统筹公司主动管理型资管产品及自营投资组合的市场风险全流程管理，涵盖风险计量模型迭代、压力测试体系优化、新业务风险评估及监管合规落地，协同投资、交易、运营部门实现风险-收益平衡。

• 主导优化多资产组合VaR/ES计量模型，针对权益、固收、商品及外汇跨市场策略的因子暴露偏差问题，引入机器学习LSTM算法修正宏观因子（如10年期美债收益率、VIX指数）与资产收益率的非线性相关性，将模型前瞻性预测窗口从T+1扩展至T+3，季度风险预警准确率提升18%，支撑投资经理提前调整久期与杠杆水平。
• 牵头重构极端情景压力测试框架，结合2024年国内经济弱复苏及海外美联储加息尾声的双重环境，设计‘股债双杀+人民币急贬+商品通胀’复合情景，运用极值理论（EVT）校准尾部损失分布，测算出99%置信水平下单日最大可能损失（ES）较原模型降低22%，相关报告获证监局现场检查高度认可。
• 负责跨境投资业务市场风险准入评估，针对QDII额度下美股科技股ETF持仓，搭建汇率风险对冲成本模型（涵盖NDF远期点、隐含波动率曲面），提出‘部分对冲+期权领口’组合策略，将汇率波动对组合夏普比率的影响从-0.15收窄至-0.07，推动该业务规模季度环比增长25%。
• 推动风险数据集市升级，整合Wind、Bloomberg及内部交易系统数据，开发自动化风险报表平台（基于Python+SQL），实现VaR、集中度、流动性缺口等12项核心指标实时监控，人工核对耗时从每周8小时压缩至1小时，风险响应效率提升70%。

聚焦权益及衍生品投资组合的市场风险管控，负责希腊字母（Delta/Gamma/Vega）动态监测、场外衍生品对手方信用风险传导分析，以及投资策略风险预算执行跟踪。

• 独立设计股票多空策略希腊字母监控模板，针对股指期货对冲比例动态调整需求，开发Gamma暴露阈值预警机制（设定±0.15为临界值），结合隐含波动率曲面变化调整对冲频率，将组合年化波动率从18%稳定至14%，年度最大回撤收窄5个百分点。
• 牵头场外期权业务风险穿透分析，面对挂钩黄金ETF的障碍期权头寸，运用蒙特卡洛模拟测算不同金价路径下的Delta/Gamma集中风险，发现极端行情下对手方违约概率与组合损失的相关系数达0.62，推动引入保证金动态调整条款，将潜在信用风险敞口降低40%。
• 搭建流动性风险计量体系，基于Amihud非流动性指标与买卖价差数据，构建组合变现时间（Time to Liquidate）预测模型，识别出3只持仓占比超5%的低流动性信用债，在2022年债市调整期提前1个月启动减仓，避免了因流动性冲击导致的额外损失约800万元。
• 协同投资团队优化风险预算分配，运用Barra风险模型拆解风格因子（如市值、估值、动量）贡献度，发现小市值因子超额收益波动率较基准高30%，建议将小盘股持仓上限从20%下调至15%，该策略年度超额收益稳定性提升25%。

开展宏观经济周期与市场风险关联性研究，开发量化风险预测模型，为投资端提供前瞻性风险提示及策略建议。

• 构建宏观经济-市场风险传导模型，选取PMI、CPI、10年期国债收益率等7个核心指标，运用VAR向量自回归方法测算其对股债市场波动率的领先滞后关系，发现PPI同比增速领先权益市场波动率2个月（R²=0.68），相关结论被纳入公司季度风险展望报告。
• 设计多因子风险平价策略回测框架，基于风险贡献度均衡目标，优化股、债、商品大类资产权重，通过Matlab编程实现滚动窗口优化（频率1个月），回测显示该策略在2015-2019年年化波动率仅8.2%，较传统60/40组合低40%，为后续产品发行提供理论支持。
• 参与编写《证券公司市场风险计量操作指引》，梳理VaR计算方法（参数法、历史模拟法、蒙特卡洛法）的适用场景及局限性，提出‘混合模型+专家判断’的本土化改进方案，部分内容被行业协会风险指引草案采纳。
• 搭建可转债市场风险监测指标库，整合转股溢价率、纯债溢价率、隐含波动率等12项指标，开发‘双低策略’风险预警阈值（转股溢价率>30%或纯债溢价率>20%触发提示），2019年成功预警3只高溢价个券的价格大幅回撤事件。

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。

• 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。