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

• 背景：资管新规推动行业净值化转型，公司管理的120亿规模多资产组合（覆盖股、债、衍生品、另类资产）原有静态VaR计量体系存在明显滞后性——无法捕捉高频市场波动下的尾部风险，限额管理依赖人工调整，导致3个月内发生2起组合净值超限额事件。我的核心目标是主导构建“动态风险计量+智能限额管控”的一体化体系，解决传统风险治理的时效性与精准性问题。
• 难点：① 原有单因子GARCH模型对2022年债市极端回调（10年期国债收益率单日上行15BP）的尾部风险捕捉不足，漏报概率达35%；② 多资产间（如股票与信用债、衍生品与利率）的非线性相关性难以用线性模型刻画；③ 实时计算性能瓶颈，每日10万+笔交易的即时风险监测延迟高达15分钟，无法支撑交易决策。我针对性选择Python+TensorFlow构建LSTM-GARCH混合模型（引入长短期记忆网络捕捉时间序列长期依赖），用图神经网络（GNN）修正资产间动态相关性，并通过Apache Flink搭建流处理引擎优化实时计算链路。
• 行动：① 牵头梳理12类资产的波动率、相关性特征，设计“基础阈值+动态调整因子”的限额框架（动态因子基于模型预测的市场波动率与GNN输出的相关性矩阵）；② 对接交易系统实时数据接口，完成模型从研发到生产环境的迁移，同步建立“模型-业务”双周复盘机制，根据投资经理反馈优化限额规则；③ 用2020年疫情暴跌、2022年俄乌冲突等极端场景回测模型，将风险预警阈值从95%置信水平调整至99%，兼顾敏感性与稳定性。
• 成果：① 动态VaR模型的尾部风险捕捉能力较原有体系提升40%，成功预警2023年二季度债券市场回调风险，避免组合净值回撤超2%；② 实时计算延迟降至1分钟内，支持每日12万笔交易的即时风险监测，交易员风险决策效率提升50%；③ 限额违规率从8%降至1.2%，年度风险事件发生率下降60%；④ 该项目成为公司净值型产品的风险管控标准模板，支持3只新发产品顺利上线，我个人也因成果突出晋升为市场风险组组长。

衍生品交易对手信用风险与市场风险联动计量项目

• 背景：公司衍生品业务（利率互换、CDS）规模同比增长60%，但原有风险计量存在“信用风险与市场风险割裂”的痛点——CVA模型仅依赖对手方信用评级，未考虑市场波动（如利率上升导致对手方融资成本增加，进而推高违约概率）。我的任务是在部门内推动构建“市场风险驱动的对手方信用风险”联动计量体系，填补跨风险类型的识别空白。
• 难点：① 传统CVA模型未整合市场风险因子（利率、汇率、信用利差），无法捕捉市场波动对对手方违约概率的传导效应；② 对手方的市场风险暴露数据缺失率达30%（如中小机构的利率敏感性缺口数据未公开），无法支撑联动模型训练。我选择用贝叶斯网络构建变量因果关系，整合市场风险因子与信用风险变量；针对数据缺失，采用半监督学习（自编码器）填充对手方的隐含市场风险特征。
• 行动：① 收集500+境内外对手方的10类市场数据（行情、流动性）与信用数据（评级、财报），搭建联动风险数据库；② 设计“市场风险-信用风险”联动指标体系（如“利率敏感性缺口×对手方杠杆率”“信用利差变动×对手方流动性覆盖率”），定义联动风险敞口；③ 推动IT部门开发数据接口，将联动模型嵌入交易系统的事前审批流程，实现“市场风险变化→自动更新对手方违约概率→调整交易限额”的闭环。
• 成果：① 联动模型识别出3个高风险对手方（其市场风险暴露导致的违约概率较原信用评级高2倍），提前6个月调整交易限额，减少潜在信用损失2000万+；② 衍生品业务的风险调整后收益（RAROC）从12%提升至13.8%；③ 项目形成的“联动风险计量方法论”被纳入公司《衍生品风险管控手册》，我个人获当年“优秀风险分析师”称号，成为部门跨风险类型计量的核心骨干。

• 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。