统筹公司权益类、固定收益类及外汇衍生品组合的市场风险全生命周期管理，覆盖风险计量、实时监控、限额预警及缓释策略落地，联动投资交易、产品及合规团队支撑业务决策，确保风险暴露符合公司风险偏好及监管要求

• 主导设计权益多头组合的极值风险计量框架，整合宏观经济因子（如PMI、10年期国债收益率曲线斜率）与行业轮动指标，用Python搭建动态情景生成模型（涵盖100+组宏观压力情景），解决原有VaR模型对尾部风险捕捉不足的问题——将极端情景（如GDP增速下滑3%、利率上行150BP）下的超额损失预测准确率从72%提升至89%，支撑投资团队将新能源行业持仓比例从22%压缩至7%，规避2023年Q4行业回调带来的潜在损失约3500万元
• 负责固定收益组合的多维度风险拆解，引入Nelson-Siegel模型与HJM框架，将收益率曲线风险分解为水平、斜率、曲率三个因子，开发月度利率敏感性报告并嵌入投资决策流程——识别出长久期利率债（久期5.2年）的凸性缺口风险，推动组合久期压缩至4.1年，在2023年Q2利率上行25BP周期中，组合利率敏感度下降40%，减少利息收入波动约2300万元
• 联动外汇衍生品交易团队优化期权对冲策略，针对欧元/美元、日元/人民币敞口，设计基于GARCH(1,1)模型的波动率预测模块，将每日对冲决策从T+1调整至实时——对冲成本降低18%（从日均1.2万元降至0.98万元），同时将汇率风险VaR从日均120万元压降至75万元，支撑跨境产品年化收益率提升0.5个百分点
• 搭建市场风险限额管理体系，结合巴塞尔协议III及公司风险偏好，制定权益类单日VaR限额（500万元）、固定收益久期限额（≤4.5年）等12项核心指标，推动IT部门开发限额实时监控系统（对接Wind数据接口）——将超限额预警响应时间从4小时缩短至15分钟，全年未发生重大限额超标事件，顺利通过银保监会年度风险治理检查

协助市场风险经理开展权益及衍生品组合的风险计量与监控，参与压力测试、限额政策落地及监管沟通，支撑业务线的风险决策与合规运营

• 核心参与权益衍生品组合的希腊字母计量，用Bloomberg Terminal及内部定价模型（Black-Scholes-Merton）每日计算Delta、Gamma、Vega敞口，识别出某结构化产品（挂钩沪深300指数）的高Vega风险（日均800万元）——推动交易团队将部分期权头寸转换为期货对冲，将Vega敞口压降至300万元，避免2020年Q4美股波动率飙升（VIX从20升至85）带来的额外损失约1500万元
• 协助搭建利率衍生品VaR模型，采用历史模拟法结合蒙特卡洛仿真（10000次迭代），优化持有期参数（从1天扩展至10天）及置信水平（从95%提升至99%）——模型预测VaR与实际损失的偏差率从18%降至8%，提升风险计量的审慎性，该模型被纳入公司年度风险报告核心工具
• 参与制定《市场风险报告管理办法》，整合权益、利率及外汇风险指标（如VaR、久期缺口、外汇敞口集中度），每月向管理层汇报风险热力图——标注高集中度产品（某科技ETF持仓占比12%）及异常波动指标（利率互换Delta波动超20%），推动业务线调整高杠杆策略产品发行规模，减少潜在风险暴露约5000万元
• 应对证监会年度现场检查，整理市场风险计量文档（含模型验证报告、限额执行记录）15份，解答关于“压力测试情景相关性”“VaR模型 backtest 结果”的问题——帮助公司顺利通过检查，未收到监管整改意见

