统筹全行公司信贷与零售信贷信用风险全流程管理，涵盖授信政策制定、风险计量模型优化、贷后风险监测及重大信用风险事件处置，推动信用风险管理体系向精细化、前瞻化升级。

• 主导设计小微贷款信用风险计量体系，基于50万+历史违约样本，融合逻辑回归与随机森林算法优化PD（违约概率）模型，引入行业景气度指数、供应链核心企业信用评级等6个外部变量，模型KS值从0.62提升至0.71，前瞻性识别高风险客群准确率提高18%；支撑信贷准入政策调整后，半年内小微贷款不良率从3.2%降至2.5%，超额完成年度资产质量目标。
• 核心优化零售信用卡风险预警机制，搭建“行为评分+押品动态监控+外部舆情”三维监测框架，通过Python开发自动化预警脚本（日均处理10万+交易流水数据），将风险信号发现时效从T+3缩短至T+1；配合贷后团队提前介入催收，当年信用卡逾期90天以上贷款占比下降0.8个百分点至1.2%，监管通报的“贷后管理不到位”问题减少70%。
• 推动房地产行业授信集中度风险管控，牵头完成全行房地产对公贷款客户压力测试（覆盖CCF（违约损失率）、房价下跌30%等6类情景），运用蒙特卡洛模拟测算潜在损失敞口达12亿元；提出“区域限额（单省占比不超8%）+项目资本金穿透核查”管控方案，促使房地产贷款占比从28%压降至24%，单一客户授信集中度超标问题100%整改。
• 牵头处置某制造业集团5亿元授信风险事件，协调法律、投行团队设计“债转股+应收账款质押重组”方案，成功回收3.2亿元；推动修订《集团客户授信管理办法》，新增“关联交易穿透核查（穿透至3级子公司）”“交叉违约条款（关联企业负债超阈值即预警）”等12项管控要求，同类风险事件次年发生率下降65%。

负责信用债、非标债权等资产的信用风险评估与定价，支持投资决策，参与信用风险限额政策制定及投后风险监测。

• 独立完成200+城投债及产业债主体信用评级，构建“财务健康度（含EBITDA利息保障倍数、流动比率）+区域财政韧性（一般公共预算收入/政府性基金收入）+政策导向（隐性债务化解进度）”三维评估模型，评级结果与外部评级机构一致性达89%；提前6个月预警某地级市平台债隐性债务风险，推动调整持仓比例从5%降至1%，避免潜在损失约2000万元。
• 核心参与资管产品信用风险限额管理，设计“行业集中度（单一行业持仓不超15%）+主体评级分布（AA+及以上占比不低于70%）+杠杆率（总资产/净资产≤140%）”三维度管控指标，通过SQL搭建实时监测看板，当某行业持仓接近红线时自动触发预警；全年拦截超限额投资指令12笔（涉及规模3.8亿元），保障产品信用风险指标持续优于监管要求。
• 优化非标资产风险定价模型，引入“增信措施有效性系数”（含抵押率、保证人代偿能力评分等8个子项），结合现金流测算与压力测试（模拟融资方收入下降20%情景），将风险溢价测算准确率从75%提升至88%；支撑投资团队在保持6%年化收益的同时，将非标资产预期损失率从1.2%压降至0.9%，获年度“最佳风险定价贡献奖”。

协助完成信用债投资前尽职调查、风险分析及信用风险数据库维护，支持信用债库构建与投资决策参考。

• 协助完成30+只信用债发行主体尽调，独立通过Wind、企业征信系统及实地走访收集财务报表、行业政策、涉诉信息等数据，交叉验证关键指标（如应收账款周转率、或有负债规模），输出尽调报告准确率100%；其中2次发现隐藏的关联方担保风险（未在募集说明书中披露），为投资决策提供关键风险提示，避免潜在代偿损失。
• 负责信用风险数据库维护，整理近5年120+例违约债券案例，按行业（城投/地产/民企）、违约原因（财务恶化/治理缺陷/外部冲击）分类标注，构建违约因子标签体系（含21项子指标）；数据库查询效率提升40%，成为团队信用风险研究的基础工具，支撑后续违约概率模型开发。
• 参与开发信用利差分析工具，使用Excel VBA自动化计算不同评级（AAA/AA+/AA）、期限（1Y/3Y/5Y）债券的信用利差，对比中债估值基准生成利差偏离度报告；当年团队通过该工具捕捉到5只被低估的AA+城投债（利差偏离度超20BP），平均持仓收益率高出基准0.5个百分点，获部门“创新贡献奖”。

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。