负责公司权益类及固收类主动管理组合的市场风险全流程管控，涵盖风险计量模型搭建、压力测试框架迭代、限额体系优化及投资联动风险缓释，确保组合风险暴露匹配监管要求与公司风险偏好

• 主导搭建权益多头组合的「VaR-EVT混合压力测试模型」，基于极值理论（EVT）修正传统VaR对尾部风险的低估问题，结合宏观经济因子（PMI、10年期国债收益率斜率、沪深300波动率）构建8类极端情景库；通过回测2018-2022年市场暴跌场景，将极端情景下超额损失预测准确率从72%提升至89%，推动投资团队将单一股票持仓集中度限额从5%下调至3%，全年尾部风险暴露规模减少1.2亿元
• 核心参与固收+产品久期与凸性风险管控，引入Bloomberg BARC多因子久期分解工具，识别出利率互换合约中隐含的0.8年凸性缺口；提出「增加2年期国债期货对冲（覆盖30%名义本金）+调整信用债持仓至2-3年期限结构」的缓释方案，使产品在2023年Q4利率上行25BP周期中的净值回撤从-2.1%收窄至-1.3%，优于同期业绩比较基准0.5个百分点
• 推动市场风险限额体系从「静态阈值」向「动态适配」转型，基于组合贝塔值、市场波动率（VIX）及投资策略进攻性构建「基础限额×动态调整系数」机制；全年触发限额预警次数较上年减少40%，同时保障了权益类资产战术配置的灵活性（季度调仓比例从15%提升至20%）
• 对接IFRS 9监管要求，主导完成「预期信用损失（ECL）与市场风险资本占用」联动分析，梳理出利率债、信用债及权益资产的ECL变动与市场风险权重的3类相关性规律；推动公司风险加权资产（RWA）计算逻辑优化，全年风险资本占用下降8%，释放资本用于高收益固收+产品创设

聚焦利率债及衍生品投资组合的市场风险计量，负责压力测试框架开发、衍生品基差风险监控及风险报告自动化，支撑投资决策的风险收益平衡

• 主导开发利率债投资组合「流动性压力测试框架」，整合债券剩余期限（1-10年）、发行主体评级（AAA/AA+）及银行间市场做市商报价数据，构建「现金流缺口÷变现成本」双维度指标；识别出3只持仓超10亿元的超长期利率债存在流动性溢价风险，提出「分散至5-7年期限+引入3家中小银行做市商」的调整建议，使组合在2021年债券市场流动性收紧期间的变现时间从7天缩短至3天，变现损失率从0.8%降至0.3%
• 核心参与股指期货套利策略的基差风险管控，引入Engle-Granger协整检验模型监测沪深300股指期货与现货的基差偏离度，设定「基差绝对值超过2倍标准差」的止损阈值；全年拦截5次基差持续扩大事件，避免因基差收敛延迟导致的潜在损失约1200万元，策略夏普比率从1.8提升至2.1
• 推动市场风险报告体系自动化升级，用Python编写数据抓取脚本整合交易系统（金仕达）、估值系统（赢时胜）及外部数据源（Wind、Quandl）的12项核心风险指标，将周度风险报告生成时间从3天缩短至1天；新增「风险归因分析」模块，按资产类别、策略类型拆解风险贡献，帮助投资团队快速定位80%以上的风险来源
• 负责信用债持仓的市场风险联动分析，结合信用利差变动（中债企业债收益率曲线）与市场波动率，设定信用债持仓的「久期×信用利差波动率」复合限额；全年信用债组合因市场风险触发的止损次数减少35%，同时保持信用债持仓占比稳定在40%以上

负责商品期货套期保值及自营交易的市场风险监控，涵盖VaR计算、套保有效性评估及日常风险预警，支撑期货经纪及自营业务的风险可控增长

• 主导农产品期货套期保值策略的风险评估，针对大豆期货的对冲比例，用滚动窗口最小二乘法（OLS）优化套保比率，结合基差波动调整套保比例（从静态0.9调整至动态0.85-0.95）；将套期保值有效性从75%提升至88%，帮助现货贸易部门降低15%的大豆价格波动损失（年节约成本约600万元）
• 搭建商品期货市场风险数据库，整理近5年铜、原油、大豆等8个品种的价格、波动率及相关性数据，用SQL编写数据仓库实现风险指标的实时查询与回溯；为后续压力测试提供了覆盖10年历史场景的数据基础，支撑公司开展原油期货极端下跌50%的压力测试
• 负责自营交易账户的日常风险监控，设定铜期货持仓的VaR限额（95%置信水平下不超过持仓价值的2%），通过实时盯市系统拦截2次超限额交易（涉及金额约500万元）；同时针对波动率突然上升（VIX从20升至40）的情况，及时提醒交易员降低仓位，避免了潜在损失约300万元
• 核心参与期货公司净资本计算中的市场风险部分，梳理商品期货持仓的风险权重计算逻辑，结合交易所保证金比例与VaR结果，优化净资本扣减公式；使公司净资本充足率从18%提升至21%，满足监管关于期货公司风险准备金的要求

