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动态计量与限额体系重构项目

• 【项目背景与目标】远洲资管作为权益+固收双主线资管机构，2021年因市场风格突变（利率快速上行+权益波动加剧），旗下3只“固收+”产品触发事后止损，合计损失超8000万元，暴露传统静态VaR限额体系无法应对动态市场联动风险的问题。我的目标是主导重构覆盖权益、债券、衍生品、另类资产的多资产动态风险计量模型，同步建立“分层、实时、前置”的限额管理体系，将风险管控从“事后止损”转向“事前预警”。
• 【关键难题与技术突破】项目面临三大核心挑战：1）多资产非线性联动风险捕捉——传统VaR仅覆盖单资产线性风险，无法计量股债汇衍生品的尾部相关性；2）动态限额阈值设定——需平衡业务收益诉求与风险约束；3）高频数据计算性能——原系统处理分钟级行情需2小时，无法支持实时监控。针对这些问题，我引入“GARCH-EVT模型+贝叶斯动态Copula”框架捕捉波动率聚类与非线性尾部依赖，用PyMC3实现参数动态更新；限额体系采用“风险预算分层分配+动态阈值校准”，基于历史模拟与压力测试设定组合层（±5%VaR）、策略层（±3%ES）、标的层（±1%盯市损益）三级限额，每月滚动调整阈值；性能优化上，用Dask分布式计算将分钟级风险计算时间压缩至8分钟内。
• 【核心行动与决策过程】首先，牵头组织投资、交易、IT开展3轮痛点调研，梳理12个高频风险场景；其次，带领5人团队迭代模型，用外部另类数据源与线性插值法解决另类资产数据缺失问题；然后，与业务部门共同制定《限额管理实施细则》，明确“预警-沟通-调整”响应流程；最后，完成模型与风险管理系统（RMS）对接，开展6个月回溯测试验证有效性。
• 【成果与影响】项目上线后，多资产动态风险计量准确率从72%提升至91%，限额预警前置率从45%提高到83%；2023年上半年因市场波动导致的超额损失较2022年同期减少65%（约5200万元）。动态限额体系支持公司“固收+”产品新增规模50亿元（超目标20%），模型框架被纳入公司《市场风险计量标准》，成为后续项目技术基准。

衍生品交易对手信用风险（CVA）动态计量与缓释策略优化项目

• 【项目背景与目标】2020年公司衍生品交易规模从100亿元增至300亿元，传统CVA基于静态对手方信用评级，未考虑财务恶化与市场波动联动，导致2020年某城商行违约时CVA计量值较实际损失低35%。我的目标是建立动态CVA模型，优化缓释策略，实现交易对手信用风险精准计量与低成本缓释。
• 【关键难题与技术应用】难点在于：1）复杂衍生品路径依赖合约的CVA计算；2）动态违约概率估计缺乏高频数据；3）缓释策略成本收益平衡。针对问题，我采用“简化模型+对手方财务指标”构建动态违约概率曲线，用Bloomberg API获取实时衍生品价格；缓释策略建立“成本-风险优化模型”，基于蒙特卡洛模拟计算保证金、CDS组合效果，最小化预期损失同时控制成本。
• 【核心行动与落地过程】首先，梳理IFRS 13、CAS 22监管要求明确计量范围；其次，收集15家对手方财务数据与2000+份合约条款，清洗录入风险库；然后，迭代开发动态CVA模型，解决路径依赖合约积分计算问题；接着，模拟10种市场场景评估缓释效果，选择“基础保证金+动态CDS覆盖”方案；最后，制定《衍生品CVA计量与缓释操作手册》并培训交易部门。
• 【成果与影响】项目上线后，CVA计量准确性提升40%，缓释成本降低25%（年节约1200万元）；2021年衍生品信用风险损失较2020年减少50%（约800万元）。动态CVA模型成为公司谈判保证金的核心工具，新签合约保证金比例平均下降2个百分点，释放交易资金约3亿元。我个人获公司“年度风险创新奖”，模型推广至合作券商风险部门。

• 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。