负责能源市场（电力、天然气、碳配额）价格风险、信用风险及流动性风险的识别、量化评估与动态管控，主导设计风险对冲策略并协同交易团队落地，对接监管要求完成合规报告与压力测试，支撑机构及企业客户的能源资产风险管控需求。

• 针对2022年夏季极端高温引发的电力负荷尖峰与煤价联动上涨风险，牵头梳理火电企业「燃料成本-上网电价」传导链条，采用GARCH(1,1)模型预测动力煤月度波动率（误差率≤3%），结合电力期货合约的流动性分层特征（主力合约/次主力合约持仓量占比），设计「阶梯式套保比例」策略——负荷高峰月（7-8月）将套保比例从常规70%提升至85%，低谷月（1-2月）降至60%；同步引入「煤价-电价敏感性分析矩阵」，动态调整套保合约期限结构（优先选择3个月内交割合约）。最终帮助3家火电客户将燃料成本超支风险敞口从1.2亿元压缩至3500万元，套保策略回溯测试有效性达92%，客户年度对冲成本降低15%。
• 主导搭建天然气价格风险预警指标体系，整合「国际LNG到岸价、国内储气库库存周转率、工业用气需求增速」等6项核心变量，采用机器学习中的随机森林算法训练预测模型（准确率较传统ARIMA模型提升20%）；针对2023年春季欧洲LNG供应扰动事件，提前1个月向客户发出「天然气现货价格上行风险预警」，并推荐「买入看涨期权+卖出远期合约」的组合策略，帮助某城市燃气企业规避2000万元的现货采购成本上涨损失。
• 承接国家能源局《能源市场风险管理指引》的合规落地任务，主导完成公司年度能源交易业务压力测试——设定「煤价单日暴涨20%、天然气负荷骤降15%」等极端场景，测算机构自身的市场风险暴露（VaR值从800万元提升至2500万元），并提出「增加信用风险缓释工具（CRM）覆盖比例、优化头寸集中度管理」等4项整改建议，相关报告获监管机构书面肯定并在行业内推广。
• 协同交易团队为某新能源发电集团设计「绿电证书+碳配额」联动风险对冲方案：通过蒙特卡洛模拟预测绿电证书价格与企业碳配额缺口的 correlation（相关系数达0.78），建议将碳配额的50%用于质押融资，同时买入绿证看跌期权对冲证书价格下跌风险，最终帮助企业盘活碳资产1200万元，绿证持有成本降低22%。

协助构建新能源项目（风电、光伏）风险量化框架，聚焦弃电风险、补贴拖欠风险及设备运维成本的动态评估，为企业客户提供项目定价与投资决策支持。

• 针对新能源项目「弃电率」这一核心风险，收集全国15个省份近3年的风电/光伏弃电数据，采用Logistic回归模型识别影响弃电的关键因素（如电网消纳能力、当地电源结构），构建「区域弃电概率预测模型」（AUC值达0.89）；为某光伏电站项目提供风险评估时，预测其年弃电率将从8%降至5%，建议将项目上网电价从0.38元/度上调至0.41元/度，最终帮助客户争取到更高电价，项目IRR从7.5%提升至8.7%。
• 主导开发补贴拖欠风险量化工具，整合「项目并网时间、所属省份财政状况、可再生能源基金征收进度」等变量，采用现金流折现模型（DCF）测算补贴拖欠对企业估值的影响——某风电项目因补贴拖欠导致的估值折损率从12%修正为8%，相关工具被纳入公司新能源项目尽调标准流程。
• 协助处理某生物质发电企业的燃料价格风险：跟踪玉米、秸秆等原料的市场价格波动，采用协整分析验证「燃料价格与CPI食品分项」的长期均衡关系，设计「固定价格采购协议+期货套保」的组合方案，帮助企业将燃料成本波动范围从±15%收窄至±8%，年度燃料成本节省约600万元。

为电力、煤炭企业提供专项风险评估服务，聚焦煤价波动、电力需求超预期变化等场景，设计风险应对策略并输出咨询报告。

• 为某大型电力集团做「年度煤价风险诊断」：收集2014-2018年环渤海动力煤价格指数、电厂库存周转天数、进口煤占比等数据，采用VaR模型计算企业年度煤价波动风险值（从1.5亿元降至9000万元）；提出「增加长协煤比例至75%+买入动力煤看跌期权」的策略，帮助企业锁定年度燃料成本上限，后续跟踪显示该策略使企业煤价超支风险降低40%。
• 承接某地方政府的「能源转型风险研究」课题，聚焦「煤电退出后电力供应缺口」问题，采用情景分析法设定「新能源渗透率提升至40%/50%」两种场景，测算缺电概率（分别为12%/25%），并提出「加快储能项目建设+完善需求侧响应机制」的建议，相关成果被纳入地方政府「十四五」能源规划。
• 为某煤炭贸易企业设计「库存贬值风险对冲方案」：跟踪港口煤炭库存变化与期货价格走势，采用Delta中性策略，在库存达到100万吨时卖出动力煤期货合约对冲，最终帮助企业规避库存贬值损失约1800万元。

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。

• 因痛心于年轻人对历史的疏离，我在B站创立「古人脱口秀」栏目，用职场梗解构历史事件（如《雍正皇帝的KPI保卫战》）。通过设计「颠覆认知-史料佐证-现代共鸣」三幕剧本模板，单期视频最高收获1.7万条弹幕互动。
• 两年间栏目播放量突破180万，作品被多地中学选为教学素材。这段经历磨砺出将学术内容转化为大众语言的能力，也让我理解到真实用户反馈才是创作者的指南针。