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。

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。

• 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。