统筹集团信用类资产（含债券投资、非标融资、消费金融ABS）全周期风险管理，主导内部评级体系迭代、压力测试落地及贷（投）后预警机制优化，协同业务部门平衡风险与收益，保障信用风险敞口在董事会限额内。

• 主导完成集团信用风险计量体系升级，针对债券投资组合引入KMV模型修正违约概率（PD）测算逻辑，结合行业景气度指数与主体财务弹性指标构建二维评分卡，将高收益债PD预测准确率从76%提升至88%，支撑年度债券投资池不良率控制在0.9%（低于监管红线1.5%）。
• 牵头设计非标融资业务压力测试方案，覆盖房地产、城投两大重点领域，设置宏观GDP下行2%、区域财政收入下降15%、房企销售腰斩三重情景，通过蒙特卡洛模拟测算极端情况下EAD（违约风险暴露）超限缺口，推动业务部门压缩高风险区域敞口23亿元，年度未发生超预期信用事件。
• 搭建债券持仓动态预警系统，整合Wind舆情、中债估值偏离度、发行人股权质押比例等12项指标，运用Python开发自动化预警脚本，将高等级违约预警提前期从2个月延长至4个月，年内精准识别5只存在兑付风险的产业债（涉及规模11亿元），提前启动风险缓释措施避免实际损失。
• 推动建立跨部门信用风险联防机制，联合投研、法律、运营团队制定《特殊资产处置操作手册》，优化违约债券估值调整、司法追偿流程，年度内完成3笔违约资产处置，回收率较历史均值提升17个百分点（从41%升至58%）。

负责消费金融与小微贷款业务的信用风险评估，聚焦反欺诈模型优化、客群风险分层及贷后资产质量跟踪，支持业务线在风险可控下实现规模扩张。

• 核心参与消费贷内部评级模型（IRB）开发，基于Logistic回归与随机森林算法，融合央行征信、运营商通话行为、电商消费数据等300+维度特征，将模型KS值从0.42提升至0.55，支撑自动审批通过率提高12%的同时，30天逾期率稳定在2.1%（较同业低0.8pct）。
• 针对小微客群风险异质性强的痛点，创新设计“经营稳定性-还款能力”双维度评估框架，引入税务发票、水电缴费、供应链应收账款等非传统数据，构建差异化PD分池，推动小微贷款不良率从4.3%降至2.9%，业务规模年度增长45%。
• 搭建贷后风险监测看板，通过SQL实时提取客户还款行为、征信查询频次、多头借贷等数据，设置5级预警阈值并联动催收策略调整，将M3+回收率从18%提升至25%，年度节省催收成本约800万元。
• 应对监管“穿透式风险管理”要求，主导梳理3类合作机构（助贷平台、担保公司、保险增信方）的风险传导路径，制定《合作机构信用风险限额管理办法》，将外部风险输入敞口压缩30%，顺利通过银保监现场检查。

聚焦固定收益投资组合信用风险分析，负责债券入库前尽调、持仓定期复评及信用事件跟踪，协助投资经理控制组合信用利差波动。

• 独立完成80+只信用债入库评审，运用“财务健康度-行业周期-外部支持”三维评估法，拒绝高杠杆房企债、弱资质城投债等高风险标的12只（涉及规模15亿元），入库债券年度平均信用利差低于市场基准15BP。
• 搭建债券持仓风险台账，每日跟踪发行人财务指标变动、行业政策调整及二级市场成交异常，年内识别2只存在商票逾期隐患的产业债，及时提示投资经理减持，避免损失约2000万元。
• 参与编写《信用债投资信用风险指引》，梳理钢铁、煤炭等过剩产能行业风险特征及授信策略，被纳入公司信用债投资标准化流程，当年新投过剩产能债不良率为0（同期市场平均水平1.2%）。
• 协助完成年度信用风险压力测试，模拟利率上行200BP、房企流动性危机扩散情景，测算组合最大可能损失（MPL）及资本充足率影响，为投资组合久期调整提供数据支撑，测试报告获投资决策委员会采纳。

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%。

• 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。