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

多资产组合市场风险计量体系升级项目

• 项目背景：资管新规落地后，监管要求资管机构强化组合层面市场风险穿透计量，原体系仅覆盖单资产VaR，无法识别雪球期权、跨市场ETF等非线性资产的集中度风险及因子联动敞口，亟需构建“全资产、多维度、动态化”的风险计量框架，支持投资决策与监管报送。
• 关键难题：1）雪球期权等奇异衍生品的非线性风险计量偏差大（原模型误差超15%）；2）多资产组合的“资产类别-行业-宏观因子”三层级集中度无统一量化框架；3）监管压力测试场景未覆盖地缘政治及极端利率波动的联动影响。
• 核心行动：1）针对非线性资产，引入Heston随机波动率模型重构定价引擎，结合历史模拟法与GARCH(1,1)动态预测波动率，将雪球期权的ES计量误差降至3%以内；2）设计“因子暴露-相关性矩阵-Copula函数”三步法，量化组合在权益风格、利率久期、商品趋势三类因子的集中度，突破传统单一资产加总的局限；3）新增“俄乌冲突能源价格冲击”“美联储超预期加息200BP”等6个极端场景，用PyMC3贝叶斯模型预测宏观变量对组合的传导效应。
• 项目成果：1）计量体系覆盖98%以上的组合资产，监管报送差错率从8%降至0，助力公司通过年度现场检查并获得“风险管理优秀案例”评价；2）提前2周预警某雪球期权持仓的集中度超限风险，推动投资团队调整12亿规模头寸，避免潜在损失约6000万；3）主导编写的《多资产市场风险计量指引》成为公司内部标准，个人获评“年度风险条线核心贡献者”。

权益类资产市场风险预警系统迭代项目

• 项目背景：原权益风险预警系统依赖静态阈值（如波动率超过20%报警），无法捕捉市场结构突变（如2021年新能源板块暴跌），导致预警滞后率达40%，亟需构建“实时感知-动态调整”的自适应预警体系，提升风险响应速度。
• 关键难题：1）传统因子模型（如Fama-French五因子）的IC有效性随市场风格切换快速衰减；2）静态阈值无法适配不同策略组合（如量化多头vs主观权益）的风险特征；3）多源数据（行情、基本面、舆情）整合滞后，影响预警时效性。
• 核心行动：1）用滚动窗口（60天）动态筛选有效因子，每季度剔除失效的估值因子（如PE分位），新增资金流向、分析师预期修正等高频因子，将因子IC均值从0.12提升至0.21；2）基于LSTM模型预测组合未来3天的波动率阈值，实现“一组合一阈值”的个性化设置；3）搭建实时数据pipeline，整合Wind、聚源及舆情平台的分钟级数据，将预警延迟从30分钟压缩至5分钟内。
• 项目成果：1）预警准确率从60%提升至85%，成功提前预警2021年12月新能源板块回调、2022年4月A股急跌等3次重大风险，帮助公司规避潜在损失约8000万；2）系统被推广至旗下3家子公司，替代原第三方预警工具，年节省成本200万；3）从执行层晋升为团队负责人，主导后续多资产预警模块的开发，完成从“风险分析”到“体系设计”的能力跃迁。

• 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。