负责公司公募基金、专户及私募资管计划全产品线反洗钱风险防控体系落地，边界涵盖客户身份识别（KYC）、交易监测、可疑交易报告及监管对接，需联动业务、技术与合规团队实现风险闭环

• 主导设计基于FATF‘风险为本’原则及《金融机构客户身份识别和客户身份资料及交易记录保存管理办法》的公募基金客户分层KYC模型，融合机器学习聚类分析与Neo4j图数据库关联技术，解决原有模型对高净值客户嵌套持股、信托代持等复杂结构的穿透不足问题；模型上线后，KYC信息完整率从89%提升至97%，高风险客户漏判率下降42%，支撑后续可疑交易监测的精准性
• 推动优化公募基金交易监测系统参数，基于Apache Flink实时流处理技术，联合量化团队提取高频对冲、CTA策略的交易特征（如日内交易频率、持仓周转率），调整偏离度计算阈值与特征权重，解决原有参数对量化策略的误报率过高问题；月度误报量从1200笔降至350笔，监测效率提升71%，释放后台团队30%的核查精力
• 牵头处理某私募资管计划跨境资金流动异常事件，运用《金融机构大额交易和可疑交易报告管理办法》（央行令〔2016〕第3号）及受益所有人（UBO）识别规则，通过Etherscan区块链浏览器追踪资金链路，联动中国反洗钱监测分析中心获取境外情报，最终提交的可疑报告被央行采纳，推动公司完善跨境资金‘穿透式’管控流程，后续同类异常事件发生率下降60%
• 搭建反洗钱差异化培训体系，针对一线销售、后台运营及投研团队设计场景化课程（如‘老年客户大额转账用于虚拟货币投资’‘量化策略触发监测预警的应对’），依托公司LMS平台实现线上考核与案例复盘；年度全员培训覆盖率100%，测试通过率从75%提升至92%，一线人员主动上报可疑线索的数量增加58%

协助构建零售客户反洗钱防控流程，覆盖公募基金、券商资管产品，边界包括KYC审核、交易监测支持及监管报表填报，需保障流程合规性与操作效率

• 优化零售客户KYC审核流程，梳理《个人客户身份信息采集标准》，整合百度OCR识别与人工复核双机制，解决原有流程中身份证有效期更新不及时、地址信息模糊的问题；KYC审核时效从3个工作日缩短至1个工作日，信息准确率提升至98%，支撑业务端客户开户效率提升25%
• 支持交易监测系统的数据分析与规则测试，运用SQL查询筛选‘单日多笔小额转账累计超50万’‘跨地区频繁登录交易’等异常模式，设计12类测试用例模拟‘拆分交易规避大额报告’场景，帮助发现系统漏报的3类异常模式，推动系统规则迭代，后续同类异常漏报率为0
• 负责反洗钱监管报表填报，依据《金融机构反洗钱监督管理办法（试行）》要求，核对核心交易系统、CRM系统数据一致性，完成季度大额交易报告、年度反洗钱自评估报告等8类报表；连续12个月报表零差错，获中国人民银行上海总部‘报送质量优秀’书面反馈

协助完成反洗钱基础工作，包括客户身份资料整理、交易监测预警初筛及反洗钱宣传物料准备，需保障资料规范性与宣传有效性

• 整理存量客户身份资料，按照《金融机构客户身份识别和客户身份资料及交易记录保存管理办法》分类归档，建立电子档案索引系统（按客户类型、开户时间、风险等级标注），解决原有资料分散、检索困难的问题；检索时间从平均15分钟缩短至2分钟，支持后续内部审计与监管现场检查高效开展
• 初筛交易监测预警，运用预设规则（如‘短期内频繁买卖同一基金产品’‘单只产品持仓占比超80%且频繁赎回’）标记高风险预警并提交上级审核，月度处理预警量达800笔，准确率达85%，为团队节省30%的审核时间
• 准备反洗钱宣传物料，针对老年客户设计‘防范洗钱陷阱’漫画手册（涵盖‘冒充公检法要求转账’‘虚假理财诈骗’等场景），协助开展3场线下社区宣传活动，覆盖客户200余人，收集客户咨询问题50余条，反馈至合规部门优化宣传内容的通俗性

