聚焦可投资产500万以下零售客户，负责客户需求挖掘、基础资产配置方案设计及全周期跟踪，目标为提升客户AUM（资产管理规模）与留存率

• 运用KYC（了解你的客户）标准化流程结合风险测评工具（如RQFII改良版问卷），完成200+客户画像建模，精准识别60%客户的‘稳健增值’核心诉求，针对性推荐‘股债6:4’经典组合，首年客户平均持仓偏离度控制在7%以内
• 依托Wind终端构建产品筛选池，设置夏普比率＞1.2、最大回撤＜10%的量化门槛，完成30只公募/券商资管产品尽调，输出包含底层资产穿透、费率对比的推荐报告，推动其中15只产品纳入客户配置，带动管户AUM季度环比增长18%
• 发现客户对‘持仓透明性’需求突出后，自主用Excel VBA搭建动态监控模板，设置净值波动、行业集中度等5项预警指标，每月生成可视化持仓报告，客户咨询响应效率提升40%，季度客户满意度从82%升至89%
• 参与公司‘新客转化训练营’，设计‘家庭生命周期与资产配置’主题沙龙，结合生命周期理论讲解教育金、养老金储备场景，3个月内触达潜在客户120组，转化有效户45人，贡献新增AUM 3200万

负责可投资产3000万以上高净值客户及3家机构客户的深度服务，主导复杂资产配置方案设计，推动跨周期风险对冲与收益增强

• 针对高客‘财富传承+抗通胀’双重需求，创新设计‘核心+卫星’策略：核心层配置20%红利低波ETF+30%保险金信托，卫星层通过CTA策略私募基金捕捉商品周期机会，管理8位高客组合年度年化波动率8.2%（低于市场均值10%），超额收益13.5%
• 对接某城商行私行部，主导定制‘固收+打新’FOF产品，通过Bloomberg获取底层债券持仓、打新询价数据，运用蒙特卡洛模拟测算不同利率情景下的收益分布，完成压力测试报告，最终促成银行签约代销，引入资金5000万，产品成立6个月超额收益达6.8%
• 搭建客户分层标签体系，用Python爬取客户交互数据（如咨询频率、关注资产类别），划分‘保守型’‘平衡型’‘进取型’三类客群，定向推送宏观政策解读、行业轮动观点，客户内容打开率从35%提升至62%，留存率稳定在92%以上
• 处理2起高客投诉（因权益仓位过高导致季度回撤-15%），通过归因分析定位行业集中度风险，重新平衡组合至消费/科技均衡配置，2个月后组合回撤收窄至-7%，同步优化客户沟通话术，投诉客户复购新产品金额超原持仓的40%

统筹10人投资顾问团队，制定区域客户服务标准，推动高客AUM规模突破20亿，同时强化团队专业能力与合规意识

• 编制《高净值客户资产配置SOP》，细化‘需求诊断-方案定制-动态调仓-绩效复盘’四阶段操作指南，配套风险收益测算模板与合规话术库，团队人均管户AUM从1.8亿提升至2.5亿，客户投诉率下降60%
• 引入‘宏观-中观-微观’联动分析框架，联动公司研究部搭建月度策略会机制，输出包含股债性价比、行业景气度、个股Alpha预测的报告，团队推荐产品持有期平均收益率11.2%（超市场基准2.5个百分点），客户跟投率提升至75%
• 设计‘投资顾问能力矩阵’，涵盖资产配置理论、量化工具应用、客户心理洞察3大维度，组织内部工作坊20场，团队考取CFP/AFP证书人数占比从50%提升至80%，2名成员晋升为团队主管
• 试点‘智能投顾+人工顾问’双轨服务模式，接入公司AI资产配置系统输出基础方案，人工顾问重点优化客户个性化需求（如ESG偏好、税务规划），服务效率提升30%，高客签约率较纯人工模式提高22%

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。

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。