金融風險專家
SOC 13-2054
分析並度量威脅機構資產、盈利能力或經濟狀況的信用風險與市場風險敞口，並可提出限制風險的建議：收集內外部風險相關資料；用統計方法或計量模型把風險量化為可比較的指標；設計與實施風險評估模型與情景分析，模擬嚴重市場事件的影響；識別投資標的的主要風險與緩釋因素，評估法律與所有權結構、客戶基礎與行業位置帶來的風險；監控模型與資料質量，編制風險報告與披露材料並向業務與管理層說明風險立場；參與風險管理系統的建設與改造，並在必要時提出調整或限制風險敞口的建議。
三項代表核心任務等權的模型影響指數，非實際工時佔比或失業機率。floor((75+50+75)/3+0.5)=67; fermatmind-ai-impact-v1; 2026-10-18.
快速判斷
金融風險專家適合什麼樣的人？
先判斷自己是否願意長期與風險資料、計量口徑與限額管理打交道，並接受獨立驗證與風險事件追問的現實；用本頁紙面練習與七天任務驗證。
本卡是職業探索參考，不構成錄用、能力評分或投資、法律與合規結論。
什么样的人更可能适合金融風險專家？
更值得考慮的訊號：願意把風險判斷寫成可複核的度量與情景說明、能接受自己的模型被獨立驗證和質疑、願意說明模型失效條件與限額觸發後的處理。需要慎重的訊號：用複雜模型掩蓋假設薄弱、只報告有利情景、把風險度量結果當成結論而不是決策依據。
什么情况下需要慎重选择金融風險專家？
本清單只用於自我提問，不構成錄用標準、能力評分或投資結論。本頁按美國 O*NET-SOC 13-2054.00「Financial Risk Specialists」編寫。這一職業實際差別很大：銀行與信用風險、市場與交易風險（含利率與匯率風險）、資管與投資風險（含組合暴露與歸因）、保險公司償付能力與核保風險、企業財務與資金風險，以及監管合規與模型驗證（model validation）方向。比較崗位前先核對所在機構與業務線、風險型別（信用、市場、流動性、操作還是模型風險）、是否承擔風險限額與報告責任、是否要求獨立建模與驗證、以及監管報送與披露的時限要求。
如何用一次小实验判断自己是否适合金融風險專家？
用一次紙面演練驗證：給你一份完全虛構的風險評估任務（需要回答的風險問題、可用的持倉與市場資料、必須遵守的風險計量口徑與留痕要求、需要交付的風險報告與情景分析材料），要求寫出風險識別與範圍界定、度量方法與口徑選擇、資料核對與缺失處理、引數與假設、壓力情景與敏感性設定、限額或緩釋建議，並標出哪些結論必須由風控負責人、模型驗證或合規確認。 紙面加練（使用虛構材料）：用虛構風險敞口表找出一處集中暴露，寫明上報前需用什麼資料確認。
职业画像
職業邊界：本頁按美國 O*NET-SOC 13-2054.00「Financial Risk Specialists」編寫，指識別與度量機構信用風險與市場風險敞口、設定並跟蹤風險限額、開展情景與壓力測試並提出緩釋建議的崗位；不含組合投資決策（由投資基金經理承擔）、機構財務統籌與資金安排（由財務經理承擔）、合規體系與監管許可溝通（由合規經理與監管事務經理承擔）、防損與資產保護（由損失預防經理承擔）以及財務與市場資料的估值結論（由金融與投資分析師承擔）；不提供投資、財務、法律或合規意見。與上述相鄰職業在職責落點上不同。
金融風險專家的工作可以分成哪幾類？
金融風險專家的日常圍繞「識別—度量—情景—說明」四步迴圈：先界定風險範圍與風險型別，識別機構面臨的主要風險敞口與緩釋因素；再選擇度量方法與計量口徑，收集內外部風險資料並核對完整性，把風險量化為可比較的指標並設定限額；隨後設計情景分析與壓力測試，模擬嚴重市場事件或極端信用損失的影響，檢查結果的穩健性與失效條件；最後把假設、結論、限額建議與適用範圍寫成風險報告或披露材料，向業務與管理層說明風險立場，並維護風險管理系統與模型的資料質量。不同崗位側重點不同：銀行信用風險偏違約機率與損失率，市場風險偏風險價值與壓力測試，資管風險偏組合暴露與歸因，保險風險偏償付能力與核保假設，模型驗證崗偏獨立復現與治理。
