•系统修读随机过程、金融衍生品定价等核心课程，GPA位列专业前8%，独立完成《高频交易数据中的跳变检测》学术论文。
•担任校级风险管理协会技术总监，策划实施20期量化投资模拟大赛，设计基于蒙特卡洛模拟的风险压力测试模块。
•参与导师国家级科研项目，运用极值理论分析银行流动性风险，相关成果被《金融研究》期刊收录。
•在暑期实习中协助某股份制银行开发信贷资产组合优化系统，运用二次规划算法实现风险预算动态分配。
•主导供应链金融风控模型迭代，通过构建动态特征组合（如企业关联交易图谱+现金流波动指标），将模型KS值从0.32提升至0.41，不良预测准确率提高22%。
•设计反欺诈规则引擎与机器学习模型联动机制，运用图算法识别团伙欺诈网络，使欺诈案件拦截时效从T+3缩短至实时拦截。
•建立模型稳定性监控体系，通过PSI指标与特征分布漂移分析，提前预警模型失效风险，确保线上模型月度波动控制在安全阈值内。
•与合规团队协同制定模型准入标准，推动风控策略与监管要求深度融合，累计完成6项监管沙盒测试验证。
•构建消费分期用户生命周期价值预测模型，基于时序卷积网络（TCN）捕捉用户行为序列特征，使高价值客户识别率提升35%。
•搭建MLOps自动化管线，集成模型训练、A/B测试与灰度发布功能，将模型迭代周期从双周压缩至3个工作日。
•主导跨部门数据中台建设，整合用户社交属性、设备指纹等12类外部数据源，构建统一特征存储系统，支撑7个业务线风控需求。
•设计风控模型可解释性框架，通过SHAP值分析生成风险决策归因报告，帮助业务方建立差异化催收策略。
•针对跨境支付场景构建多模态欺诈检测模型，融合交易文本特征与设备指纹信息，在10万+样本集上实现92%的召回率。
•设计自适应阈值调整机制，根据币种、结算周期等维度动态优化风险阈值，使误报率降低40%。
•开发实时特征计算引擎，基于Flink框架实现毫秒级特征更新，支撑每秒8000笔交易的实时风控需求。
•建立模型对抗训练体系，通过生成对抗样本提升模型鲁棒性，在红蓝对抗测试中防御成功率达87%。
•重构传统评分卡体系，引入动态特征选择机制，从500+候选特征中筛选出32个高区分度变量，KS值提升0.08。
•设计多模型级联架构，结合XGBoost与孤立森林算法，实现风险客户分层识别，使次级风险客户识别精准度提高27%。
•构建经济周期调整模块，通过引入宏观指标（如PMI指数）动态校准模型参数，确保逆周期调节能力。
•编写模型审计白皮书，通过反事实分析验证决策公平性，帮助产品通过银保监会公平性审查。
Python生态（Pandas/Scikit-learn/PyTorch） 特征工程工具（FeatureTools/Featuretools） 时序预测模型（Prophet/TensorFlow Probability） 模型监控工具（EvidentlyAI/Alibi Detect） 风险可视化分析:
运用Plotly构建交互式风险热力图，通过多维参数联动分析识别区域性风险聚集特征，支撑区域授信策略调整。
设计风险迁移仪表盘，动态展示客户风险等级变化轨迹，帮助业务团队实现精准干预，客户风险下降率提升18%。