多资产类别市场风险VaR模型重构项目

• 远信资管作为券商系资管头部机构，管理跨股、债、汇、商及另类衍生品的多资产组合规模超800亿元，但原有VaR模型仅基于基础资产线性映射，无法准确计量复杂衍生品非线性风险及跨资产尾部依赖——2021年上半年监管回溯测试中VaR突破率达12%，资本计提过度冗余约1.5亿元。我作为模型组负责人，承接项目核心目标：建立覆盖全资产、动态捕捉非线性与尾部风险的计量体系，支撑监管合规与资本优化。
• 项目面临三大硬核挑战：一是复杂衍生品（如交叉货币互换期权、商品挂钩结构化产品）的风险因子拆解，传统模型仅识别基础资产价格，忽略波动率曲面、利率期限结构形状等衍生品特有风险；二是跨资产动态相关性捕捉，传统静态Pearson相关系数在2020年疫情冲击下完全失效，无法反映股债汇商的尾部联动；三是模型需同时满足巴塞尔Ⅲ监管要求（99%置信水平、10日持有期）与公司内部资本精细化分配需求。
• 针对风险因子问题，我主导构建“基础资产-衍生品特征-风险因子”三层映射框架，联合产品部梳理20类复杂衍生品的风险图谱，用蒙特卡洛模拟将衍生品拆解为Delta、Gamma、Vega及高阶希腊字母风险因子，纳入模型输入；针对动态相关性，创新性引入“时变Copula-GARCH-EVT”组合模型——用GARCH捕捉各资产波动率时变性，Copula刻画非线性尾部依赖，EVT处理极端情景下的极值风险，彻底替代传统静态相关系数；针对监管校准，设计“历史情景+假设情景+监管指定情景”三维回溯体系，用Kupiec似然比检验迭代调整模型参数，确保覆盖99.9%的极端事件。
• 项目历时18个月，成果直接推动风险计量能力跃迁：1. VaR准确性大幅提升——99%置信水平下，每日VaR突破次数从12%降至2%，模型误差率从15%压缩至3%；2. 监管合规满分通关——2022年银保监会现场检查中模型校准得分96分（满分100），较此前提升14分；3. 资本效率优化——释放过度计提的1.2亿元市场风险资本，转配高信用等级信用债，年化ROE提升0.5个百分点；4. 方法论沉淀——编写《多资产市场风险VaR模型管理手册》，涵盖风险因子识别、模型构建、回溯测试全流程，成为公司市场风险计量的标准框架。我个人也因项目贡献晋升为部门高级经理，统筹全公司市场风险模型生命周期管理。

复杂衍生品市场风险计量工具开发项目

• 2019年公司衍生品头寸规模达120亿元，但仅用Delta/Gamma敏感性分析计量风险，未整合至整体VaR框架——导致组合风险计量遗漏约25%的衍生品贡献，直接违反2020年起实施的《商业银行市场风险管理指引》“衍生品风险需统一计量”的要求。我作为计量分析师，承接项目目标：开发衍生品风险因子提取与整合工具，实现衍生品风险嵌入现有VaR体系。
• 项目核心痛点：一是奇异衍生品（如欧式障碍期权、利率上限互换）的精准定价与风险拆解，传统Black-Scholes模型无法处理路径依赖特征；二是衍生品风险因子与现有VaR模型（正态分布假设）的兼容性，直接输入希腊字母会低估尾部风险。
• 我从技术到业务全链路突破：技术上，用Python复现蒙特卡洛模拟定价引擎，支持5类奇异衍生品定价，提取Delta、Gamma、Vega及Theta等完整希腊字母集；业务上，设计“风险因子映射模块”，将衍生品风险因子转换为现有模型可接受格式，同时调整分布假设——在正态分布基础上叠加t分布尾部，捕捉衍生品肥尾特征。
• 项目交付“衍生品风险计量工具V1.0”，实现衍生品风险自动定价、因子提取与组合VaR整合。成果显著：1. 衍生品风险计量覆盖率从30%提升至100%，组合VaR误差率从22%降至2%；2. 完美满足2020年监管检查要求，避免潜在处罚；3. 工具嵌入公司风险系统，计量效率提升50%。这段经历让我深度掌握衍生品风险本质，为后续主导全资产VaR模型重构积累了底层能力。

• 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。