统筹公司信用风险全流程管理，覆盖债券、非标债权及ABS等资产，主导信用风险计量模型优化、风险缓释策略制定及监管合规落地，确保信用风险敞口可控且符合银保监1104、资管新规等监管要求。

• 主导设计覆盖全资产类别的信用风险计量框架，引入KMV模型与财务困境预测模型（Z-score）融合的PD（违约概率）测算体系，结合非标资产穿透核查数据修正LGD（违约损失率）参数，将模型对历史违约样本的回溯准确率从78%提升至89%，支撑投资端风险定价效率提升30%。
• 针对存量80亿规模的非标债权资产，开发基于OCR+NLP技术的底层资产穿透核查工具，自动匹配资金流向与增信措施，将单项目核查耗时从3个工作日压缩至6小时，年度人工复核成本降低42万元；同步识别出3笔底层资产集中度超标的房地产非标项目，推动提前终止2笔、追加抵押1笔，避免潜在损失约1.2亿元。
• 牵头设计信用风险缓释工具（CRMW、CDS）应用方案，结合客户主体信用评级与市场对冲成本，为持有5亿规模某弱资质城投债的组合定制CRMW对冲策略，将组合实际信用利差波动率从18%压降至9%，年度风险准备金计提减少2100万元。
• 应对银保监现场检查，梳理信用风险管理制度12项，优化监管报送（1104报表、EAST系统）数据口径与校验规则，整改历史数据错报问题27项，检查期间零重大缺陷反馈，助力公司获评年度‘信用风险管理优秀机构’。

负责信用债投资库准入评审、持仓风险监控及内部评级体系优化，重点支持固收+产品信用风险管控，协同研究部完善行业信用分析框架。

• 搭建‘财务指标+舆情因子+行业景气度’双维度信用债入库评分卡（满分100分），将入库债券1年期违约率从1.2%压降至0.6%；其中针对煤炭行业设置的‘产能出清进度’专项指标，成功预警2家高杠杆煤企信用资质恶化，避免入库后3个月内出现估值大幅回撤。
• 优化内部主体评级模型，引入EAD（违约风险暴露）动态测算模块，结合债券剩余期限与交叉违约条款，将资本占用测算误差率从15%降至5%，支撑公司年度风险加权资产（RWA）减少1.8亿元，释放资本用于高收益低风险资产配置。
• 某持仓10亿规模的省级城投债突发商票逾期负面事件后，48小时内完成压力测试（假设区域融资环境收紧30%），测算其对组合最大可能损失（MPL）的影响，提出‘减持50%+追加土地质押’的缓释方案，最终实际损失控制在800万元以内，远低于测试最坏情景的5000万元。
• 主导编制《信用风险季度监测报告》，创新性增加‘区域债务率-债券估值偏离度’联动分析模块，被投资决策委员会采纳为固收产品仓位调整核心参考指标，推动所管组合年度超额收益率提升0.8%。

协助构建债券投资池信用分析体系，执行个券基本面尽调、行业信用数据跟踪及低评级债券风险排查，支持信用债投资策略落地。

• 独立完成200+只信用债入库尽调，建立‘行业周期位置-企业财务弹性-外部支持力度’三维度分析模板，筛选出高评级（AA+及以上）债券占比从65%提升至80%，当年组合信用债持仓平均收益率达5.2%，高于基准指数0.9个百分点。
• 运用蒙特卡洛模拟法对3只持仓低评级（AA）民企债进行违约概率情景测试，发现其中1只纺织制造企业债在‘出口订单下降20%+原材料涨价15%’情景下违约概率超40%，及时提示风险并推动减仓，避免了后续因行业下行导致的本金损失约500万元。
• 协助梳理信用风险监管报送流程，整理《1104报表信用风险部分填报指南》，规范15项核心指标（如不良信用风险资产、拨备覆盖率）的计算逻辑，报送数据一次性通过率从60%提升至100%，获合规部通报表扬。
• 搭建覆盖钢铁、化工、房地产等8大行业的信用数据库，整合企业财务数据、债券二级市场成交偏离度及舆情信息，数据完整度从70%提升至95%，成为团队信用分析的基础工具，年度查询量超5000次。

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。

多资产组合市场风险动态计量与限额体系重构项目

• 远洲资管作为头部净值型资管机构，面临资管新规下产品波动加剧、传统静态风险计量（如日频VaR）无法捕捉极端场景风险的痛点，项目目标是从“静态阈值监控”转向“动态风险感知+前置限额干预”，支撑1200亿元净值型产品线的风险管控需求。我作为项目核心建模负责人，全程主导风险因子库搭建、动态计量模型设计及系统落地。
• 项目难点集中在两点：一是非线性资产（如场外期权、CTA策略）的尾部风险捕捉不足，传统历史模拟法对“肥尾”事件预测偏差达30%；二是跨资产关联性建模滞后，依赖Pearson相关系数的线性假设，无法反映股债汇商市场的非线性传导（如2022年美联储加息周期下美股与商品的联动异化）。
• 针对尾部风险，我牵头引入GARCH-EVT混合模型——先用GARCH捕捉波动聚类，再用极值理论（EVT）拟合尾部分布，将非线性资产的VaR预测准确率从72%提升至89%；针对关联性缺口，搭建基于图神经网络（GNN）的资产关联引擎，整合Bloomberg实时行情与公司内部持仓数据，通过节点嵌入学习资产间的隐含传导关系，替代传统线性相关系数。
• 项目成果：1）动态风险计量体系上线后，极端场景（如2022年11月债市波动、2023年3月美股科技股回调）的预警提前时间从1小时延长至4小时，限额触发准确率提升58%；2）支撑公司修订《净值型产品风险限额管理办法》，将动态VaR、GNN关联度纳入核心限额指标，全年因超限额导致的组合回撤减少8500万元；3）模型被纳入公司风险管理系统（RiskGo平台）的核心模块，成为200余只主动管理产品的标准计量工具。

衍生品交易对手信用风险（CVA）精细化计量项目

• 随着公司利率互换、外汇期权等衍生品名义本金突破300亿元，传统CVA模型仅基于对手方单一信用利差的简化计算，无法覆盖衍生品期限结构、非线性payoff及对手方传染风险，导致风险拨备计提不足（经监管回溯测试发现偏差达25%）。我作为模型开发主力，负责从“单一维度计量”转向“全生命周期精细化计量”。
• 项目核心挑战：一是衍生品合约的“路径依赖”特性（如利率互换的浮动端重置）未被传统模型捕获，导致CVA对久期变化的敏感度低估；二是对手方之间的信用传染风险（如同一行业对手方的违约相关性）被忽略，不符合IFRS 13对“关联信用风险”的披露要求。
• 技术突破上，我采用“简化模型（Reduced Form Model）+期限结构调整”框架：1）针对不同衍生品类型（利率、外汇、权益），构建包含即期利率曲线、信用利差曲线的CVA计算引擎，引入“剩余期限分段加权”因子，修正久期变化的影响；2）用Copula函数刻画对手方信用事件的传染性，将行业集中度风险纳入CVA计量。同时，搭建回测框架，用2018-2020年债券违约数据验证模型准确性。
• 项目成果：1）CVA计量准确率从65%提升至88%，为公司节省信用风险拨备1200万元；2）模型通过监管机构专项检查，成为公司衍生品业务合规计量的核心工具；3）个人因项目贡献晋升为市场风险组组长，后续主导模型的季度迭代，支撑衍生品业务规模两年内增长150%。