資料準備與口徑處理：
以風險識別、度量建模與情景分析為核心
- 01識別風險與範圍
- 02收集並核對風險資料
- 03度量建模與設定限額
- 04情景分析與壓力測試
- 05獨立驗證與穩健性檢查
- 06記錄假設與口徑
- 07撰寫風險報告與披露
- 08溝通並跟蹤限額與整改
建模與引數擬合：
風險資料來源與口徑記錄、風險引數與假設記錄、情景與壓力測試記錄、限額與觸發處理記錄
- 01識別風險
- 02收集資料
- 03度量建模
- 04情景測試
- 05說明邊界
- 06記錄口徑
金融風險專家與投資基金經理、金融與投資分析師的邊界在哪裡？
金融風險專家與相鄰崗位常被混用，區分方法是看職責落點：本職業以識別與度量信用與市場風險、設定並跟蹤限額、做情景與壓力測試並提出緩釋建議為主；投資基金經理以組合構建與投資決策為主；財務經理以機構財務活動統籌與資金安排為主；合規經理與監管事務經理以合規體系、許可與監管溝通為主；損失預防經理以防損與資產保護為主；金融與投資分析師以財務與市場資料的定量分析與估值結論為主。
| 维度 | 主要方向 | 比较方向 |
|---|---|---|
| 核心目的 | 分析並度量威脅機構資產、盈利能力或經濟狀況的信用風險與市場風險敞口，並可提出限制風險的建議。 | 按風險工作流程完成識別、度量、情景測試與報告作業 |
| 主要物件與依據 | 物件包括持倉與敞口資料、市場與信用資料、風險引數與假設、限額與觸發記錄、風險報告與披露材料；依據是機構風險管理與模型治理制度、資本與償付能力監管要求、資料與資訊保護要求以及對外披露與利益衝突管理規則。 | 物件為風險資料與風險模型；依據為風險計量口徑與機構風險管理制度 |
| 核心過程 | 識別風險 → 收集資料 → 度量建模 → 情景測試 → 報告與跟蹤 | 以風險識別、度量建模與情景分析為核心，兼顧限額管理與溝通 |
| 主要產出 | 風險引數與假設記錄、情景與壓力測試記錄、限額與觸發處理記錄 | 風險口徑與限額記錄 |
| 責任主體 | 風險度量質量與報告合規責任由風控人員與所在機構按制度承擔；風險度量結果只是決策依據，限額調整、資本處置與對外披露須按機構制度由有職權人員或委員會確認，涉及監管報送與利益衝突的事項須由合規確認。 | 風險度量質量與報告合規責任由風控人員與所在機構按制度共同承擔 |
| 許可權與批准 | 遇到風險資料口徑不明或質量可疑、模型與計量口徑不適用、壓力情景結果超出可承受範圍、需要對外披露或涉及監管報送與利益衝突等情形，須停止自行處置並按風險管理制度請風控負責人、模型驗證或合規確認。 | 超出風險口徑或授權範圍須停止並請風控負責人、模型驗證或合規確認 |
| 結論邊界 | 單次壓力測試或單期指標不構成對個人能力的最終結論 | 風險度量結果受資料質量、市場結構與假設適用性影響 |
核心工作
- 01風險識別與範圍界定 · 識別機構面臨的主要風險敞口與緩釋因素
確定風險型別與評估範圍
- 02風險資料收集與核對 · 從內部或外部資源收集風險相關資料
核對資料完整性與口徑一致性
- 03風險度量與建模 · 用統計方法或計量模型量化風險
設定引數、假設與限額口徑
- 04情景分析與壓力測試 · 設計反映嚴重市場事件的情景
做敏感性與極端損失測算
- 05風險監控與系統維護 · 維護風險管理系統的資料質量
監控指標有效性與限額觸發
- 06報告、披露與溝通 · 編制風險報告、披露與情況說明
向業務與管理層說明風險立場
入職前必須逐條核對什麼？
入職前需要逐條核對：所在機構與業務線；風險型別（信用、市場、流動性、操作還是模型風險）；是否需要獨立驗證與模型治理；資料與系統環境；限額與報告責任；監管報送與披露要求；以及市場時段、波動期與報送期加班與計酬方式。
