统筹公司全口径投资组合（涵盖股、债、衍生品及另类资产）的市场风险计量、监控与限额管理，主导压力测试与情景分析体系优化，推动风险策略与投资端的协同，确保符合巴塞尔协议Ⅲ、CRR II及国内最新监管要求。

• 主导构建多资产组合市场风险计量体系，针对传统VaR模型对尾部风险捕捉不足的问题，引入ES（预期损失）与极值理论（EVT），结合RiskMetrics与Bloomberg数据终端，开发覆盖95%投资组合的动态风险仪表盘。通过Python编写自动化数据清洗脚本，解决跨系统（投资交易系统TMS、估值系统Valuation）数据口径不一致问题，计量准确率从88%提升至96%，支撑投资决策委员会每日风险晨会的快速研判。
• 核心优化压力测试框架，针对美联储激进加息、地缘冲突升级等黑天鹅场景，牵头设计‘宏观因子-市场冲击-组合损益’三级传导模型。运用SAS搭建宏观经济联立模型，引入专家判断修正历史极值偏差，将测试周期从季度缩短至月度，2023年Q4成功预警美国国债收益率曲线倒挂对长久期利率债组合的冲击，推动提前减仓12亿元，避免浮亏扩大约3500万元。
• 推动建立市场风险限额动态调整机制，联合投资团队开发风险调整后收益（RAROC）与VaR占用率的联动模型。通过RiskFrontier优化股债配置比例，设定基于组合β系数、波动率的阶梯式限额阈值，2024年上半年主动管理型产品平均波动率较基准指数低1.2个百分点，同时超额收益提升0.8%。
• 牵头完成反洗钱与市场风险交叉验证体系建设，梳理跨境投资、场外衍生品等业务线的资金流向与价格偏离度指标，运用SQL与Tableau搭建关联交易监控看板。2023年识别2起异常高频交易导致的隐含市场操纵风险，配合合规部完成整改，获集团年度‘风险防控创新奖’。

聚焦权益类与固定收益类投资组合的市场风险分析，支持投资经理进行久期、凸性、Beta等风险因子拆解，参与新产品（如雪球结构、指数增强ETF）上线前的风险评审，编制监管报送文件（包括银保监会1104报表、中基协风险监测表）。

• 参与开发利率风险久期缺口模型，针对银行间市场债券持仓的流动性分层问题，引入Minitab统计软件进行流动性调整久期（LAD）测算。通过构建‘剩余期限-成交量-做市商报价’三维权重体系，将久期测算误差从0.3年压缩至0.1年以内，为2021年债券熊市中的久期策略调整提供关键依据。
• 优化权益类资产VaR模型，针对小市值成长股的波动率聚类特征，引入GARCH(1,1)模型预测时变波动率，替代传统历史模拟法。经回测，2022年Q1模型预测VaR与实际最大回撤的匹配度从75%提升至89%，助力投资团队将权益仓位警戒线从20%下调至18%，降低组合下行风险暴露。
• 主导编制季度市场风险报告，对接银保监会‘市场风险最低资本要求’（MRC）报送要求。通过梳理200+项风险指标的计算逻辑，开发自动化取数模板，将报送耗时从10个工作日缩短至5个工作日，连续两年零差错通过监管现场检查。
• 参与首只QDII港股通产品上线风险评估，识别汇率波动（港元兑人民币）、海外流动性收紧（Libor-OIS利差）及港股特有的仙股风险三大核心风险点。提出‘外汇远期对冲+个股流动性筛选’方案，产品成立首年跟踪误差控制在1.5%以内，优于同类产品平均水平。

负责股票、债券及衍生品头寸的日常风险计量，执行VaR、久期、希腊字母（Delta/Gamma/Vega）等指标计算，协助完成压力测试数据支持与风险数据库维护，参与新员工市场风险培训。

• 搭建Excel VBA自动化风险计算模板，整合TMS系统交易数据与Wind行情数据，实现日终VaR、久期的自动跑批。模板上线后，单日数据处理时间从4小时缩短至30分钟，错误率从5%降至0.5%，获部门‘效率提升奖’。
• 协助完成2018年A股异常波动专项压力测试，整理上证50、中证500指数历史最大回撤、成交量萎缩等20+项宏观情景参数。通过参与情景合理性讨论，提出‘质押平仓线连锁反应’补充情景，最终测试结果显示权益类组合最大可能损失（MPOR）较原测算高18%，推动公司临时提高风险准备金计提比例。
• 维护市场风险数据库，解决历史数据缺失问题。通过爬取交易所公告、券商研报等外部数据，补全2015-2017年股指期货贴水率、商品期货跨期价差等10类衍生品风险因子，数据库覆盖率从70%提升至92%，支撑后续量化策略回测需求。
• 编制《市场风险基础手册》，梳理VaR、压力测试、限额管理等核心概念及公司实操流程。手册被纳入新员工培训必修材料，2018年部门新人独立上岗周期从3个月缩短至1.5个月。