• 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。

跨境资管产品多司法管辖区合规整改项目

• 项目背景：公司为拓展香港及美国市场，发行了8只挂钩内地资产的跨境资管产品，但因未完全适配香港SFC《开放式基金型公司守则》、美国SEC《投资顾问法》及内地《资管新规》的交叉监管要求，面临产品无法按时上线、潜在1.5亿港元监管处罚的风险。我的核心职责是主导跨司法管辖区合规整改，确保产品设计、投资者适当性及信息披露全流程符合多地规则。
• 关键难题：一是不同司法管辖区的监管冲突——香港要求“穿透式审核”投资者底层资产，内地强调“实质重于形式”的嵌套层级限制，二者在产品架构设计上存在矛盾；二是投资者适当性匹配效率低，传统问卷无法覆盖跨境投资者的多重风险属性（如汇率风险、跨境资金流动限制）。
• 核心行动：1. 搭建“多维度合规映射框架”——将三地法规拆解为“产品载体、投资者准入、信息披露”3大维度、18项校验规则，例如针对香港OFC（开放式基金型公司）架构，调整内地底层资产的嵌套层级至1层以内，同时满足内地“穿透式披露”要求；2. 自研“跨境投资者适当性评估模型”——整合客户国籍、资产来源、风险承受能力及跨境投资经验4类数据，嵌入实时合规校验模块，替代传统静态问卷；3. 协调产品、运营、IT部门完成8只产品的架构重构，同步完成香港证监会备案及美国SEC Form ADV更新。
• 项目成果：1. 提前2个月完成全部产品合规整改，成功规避1.2亿港元潜在处罚；2. 整改后产品在香港及美国的募集规模达3.6亿港元，较原计划提升35%；3. 形成的“多司法管辖区合规映射框架”被公司纳入跨境业务标准流程，后续同类产品整改效率提升60%。我个人主导了框架设计与跨部门协同，推动业务从“被动合规应对”转向“主动适配监管”。

资管业务反洗钱（AML）智能管控体系搭建项目

• 项目背景：公司原有反洗钱流程依赖人工筛查交易数据，误报率达28%，且无法动态识别客户风险变化，2020年监管检查中因“可疑交易漏报”被出具警示函。我的角色是从方案设计到落地实施的核心成员，目标是搭建“智能+动态”的AML管控体系。
• 关键难题：1. 传统规则引擎的局限性——基于固定阈值（如单笔交易超过50万元）的筛查方式，导致高净值客户的正常资金划转（如跨境并购款）频繁误报；2. 客户风险评级静态化——仅依赖开户时的资料评估，无法及时更新客户资产规模、交易频率及地域分布的变化。
• 核心行动：1. 构建“客户风险画像模型”——收集3年历史交易数据（涵盖12万+客户、800万+笔交易），清洗标注1200+条可疑交易样本，用随机森林算法训练模型，整合“资产规模、交易频率、地域风险、交易对手类型”4个维度20项指标，动态计算客户风险等级；2. 优化可疑交易监测规则——将规则引擎从“固定阈值”调整为“风险等级联动”，高风险客户触发更严格的筛查，低风险客户放宽阈值；3. 对接公司CRM、交易系统及第三方制裁名单库（如OFAC、UN Sanctions），实现客户风险评级每月自动更新、可疑交易实时预警。
• 项目成果：1. 可疑交易报告准确率从72%提升至85%，误报率降至9%；2. 监管检查中的问题数量从2020年的15起降至2022年的2起，避免了约500万元的监管罚款；3. 反洗钱人工审核工作量减少40%，团队得以聚焦于高风险客户排查。我负责模型的数据清洗、特征工程及落地调试，推动公司AML流程从“规则驱动”向“智能驱动”转型，该项目也被集团评为“年度最佳合规创新项目”。