- 01
確認是銀行信用風險、市場風險、資管風險還是保險風險方向
核對機構與業務線
- 02
確認風險型別、計量口徑與限額規則
核對風險型別與計量口徑
- 03
確認資料來源、系統許可權與版本管理方式
核對資料與系統環境
- 04
確認獨立驗證、監管報送與披露規則
核對驗證與報送要求
- 05
確認報告鏈路、觸發處理與整改跟蹤流程
核對報告與整改流程
- 06
按機構制度與所在地規定核對，本頁不作投資或法律依據
核對時段與計酬
职业方向比较
金融風險專家的工作方向與相鄰職業怎麼比較？
下列職業同處金融與風險管理鏈條，但職責落點不同；用它們幫助定位方向，而不是互相替代。
| 职业方向 | 核心工作与产出 | 关键区别 | 更适合什么选择 |
|---|---|---|---|
| 投資基金經理 | 構建投資組合並作出買賣決策 | 以組合構建與投資決策為主；本職業以風險度量與限額管理為主 | 偏好直接做投資決策選該職業；偏好風險度量與限額管理選本職業 |
| 管理分析師 | 診斷業務流程並提出改善建議 | 以組織流程與經營改善診斷為主；本職業以金融風險計量與管理為主 | 偏好流程診斷選該職業；偏好風險計量選本職業 |
| 市場研究分析師與營銷專員 | 設計市場調研並分析消費者資料 | 以市場與消費者研究為主；本職業以風險資料與計量模型為主 | 偏好市場與使用者研究選該職業；偏好風險計量選本職業 |
| 信貸分析師 | 評估借款人信用並出具風控意見 | 以借款人信用評估為主；本職業以機構層面的風險度量與限額管理為主 | 偏好單筆信用評估選該職業；偏好機構風險度量選本職業 |
| 金融與投資分析師 | 完成估值分析並形成結論 | 以財務與市場資料的估值結論為主；本職業以機構風險度量與限額管理為主 | 偏好估值結論選該職業；偏好風險度量方法選本職業 |
| 合規經理 | 度量風險敞口並獨立驗證模型 | 以風險度量與模型驗證為主；本職業覆蓋信用、市場與流動性風險的度量與驗證 | 偏好獨立模型驗證選該職業；偏好風險度量與管理選本職業 |
怎么选
比較這些方向時，先分辨職責落點是「以識別與度量信用與市場風險、設定並跟蹤風險限額、開展情景與壓力測試為主」「組合投資決策」「組織流程與經營改善診斷」「市場與消費者研究」「借款人信用評估」「財務與市場資料的估值結論」「統計方法研究」還是「風險度量與模型驗證」；本職業的落點是把金融問題轉成可檢驗的模型，並對模型的適用範圍與失效條件負責。
用「先看職責落點是投資決策、流程診斷、市場研究、單筆信用評估、估值結論、合規治理還是機構風險度量」的順序比較。
AI 对职业的影响
AI 會取代金融風險專家嗎？
編輯分析：可在獲准的資料環境中試用AI輔助資料清理、程式碼草擬、圖表和文件，並核對誤差與復現結果。O*NET提供任務依據，ILO 2023研究提供跨職業任務暴露背景；兩者不能證明風險計量崗位工具已成熟、機構普遍採用或崗位淨變化。證據不足：本細分職業的AI採用率、生產率效果、就業因果與可複核評分。 AI影響度 67% 為編輯估算。三項代表核心任務等權的模型影響指數，非實際工時佔比或失業機率。floor((75+50+75)/3+0.5)=67; fermatmind-ai-impact-v1; 2026-10-18. 三項任務、檔位和來源見本頁FermatMind方法來源記錄。
AI 评估方法与来源
FermatMind AI影響度估算方法 v1
FermatMind / 費馬測試 · 2026-10-18
- 三項代表核心任務等權的模型影響指數，非實際工時佔比或失業機率。floor((75+50+75)/3+0.5)=67; fermatmind-ai-impact-v1; 2026-10-18.