多资产组合市场风险动态计量与预警体系重构项目

• 项目背景：伴随资管新规下净值化转型深化，公司多资产组合（覆盖股、债、商品、外汇及另类资产）规模两年内增长150%，原有“单资产静态VaR+人工联动分析”的风险计量体系无法捕捉资产间动态相关性，预警滞后性导致2021年错失2次极端市场波动的前置对冲机会。核心目标是通过重构体系实现“实时计量-动态预警-前瞻性应对”的闭环，支撑投资端的风险可控收益挖掘。我在项目中担任主导者，统筹风控、投资、IT跨部门资源推进落地。
• 关键难题与技术：一是多资产联动风险的非线性捕捉——原有历史模拟法未考虑资产相关性动态变化，导致组合VaR低估12%-18%；二是实时计算性能瓶颈——传统批量处理系统无法满足T+0风险监控需求；三是预警阈值的适应性不足——固定阈值在震荡市频繁误报，在单边市漏报。我选择DCC-GARCH模型捕捉动态相关性，结合蒙特卡洛模拟提升非线性风险计量精度；引入Spark Streaming搭建流计算平台处理行情与持仓的实时数据；用LSTM神经网络训练历史波动数据，实现预警阈值的自适应调整。
• 核心行动与创新：1. 牵头梳理12类资产的200+个风险因子，构建统一数据中台打通行情、持仓、交易系统数据链路；2. 针对利率互换、外汇远期等衍生品头寸，叠加SABR模型修正波动率曲面的计量偏差；3. 设计“风险因子-组合VaR-预警信号”三级传导机制，将预警指标从3个扩展至8个（涵盖波动率、相关性、流动性），并通过API嵌入投资交易系统实现实时弹窗预警。
• 项目成果与价值：1. 计量精度显著提升——多资产组合VaR误差率从15%降至4.2%，回溯测试（2020-2022年数据）失败率从7%降至1.5%；2. 预警时效性与准确性飞跃——实时预警时间从T+1缩短至5分钟内，2023年成功预警美联储加息超预期、大宗商品价格暴涨等3次极端场景，推动投资端提前调整头寸，避免潜在损失约2100万元；3. 输出《多资产市场风险动态管理操作手册》，成为公司净值化产品风险管控的标准化流程。我个人主导了体系顶层设计与核心模型选型，解决了跨资产联动与实时性的行业共性难题。

利率衍生品头寸VaR模型优化与监管压力测试体系完善项目

• 项目背景：公司利率衍生品业务（国债期货、利率互换、利率期权）规模一年间增长80%，原有VaR模型基于Black-Scholes假设，无法捕捉利率期权的“波动率微笑”非线性风险；同时监管要求的“逆周期压力测试”因场景单一（仅覆盖宏观利率上行），无法匹配公司头寸的集中度特征（10年期国债期货占比达40%）。我的角色是负责模型优化与压力测试设计，支撑业务合规与风险精准管控。
• 关键难题与技术：一是利率衍生品的非线性风险计量缺失——原有模型低估期权头寸的尾部风险约20%；二是压力测试场景缺乏针对性——通用场景未覆盖公司“持有到期+交易性”混合头寸的结构特点；三是模型验证流程不规范——原来的回溯测试仅覆盖1年数据，无法验证模型在不同市场周期的稳定性。我选择SABR模型替代Black-Scholes，拟合利率期权的波动率曲面；联合宏观研究团队定制3类业务相关压力场景；搭建Python自动化回溯测试框架，扩展数据周期至5年。
• 核心行动与突破：1. 针对利率期权头寸，收集2016-2020年5年期、10年期国债期权的隐含波动率数据，校准SABR模型的α、β、ρ、ν四个参数，修正波动率微笑偏差；2. 与投资团队沟通头寸结构，设计“收益率曲线陡峭化+流动性枯竭+信用利差走扩”3个定制场景，每个场景设置具体变量（如10年期国债收益率上行150BP、银行间质押式回购利率上升50BP）；3. 开发回溯测试脚本，每月自动运行模型，输出“实际损失-VaR”偏差报告，推动模型参数季度迭代。
• 项目成果与价值：1. 利率衍生品VaR计量准确性提升——99%置信水平下的模型偏差率从8%降至1.8%，监管现场检查中因“风险计量充分性”获得加分；2. 压力测试覆盖度提升——定制场景覆盖了公司92%的利率衍生品头寸，2021年通过压力测试识别出“收益率曲线陡峭化”场景下的潜在损失缺口，推动投资端减少10年期国债期货头寸30%，规避损失约800万元；3. 输出《利率衍生品风险计量与压力测试指引》，规范了模型开发、验证与压力测试的全流程。我个人主导了模型优化与场景设计，解决了利率衍生品非线性风险与监管适配的核心问题。

• 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。