协助开展市场风险的初步计量与监控，参与数据整理、模型测试及业务沟通，积累市场风险管理体系实践经验

• 负责权益、固收市场数据的收集与清洗（涵盖沪深300指数、中债国债收益率曲线、美元兑人民币汇率），用Excel VBA及SQL搭建风险数据仓库——将数据处理时间从每周10小时缩短至3小时，支撑VaR模型、久期计算的输入需求，数据准确率提升至99.9%
• 协助测试VaR模型的有效性，对比历史模拟法与参数法（RiskMetrics）的输出结果，识别出债券组合模型中对信用利差波动捕捉不足的问题——提出增加“信用利差因子”的改进建议，被团队采纳后模型偏差率下降10%，相关成果写入《模型优化备忘录》
• 参与编写《市场风险新手培训手册》，梳理风险指标定义（如VaR、久期、希腊字母）及监控流程，为交易员提供3次内部培训（覆盖20+人）——提升业务团队对市场风险的理解，后续风险指标超标预警的主动调整率从30%提升至65%
• 监控日常市场风险指标，每日生成风险日报并发送至投资团队，标注超预警阈值的情况（如某股票持仓集中度超过5%）——全年发出预警信号24次，推动交易员及时调整持仓，未产生因集中度超标导致的损失

利率市场化背景下债券组合市场风险对冲策略优化项目

• 项目背景：2022年以来国内利率市场化进程加速，10年期国债收益率月度波动幅度较此前3年扩大40%，公司存量120亿元债券组合的传统Delta对冲策略失效——对冲成本同比上升25%，且极端行情下未覆盖风险敞口达12%。核心目标是通过重构对冲模型与工具组合，实现“成本可控、覆盖全面、动态适配”的市场风险对冲，我的职责是主导策略设计、模型开发及落地推广。
• 关键难题：一是传统VaR模型无法有效捕捉利率非线性波动（如2022年11月债市急跌中的凸性风险），二是现券与衍生品（国债期货、利率互换）的流动性错配导致对冲效率低下，三是多资产类别（信用债、利率债、同业存单）的风险传导未被统一纳入对冲框架。
• 核心行动与创新：1. 改进风险计量模型：融合GARCH-EVT混合模型预测利率波动尾部风险，叠加期权隐含波动率调整因子，将极端场景下的风险预测准确率从72%提升至89%；2. 构建流动性调整对冲引擎：引入“成交量加权平均价格（VWAP）+ 冲击成本模型”，动态匹配对冲工具的流动性层级，优先选择近月国债期货与活跃期限利率互换；3. 推动跨部门协同：联动交易部搭建“实时风险敞口-对冲指令”直连系统，将对冲决策响应时间从4小时压缩至15分钟。
• 项目成果：1. 对冲成本同比下降18%（年节约交易费用约3600万元），未覆盖风险敞口降至3%以内，2023年债市调整期间组合最大回撤较优化前减少22%；2. 形成《债券组合动态对冲操作手册》，成为公司固收类资产风控标准；3. 项目获公司“年度风控创新一等奖”，我作为核心成员在行业内分享“流动性调整对冲”经验。

信用债违约潮下信用利差风险传导机制研究与管控体系搭建

• 项目背景：2020年永煤违约事件引发信用债市场连锁反应，公司持有的35亿元信用债组合中，6只债券信用利差1个月内走扩150BP，未及时识别的关联方风险导致潜在损失约1.2亿元。核心目标是建立信用利差风险的传导监测与管控体系，我的职责是负责模型开发、风险识别及流程设计。
• 关键难题：一是信用利差的跨行业、跨主体传导路径模糊，传统相关性分析无法捕捉“违约事件→市场情绪→利差扩散”的非线性关系；二是缺乏统一的信用风险传导管控流程，风控与投资部门对“风险阈值”的认知不一致；三是低评级信用债的流动性不足，导致风险处置滞后。
• 核心行动与创新：1. 构建信用利差传导网络：采用社会网络分析（SNA）模型，以100家重点信用债发行人为节点，以“行业关联、股权穿透、债券持仓重叠”为边，识别出15家高风险关联方；2. 开发传导风险预警模型：整合KMV模型（违约概率预测）与VAR模型（利差波动预测），设置“利差走扩幅度+关联方违约概率”双阈值，预警准确率较之前提升50%；3. 推动流程落地：制定《信用利差风险管控办法》，明确“监测-预警-处置”三级流程——预警后24小时内启动关联方排查，48小时内完成风险资产调仓或对冲。
• 项目成果：1. 2021年信用债违约潮中，提前识别并处置高风险债券8只，避免损失约2.1亿元；2. 信用利差风险预警模型纳入公司风险管理系统，至今累计触发有效预警12次；3. 推动投资部门调整信用债持仓结构，将低评级债占比从18%降至8%，组合信用风险溢价下降10BP。

• 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。