- 檔位：0幾乎無影響；25準備或記錄輔助；50實質輔助；75大部分資訊產出可由AI形成並複核；100所選任務近乎全可由AI完成且可獨立驗證。
- 方法選擇與建模 — 75/100; weight=1/3
- 假設設定與引數選取 — 50/100; weight=1/3
- 獨立驗證與穩健性檢驗 — 75/100; weight=1/3
依據本頁既有職業職責與AI任務分析作檔位判斷；不代表採用率、實測效果、崗位消失或個人失業機率，也不是斯坦福或其他外部機構官方分數；未使用實際工時權重，不假定未來機器人部署。
AI 能處理哪些本職業工作任務？
這一欄只回答技術可處理性：把本職業任務（資料準備與特徵工程、程式碼與公式草擬、模型初稿與視覺化生成、文件與需求說明草擬等）與公開的職業任務和技術資料對照，判斷哪些子任務可由現成工具完成。技術可處理不等於機構已經採用，也不代表崗位會減少；判斷時須區分任務級證據與職業級結論。
哪些環節會真正被採用？
證據不足：未取得金融風險機構按任務分解的AI採用率或代表性調查。編輯建議：先評估資料許可權、方法錯誤代價與獨立驗證安排，再決定是否試用資料、程式碼或文件輔助；不能由技術能力推斷多數機構的實際流程。
AI 會減少金融風險專家崗位嗎？
證據不足：未取得金融風險專家的AI淨就業因果估計。官方2025—2035總體預測不能分解AI影響；機構風險投入、治理和業務變化可作為核招聘與任務變化的編輯觀察項，不能由此確定崗位數量。
任务影响矩阵
| 工作方向 | 任务 | 当前变化 | 人的控制点 |
|---|---|---|---|
| 資料與程式碼工序 | 方法選擇與建模 | 資料準備、特徵工程與程式碼草擬可輔助（編輯判斷） | 風險度量、建模與說明由風控人員完成 |
| 方法與假設判斷 | 假設設定與引數選取 | 模型初稿與視覺化可輔助，方法須人確認（編輯判斷） | 假設設定與引數選取由分析師確認 |
| 驗證與治理責任 | 獨立驗證與穩健性檢驗 | 測試清單與復現指令碼可輔助（編輯判斷） | 獨立驗證與穩健性檢驗由驗證崗執行 |
| 驗證與治理責任 | 模型上線與監控 | 監控指標與告警可輔助（編輯判斷） | 模型上線與監控由機構按治理流程審批 |
| 驗證與治理責任 | 模型庫維護與版本記錄 | 版本清單與對照可輔助（編輯判斷） | 模型庫維護與版本記錄由分析師與治理崗留存 |
| 驗證與治理責任 | 披露與利益衝突確認 | 臺賬與提示可輔助（編輯判斷） | 披露與利益衝突確認須按制度執行 |
| 驗證與治理責任 | 失效條件與停止使用 | 監控規則提示可輔助（編輯判斷） | 失效條件與停止使用須按治理流程執行 |
为什么就业证据会得出不同结论？
下列證據卡分別對應國際組織的任務暴露研究、官方職業資料（含精確職業口徑說明）、就業預測、工資統計與治理框架；請按各自的研究對象與限制閱讀，不要把它們合併成單一結論。
ILO 工作論文 96（2023）
查看来源 ↗- 研究对象
- 全球就業與任務層面的生成式 AI 暴露評估
- 主要结论
- 多數崗位僅部分任務暴露，生成式 AI 更可能增強而非整體替代；文員類任務暴露最高，管理和專業類職業中高度暴露的任務比例較低。研究提示主要影響體現在工作質量與強度，而不是整體崗位消失。
- 使用限制
- 基於任務分類方法，非企業實際採用或崗位變化資料
O*NET OnLine（13-2054.00）
查看来源 ↗- 研究对象
- 官方職業任務與口徑說明
- 主要结论
- 該職業的核心任務是分析並度量威脅機構資產、盈利能力或經濟狀況的信用風險與市場風險敞口：從內部或外部資源收集風險資料，用統計方法或計量模型量化風險，開發並實施風險評估模型與情景分析，識別投資標的的主要風險與緩釋因素，監控風險管理系統與資料質量，編制風險報告與披露材料並提出限制風險的建議；其中資料收集與整理、統計計算與報表草擬等工序較易被工具輔助；但風險口徑選擇、假設設定、情景設計與治理責任高度依賴專業判斷，不能據此推斷自動化率或崗位變化。本職業的工資與就業資料為精確職業 13-2054.00 口徑。
