统筹集团权益、固收、大宗商品、外汇跨资产类别市场风险管控，搭建动态风险限额体系，推动风险量化工具与投资决策系统集成，主导极端市场环境下的风险缓释策略制定与监管沟通

• 主导搭建“宏观情景+微观头寸”双维度动态风险限额体系，宏观维度纳入PMI、CPI、10年期国债收益率等6个领先指标设定阈值，微观维度覆盖单一资产VaR占比、希腊字母总暴露等12项限额；实施后，组合在2027年Q2美股VIX骤升30%时的超额损失率从2.1%降至0.8%，年度风险调整后收益（RAROC）提升25%
• 推动风险量化工具与投资决策系统深度集成，主导开发“市场风险实时监控Dashboard”，整合Wind、Bloomberg数据源实现VaR、压力测试损失、希腊字母暴露分钟级更新；上线后，投资经理调整头寸时的风险反馈时间从2小时缩短至5分钟，季度内因风险滞后导致的资产错配事件减少70%
• 应对美联储加息周期下的汇率与利率双重风险，设计“外汇远期对冲+利率互换”组合策略：针对集团10亿美元海外资产，通过3个月远期合约锁定美元兑人民币汇率在6.9区间，同时利用利率互换将5亿美元浮动利率负债转换为固定利率；落地后，年度利息支出减少约600万美元，汇率波动对净利润的影响从±3%收窄至±1%
• 搭建市场风险人才梯队，制定“基础计量（GARCH、KMV模型）+业务场景（压力测试、限额管理）+监管合规（银保监会1104报表）”三阶培训体系，主导编写《市场风险计量实务手册》（涵盖模型假设验证、工具使用规范、情景设计逻辑）；培养2名高级分析师独立负责资产类别风险建模，团队专业能力评估得分从4.2分（5分制）升至4.7分

主导权益及固定收益组合市场风险计量模型优化，牵头全资产类别流动性压力测试，对接监管机构解释风险指标异动，设计风险信息分层汇报体系

• 优化固定收益组合信用利差风险计量模型，将KMV模型违约概率输入替代原静态信用评级映射，信用风险与市场风险联动测算精度提升30%；针对2025年房地产债信用利差走扩200BP情景，测算组合潜在损失率较原模型高18%，推动提前减持高杠杆房企债，规避损失约1200万元
• 牵头集团首次全资产类别流动性压力测试，采用LSTM模型预测极端情景（10%日均成交额抛售+融资流动性冻结）下的资产变现速度，得出30天内流动性缺口5亿元；推动制定“优先处置流动性好的ETF产品+申请短期融资额度”缓释方案，顺利通过年度监管压力测试验收
• 对接银保监会现场检查，解释组合VaR指标异动核心原因——美股VIX骤升导致衍生品头寸Vega暴露扩大；整理近6个月压力测试报告及模型验证文档，清晰回应“风险计量覆盖度”“缓释措施有效性”质疑，检查未提整改要求
• 设计“风险日报-周报-月报”分层汇报体系，将希腊字母风险、VaR变动转化为“风险敞口偏离度”“压力情景损失占比”等业务易懂指标；推动风险信息传递效率提升40%，投资团队对风险数据利用率从65%升至88%

协助维护权益组合VaR模型、执行利率及权益资产压力测试、整合验证监管报送数据

• 主导维护权益类投资组合VaR模型（历史模拟法+蒙特卡洛双引擎），针对低波动市场下预测偏差问题，引入GARCH(1,1)修正收益率肥尾特征；模型回溯测试覆盖率从85%升至92%，支撑投资团队调整高贝塔个股仓位，季度组合VaR峰值下降15%
• 负责利率债及信用债久期/凸性测算，结合央行OMO利率调整预期构建“政策利率+信用利差”双因子压力情景；得出200BP利率上行情景下组合价值损失率，推动减持超5年信用债，规避潜在损失约800万元
• 整合衍生品头寸希腊字母风险数据（Delta、Gamma、Vega），针对期权组合Vega暴露过高问题，联动交易部门设计Delta中性套期保值策略；将期权头寸市场风险暴露从1.2倍净资本降至0.7倍，满足季度监管风险限额要求

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。

支教时发现乡村小学因缺乏实验器材，科学课多停留在课本讲解。返校后联合实验室开发出百元级科学实验背包，内含20个基础实验器材。为确保可持续运营，设计配套视频课程与城乡结对系统，并培训132名大学生担任远程助教。项目覆盖9省47所学校后，学生科学兴趣评分提升35%。这段经历教会我用产品思维解决社会问题，当看到孩子们用自制望远镜发现土星光环时，我理解了教育的真谛是点燃可能性。