牛敬业
139****8876niu****@***.com北京30男风控模型研发工程师在职北京25k-35k •深入钻研随机过程与金融随机分析，通过编程实践掌握波动率建模与风险度量方法，夯实量化研发基础。
•斩获省赛数模一等奖，针对小微企业信贷场景设计预警系统，独立负责数据清洗与违约概率测算，验证模型有效性。
•受聘为统计课程讲师助理，将风控业务案例融入假设检验教学，帮助本科生建立从数据到决策的逻辑闭环。
•作为核心成员加入央行金融科技专项，承担信贷压力测试模块开发，使用 Python 实现宏观变量对资产质量的冲击模拟。
风控模型研发工程师评分卡建模规则引擎开发指标监控体系
北京
•- 针对消费信贷场景重构评分卡体系，通过IV筛选与WOE分箱优化，将PSI控制在0.1以内，实现不同风险等级客群的精准定价。
•- 协同业务部门设计反欺诈规则引擎，基于设备指纹与行为序列构建实时拦截策略，使欺诈交易识别率提升至92%。
•- 建立模型性能监控看板，跟踪AUC、KS等核心指标波动，在信贷收紧周期中动态调整阈值参数以适应市场环境变化。
高级风控模型研发工程师供应链风控图算法应用模型可解释性
北京
•- 主导供应链金融风控方案落地，整合税务、物流、工商等多维数据源，构建企业信用评估模型，使坏账率下降22%。
•- 设计图神经网络识别担保圈风险，通过关系网络挖掘发现隐性关联交易，预警准确率较传统方法提升35%。
•- 推动模型解释性工具落地，采用SHAP值可视化关键特征贡献度，助力审批团队理解拒绝逻辑并优化授信政策。
•- 项目背景：传统银行依赖人工审核导致小微企业贷款审批周期长达7天，亟需自动化风控解决方案。
•- 项目内容：整合企业纳税记录、社保缴纳、银行流水等12类数据，构建LightGBM分类模型。创新性地引入经营周期特征工程，捕捉季节性现金流波动规律。
•- 项目成果：系统将审批时效压缩至2小时，风险识别准确率87%，上线首年支撑30万笔小微贷款投放，助力银行普惠金融指标达成。
•- 项目背景：供应链金融中存在核心企业信用难以有效传导至上游供应商的问题，导致中小企业融资难。
•- 项目内容：设计图神经网络架构，将供应链企业抽象为节点，交易关系作为边权重。通过消息传递机制学习企业信用传播路径，量化间接担保效应。
•- 项目成果：模型使核心企业上游2-3级供应商的授信额度平均提升40%，不良率保持低于0.8%，该方案已应用于3个省级产业园区。
热衷于探究数据波动背后的风险成因，视模型稳健性与解释性为技术底线，对待特征工程严谨细致。擅长构建适应复杂金融场景的算法体系，不仅追求指标表现，更关注策略落地后的抗风险弹性。拥有扎实的统计学与机器学习功底，习惯用数据驱动决策，对异常信号保持高度敏感。善于与业务侧对齐目标，将风险诉求落地为模型指标，期待在风控领域持续深耕，用技术守护资产安全。
监管合规与算法伦理:
深度研读《征信业管理条例》及模型验证规范，建立特征准入与监控的合规清单；在算法设计中引入公平性约束，确保信贷模型满足监管对透明度与反歧视的要求。
