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。