负责亚太区财产险及工程险分入业务的全生命周期核保管理，覆盖风险评估、定价模型迭代、再保合同条款审核及再保伙伴准入，联动前端业务团队与后端精算/风控部门，实现风险敞口可控下的再保收益最大化

• 主导新加坡某跨三国土建工程超赔再保分入核保，面对项目涉及的政治风险（目标国大选不确定性）、自然灾害风险（季风区洪水隐患）叠加问题，运用蒙特卡洛模拟量化极端情景下的赔付压力，引入第三方区域风险顾问补充国别政治风险评级，最终调整“绝对免赔额+分层赔付限额”结构（将1000万美金免赔额拆分为“500万基础免赔+后续每层递增20%”），核保通过该项目并实现800万美金分入保费，风险分散度较初始方案提升25%，成为公司亚太工程险标杆案例
• 针对传统工程险定价模型未充分考虑气候风险的痛点，基于10年亚太区台风、地震历史赔付数据，采用GLM广义线性模型嵌入“年平均降雨量偏离度”“地震带活跃系数”等气候因子，优化后的模型预测准确率从78%提升至89%，支撑12个东南亚基建项目精准定价，推动此类项目整体赔付率下降11%
• 审核某香港巨灾超赔再保合同时，识别出“近因原则”适用模糊条款（未明确“疫情导致供应链中断引发工程延误”的赔付责任），通过引用香港保险业监管局《巨灾保险合同指引》第17条，将触发条件限定为“直接因自然灾害导致的工程物质损失”，避免了后续可能的200万美金争议赔付
• 搭建再保伙伴综合评级体系，运用层次分析法（AHP）从“信用评级（占40%）、偿付能力充足率（占30%）、巨灾赔付响应时效（占20%）、区域服务覆盖度（占10%）”四个维度量化评分，筛选出Top5亚太区再保合作方，合作项目年度续保率从65%提升至82%，再保成本平均下降7%

协助资深核保人开展财产险及意外险分入业务的核保支持，覆盖风险评估数据整理、定价模型测试、合同条款备案及争议协调，积累再保业务全流程实操经验

• 协助完成上海某商业综合体火灾险再保分入核保，收集该综合体近5年消防设施检测报告、周边3公里内火灾赔付历史数据，用Excel做相关性分析发现“电气线路老化故障占比35%”，向业务团队提出“增加电气系统专项免责条款+要求企业半年内完成线路改造”的建议，被采纳后该项目后续2年赔付率下降8%，成为分公司财产险核保参考模板
• 参与精算部门“巨灾风险定价模型”测试，负责整理中国东部沿海10省2015-2022年台风赔付数据（包括风速、降雨量、受灾面积等12个变量），输入R语言构建的GLM模型中，验证了模型在不同风速区间（12-15级、16级以上）的赔付预测稳定性，为后续工程险台风超赔定价提供了关键数据支撑
• 搭建再保合同电子台账，用VLOOKUP函数关联“合同编号-再保公司-关键条款（免赔额/赔付比例/责任起始日）”，实现合同关键信息秒级检索，团队查找合同的时间从平均15分钟缩短至3分钟，避免了因条款查找不及时导致的2起合同履约延迟问题
• 协调处理某广东车险再保项目争议：再保公司提出“部分车辆行驶区域超出合同约定范围”拒赔，调阅原始核保资料发现是业务团队录入时误将“广东省内”写成“华南地区”，协助与再保公司协商签署补充协议明确区域范围，减少公司50万人民币损失

