统筹公司固定收益类资产（含城投债、产业债、非标融资工具）信用风险全生命周期管理，聚焦信用评级模型迭代、持仓主体动态监控、风险预警机制搭建及违约处置方案落地，支撑投资决策的风险收益平衡

• 主导完成公司内部信用评级模型迭代升级，针对传统财务指标模型对行业周期敏感性不足的痛点，引入KMV期望违约频率（EDF）模型与申万行业景气度指数，将房地产、城投等重点行业的非财务指标权重从20%提升至40%；通过回溯2019-2022年违约样本验证，模型对高风险主体的提前6个月预警准确率从72%提升至89%，直接支撑投资团队规避3家后续出现展期的城投平台债券投资，减少潜在损失约5000万元
• 核心处置某TOP50房企1.2亿元非标融资项目风险（存续期内房企出现商票逾期与销售回款下滑），第一时间联动法律部梳理担保条款，推动融资方追加项目公司股权质押（质押率从50%提升至70%）并获取母公司差额补足承诺；最终项目到期收回92%本金，较同期同类违约项目少损800万元
• 牵头搭建信用风险动态预警体系，整合Wind、企查查数据与内部持仓信息，用Python开发“信用风险仪表盘”，纳入资产负债率同比增速、经营性现金流净额占比等18项核心指标；将风险信号传递时间从3个工作日压缩至T+1，全年触发有效预警47次，推动提前减持高风险债券5.6亿元，避免损失约3000万元
• 针对投资团队信用认知短板，设计“信用风险基础+实操”系列培训（涵盖行业分析框架、财报粉饰识别、违约概率测算），全年开展6场覆盖32人次；培训后团队项目风险评估报告完整性从65%升至92%，风险因素遗漏率下降40%

负责公司权益类资产（可转债、股票质押式回购）及同业资产信用风险评估，聚焦主体资质审查、质押物监控及风险事件跟踪，为交易决策提供风险支撑

• 建立可转债“财务指标+行业赛道+转股条款”三维评估框架，全年审查12只可转债项目，否决2只高风险标的（其中1只后续评级下调至AA-），保障可转债组合信用风险暴露低于公司阈值1.5个百分点
• 优化股票质押式回购风险监控逻辑，针对中小盘股质押引入“股价波动率+大股东质押比例+公司治理评分”复合指标，当质押率超60%时触发预警；全年提示风险19次，推动提前平仓3笔高风险质押（涉及8000万元），避免股价下跌导致的质押物不足风险
• 跟踪同业资产信用风险变化，撰写《同业信用风险周报》梳理城商行、农商行资产质量，2021年Q4识别某农商行非标投资逾期风险，建议减少其同业存单配置；后续该行评级下调，避免约5000万元潜在损失
• 协助修订《信用风险评估操作手册》，新增“可转债转股失败”“同业资产交叉传染”等风险章节，将审查流程从4步扩至6步，审查全面性与效率提升30%

协助资深分析师开展固定收益产品信用风险分析，覆盖债券尽调、评级复核及风险跟踪，支撑产品销售与投资

• 协助复核15只公募债券信用评级，重点核查应收账款周转率、存货跌价准备等科目，发现2只债券收入虚增问题，反馈后团队调整持仓比例，降低信用风险暴露
• 搭建“违约债券案例库”，整理2018-2020年12起违约案例触发因素（如行业政策、管理层变动），撰写《信用风险复盘报告》，助力团队规避1只同类行业债券投资
• 对接高净值客户需求，用通俗语言解读信用评级与风险关系，协助销售完成3只低风险债券产品销售（规模2.1亿元），客户满意度升至95%
• 日常跟踪信用风险事件，每周输出《风险事件跟踪表》，覆盖20+只持仓债券的舆情与财务变化，全年无重大风险漏报

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。