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

全资产类别市场风险动态压力测试体系搭建项目

• 项目背景源于资管新规下监管对‘穿透式、前瞻性’市场风险管控的要求——公司原有压力测试仅覆盖股、债单一资产类别，且场景设计停留在‘历史重复’层面，无法应对‘多资产联动极端事件’（如美联储加息+国内信用违约+汇率跳贬）的风险敞口，监管反馈‘风险计量完整性不足’。项目目标是搭建覆盖股、债、衍生品、另类资产的全维度动态压力测试体系，实现‘场景自定义、因子联动、结果前置’的风险决策支持。
• 核心难点有三：一是跨资产风险传导机制缺失——原有模型将股、债、另类资产视为孤立标的，未量化‘美联储政策→美债收益率→人民币汇率→国内信用债利差’的传导路径；二是极端场景合理性存疑——传统‘单一变量冲击’（如仅加息25BP）无法模拟复合危机，需结合宏观经济逻辑设计可信场景；三是计算性能瓶颈——原有单资产测试需4小时，全资产组合测试耗时6小时，无法支持投资团队日内决策。
• 我的解决路径：1. 风险传导建模——基于向量自回归（VAR）模型结合网络分析，梳理12个核心风险因子（如美国10Y国债收益率、人民币兑美元即期汇率、中债信用利差）的联动关系，构建‘因子-资产’传导矩阵，量化股债汇另类的联动系数（如美联储加息100BP将带动国内10Y国债收益率上行15BP，信用债利差扩大20BP）；2. 场景库重构——参考BCBS SCC框架与历史极端事件（2008金融危机、2020疫情），设计‘轻度/中度/重度’三级场景（共18个细分场景），每个场景包含宏观政策、市场价格、信用事件3个维度（如‘重度场景’包含‘美联储加息至5.5%+国内地产债违约率升至8%+人民币贬值至7.5’）；3. 性能优化——采用Spark分布式计算框架重构风险引擎，将全资产组合测试时间从6小时压缩至45分钟内，并通过列式存储优化数据库IO效率。
• 项目成果：1. 体系覆盖公司95%资产类别（原40%），支持‘场景自定义+实时计算’，风险报告从‘每周1次’升级为‘每日动态更新’；2. 2023年3月硅谷银行事件中，体系提前预警‘海外信用债+国内同业存单’的联动风险，推动投资团队减仓相关资产12亿元，避免损失约800万元；3. 监管现场检查中，体系因‘完整性、前瞻性’获高度认可，公司市场风险监管评级从B级升至A-级；4. 个人主导完成《全资产压力测试操作手册》，成为集团同类业务的标准化模板，我本人也因此晋升为市场风险条线的核心专家。

债券组合利率风险精细化计量模型优化项目

• 项目背景是公司债券资产占比达40%（约200亿元），但原有利率风险计量仅用‘单一久期模型’，无法捕捉收益率曲线‘非平行移动’（如曲线平坦化、陡峭化）的风险——2021年美联储 taper 预期下，国内收益率曲线平坦化（10Y-1Y利差从100BP缩至50BP），原有模型显示的组合VaR较实际损失低15%，导致投资团队未能及时调整久期策略。项目目标是优化利率风险计量模型，准确量化曲线形态变化的影响。
• 核心难点在于两点：一是收益率曲线的‘因子分解’——原有模型仅考虑‘水平因子’（整体利率水平），忽略了‘斜率因子’（长短端利差）和‘曲率因子’（曲线弯曲程度）对债券价格的影响；二是‘流动性调整’缺失——低评级信用债（AA+及以下）的流动性溢价波动大，原有模型未将其纳入风险计量，导致低评级债的风险被低估。
• 我的关键行动：1. 因子分解建模——采用Nelson-Siegel-Svensson（NSS）模型将收益率曲线分解为‘水平、斜率、曲率’三个核心因子，测算每个因子对债券价格的敏感度（如某5年期信用债对‘斜率因子’的敏感度为-0.8，即斜率扩大10BP，债券价格下跌0.8%）；2. 流动性调整——联合固定收益团队，选取‘买卖价差、成交量、做市商数量’3个指标构建流动性调整因子（LAF），将其嵌入久期模型，修正低评级债的风险计量；3. 模型验证——用2015-2021年历史数据进行回测，对比原有模型与优化模型的误差率，调整因子权重至最优。
• 项目成果：1. 优化后模型的利率风险计量准确率从80%提升至95%，2021年债券组合VaR误差率从15%降至3%；2. 帮助投资团队调整久期策略——将组合久期从3.2年缩短至2.5年，2021年债券组合利率风险损失较预期减少1200万元；3. 模型被纳入公司风险计量核心系统，支持‘每日VaR+压力情景VaR’计算，成为债券投资决策的必备工具；4. 我个人因此项目获得‘公司年度优秀风险分析师’称号，模型经验也被推广至集团内其他资管子公司。

• 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。