统筹公司权益、固收及多资产组合的市场风险全流程管理，涵盖风险识别计量、限额体系搭建、压力测试实施及监管报送，联动投资交易团队制定风险缓释策略，保障组合在极端市场环境下的稳健性。

• 主导优化多资产VaR（在险价值）计量模型，针对权益类衍生品（股指期货、期权）及利率债久期缺口的风险敞口，引入GARCH-EVT混合模型修正尾部风险预测偏差，将99%置信水平下日度VaR回溯测试失败率从7.3%降至2.1%，模型前瞻性获监管现场检查高度认可。
• 牵头设计年度全市场压力测试方案，覆盖美联储超预期加息（+200BP）、国内地产债集中违约（CDS利差跳升150BP）等6类极端情景，创新性加入跨境资本流动冲击因子（北向资金单月净流出超2000亿），推动投资组合调整高贝塔个股头寸12亿元，经测算可降低极端情景下潜在损失1.8亿元。
• 搭建动态限额管理体系，基于风险调整后收益（RAROC）指标拆解股债衍生品、外汇敞口的子限额，配套开发限额预警自动化看板（集成Bloomberg API与内部风控系统），将超限额事件响应时效从T+1缩短至实时，季度限额违规率从15%降至4%。
• 应对新金融工具准则（IFRS 9）实施要求，梳理权益类金融资产公允价值计量风险链路，主导编制《市场风险对财务报表影响分析报告》，明确Delta/Gamma对冲策略对净利润波动的缓释效果，支撑财务部门完成准则过渡期信息披露。

聚焦固定收益及衍生品组合的市场风险计量，负责利率风险、汇率风险的压力测试执行，协助投资经理优化套保策略，定期向管理层汇报风险轮廓。

• 核心参与利率债组合久期风险分析，运用Hull-White利率模型模拟10年期国债收益率曲线平行移动（±50BP）、蝶式变陡（2s10s利差扩大30BP）等情景，测算组合净值波动对IRR的影响，提出增加5年期国债期货套保头寸的建议，使组合久期缺口从-3.2年收窄至-1.5年，利率上行周期中净值回撤幅度降低40%。
• 搭建外汇衍生品（远期、期权）希腊字母（Delta/Gamma/Vega）风险监测体系，针对美元兑人民币汇率波动率跳升（从6%升至12%）的情景，通过蒙特卡洛模拟测算期权组合Vega暴露，提示投资团队平仓部分高Vega头寸，避免因隐含波动率骤降导致的浮亏约3200万元。
• 优化压力测试数据治理流程，整合交易系统、估值系统、外部宏观数据库（Wind、CEIC）的200+风险因子，开发自动化数据校验脚本（Python编写），将数据提报错误率从12%降至3%，支撑季度压力测试报告按时提交率100%。
• 参与反洗钱与市场风险交叉验证项目，通过分析异常交易的市场风险特征（如高频反向对冲、跨市场价差偏离），识别3起疑似利用衍生品掩盖真实交易目的的行为，协助合规部完善交易行为监测指标库。

负责权益类公募基金组合的市场风险计量，执行日常VaR监控、敏感性分析及月度风险报告编制，协助投资团队跟踪市场风险敞口变化。

• 独立完成股票型基金组合的Beta系数与行业集中度分析，运用Brinson模型拆解超额收益中的市场风险贡献度，发现消费板块Beta值达1.35显著高于基准（1.0），提出分散配置至公用事业板块的建议，推动组合年化波动率从22%降至18%。
• 搭建基金净值回撤归因框架，通过T-M模型分离主动管理能力与市场风险影响，每月输出《市场风险对基金表现贡献报告》，帮助渠道部门向客户解释极端行情下产品回撤的合理性，客户投诉率下降25%。
• 参与公司首只FOF产品发行，负责底层基金的市场风险穿透计量，梳理87只子基金的股票、债券、商品风险敞口，编制《FOF组合风险预算方案》，设定单资产类别最大回撤阈值（权益类≤8%），为产品风险收益特征定位提供数据支撑。
• 优化风险日报模板，新增“关键风险指标（KRIs）预警栏”，整合Shibor利率变动、美股VIX指数等外部信号，将市场风险预警时效从盘后提升至盘中，协助投资经理及时调整黄金ETF持仓，规避单日金价暴跌3%带来的损失。

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。