负责财产险及工程险再保险合约的核保评估、风险定价与全生命周期管理，联动直保公司、经纪公司完成风险筛选与合约执行，支撑公司再保业务的风险收益平衡

• 主导某海外基建项目工程险再保合约的核保评估，采用RMS工程险风险模型结合蒙特卡洛模拟，量化地震、洪水及政治风险损失分布；面对项目涉及东南亚某国政治稳定性争议，引入Eurasia Group区域风险评级数据，调整主权信用风险因子至1.25（原基准1.0），最终核保通过1.2亿美元自留额、超赔层3000万美元的合约，预期赔付率锁定78%以内，成为公司当年重点优质再保项目
• 针对传统再保定价模型依赖历史赔付率的局限性，牵头引入XGBoost机器学习算法，整合气象灾害频率、行业景气指数、标的位置GIS数据等12项变量，重构工程险超赔合约定价模型；模型上线后预测偏差从15%降至8%，支撑公司在2024年再保谈判中将同类合约费率提升9%，年度节省再保成本约320万元
• 处理某头部直保公司巨灾超赔合约续转需求，对方要求将台风起赔点从50年一遇降至30年一遇以降低保费；通过分析其近5年台风索赔数据（发现80%索赔来自东南沿海地区），附加“东南沿海区域台风除外责任”条款，并将费率从0.8%上调至1.1%；最终合约成功续转，保费规模增长15%，额外风险通过除外责任实现精准对冲
• 搭建再保业务实时风险监控Dashboard，基于Tableau整合合约条款、月度赔付率、市场风险指数（如S&P全球再保险指数）等数据，设置“单类风险赔付率超阈值85%”“合约起赔点触发率同比上升20%”等5项预警规则；系统上线后风险响应时间从3个工作日缩短至4小时，2025年上半年识别潜在高风险合约4笔，避免未预期赔付约210万元

协助资深核保人完成财产险再保合约的初步评估、数据治理与合规审查，参与再保业务风险调研及定价支持

• 协助完成某城市商业综合体（保障额度5亿元）财产险再保安排，收集标的建筑结构（钢框架-核心筒）、消防系统（自动喷淋+烟感联动）、地理位置（长江流域沿岸）等风险信息，用RMS Property Model进行初步洪水损失模拟，输出“百年一遇洪水可能造成800万元损失”的评估报告，为资深核保人确定“自留4亿元+超赔1亿元”方案提供数据支撑
• 优化再保赔付数据统计流程，用Excel VBA宏自动化整合月度直保端、再保端赔付台账，减少人工核对时间50%；在整理数据时发现“营业中断损失”责任赔付率达18%（高于公司预期12%），撰写《营业中断责任赔付异常分析报告》，推动在后续再保合约中增加“疫情及政策管控除外条款”，次年该责任赔付率降至9%
• 参与公司年度再保险市场调研，收集慕尼黑再、瑞士再等8家主要再保人的工程险费率走势（同比上升5%-8%）及承保偏好（更倾向附加地震除外责任），用SPSS进行“费率涨幅-再保人市场份额”回归分析，预测2021年工程险再保市场费率将整体上行6%，为公司谈判争取到“费率涨幅不超过5%”的条款，节省成本约150万元
• 协助合规审查再保合约，对照《保险公司再保险管理规定》核查“自留额不低于20%”“合约期限不超过3年”等要求，识别出某海外合约“自留额仅15%”及“期限4年”的2项违规点，及时协同法律部修改，避免了监管机构的问询处罚

协助核保团队完成财产险保单初步核保，收集客户风险信息、整理核保资料，参与低复杂度风险评估与分析

• 协助核保团队处理某制造业企业（主营化工原料加工）财产险投保申请，收集生产车间防爆设备清单、危险化学品存储方式、近3年安全检查报告等信息，用公司《财产险风险Checklist》逐一核对，识别出“危化品仓库通风系统老化”风险点，要求企业整改并提交第三方检测报告后才予承保，降低了后续火灾爆炸赔付风险
• 搭建核保资料数据库，用Access设计“客户风险档案表”，包含企业行业类型、风险点、历史赔付记录、核保结论等字段，实现资料一键查询；数据库上线后，核保员查找同类客户风险信息的效率提升60%，减少了重复劳动
• 参与某物流企业货物运输险风险评估，分析其运输路线（途经华南暴雨多发区占比40%）及货物类型（电子设备占比70%），用“风险暴露法”计算暴雨导致的货物损失概率约为12%，建议附加“华南暴雨除外责任”条款或将该路线费率从0.3%提高至0.5%；方案被团队采纳后，该类保单次年赔付率从10%降至5%
• 协助整理再保经纪业务案例库，汇总10笔工程险再保合约的成功/失败因素（如“引入第三方风险数据”提升核保准确性、“未考虑政治风险”导致赔付超支），形成《工程险再保风险案例手册》，成为新人培训的核心资料之一

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。

支教时发现乡村小学因缺乏实验器材，科学课多停留在课本讲解。返校后联合实验室开发出百元级科学实验背包，内含20个基础实验器材。为确保可持续运营，设计配套视频课程与城乡结对系统，并培训132名大学生担任远程助教。项目覆盖9省47所学校后，学生科学兴趣评分提升35%。这段经历教会我用产品思维解决社会问题，当看到孩子们用自制望远镜发现土星光环时，我理解了教育的真谛是点燃可能性。