全面负责公司多资产组合（债券、非标、REITs）信用风险战略管理，主导信用风险政策制定与工具创新，搭建跨部门协同机制，支撑业务扩张同时将风险损失率控制在行业前20%分位

• 制定《2025-2027信用风险战略规划》，明确“控地产、稳城投、拓绿债”方向，设定“房地产非标占比≤8%”“绿色债券持仓年增速≥20%”等量化目标，推动业务部门调整资产结构，半年内房地产非标规模下降4pct，绿色债券持仓增长25%，获管理层“战略前瞻性强”批示
• 主导开发信用风险智能监控平台，集成中债登、万得、企业征信等8类数据源，运用XGBoost算法构建“违约概率预测+舆情情感分析”双模型，实现风险信号自动分级预警（红/黄/蓝），试运行期间提前识别2起债券兑付危机（某地方国企短融、某产业类ABS），协助提前兑付或展期，避免损失合计约3200万元
• 建立跨部门信用风险联席会机制，每月联合投研、交易、法律部门复盘风险事件，编制《信用风险责任认定与缓释操作指引》，明确“尽调失职”“投后管理缺位”等7类责任场景，全年责任争议处理效率提升60%，业务部门风控支持满意度从82%升至91%
• 推动信用衍生工具创新应用，与头部券商合作发行挂钩民企信用债的CDS指数，对冲组合中5亿元高收益债信用风险，通过动态调整头寸将组合信用利差波动率从12%降至7%，年度超额收益稳定性（跟踪误差）改善0.5pct，获中期风控评优“最佳创新奖”

统筹公募/专户产品信用风险全流程管理，覆盖利率债、信用债、ABS及次级债，主导内部评级模型迭代与风险缓释工具应用，协同投研优化信用债策略

• 主导内部信用评级模型升级，针对城投债新增“财政自给率+隐性债务化解进度”指标，企业债强化“产业链地位+ESG评分”维度，通过Python编写自动化评分脚本，单券评级耗时从3小时缩短至40分钟，模型1年违约预测准确率从78%提升至85%，支撑投资端将AA+及以上债券持仓占比从65%提至78%
• 设计信用风险压力测试方案，设定“GDP增速下滑1%、行业利差走阔50BP、房企再融资中断”三重情景，运用蒙特卡洛模拟测算损失分布，输出《极端情景风险敞口报告》，推动预留2亿元风险准备金，2024年某区域城投非标违约时实际损失仅为准备金15%，优于监管50%下限
• 推动CRMW（信用风险缓释凭证）应用，筛选10家资质偏弱但核心资产充足的主体，定制CRMW将对应债券信用利差压缩30-50BP，年化节约利息成本约800万元，案例被列为“信用风险主动管理标杆”
• 牵头公募产品信用风险专项审计，梳理127只持仓债券评级迁移，发现3只AA级债券存在下调风险并提示调仓，避免因评级下调导致的估值波动损失约600万元，审计报告评价风控“有效性优秀”

负责固定收益业务信用风险日常监控，覆盖利率债、信用债及非标债权，执行风险预警、限额管理与债券入库评审，参与风险事件处置

• 主导信用债入库评审，构建“财务指标+行业景气度+舆情数据”三维评估框架，运用Wind提取发行人财务数据，结合中债隐含评级与标普信评交叉验证，累计评审债券超800只，拦截高风险主体12家（如某地产民企因现金流覆盖率＜1.2倍被否），入库债券1年违约率0.3%（低于目标0.5%）
• 搭建非标债权风险评估模板，引入KMV模型测算PD，结合增信措施（土地抵押率、应收账款质押比例）调整评级，完成23个政信类非标评估，其中5个项目因PD＞2.5%建议调降额度，业务采纳后项目逾期率从1.8%降至0.9%
• 设计信用风险日报/周报机制，整合持仓数据与外部舆情（企业预警通、天眼查），设置“评级下调”“大额股权质押”等12项预警指标，全年触发有效预警27次，协助提前30-90天采取追加担保等措施，避免损失约1500万元
• 参与信用风险限额优化，基于历史违约与VaR模型，将单一主体持仓集中度从5%降至3%、行业集中度从15%调至12%，年度信用债组合最大回撤从-2.1%收窄至-1.3%，RAROC提升0.8pct

多资产组合市场风险计量模型重构项目

• 项目背景：公司为满足资管新规下多资产组合（覆盖股、债、商品、外汇及障碍期权、亚式期权等奇异衍生品）的风险穿透要求，原传统Delta-Gamma VaR模型因无法捕捉非线性资产风险及动态相关性，导致极端情景（如2022年美联储加息周期股债双杀）下风险计量偏差率达21%，亟需重构模型以支撑精准风控。我的总体职责是主导模型需求调研、框架设计、验证及全公司推广落地。
• 关键难题与方法：项目面临两大核心挑战——一是15%的奇异衍生品无法用传统希腊字母计量非线性风险；二是静态Copula函数无法反映宏观经济驱动的跨资产动态联动。针对性引入“蒙特卡洛模拟+机器学习”混合框架，选用QuantLib库实现复杂衍生品定价，同时用LSTM模型整合PMI、利率、汇率等宏观数据预测相关性矩阵变化。
• 核心行动：首先梳理全公司230个投资组合的底层资产特征，定位风险盲区；随后牵头搭建蒙特卡洛模拟引擎，整合实时行情数据（延迟≤1秒），完成10万+次情景模拟；协同量化团队训练LSTM模型，用5年历史数据优化相关性预测精度；最后推动模型与风险管理系统对接，开展12轮回溯测试验证模型有效性。
• 项目成果：模型上线后将极端情景风险计量准确率从68%提升至89%，VaR回溯测试失败率从每月3-5次降至0.5次以内；帮助公司减少因风险误判导致的额外资本计提约1200万元/年；模型被纳入公司《多资产组合风险计量管理办法》，成为复杂组合标配工具，我个人也因项目贡献晋升为市场风险部高级经理。

债券投资组合流动性风险计量体系搭建项目

• 项目背景：公司债券持仓占比40%，但原有风险体系仅覆盖信用及利率风险，缺乏低流动性债券（如剩余期限5年以上地方债、AA级信用债）的流动性风险计量工具。2020年初疫情期间债券市场暴跌，因无法评估变现损失，公司被迫延迟赎回申请影响客户体验。我的目标是搭建全债券品类流动性风险计量体系，解决“风险看不见、测不准”问题。
• 关键难题与方法：低流动性债券成交数据稀缺，传统买卖价差、换手率指标失效；LVaR（流动性调整后VaR）模型参数缺乏历史参考。设计“基本面+市场微观结构”综合流动性评分模型，引入Amihud价格冲击指标、Level 2订单簿深度等高频数据，替代单一成交量指标；用2013年“钱荒”、2018年信用债违约潮等历史压力情景校准LVaR参数。
• 核心行动：主导收集3200只债券5年历史交易数据，清洗后保留120万条有效数据；构建包含买卖盘深度、日均成交量、价格冲击、久期、信用评级的“债券流动性评分卡”，将债券分为高、中、低流动性三类；搭建LVaR模型并整合至风险管理系统，实现每日自动计量组合流动性调整后风险暴露。
• 项目成果：流动性风险计量覆盖率从25%提升至100%，2020年3月债券市场暴跌时提前预警15只低流动性信用债变现损失约1100万元，帮助公司调整持仓避免800万元实际亏损；模型获公司年度风险管理创新奖，成为债券投资决策核心参考，也为我后续多资产模型优化积累了体系搭建经验。

• 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。