统筹全行公司信贷与零售信贷信用风险全流程管理，涵盖授信政策制定、风险计量模型优化、贷后风险监测及重大信用风险事件处置，推动信用风险管理体系向精细化、前瞻化升级。

• 主导设计小微贷款信用风险计量体系，基于50万+历史违约样本，融合逻辑回归与随机森林算法优化PD（违约概率）模型，引入行业景气度指数、供应链核心企业信用评级等6个外部变量，模型KS值从0.62提升至0.71，前瞻性识别高风险客群准确率提高18%；支撑信贷准入政策调整后，半年内小微贷款不良率从3.2%降至2.5%，超额完成年度资产质量目标。
• 核心优化零售信用卡风险预警机制，搭建“行为评分+押品动态监控+外部舆情”三维监测框架，通过Python开发自动化预警脚本（日均处理10万+交易流水数据），将风险信号发现时效从T+3缩短至T+1；配合贷后团队提前介入催收，当年信用卡逾期90天以上贷款占比下降0.8个百分点至1.2%，监管通报的“贷后管理不到位”问题减少70%。
• 推动房地产行业授信集中度风险管控，牵头完成全行房地产对公贷款客户压力测试（覆盖CCF（违约损失率）、房价下跌30%等6类情景），运用蒙特卡洛模拟测算潜在损失敞口达12亿元；提出“区域限额（单省占比不超8%）+项目资本金穿透核查”管控方案，促使房地产贷款占比从28%压降至24%，单一客户授信集中度超标问题100%整改。
• 牵头处置某制造业集团5亿元授信风险事件，协调法律、投行团队设计“债转股+应收账款质押重组”方案，成功回收3.2亿元；推动修订《集团客户授信管理办法》，新增“关联交易穿透核查（穿透至3级子公司）”“交叉违约条款（关联企业负债超阈值即预警）”等12项管控要求，同类风险事件次年发生率下降65%。

负责信用债、非标债权等资产的信用风险评估与定价，支持投资决策，参与信用风险限额政策制定及投后风险监测。

• 独立完成200+城投债及产业债主体信用评级，构建“财务健康度（含EBITDA利息保障倍数、流动比率）+区域财政韧性（一般公共预算收入/政府性基金收入）+政策导向（隐性债务化解进度）”三维评估模型，评级结果与外部评级机构一致性达89%；提前6个月预警某地级市平台债隐性债务风险，推动调整持仓比例从5%降至1%，避免潜在损失约2000万元。
• 核心参与资管产品信用风险限额管理，设计“行业集中度（单一行业持仓不超15%）+主体评级分布（AA+及以上占比不低于70%）+杠杆率（总资产/净资产≤140%）”三维度管控指标，通过SQL搭建实时监测看板，当某行业持仓接近红线时自动触发预警；全年拦截超限额投资指令12笔（涉及规模3.8亿元），保障产品信用风险指标持续优于监管要求。
• 优化非标资产风险定价模型，引入“增信措施有效性系数”（含抵押率、保证人代偿能力评分等8个子项），结合现金流测算与压力测试（模拟融资方收入下降20%情景），将风险溢价测算准确率从75%提升至88%；支撑投资团队在保持6%年化收益的同时，将非标资产预期损失率从1.2%压降至0.9%，获年度“最佳风险定价贡献奖”。

协助完成信用债投资前尽职调查、风险分析及信用风险数据库维护，支持信用债库构建与投资决策参考。

• 协助完成30+只信用债发行主体尽调，独立通过Wind、企业征信系统及实地走访收集财务报表、行业政策、涉诉信息等数据，交叉验证关键指标（如应收账款周转率、或有负债规模），输出尽调报告准确率100%；其中2次发现隐藏的关联方担保风险（未在募集说明书中披露），为投资决策提供关键风险提示，避免潜在代偿损失。
• 负责信用风险数据库维护，整理近5年120+例违约债券案例，按行业（城投/地产/民企）、违约原因（财务恶化/治理缺陷/外部冲击）分类标注，构建违约因子标签体系（含21项子指标）；数据库查询效率提升40%，成为团队信用风险研究的基础工具，支撑后续违约概率模型开发。
• 参与开发信用利差分析工具，使用Excel VBA自动化计算不同评级（AAA/AA+/AA）、期限（1Y/3Y/5Y）债券的信用利差，对比中债估值基准生成利差偏离度报告；当年团队通过该工具捕捉到5只被低估的AA+城投债（利差偏离度超20BP），平均持仓收益率高出基准0.5个百分点，获部门“创新贡献奖”。

• 大二观察到毕业生离校时大量教材被废弃，而新生购书支出占生活费12%，便发起校园书籍教材循环计划。为解决传统二手书交易效率低的问题，我们开发微信小程序实现扫码估价、预约取件功能，并说服快递中心以成本价承接物流。
• 通过建立翻新消毒标准打消卫生顾虑，项目年流通教材1.2万册，累计为同学节省书费38万元。这段经历让我从商业小白成长为能设计闭环模式的实践者，项目不仅获省级创业金奖，更被纳入学校官方服务体系延续至今。

全资产类别市场风险计量体系ES升级项目

• 2022年资管新规配套细则强制要求资管机构将预期尾部损失（ES）纳入市场风险核心计量，替代传统VaR；同期公司权益、固收、衍生品等多资产持仓同比增长40%，现有体系仅覆盖VaR且无法整合跨资产数据。我的核心职责是牵头完成全资产ES计量体系重构，支撑监管合规与业务头寸决策。
• 项目面临三重挑战：存量系统无ES计算模块，高维衍生品（如奇异期权）压力场景生成效率低；权益衍生品历史数据颗粒度不足，无法满足ES“厚尾”计算要求；业务部门对ES的“前瞻性风险”认知偏差，抵触计量结果约束头寸。
• 我主导两大突破：一是重构计量引擎，引入QuantLib开源库+自主GARCH-EVT极值模型，解决高维衍生品压力场景的快速生成与并行计算；二是搭建多资产数据中台，整合行情、评级、交易及外部舆情数据，实现跨源数据的实时关联与标签化。同时通过“2020年疫情极端场景回溯”验证ES价值，推动业务将ES阈值纳入限额体系。
• 项目将ES覆盖从30%权益资产扩展至100%全资产，计量时效从T+1缩至实时；监管报送零差错，助力公司获评“市场风险管控优秀机构”；业务通过ES调整头寸，极端场景潜在损失从1.2亿降至0.5亿，同比下降58%，直接提升风险抵御能力。

信用债组合市场-信用风险联动管理模型构建项目

• 2020年公司信用债持仓50亿（占总债仓60%），因市场风险未联动信用风险（PD、信用利差），利率上行叠加利差扩大导致1.5亿浮亏。我从信用债计量模块切入，主导构建“市场-信用”双风险联动体系。
• 难点在于：信用与市场因子非线性关联难建模、跨部门数据壁垒、预警误报率高（40%）。需解决统计框架缺失与数据协同问题。
• 我的行动：1）用Copula函数拟合PD、信用利差与利率、通胀率的联合分布，解决非线性关联；2）推动跨部门数据共享，整合信用研究评级、财务指标、交易数据，形成“信用-市场”联合库；3）用随机森林优化预警指标，筛选“利差变动率+利率敏感性缺口”，误报率降至15%。
• 成果：建成行业首个信用债双风险联动模型，覆盖度100%；组合夏普比率从0.8升至0.96（+20%）；预警提前3个月识别某地产债利差异常，推动减持5亿，避免8000万损失。项目填补了公司信用债风险联动空白，为多资产整合奠定基础。