统筹公司信用风险全流程管理，覆盖债券投资、非标债权、同业授信三大业务线，负责信用风险识别、评估模型优化、风险预警及缓释方案落地，对接投研、交易、合规部门并协同外部评级机构，确保风险敞口符合监管要求与公司风险偏好。

• 主导构建‘宏观-行业-主体’三维度信用评级模型升级项目，针对原有Logistic回归模型对弱资质主体预测偏差问题，引入随机森林算法与自然语言处理技术（NLP），整合企业财报、舆情、产业链数据等12类非结构化信息，完成1200+发债主体、300+非标融资方的基础数据清洗与特征工程；模型上线后，1年期违约预测KS值从0.58提升至0.71，高风险主体漏判率下降23%，支撑投资端压缩高风险债券持仓15亿元。
• 牵头设计非标债权资产信用风险穿透核查机制，针对存量200+亿元非标项目（含信托贷款、应收账款收益权），制定‘四层穿透标准’——融资方主体资质、底层资产现金流、担保方代偿能力、增信措施有效性；联动法律合规部开发‘非标风险地图’工具（基于Wind与内部CRM系统），实现风险信号实时抓取与分级预警（红/黄/绿），推动业务部门提前6个月处置某地产集团3亿元涉房非标，避免本息损失约4500万元。
• 优化同业授信动态管理流程，梳理30+家银行及非银金融机构授信档案，建立‘资本充足率-流动性指标-风险事件’三维评分卡，将授信额度调整周期从季度缩短至月度；2024年Q4识别某城商行二级资本债隐含信用风险，推动调降授信额度5亿元并增加2%风险溢价要求，当年同业资产信用成本率从0.38%降至0.21%。
• 主导编制《信用风险压力测试指引》，覆盖利率上行、行业周期下行、区域债务危机三类情景，设定GDP增速5.0%/4.5%/4.0%、房企违约率10%/15%/20%等压力参数，运用SAS搭建压力传导模型；2025年监管现场检查中，该指引因逻辑严谨、数据可追溯获检查组肯定，公司信用风险计量体系评分位列同批次机构前10%。

聚焦固定收益投资信用风险一线支持，负责债券入库前尽调、持仓债券定期复评及风险事件跟踪，协助搭建信用风险数据库，参与信用衍生品对冲方案设计，保障投资组合信用风险可控。

• 独立完成300+只公募债、私募债入库尽调，运用‘5C分析法’（品德Character、能力Capacity、资本Capital、抵押Collateral、环境Condition）评估发行主体资质，重点核查民营房企‘三道红线’指标、城投平台隐性债务规模；2021年某建材企业拟发行5亿元中票时，通过水电耗能与营收匹配度分析发现其虚增收入，最终否决该笔入库申请，避免后续潜在违约风险。
• 搭建债券持仓风险监控看板（基于Python+Tableau），设置‘主体评级下调、商票逾期、存货周转天数异常’等15项预警指标，每日自动推送风险信号；2022年3月通过该看板捕捉某地方国企应付票据逾期信息，及时提示投资经理减持其存续债券2亿元，最终该主体4个月后发生实质违约，组合避免损失约1200万元。
• 参与信用违约互换（CDS）对冲策略测试，梳理50+家重点关注主体CDS报价与隐含违约概率关系，协助投资团队测算对冲成本与保护效果；在2021年永煤事件冲击中，提出的‘高集中度个券+低成本CDS’对冲方案被采纳，当年组合信用风险损失率较基准低0.45个百分点。
• 维护信用风险数据库，整合Wind、万得、央行征信等数据源，补充1000+家企业工商变更、司法涉诉、关联交易等信息，数据完整性从85%提升至98%；开发‘主体风险标签体系’（含‘高杠杆’‘频繁质押’‘非标占比高’等20类标签），支持投研团队快速定位高风险标的。

协助信用分析师开展基础信用研究，参与发债主体财务数据整理、行业对比分析及初步风险判断，学习信用评级方法论与风险管理制度，为后续独立承担风险工作奠定基础。

• 负责100+家A股上市公司及发债企业财务报表清洗与关键指标计算，重点跟踪‘资产负债率、经营活动现金流/有息负债、流动比率’等偿债能力指标，制作月度《重点行业信用资质速览》；2018年发现某化工企业经营性现金流连续3季度为负但仍在新增短期借款，协助分析师在内部报告中提示其流动性风险，该企业次年因资金链断裂被下调评级。
• 参与城投债区域风险专题研究，收集31省GDP、一般公共预算收入、政府性基金收入等数据，运用聚类分析法划分‘强区域、中等区域、弱区域’；研究成果被纳入《城投债投资白皮书》，为后续区域授信限额管理提供数据支撑。
• 协助完成20+只债券发行主体首次评级初稿，核对财务数据与评级报告一致性，梳理‘业务竞争力、治理结构、外部支持’等定性评价要点；累计提出30+条数据修正与表述优化建议，其中12条被采纳至最终评级报告。
• 跟踪债券市场违约案例，整理2014年以来120+起违约事件的原因、处置方式及回收率，制作《信用违约案例库》；通过分析发现‘民营企业+激进扩张+股权质押高’为高频风险组合，相关结论被用于优化内部信用筛查模型初始参数。

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。