- 使用限制
- 描述職業範圍與口徑來源
BLS 就業預測（2024—2034，精確職業口徑，經 O*NET 呈現）
查看来源 ↗- 研究对象
- 美國金融風險專家（精確職業口徑）就業預測
- 主要结论
- 當前O*NET精確職業13-2054.00：2025—2035增長7%或更高、年均空缺4,800個；BLS OOH該子職業投影表列66,000至70,800人。總體就業預測非AI歸因，不能證明AI採用或淨崗位效果；它已單列本職業，原“未單列細分職業”不適用。
- 使用限制
- 預測基於假設，不等於實際結果
BLS OEWS（May 2025，精確職業口徑）
查看来源 ↗- 研究对象
- 美國 Financial Risk Specialists（13-2054.00）工資分佈
- 主要结论
- 該職業 2025 年中位時薪 56.41 美元、中位年薪 117,330 美元；第 10 與第 90 百分位分別約 64,820 與 196,110 美元/年（May 2025 OEWS，精確職業 13-2054，經 O*NET 呈現）。用於理解量級與口徑；OEWS 通常不含非生產性獎金和僱主福利成本；不應概括排除所有獎金。
- 使用限制
- 工資統計為精確職業口徑，不含非生產性獎金和僱主福利成本；不應概括排除所有獎金
NIST AI RMF 1.0（自願AI風險管理框架）
查看来源 ↗- 研究对象
- AI 系統風險治理框架（自願採用）
- 主要结论
- 框架要求對 AI 使用明確治理與人工監督安排，並要求記錄風險與責任；可用於設計本職業使用 AI 時的複核與留痕要求，但不能作為職業前景或就業證據；模型風險治理、披露與利益衝突要求以機構制度與所在地法規原文為準。
- 使用限制
- 治理框架，不含職業或就業資料
不同工作方向受到的影响为什么不同？
不同環節受影響的程度不同，下面區分三類：資料與程式碼工序、方法與假設判斷、驗證與治理責任。
資料與程式碼工序
AI 主要改变資料準備、特徵工程與程式碼草擬提速
仍由人负责方法選擇與假設設定
方法與假設判斷
AI 主要改变模型初稿與視覺化生成可輔助
仍由人负责獨立驗證與失效條件判斷
驗證與治理責任
AI 主要改变文件與需求說明草擬可輔助
仍由人负责模型治理與結果責任
AI 进入专业流程后，责任链不能断
使用 AI 輔助本職業工作時，建議按以下順序確認邊界與責任：
- 需求與邊界確認
先確認模型治理、資料與資訊保護、披露與利益衝突要求，判斷哪些資料與環節可以使用工具。
- 工具處理範圍
明確工具只處理資料準備、程式碼與公式草擬、視覺化與文件生成，不產出方法定論與驗證結論。
- 人工複核
對工具輸出逐項核對資料口徑、方法與結果，並由驗證崗或複核人獨立復現。
- 記錄留痕
記錄工具名稱、版本、輸入與人工修改，保證模型版本與依據可追溯。
- 授權與責任
模型質量與治理責任由分析師與所在機構承擔，工具輸出不構成已驗證或可上線的結論。
使用 AI 的专业风险
工具輸出被當成模型結論
工具可能給出錯誤的資料處理、公式或結果
控制方式：逐條回查資料口徑與演算法原文，未核實前不得用於生產或披露
行情持倉與客戶資料被不當外發
行情、持倉與客戶資料屬於敏感資訊
控制方式：按最小必要與機構制度處理，敏感資料不得提交給外部工具
模型版本與依據不可追溯
模型版本與依據記錄需要可追溯，否則無法復現結論
控制方式：記錄工具名稱、版本、輸入與修改，儲存模型版本與驗證記錄
錯誤風險計量影響限額、資本與合規判斷
錯誤的風險計量會影響限額、資本與合規判斷
控制方式：對關鍵模型做獨立驗證，異常時立即停止並上報驗證崗或風控
複核缺失導致驗證與上線責任不清
模型上線與披露需要明確的責任歸屬
控制方式：明確建模、驗證與上線審批的許可權與簽署規則，未驗證不得上線
不同人群应该如何应对？
