彭一凡

彭一凡

波士顿咨询公司(纽约)风险管理部董事总经理。曾任美银美林交易对手风险量化模型及管理高级顾问,香港美林(亚太)证券结构化产品部总监,在美国金融界从业20余年。

       彭一凡先生现任波士顿咨询公司(美国)风险建模部董事总经理。获国防科技大学数学与系统工程学士、中国科技大学信息与自动控制硕士、美国天普大学计量经济硕士与金融经济博士。

       彭一凡先生具有丰富的金融风险管理工作与研究经历,曾任美银美林交易对手风险量化模型及管理高级顾问,香港美林(亚太)证券结构化产品部总监,在美国金融界从业20 年,先后曾在美国惠誉评级公司,瑞士信贷第一波士顿银行和荷兰银行等多家国际著名银行担任部门副总裁、总监等职。长期兼任纽约金融研究所,宾夕法尼亚州立大学、新泽西罗格斯大学客座教授。彭先生多次回国讲学,给国内大型机构如中投证劵中国银行等提供培训,曾帮助国内信用评级公司君维诚建立定量评级系统并兼任顾问,协助创建国内风险管理论坛等。

       主要研究领域为信用组合建模(利用非模拟方法计算经济资本)、期权的定价和波动性预测及其交易、信贷交易策略、证券化建模、以权益挂钩的结构化产品的盯市惯例、利率建模和固定收益组合管理、金融数据和统计套利的经济计量分析等。

2. 教育背景

美国天普大学

金融经济 博士

1992.09 - 1995.05

美国天普大学

计量经济 硕士

1990.09 - 1992.05

中国科技大学

信息与自动控制 硕士

1985.09 - 1987.07

国防科技大学

数学与系统工程 学士

1981.09 - 1985.07

 

 

 

3. 工作经历

波士顿咨询集团/风险模型部

高级经理/总监

2014.09 -

         1. 负责信用风险模型评估;

         2. 操作风险咨询项目管理;

         3. 企业范围风险管理框架策略设计。

  • 近期(三年)咨询服务客户:瑞士联合银行UBS,花旗银行Citibank,友邦保险公AIG,巴克莱银行Barclay Bank,摩根斯坦利Morgan Stanley

美国银行美林证券,纽约

市场风险战略专家 总监

2011.08 - 2014.08

      1. 评估和重新设计金融风险系统知识库;

      2. 为主要的经纪人风险模型管理用户验收测试(UAT);

      3. 开发基于有效的经济资本运算原型的模型;

      4. 管理大型数据咨询以及P&L的归属报告。

毕马威,美国

定价咨询组 高级市场风险咨询顾问

2010.04 - 2011.08

      1. 对客户提供风险分析和评估的服务,以协助客户完成财务报表报告和风险管理实践,方法包括利率衍生(掉期及互换期权),货币及商品期权,公司债券,市政债券,主权债券及其他固定收益证券;

       2. 计算信用价值调整以应对不良交易对手在金融交易(利率掉期,CDS)中存在的风险;

       3. 为有价证券(如可换股票据,私募债券,通货膨胀交换等)提供坚实合理的价值评估;

       4. 为结构性产品(RMBS,CMBS),CDS,CDO提供模型输入的合理评估。

美林证券(香港公司),美国

投资风险及定价核算部总监 D

2007.03 - 2010.03

主要负责结构性产品及其衍生品的风险定价与投资战略分析,这些产品大多是依据客户对收益-风险权衡需求而设计的个性化产品,大多建构于亚太区股票及债券为初级资产之上,也有部分北美及欧洲利率产品。

      1. 对各类投资产品的市场损益及其主导风险驱动因素进行定量跟踪、计算;

      2. 为客户个性化产品提供风险分析及情景分析说明;

      3. 对行内交易员的定价参数实施独立核定;

      4. 对(产品售后)之风险对冲效果及损益进行定量评估;

      5. 对衍生品交易账目上流动性不强之资产实施定期“公允价值”计算;

      6. 负责流动性风险及建模误差风险之准备金之估算;

      7. 负责协调香港、纽约、伦敦交易数据,以保障定价方法的一致性;

      8. 协助提供相关分析以满足监管部门之要求;

      9. 风险管理与交易相结合,以确保交易正确运行(即合适的定价模式符合投资条款清单);

    10. 使用SAS,MS SQL进行大量的数据咨询(交易属性信息);

    11. 实施GARCH期权定价模型(Heston 2001)为定价外来自动波动过程标记的股权衍生品产生波动平面;

    12. 以更灵活的方法处理金融风险损益归属;

    13. 改进Black Sholes和本地波动模型;

