统筹公司权益、利率及大宗商品资产组合的市场风险计量、压力测试及动态管控，联动投资、交易及合规团队落地风险限额与缓释策略，确保风险暴露符合监管要求及公司风险偏好

• 主导设计权益资产组合的极值风险计量框架，引入t-copula函数重构多因子相关性假设（覆盖宏观经济、行业景气度、个股流动性3类因子），将VaR（99%置信区间）预测准确率从82%提升至91%；基于优化后的模型识别出新能源行业持仓的极端下行风险，推动投资团队将相关仓位从18%降至3%，2024年Q4新能源板块回调时避免潜在损失约2000万元
• 核心参与利率债持仓压力测试体系升级，搭建“宏观政策冲击+市场流动性收紧”双维度场景库（包含加息200BP、银行间资金利率上行100BP、10年期国债收益率突破3.5%等6类极端场景），推动测试结果与交易限额联动——将利率债久期缺口从1.2年收窄至0.5年，2024年Q4债券市场波动期间，组合估值损失较同期同业低40%
• 牵头搭建大宗商品衍生品实时风险监控系统，整合彭博API与公司内部估值模型，实现Delta、Gamma、Vega等希腊字母的分钟级更新；系统上线后，衍生品风险预警时间从T+1缩短至实时，全年拦截3次超限额交易（涉及原油期权、铜期货），避免潜在损失约800万元
• 推动市场风险与信用风险交叉验证机制落地，针对含权信用债组合，运用KMV模型评估发行人违约概率，结合市场隐含评级调整风险权重（将高隐含违约概率债券的风险权重从100%上调至150%），将组合信用利差风险暴露降低12%；相关成果被纳入公司年度风险报告，获监管机构“风险管控有效性”书面肯定

协助构建固定收益及外汇资产的市场风险计量体系，参与压力测试、限额管理及风险报告，支持投资决策中的风险评估与缓释

• 重点优化固定收益组合敏感性分析流程，引入关键利率久期（KRD）替代传统久期指标，精准计量收益率曲线非平行移动风险；优化后利率风险识别精度提升30%，帮助团队调整国债（久期3.2年）与高信用等级信用债（久期1.8年）配置比例，组合利率敏感性较之前下降25%，收益稳定性提升0.5%
• 核心参与外汇衍生品头寸压力测试，搭建“美元指数波动+新兴市场货币贬值”情景库（包含美元指数升至110、欧元兑美元跌破1.05、印度卢比贬值10%等场景），量化欧元、日元头寸的潜在损失；推动公司设置外汇敞口限额为净资本的5%，2021-2022年外汇风险损失占净资本比例始终控制在0.3%以内
• 负责市场风险数据自动化处理，运用Python编写数据清洗与整合脚本（对接Wind、公司交易系统），将每日风险数据报送时间从4小时缩短至1小时，数据准确率从98%提升至99.9%；支撑风险报告的及时性，从未因数据延迟影响监管报送或管理层决策
• 协助开展市场风险培训，针对交易员编写《外汇衍生品风险操作手册》，涵盖Delta中性策略应用、止损限额设置、情景压力测试解读等内容；全年开展4次培训，交易员风险合规意识测评得分从72分提升至92分，后续外汇衍生品交易违规率为0

参与市场风险基础计量工作，协助搭建风险指标体系，支持日常风险监控及监管报送

• 主导搭建权益资产市场风险指标库，涵盖Beta、波动率、行业集中度、风格偏离度等12项指标，实现每日自动计算与阈值预警；指标库上线后，权益组合波动率超标预警时间从T+1缩短至当日收盘后1小时，帮助团队及时卖出高波动个股（如当时涨幅过大的半导体股票），避免组合波动率较基准高出1.5个百分点
• 参与利率风险初步计量，运用久期与凸性指标分析债券组合利率敏感性，每月撰写《利率风险评估报告》；识别出2只久期过长（5.8年）的信用债，推动卖出后，2018年利率上行周期中避免损失约300万元
• 协助完成监管报送数据整理，按照银保监会《商业银行市场风险管理指引》要求，整合风险敞口、限额执行情况、压力测试结果等数据，全年报送准确率100%，未收到监管机构的质询或整改要求
• 参与开发市场风险可视化看板，运用Tableau展示权益波动率、利率久期、外汇敞口等关键指标，将管理层查看风险数据的时间从30分钟缩短至5分钟；看板上线后，管理层对市场风险的决策响应速度提升40%

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。

• 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。