日行情数据采集与清洗，对接Wind、Bloomberg终端及交易所API，建立包含10万+条历史数据的数据库（覆盖2015-2019年价格、成交量、持仓量），数据准确率达99.8%，支撑团队开展历史回测与策略研究。
• 协助计算组合的VaR与ES（预期损失）指标，运用Excel VBA编写自动化计算模板（集成历史模拟法与方差-协方差法），将周度风险指标计算时间从3天缩短至6小时，错误率从5%降至0.1%，获部门“效率优化奖”。
• 参与新能源项目（风电、光伏）并网前的市场风险预评估，分析项目所在区域电力消纳能力（利用弃风弃光率历史数据）与电价补贴政策变动风险（跟踪国家发改委、能源局文件），输出《区域新能源投资风险简报》6份，其中3个项目因提前识别补贴退坡风险（如某省2020年补贴强度下调10%）调整了投资节奏，避免了约800万元的潜在损失。

省级电力现货市场用户侧多主体策略优化与风险管控平台建设项目

• 2022年始，省内电力现货市场进入连续结算试运行，工商业用户、分布式光伏运营商等用户侧主体普遍面临“不会报、不敢投”的痛点——缺乏适配自身负荷特性的报价策略，且对15分钟级现货价格波动的风险抵御能力弱。我作为项目负责人，主导平台的业务需求梳理、核心算法设计及商业化落地，目标是为用户侧主体提供“策略生成-风险预警-收益回溯”的全流程工具，支撑公司切入用户侧能源市场服务赛道。
• 项目遇到三大核心挑战：一是用户侧数据分散（涵盖电网营销系统的负荷数据、用户智能终端的光伏出力数据、第三方气象API的气象预测数据），多源数据融合与特征提取难度大；二是现货市场价格信号高频且非线性，传统机器学习模型难以捕捉“价格-负荷-报价”的动态关联；三是不同用户的风险偏好差异显著（如制造业用户更看重收益稳定性，新能源运营商更倾向高收益高风险），需量化风险承受能力以匹配策略。
• 针对数据问题，我牵头设计“多源数据同步采集+边缘计算预处理”架构，用Python开发数据清洗 pipeline，整合200余万条历史数据构建用户负荷画像；针对策略优化，引入深度强化学习（DQN算法）训练报价模型，通过“状态-动作-奖励”框架模拟现货市场竞价环境，自动生成适配用户特性的动态报价策略；针对风险量化，设计“风险熵值评估模型”，结合用户历史决策偏差、现金流状况计算风险承受系数，将策略分为“保守-稳健-激进”三类。
• 项目上线后，试点12家用户（涵盖纺织厂、光伏电站、商业综合体）的平均现货市场收益提升18%，因价格波动导致的亏损降低25%；支撑公司签约3个地市级用户侧市场服务合同，带来400万元新增营收。平台形成2项软件著作权（《电力现货市场用户侧策略优化系统V1.0》《多主体能源交易风险预警系统V1.0》），相关成果发表于EI期刊《电力系统自动化》，我个人也因此晋升为部门负责人，主导公司后续用户侧能源市场拓展。

工业园区“气-电-热”联动天然气分布式能源项目交易模式设计与落地

• 当时区域天然气分布式能源（DE）项目推广受阻——多数园区用户对“自发自用+余电上网+余热供热”的多能互补模式认知模糊，且缺乏清晰的收益核算与风险分担机制。我作为项目核心成员，负责设计“气-电-热”联动的交易模式，推动DE项目从技术可行走向商业可行，目标是打造可复制的园区能源服务样板。
• 项目难点在于：一是DE项目的多能耦合特性导致成本分摊复杂（如天然气管道成本、余热管网成本如何在用户间分配）；二是天然气价格与电力现货价格的联动机制不明确，用户担心“气价上涨吞噬收益”；三是用户对“余电上网”的结算稳定性存疑，信任度低。
• 我从三方面破局：首先，基于全生命周期成本（LCC）理论，构建DE项目“按用能占比分摊固定成本+按实际消纳量分摊变动成本”的模型，明确气、电、热各环节的成本归属；其次，联动燃气公司与电网，设计“天然气基准价+电力现货价格浮动系数”的联动定价机制，将余电上网价格与天然气采购成本挂钩，对冲气价波动风险；最后，推出“收益保底+超额分成”契约——承诺用户年化收益不低于8%，超出部分按公司与用户7:3分成，降低用户风险感知。
• 项目在某装备制造园区落地后，DE项目的内部收益率（IRR）从8%提升至12%，吸引了3个同类园区签约合作，带动总投资额6亿元。我主导编制的《区域天然气分布式能源市场交易指南》，被省能源局采纳为行业参考标准，成为公司后续拓展分布式能源市场的核心方法论。此项目也让我从市场开发专员成长为能独立设计交易模式的业务骨干。

• 大二观察到毕业生离校时大量教材被废弃，而新生购书支出占生活费12%，便发起校园书籍教材循环计划。为解决传统二手书交易效率低的问题，我们开发微信小程序实现扫码估价、预约取件功能，并说服快递中心以成本价承接物流。
• 通过建立翻新消毒标准打消卫生顾虑，项目年流通教材1.2万册，累计为同学节省书费38万元。这段经历让我从商业小白成长为能设计闭环模式的实践者，项目不仅获省级创业金奖，更被纳入学校官方服务体系延续至今。