    14. 负责数据完整性的维护,每日/每月价格测试和股票/固定收入/信贷结构性产品的市场评论:CDO,CPDO,CPPI,PDP等。

独立顾问,美国

信用风险模型与投资

2003.07 - 2007.05

      1. 搭建中小企业租赁信用管理模型;

      2. 巴塞尔协议内部实施;

      3. 计算银行的经济资本、信用评级分配在各子部门;

      4. 用非仿真方法加总计算投资组合的损失分布(即风险加总),从而提高计算速度与效率。

美国惠誉评级公司,美国

结构性产品部总监 D

2002.04 - 2003.05

      1. 负责结构性产品的信用等级评估及其定量分析;

      2. 负责制定风险加总的方法及流程管理;

      3. 主持若干关于违约相关性测量的研究;

      4. 主持与巴塞尔协议有关的内部研究,如外部评级可靠性对经济资本的影响。

瑞士信贷第一波士顿银行,美国

高级分析师 VP

2000.04 - 2002.03

      1. 信用产品售前分析与测算;

      2. 管理并使用利率收益曲线模型对利率衍生品市值进行敏感度分析;

      3. 负责评价与测试行内所使用之损益系统及由第三方提供之交易软件;

      4. 负责培训初级分析师。

荷兰银行(ABN AMRO),美国

利率产品风险部副总裁 VP

1997.02 - 2000.04

      1. 负责提供与利率风险对冲有关的决策支持分析;

      2. 房贷证券化产品的交易战略及盈亏分析;

      3. 房贷提前偿付比率之计量经济学预测;

      4. 政府债券衍生产品与投资组合的研究与策略分析。

英国石油公司,美国

退休基金管理高级分析师

1996.01 - 1997.01

       1. 负责建立评价及筛选第三方基金管理人员的程序及业绩衡量方法;

       2. 负责将资产最优分配模型的建立和修改;

       3. 对不确定性的退休基金的支付及长期风险投资收益之间的匹配关系与定量化分析;

       4. 对于总投资组合中股票与债券投资比例进行经常性的定量分析。

 
论文
 

Forecasting Chinese corporate bond defaults: A comparative study of market vs accounting- based models, Frontiers of Economics in China.

演讲
 

信用风险分析:传统方法与现代趋势(兼论中国债券违约模型比较)

AI在风险管理中的应用:新的范式和挑战 ——以中国债券违约预期为例

  • 风险管理方法创新——AI与机器学习

       演讲《信用风险分析:传统方法与现代趋势(兼论中国债券违约模型比较)》从金融交易本质出发,阐述了信用风险的特征变化趋势,指出目前金融市场证券化率、流动性提高,风险因子间关联性、传染性增加,大数据化与自动化数字化趋势明显,各机构越来越关注使用AI和机器学习技术来增强信用风险管理实践。在数据方面通过LenddoEFL信用评分与Zest Finance非传统指标衡量信誉等案例分析了传统与非传统数据的差别,提出运用机器学习预测中国债券违约情况,通过康得新公司债务违约案例对比了传统统计模型与机器学习模型的预测效果,介绍了创新方法用于风险管理的未来影响。此外,对于信用风险中的交易对手风险与错向风险进行了详细说明。

       演讲《AI在风险管理中的应用:新的范式和挑战 ——以中国债券违约预期为例》进一步说明了信用风险管理中的AI方法实践,机器学习模型具有更细化和更深入分析大量金融和非金融数据的能力,可以提高风险管理和合规的分析能力,帮助分析师在单个证券层面和更广泛的多资产组合层面做出更明智的决策,同时也带来了更大的挑战。从迭代性与适应性两方面分析了AI的本质,对比AI与机器学习,介绍了AI在风险管理领域的主要应用,并给出了已使用或将使用的范例。同时,在市场风险管理、操作风险管理、金融反欺诈、模型风险管理、监管科技等方面,AI均具备较大优势与发展潜力。

       论文《Forecasting Chinese corporate bond defaults: A comparative study of market vs accounting- based models》首次对中国市场的债券违约进行了实证研究,克服了现有方法的不足,即缺乏用于回测的实际违约数据。通过新增的债券违约数据,我们分析了各种模型下市场变量与财务变量的作用。虽然我们发现Merton基于市场的结构模型和KMV的违约距离相比于构建的预测变量模型显示出较平庸的预测能力,但其他市场变量具有关于债券违约的重要信息,并且可能有助于改进仅具有财务变量的模型。这意味着市场的智慧可以通过某种方式减轻由误报的会计信息造成的扭曲程度。我们发现,通过将个体财务指标与更宏观的市场表现变量相关联构造预测变量,例如相对保证金、本文介绍的商业环境代理等,可以显著提高模型绩效。论文揭示了中国债券市场的违约行为,而且为改进变量选择过程提供了一种有前途的方法。

 

 

    暂无记录