负责公司电力、天然气及新能源品种的市场风险全流程管理，涵盖风险识别、量化建模、对冲策略落地及监管合规监控，支撑交易业务的风险可控与收益优化

• 主导设计电力现货市场动态风险对冲策略，基于Python构建“VaR-GARCH模型+中长期基差风险调整”框架，解决过往静态对冲比例导致的偏差问题——针对广东电力现货市场的价格尖峰波动特征，将对冲策略从“周度调整”优化为“实时动态校准”，全年对冲成本降低18%，VaR（95%置信区间）值从1200万元/月降至900万元/月，支撑交易部门实现年化超额收益4.5%
• 核心开发天然气价格波动预警系统，整合LSTM机器学习模型与天气、EIA库存、地缘政治事件数据，实现极端价格波动（单日涨跌幅超10%）的7天提前预警——2024年冬季成功预判欧洲气价传导至国内LNG市场的风险，建议提前锁定10万吨长协气源，规避直接经济损失约320万元，该系统被纳入公司核心风险工具库
• 推动建立能源衍生品交易合规闭环框架，对照CFTC《能源市场监管指引》与发改委《电力衍生品交易管理办法》，梳理“持仓限额、止损线动态调整、关联交易报备”12项关键控制节点，配套开发合规监控仪表盘（用Tableau实现），全年未发生监管违规事件，内部审计风险项从21项降至0项
• 重点优化新能源电站（累计装机容量800MW光伏+300MW风电）的市场风险暴露，采用蒙特卡洛模拟预测未来10年电价波动对项目IRR的影响——针对山东某光伏电站，建议将固定电价PPA占比从60%提升至85%，并嵌入“碳价联动调整条款”（碳价超80元/吨时上浮电价0.02元/kWh），最终项目IRR稳定在8.2%以上，较原方案提升1.5个百分点

聚焦风电、光伏等清洁能源项目的市场风险分析与对冲方案执行，支撑项目投资决策与运营期风险管控，同时负责碳资产风险联动管理

• 独立完成5个风电项目（总装机450MW）的电力市场风险尽调，用历史模拟法计算项目投产后10年的电价风险敞口（覆盖全国8个省份的电力现货试点），结合当地“保障性收购+市场化交易”政策与碳价（CEA）走势，提出“70%长期PPA+20%跨省现货套利+10%碳资产质押”组合策略——帮助项目获得国开行绿色贷款审批，融资成本从4.8%降至4.3%，支撑项目IRR达到7.9%
• 主导搭建公司首个能源风险数据库，整合全国15个省份的电力现货价格、新能源出力数据、碳配额成交数据，用SQL编写自动化更新脚本，配套Tableau可视化看板（含“价格波动率、敞口覆盖率、碳价相关性”等指标）——将投资团队的风险数据查询时间从2天缩短至2小时，决策效率提升30%
• 参与某西北光伏电站的碳资产风险管理，分析碳价（从70元/吨跌至45元/吨）对项目额外收益的影响，建议在碳价峰值区间卖出50%的CCER配额（约2万吨），锁定收益120万元，避免了后续碳价下跌导致的80万元损失；同时推动项目公司与电网公司签订“碳收益共享协议”，将剩余碳资产与电费结算挂钩，提升项目综合收益稳定性
• 协助优化能源交易团队风险考核机制，将单一“利润提成”替换为“风险调整后收益（RAROC）+合规评分”双指标体系——团队年度超额收益的波动率从15%降至8%，合规投诉率从12%降至0，该机制被公司推广至所有交易条线

协助资深风险管理经理完成能源市场数据收集、基础风险分析及项目初步风险评估，支撑能源交易与投资业务的前端风险筛查

• 负责全国31个省份电力中长期交易价格、天然气门站价、可再生能源补贴政策的自动化数据采集——用Python编写Scrapy爬虫脚本，对接国家能源局、各省发改委官网及第三方数据平台，数据准确率从92%提升至99%，每月人工整理时间从10天缩短至6天，支撑风险模型的实时迭代
• 辅助完成3个风电项目的初步市场风险分析，用敏感性分析法评估“电价下跌10%、风机出力下降5%、补贴延迟6个月”三种场景对项目IRR的影响（分别导致IRR下降2.1、1.8、1.2个百分点），形成《风电项目市场风险筛查报告》——为项目立项提供数据支撑，其中1个项目因风险可控快速通过评审
• 参与搭建公司首套能源风险指标体系，定义“价格波动率（月度）、敞口占比（对冲后）、对冲有效性（套保比率）”8个核心指标，编写指标计算逻辑与监控阈值（如波动率超15%触发预警）——该体系成为公司后续风险监控的基础框架，沿用至今
• 协助完成2个光伏项目的监管合规检查，对照国家能源局《可再生能源发电项目风险管理指引》，梳理出“PPA合约期限与电站运营期不匹配（短3年）、碳资产登记缺失（未在CEA系统备案）”等3项潜在风险点——提出“延长合约期限+补录碳资产信息”整改建议，帮助项目顺利通过监管部门现场检查

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。