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。

多资产组合市场风险动态计量与预警体系重构项目

• 项目背景：伴随资管新规下净值化转型深化，公司多资产组合（覆盖股、债、商品、外汇及另类资产）规模两年内增长150%，原有“单资产静态VaR+人工联动分析”的风险计量体系无法捕捉资产间动态相关性，预警滞后性导致2021年错失2次极端市场波动的前置对冲机会。核心目标是通过重构体系实现“实时计量-动态预警-前瞻性应对”的闭环，支撑投资端的风险可控收益挖掘。我在项目中担任主导者，统筹风控、投资、IT跨部门资源推进落地。
• 关键难题与技术：一是多资产联动风险的非线性捕捉——原有历史模拟法未考虑资产相关性动态变化，导致组合VaR低估12%-18%；二是实时计算性能瓶颈——传统批量处理系统无法满足T+0风险监控需求；三是预警阈值的适应性不足——固定阈值在震荡市频繁误报，在单边市漏报。我选择DCC-GARCH模型捕捉动态相关性，结合蒙特卡洛模拟提升非线性风险计量精度；引入Spark Streaming搭建流计算平台处理行情与持仓的实时数据；用LSTM神经网络训练历史波动数据，实现预警阈值的自适应调整。
• 核心行动与创新：1. 牵头梳理12类资产的200+个风险因子，构建统一数据中台打通行情、持仓、交易系统数据链路；2. 针对利率互换、外汇远期等衍生品头寸，叠加SABR模型修正波动率曲面的计量偏差；3. 设计“风险因子-组合VaR-预警信号”三级传导机制，将预警指标从3个扩展至8个（涵盖波动率、相关性、流动性），并通过API嵌入投资交易系统实现实时弹窗预警。
• 项目成果与价值：1. 计量精度显著提升——多资产组合VaR误差率从15%降至4.2%，回溯测试（2020-2022年数据）失败率从7%降至1.5%；2. 预警时效性与准确性飞跃——实时预警时间从T+1缩短至5分钟内，2023年成功预警美联储加息超预期、大宗商品价格暴涨等3次极端场景，推动投资端提前调整头寸，避免潜在损失约2100万元；3. 输出《多资产市场风险动态管理操作手册》，成为公司净值化产品风险管控的标准化流程。我个人主导了体系顶层设计与核心模型选型，解决了跨资产联动与实时性的行业共性难题。

利率衍生品头寸VaR模型优化与监管压力测试体系完善项目

• 项目背景：公司利率衍生品业务（国债期货、利率互换、利率期权）规模一年间增长80%，原有VaR模型基于Black-Scholes假设，无法捕捉利率期权的“波动率微笑”非线性风险；同时监管要求的“逆周期压力测试”因场景单一（仅覆盖宏观利率上行），无法匹配公司头寸的集中度特征（10年期国债期货占比达40%）。我的角色是负责模型优化与压力测试设计，支撑业务合规与风险精准管控。
• 关键难题与技术：一是利率衍生品的非线性风险计量缺失——原有模型低估期权头寸的尾部风险约20%；二是压力测试场景缺乏针对性——通用场景未覆盖公司“持有到期+交易性”混合头寸的结构特点；三是模型验证流程不规范——原来的回溯测试仅覆盖1年数据，无法验证模型在不同市场周期的稳定性。我选择SABR模型替代Black-Scholes，拟合利率期权的波动率曲面；联合宏观研究团队定制3类业务相关压力场景；搭建Python自动化回溯测试框架，扩展数据周期至5年。
• 核心行动与突破：1. 针对利率期权头寸，收集2016-2020年5年期、10年期国债期权的隐含波动率数据，校准SABR模型的α、β、ρ、ν四个参数，修正波动率微笑偏差；2. 与投资团队沟通头寸结构，设计“收益率曲线陡峭化+流动性枯竭+信用利差走扩”3个定制场景，每个场景设置具体变量（如10年期国债收益率上行150BP、银行间质押式回购利率上升50BP）；3. 开发回溯测试脚本，每月自动运行模型，输出“实际损失-VaR”偏差报告，推动模型参数季度迭代。
• 项目成果与价值：1. 利率衍生品VaR计量准确性提升——99%置信水平下的模型偏差率从8%降至1.8%，监管现场检查中因“风险计量充分性”获得加分；2. 压力测试覆盖度提升——定制场景覆盖了公司92%的利率衍生品头寸，2021年通过压力测试识别出“收益率曲线陡峭化”场景下的潜在损失缺口，推动投资端减少10年期国债期货头寸30%，规避损失约800万元；3. 输出《利率衍生品风险计量与压力测试指引》，规范了模型开发、验证与压力测试的全流程。我个人主导了模型优化与场景设计，解决了利率衍生品非线性风险与监管适配的核心问题。

• 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。