负责1000万+资产规模的高净值客户资产配置全周期服务，涵盖需求深度挖掘、跨市场多产品策略制定、组合动态调仓及客户关系粘性提升，工作边界聚焦于客户需求翻译、策略落地执行与长期价值陪伴。

• 主导设计「客户风险-收益双维度画像」工具，基于KYC问卷、交易行为数据及家庭生命周期理论（Family Life Cycle Theory），结合Python爬取客户公开持仓波动数据，将300+客户风险承受能力误差率从15%压缩至5%，支撑定制化配置方案采纳率提升40%。
• 针对权益市场波动加剧痛点，构建「宏观因子-行业景气度-产品适配」三层策略框架：运用美林时钟修正模型锚定股债性价比，通过Wind终端跟踪中观行业库存周期，筛选出新能源、半导体ETF作为进攻端（占比60%），搭配红利低波基金作为防御端（占比40%），管理的5000万示范组合年度最大回撤控制在8%以内，超额收益达12%（同期沪深300下跌5%）。
• 攻克高客「策略理解鸿沟」问题，开发「配置逻辑可视化手册」：将风险平价模型（Risk Parity）、Black-Litterman模型参数转化为客户可理解的「进攻/防御比例」「市场情绪温度计」等具象指标，配合季度「策略复盘会」现场演示组合再平衡过程，客户留存率从78%提升至91%，转介绍新客贡献年度新增AUM的35%。
• 牵头搭建「产品穿透式尽调」流程，运用晨星（Morningstar）评级、管理人尽调问卷（DDQ）及ESG筛选框架，剔除2只底层资产集中度超标的私募产品，规避潜在流动性风险；同步引入雪球结构、CTA策略等另类资产，客户组合夏普比率从1.2提升至1.6。

衔接银行私行与券商投研资源，为50-3000万资产零售客户提供标准化配置服务，同时挖掘机构客户（如企业主家族办公室）的综合金融需求，核心职责是跨部门资源整合与策略标准化输出。

• 优化「标准化配置SOP」：基于中证800指数估值分位、股债利差等指标设定动态仓位阈值，当沪深300 ERP>8%时提升权益仓位至70%（原60%），反之降至50%；配套设计「季度调仓提醒」功能嵌入公司CRM系统，推动零售客户调仓及时率从65%提升至88%，对应组合平均收益跑赢业绩比较基准2.3个百分点。
• 针对企业主客户「公私联动」需求，设计「企业资金增值+个人财富传承」综合方案：联动公司托管部为企业闲置资金定制T+0货币基金池（年化收益2.8% vs 活期0.3%），同步为客户个人配置大额存单质押融资+增额终身寿，实现单客户年综合收益贡献从15万提升至42万，成功转化8家中小企业主成为私行客户。
• 搭建「客户需求响应看板」，运用Tableau可视化客户咨询高频词（如「养老」「教育金」占比62%），驱动投研部开发「目标日期型FOF」产品池，3个月内落地2只养老目标基金，带动相关产品销售规模达1.2亿，占部门当月新增AUM的28%。

辅助资深顾问完成客户需求分析、产品库维护及基础策略研究，核心职责是建立市场敏感度与客户需求翻译能力，为进阶投资顾问储备专业能力。

• 独立负责「公募基金标签体系」搭建：从投资风格（价值/成长）、收益来源（行业贝塔/个股阿尔法）、风险特征（最大回撤/波动率）三维度打标，覆盖全市场2000+只基金，标签准确率经资深顾问校验达92%，成为部门配置决策的基础工具，后续被纳入公司投研系统。
• 跟踪宏观政策与市场情绪，每周输出「大类资产配置周报」：通过国债收益率曲线陡峭化程度判断经济预期，结合两融余额变化捕捉风险偏好，2019年Q3准确预判「利率上行+权益占优」窗口，建议增配偏股混合基金，推动部门相关产品销量环比增长50%。
• 参与设计「客户需求分级响应机制」：将客户咨询分为「产品查询」「策略疑问」「投诉建议」三类，匹配「智能客服+投资顾问+主管」三级响应，平均处理时长从24小时缩短至8小时，客户满意度评分（NPS）从65提升至82。