参与财产险、工程险的基础核保工作，负责风险初筛、数据收集及简单合同审核，掌握保险核心原则与基础风险评估逻辑

• 负责15家中小制造企业财产险核保，用公司《财产险风险评估表》逐一核查厂房消防设施（是否配备自动喷淋系统）、存货存储方式（易燃品占比）等指标，识别出3家企业仓库消防栓失效问题，要求整改后才同意承保，后续这3家企业均未发生火灾赔付，初筛准确率达到92%
• 协助审核20份意外险再保分入合同，对比不同再保公司的“意外医疗免赔额”（50元vs100元）、“伤残赔付比例”（80%vs70%）等条款，建议优先选择免赔额更低、赔付比例更高的再保公司，为公司节省15%的再保成本（约30万人民币）
• 整理100+份核保资料，按“险种-客户行业-年份”分类建立纸质+电子档案，设计“资料索引卡”标注关键信息（如“某工程险项目的地质勘探报告在第3柜第5层”），团队查询资料效率提升40%
• 参加公司内部“财产保险核保基础”培训，系统学习近因原则、损失补偿原则等核心理论，通过保险行业协会组织的“初级核保师”资格考试，夯实了核保底层逻辑

车险与非车险融合定价模型迭代及规模化落地项目

• 车险综改后行业同质化竞争加剧，公司非车险占比从28%提升至41%但交叉销售转化率仅7.3%，传统车险、非车险定价模型割裂，导致组合产品赔付率较单一产品高9.6个百分点，核心目标是构建跨险种风险关联的融合定价模型，实现“车+非车”组合产品的精准定价与规模化落地。
• 项目面临三大难点：一是车险（UBI驾驶行为）与非车险（企财险区域洪水风险、家财险家庭财产类型）的风险因子关联性弱，传统GLM模型无法捕捉交叉风险；二是内外部数据维度割裂，缺乏统一的“交叉风险特征”标签；三是业务部门对模型准确性存疑，此前类似模型曾因偏差12%导致定价失误。
• 主导模型设计时，创新性融合机器学习与贝叶斯方法：1）用XGBoost整合车险UBI的“急刹车频率”“日均里程”与非车险的“企业所在区域历史洪水频率”“家庭财产中贵重物品占比”等12个因子，构建“交叉风险指数”作为核心预测变量；2）引入贝叶斯网络量化模型不确定性，输出“定价置信区间”辅助业务决策；3）整合公司5年车险/非车险理赔数据及外部高德地图区域风险评分、气象局历史灾害数据，完成特征工程。
• 项目上线后，交叉销售组合产品赔付率较传统定价下降8.2个百分点，转化率提升至15%；覆盖12个省份的“车险+企财险”“车险+家财险”组合，年新增保费2.3亿元；模型被纳入公司《财产险定价管理手册》，成为跨险种融合定价的标准工具，我个人也因此获评当年公司“精算领域突出贡献者”。

农险巨灾风险累积测算系统搭建及应用项目

• 公司农险业务3年复合增长45%，但巨灾风险（洪水、干旱）累积测算依赖手工Excel模型，存在参数校准滞后、空间相关性分析缺失等问题，无法满足银保监会“巨灾风险准备金动态计提”的监管要求，项目目标是搭建自动化巨灾风险累积系统，实现风险量化与准备金计算的线上化。
• 核心难点在于：1）农险标的分散（覆盖全省87个县域的农作物、牲畜），巨灾风险的空间依赖性难以量化；2）部分县域历史灾害数据缺失（如近10年某县干旱损失数据不全），传统极值理论（EVT）模型无法准确拟合损失分布；3）系统需对接核心业务系统，对数据实时性要求高。
• 牵头解决关键问题：1）用GIS技术整合县域农作物种植面积、地形地貌、气象站数据，构建“空间风险热力图”，量化不同区域的巨灾风险相关性；2）引入卫星遥感MODIS植被指数补充历史产量数据，结合蒙特卡洛模拟优化EVT参数，解决数据缺失问题；3）带领技术团队用Python开发核心模拟模块，搭建“数据层-模型层-应用层”三层架构系统，实现风险累积结果实时更新。
• 系统上线后，巨灾风险累积测算时间从每周5天缩短至1小时，测算准确性提升20%；支撑公司完成农险巨灾准备金计提1.2亿元，符合监管要求；再保安排成本降低12%（因模型精准识别高风险区域，调整了再保分摊比例）；项目获公司“年度创新项目一等奖”，相关方法论被推广至寿险农险板块。

• 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。