统筹公司全口径投资组合（涵盖股、债、衍生品及另类资产）的市场风险计量、监控与限额管理，主导压力测试与情景分析体系优化，推动风险策略与投资端的协同，确保符合巴塞尔协议Ⅲ、CRR II及国内最新监管要求。

• 主导构建多资产组合市场风险计量体系，针对传统VaR模型对尾部风险捕捉不足的问题，引入ES（预期损失）与极值理论（EVT），结合RiskMetrics与Bloomberg数据终端，开发覆盖95%投资组合的动态风险仪表盘。通过Python编写自动化数据清洗脚本，解决跨系统（投资交易系统TMS、估值系统Valuation）数据口径不一致问题，计量准确率从88%提升至96%，支撑投资决策委员会每日风险晨会的快速研判。
• 核心优化压力测试框架，针对美联储激进加息、地缘冲突升级等黑天鹅场景，牵头设计‘宏观因子-市场冲击-组合损益’三级传导模型。运用SAS搭建宏观经济联立模型，引入专家判断修正历史极值偏差，将测试周期从季度缩短至月度，2023年Q4成功预警美国国债收益率曲线倒挂对长久期利率债组合的冲击，推动提前减仓12亿元，避免浮亏扩大约3500万元。
• 推动建立市场风险限额动态调整机制，联合投资团队开发风险调整后收益（RAROC）与VaR占用率的联动模型。通过RiskFrontier优化股债配置比例，设定基于组合β系数、波动率的阶梯式限额阈值，2024年上半年主动管理型产品平均波动率较基准指数低1.2个百分点，同时超额收益提升0.8%。
• 牵头完成反洗钱与市场风险交叉验证体系建设，梳理跨境投资、场外衍生品等业务线的资金流向与价格偏离度指标，运用SQL与Tableau搭建关联交易监控看板。2023年识别2起异常高频交易导致的隐含市场操纵风险，配合合规部完成整改，获集团年度‘风险防控创新奖’。

聚焦权益类与固定收益类投资组合的市场风险分析，支持投资经理进行久期、凸性、Beta等风险因子拆解，参与新产品（如雪球结构、指数增强ETF）上线前的风险评审，编制监管报送文件（包括银保监会1104报表、中基协风险监测表）。

• 参与开发利率风险久期缺口模型，针对银行间市场债券持仓的流动性分层问题，引入Minitab统计软件进行流动性调整久期（LAD）测算。通过构建‘剩余期限-成交量-做市商报价’三维权重体系，将久期测算误差从0.3年压缩至0.1年以内，为2021年债券熊市中的久期策略调整提供关键依据。
• 优化权益类资产VaR模型，针对小市值成长股的波动率聚类特征，引入GARCH(1,1)模型预测时变波动率，替代传统历史模拟法。经回测，2022年Q1模型预测VaR与实际最大回撤的匹配度从75%提升至89%，助力投资团队将权益仓位警戒线从20%下调至18%，降低组合下行风险暴露。
• 主导编制季度市场风险报告，对接银保监会‘市场风险最低资本要求’（MRC）报送要求。通过梳理200+项风险指标的计算逻辑，开发自动化取数模板，将报送耗时从10个工作日缩短至5个工作日，连续两年零差错通过监管现场检查。
• 参与首只QDII港股通产品上线风险评估，识别汇率波动（港元兑人民币）、海外流动性收紧（Libor-OIS利差）及港股特有的仙股风险三大核心风险点。提出‘外汇远期对冲+个股流动性筛选’方案，产品成立首年跟踪误差控制在1.5%以内，优于同类产品平均水平。

负责股票、债券及衍生品头寸的日常风险计量，执行VaR、久期、希腊字母（Delta/Gamma/Vega）等指标计算，协助完成压力测试数据支持与风险数据库维护，参与新员工市场风险培训。

• 搭建Excel VBA自动化风险计算模板，整合TMS系统交易数据与Wind行情数据，实现日终VaR、久期的自动跑批。模板上线后，单日数据处理时间从4小时缩短至30分钟，错误率从5%降至0.5%，获部门‘效率提升奖’。
• 协助完成2018年A股异常波动专项压力测试，整理上证50、中证500指数历史最大回撤、成交量萎缩等20+项宏观情景参数。通过参与情景合理性讨论，提出‘质押平仓线连锁反应’补充情景，最终测试结果显示权益类组合最大可能损失（MPOR）较原测算高18%，推动公司临时提高风险准备金计提比例。
• 维护市场风险数据库，解决历史数据缺失问题。通过爬取交易所公告、券商研报等外部数据，补全2015-2017年股指期货贴水率、商品期货跨期价差等10类衍生品风险因子，数据库覆盖率从70%提升至92%，支撑后续量化策略回测需求。
• 编制《市场风险基础手册》，梳理VaR、压力测试、限额管理等核心概念及公司实操流程。手册被纳入新员工培训必修材料，2018年部门新人独立上岗周期从3个月缩短至1.5个月。

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。

• 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。