统筹全公司操作风险治理体系运行，对接银保监会、证监会等监管机构要求，推动操作风险管控机制迭代、跨部门风险协同及风险文化建设，确保操作风险水平匹配公司业务发展规模。

• 主导应对2025年银保监会“操作风险防控专项检查”，牵头梳理全公司12个业务条线的操作风险管理制度与执行情况，针对监管关注的“关键岗位轮岗覆盖率”“信息系统权限审批漏洞”等4项问题，设计“轮岗计划智能提醒系统”与“权限分级审批流”，推动1个月内完成全部整改，获监管出具的“无重大缺陷”结论。
• 推动操作风险量化管理体系落地，基于《商业银行操作风险监管资本计量指引》适配资管业务场景，构建“损失分布法+情景分析”双模型，整合近3年公司经纪、资管、投研三大条线的216条操作风险损失数据，将操作风险资本计提精度从±15%提升至±8%，为公司节省年度监管资本占用约1200万元。
• 搭建分层分类的风险文化培训体系，针对高管层、中层管理者、基层员工设计差异化课程——高管层聚焦“操作风险与战略协同”，中层聚焦“跨部门风险协同机制”，基层聚焦“日常操作风险识别”，全年组织24场培训覆盖876人次，员工操作风险认知测试通过率从72%提升至95%，年度操作失误投诉量下降41%。
• 主导优化操作风险报告机制，将原“月度汇总报告”升级为“实时+专题”双轨制：通过对接财务系统、OA系统提取关键风险指标（KRI）实时数据，每周向管理层推送“操作风险热力图”；针对“资管产品清算延迟”“客户资料录入错误”等高频场景，形成6份专题分析报告，推动业务部门优化流程11项，相关风险事件发生率降低37%。

主导资管条线操作风险管控体系迭代，推动风险识别、评估、控制全流程标准化，协同IT、业务部门解决跨系统风险数据孤岛问题，支撑资管业务规模从800亿元扩张至1500亿元期间的风险可控。

• 重构资管业务流程风险与控制自我评估（RCSA）体系，针对“产品发行-投资交易-估值核算-客户服务”四大核心流程，引入流程挖掘工具Celonis分析2022-2023年的操作日志，识别出“产品备案材料重复提交”“交易指令双人复核漏签”等7项低效控制节点，优化后将单只产品发行周期从14天缩短至9天，操作失误率下降28%。
• 推动操作风险预警系统落地，整合KRI库中“员工异常交易频次”“系统登录失败次数”“客户投诉增长率”等18项指标，用Python开发实时监控看板与阈值触发机制，全年预警高风险事件36起，其中“某交易员超权限下单”事件提前2小时拦截，避免直接经济损失约500万元。
• 解决跨部门风险数据协同问题，协调IT部门打通资管业务系统（OMS）、财务系统（SAP）、人力资源系统（HRIS）的数据接口，建立操作风险损失数据库，收录2018年以来的132条损失数据，涵盖“内部欺诈”“外部欺诈”“流程缺陷”等6类风险事件，为后续风险计量提供数据基础。
• 主导编制《资管业务操作风险手册》，梳理12个关键岗位的风险职责、23项高风险操作的管控要点及15套应急处置流程，覆盖“债券交易错单”“产品赎回挤兑”等典型场景，全年新员工操作风险培训时间从3天缩短至1天，岗位胜任度提升至92%。