机构客户高频交易成本管控与全资产策略迭代项目

• 项目背景：随着机构客户高频交易占比提升至公司经纪业务的35%，传统交易成本核算模型仅覆盖买卖价差的局限性凸显——客户实际冲击成本偏差率达22%，导致高净值客户流失率同比上升8%。项目目标是通过构建精准成本预测体系与跨资产策略框架，将客户高频交易成本降低15%以上，同时提升机构客户交易活跃度。
• 关键难题：一是传统模型未纳入“订单流毒性”与“日内流动性分层”变量，对大额订单的滑点预测误差超10%；二是不同资产类别（股票、债券、ETF期权）的交易逻辑差异大，无法用统一策略覆盖。解决方法：引入机器学习中的LSTM神经网络捕捉短期订单流毒性变化，结合彭博的LIFFE流动性指数构建分层修正因子；同时基于Amihud非流动性指标为不同资产定制成本权重系数。
• 核心行动：1）牵头整合近2年的机构交易明细（涵盖1200+账户、800万+笔订单），清洗并标注“订单流毒性”“流动性层级”等23个特征变量；2）搭建“特征工程-模型训练-回溯测试”闭环系统，将成本预测准确率从71%提升至89%；3）设计“资产适配型策略引擎”，针对股票类订单采用“动态拆单+流动性探测”算法，针对ETF期权采用“ Greeks风险对冲+波动率曲面拟合”策略。
• 项目成果：客户高频交易平均冲击成本从0.15%降至0.08%（超额完成目标47%），季度机构客户交易频次提升22%，带动佣金收入增加1800万元；模型已嵌入公司交易终端，覆盖股票、债券、期权三类资产，成为机构客户的“默认成本管控工具”。我个人主导了模型的需求调研、算法选型与落地推广，输出了《机构高频交易成本管理手册》，成为公司经纪业务的标准化培训材料。

跨境ETF流动性提升与做市风险对冲项目

• 项目背景：公司承做的3只跨境ETF（跟踪纳斯达克100、日经225、恒生科技指数）因境内外市场交易时间差与外汇波动，流动性长期低迷——日均成交量不足5000万元，买卖价差达0.3%，做市商报价亏损率超10%。项目目标是提升ETF流动性至日均1.5亿元以上，将做市亏损率控制在5%以内。
• 关键难题：一是跨境ETF的基础资产（境外指数）与境内交易时段存在4-6小时重叠缺失，传统做市策略无法应对“开盘跳空”与“收盘流动性枯竭”问题；二是外汇对冲成本高，对冲比例难以平衡风险与收益。解决方法：利用GARCH模型预测境外指数的隔夜波动率，提前调整开盘报价的“风险溢价”；引入外汇远期合约对冲美元/日元/港币的汇率风险，动态优化对冲比例。
• 核心行动：1）搭建“跨市场流动性监测系统”，实时抓取纳斯达克、日经225、恒生指数的盘前期货数据与新闻事件，生成“开盘流动性预警信号”；2）设计“时段适配型做市策略”——开盘前15分钟采用“低报价频率+宽价差”规避跳空风险，盘中高峰时段采用“高频报价+窄价差”提升流动性，收盘前30分钟用“算法对冲”锁定利润；3）通过Wind接口获取实时外汇数据，搭建对冲成本优化模型，将对冲费用从做市收入的15%降至7%。
• 项目成果：3只跨境ETF日均成交量提升至2.1亿元（超目标40%），买卖价差收窄至0.15%，做市亏损率从12%降至3.8%；做市收入季度环比增长25%，占公司跨境业务收入的比重从18%提升至32%。该项目的策略框架被推广至公司其他跨境产品，我也因此晋升为“跨境交易策略组组长”，负责统筹股票、ETF的跨境做市业务。

• 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。