协助设计期货经纪业务操作风险管控框架，执行日常风险识别、评估及整改跟进，支撑期货经纪业务合规运行及客户投诉率下降。

• 参与期货交易结算流程的RCSA评估，针对“客户保证金账户核对”“交割单打印与归档”等环节，识别出“人工核对易遗漏”“归档不及时导致纠纷”2项高风险点，提出“系统自动对账+电子归档”方案，推动IT部门开发功能模块，实施后客户因结算问题投诉量下降53%。
• 用SQL分析2019-2021年的操作失误数据，定位“客户资料录入错误”“交易指令传输延迟”为高频风险点，对应设计“资料录入校验规则”（如身份证号格式自动校验）与“指令传输超时预警”机制，全年操作失误导致的客户索赔金额从18万元降至3万元。
• 跟进12项监管整改要求（包括证监会“期货公司内部控制指引”专项检查反馈），制定“整改任务清单+责任人和时间节点”标准化模板，推动业务部门在2个月内完成全部整改，整改完成率100%，助力公司年度监管评级从“BBB”提升至“A”。
• 协助建立操作风险培训库，收集期货业协会发布的典型案例（如“某期货公司员工挪用客户资金案”），制作15个短视频培训素材，覆盖“反洗钱操作”“客户身份识别”等场景，全年组织培训18场覆盖320人次，员工合规考试通过率从81%提升至94%。

多资产组合市场风险计量体系升级项目

• 项目背景：公司存量FOF/MOM产品规模突破80亿元，但原有市场风险计量体系仅覆盖单资产VaR，无法识别跨权益、信用债、商品衍生品的组合集中度风险与尾部联动风险；核心目标是将体系升级为“单资产-组合-场景”三维计量的全流程框架，支撑产品风险限额动态调整。我在项目中担任模型设计主导人，统筹跨部门资源推进落地。
• 关键难题：一是跨资产相关性估计偏差大（原Pearson相关系数未考虑非线性依赖），导致组合VaR低估15%-20%；二是尾部风险测度滞后，无法捕捉“黑天鹅”事件下的极端损失；三是数据分散在交易、估值、风控三大系统，整合效率低。
• 核心行动：1. 用Clayton-Copula函数重构多资产相关性模型，纳入GARCH-EVT混合分布拟合边缘分布，解决非线性依赖问题；2. 引入历史模拟法的极值扩展版（HS-EVT），将尾部损失置信水平从95%提升至99.5%；3. 推动搭建统一风险数据集市，整合12类资产的交易、持仓、估值数据，实现每日早8点前输出组合风险报告。
• 项目成果：升级后的体系将组合VaR预测准确率从72%提升至91%，支撑风险部对3只FOF产品调整权益衍生品限额（压缩20%），避免了一次因大宗商品暴跌引发的500万元潜在损失；该体系被纳入公司《多资产产品风险管理办法》，成为后续同类产品的标准计量框架。

权益类衍生品市场风险实时监控系统搭建项目

• 项目背景：公司权益类结构化产品（含雪球、香草期权）规模快速增长至30亿元，但原有风险监控系统为T+1批量处理，无法实时捕捉高频交易中的希腊字母（Delta、Gamma）突变风险；目标是搭建实时监控系统，实现衍生品持仓风险的秒级预警。我从模型开发到系统落地全程参与，后期负责核心模块设计。
• 关键难题：一是高频交易数据（每秒100条以上）的低延迟处理，原有MySQL数据库无法支撑；二是衍生品实时定价模型的计算效率低（单只产品计算耗时2秒，无法满足实时要求）；三是风险预警规则过于笼统，误报率达40%。
• 核心行动：1. 采用Python的Pandas+Numba编译优化定价模型，将单产品计算耗时压缩至50毫秒；2. 引入Redis做实时数据缓存，对接交易系统的Kafka消息队列，实现持仓数据秒级更新；3. 基于历史回测数据优化预警规则（如将Delta阈值从±0.5调整为±0.3，增加Gamma突变率指标），将误报率降至10%以内。
• 项目成果：系统上线后将监控延迟从4小时缩短至15分钟，成功捕捉到2021年9月美股暴跌行情中2只雪球产品的Delta超限风险（提前1小时触发预警），推动交易员平仓止损，避免了约800万元名义本金的损失；系统后来推广至公司固收+产品线的利率衍生品监控，成为市场风险团队的核心工具之一。

• 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。