準備進入風險管理崗位的從業者
先把資料清洗、方法選擇與回測檢驗練熟，並在帶教下完成一個完整模型從問題到說明的過程並留下版本記錄。
剛入行的風險資料支援與分析人員
把資料口徑、模型假設與版本固定成習慣，遇到方法適用性或治理問題先問複核人，並留下記錄。
在職風險管理與計量人員
把 AI 用在資料準備與特徵工程、程式碼與公式草擬、模型初稿與視覺化生成，同時保留方法選擇、假設判斷、獨立驗證與治理留痕，對模型質量與適用範圍負責。
模型驗證負責人與風險負責人
先立起模型規範、版本管理、獨立驗證與失效條件規則，再決定哪些環節引入 AI，並明確模型質量與治理責任歸屬。
关于 AI 与职业发展的常见问题
金融風險專家會由 AI 取代嗎？
無法據此斷定職業整體會被替代或必然增強。ILO 2023提供跨職業潛在暴露分析；風險計量崗位可先對資料、程式碼和文件子任務做受控試用。具體效果、實際採用和崗位變化仍缺本職業實證，應分別核查。
来源：ILO 工作論文 96（2023）；O*NET 13-2054.00 任務資料原始资料 ↗
現在入行需要會寫程式碼嗎？
本職業需要統計、計量與程式設計能力：O*NET 把該職業列為 Job Zone Four（需要相當多的準備，SVP 7.0 至 <8.0），並被標記為 Bright Outlook；但該職業目前只有子集檔案，學歷調查百分比與工作情境百分比官方尚未公佈（證據不足：未取得任務級工作情境的官方百分比），本頁不代填。BLS 指出財務分析師類職業的典型入門學歷為學士學位、無需相關工作經驗與在職培訓。AI 可以輔助資料整理與統計計算，但不能替代風險口徑、假設設定與獨立驗證。
来源：O*NET 13-2054.00 準備層級與子集檔案說明原始资料 ↗
哪些工序最容易受 AI 影響？
資料準備、特徵工程、程式碼與公式草擬、視覺化與文件生成等工序受影響最直接；方法選擇、假設設定、獨立驗證與治理責任仍需要人來承擔。
来源：ILO 工作論文 96（2023）；O*NET 任務資料原始资料 ↗
到 2034 年這個職業會變少嗎？
Financial Risk Specialists的官方預測已單列：2025—2035增長7%或更高、年均空缺4,800個（O*NET）。這是總體預測，非AI歸因，也不是個人就業機率或確定結果。
来源：BLS 就業預測（2024—2034，精確職業口徑）原始资料 ↗
AI 能替代方法選擇或獨立驗證嗎？
不能。工具可以準備資料、草擬程式碼與文件，但方法選擇、假設設定、獨立驗證與治理結論需要專業判斷與責任承擔，須由受訓分析師與驗證崗按治理制度執行；模型版本與依據記錄同樣需要署名與複核，工具輸出本身不產生責任歸屬。
来源：NIST AI 風險管理框架；模型治理與披露要求原始资料 ↗
哪一年這個崗位會消失？
證據不足：未取得本職業崗位消失年份或AI淨就業因果證據。總體就業預測也不能回答這個問題；建議核對目標機構任務、治理要求及實際招聘情況，不把潛在輔助寫成必然接手。
来源：BLS 就業預測；ILO 工作論文 96原始资料 ↗
現在應該優先學什麼？
優先學三件事：一是統計與計量方法（能把金融問題寫成可檢驗模型），二是程式設計與資料工程（能穩定復現與版本管理），三是模型治理與驗證（知道模型在什麼條件下失效、如何獨立核對）；並練習把一個模型從問題到說明寫清楚。
来源：O*NET 13-2054.00；BLS 就業與工資統計（精確職業口徑）原始资料 ↗
以上為任務級判斷與證據邊界，不代表崗位數量的確定預測。
中国大陆薪资参考
租賃和商務服務業（行業代理）
中國大陸的風險管理崗位多見於銀行與證券公司風險管理部門、公募與私募基金風控、保險公司精算與償付能力管理、資管與期貨風險管理以及金融科技與資料服務公司，須按所在地金融監管、資料與資訊保護、模型治理與從業資格規定執行，任職與持牌要求按機構與業務線確定，與美國職業分類不是一一對應。
公開招聘樣本與行業代理（非本職業統計）
國家統計局行業與崗位類別平均工資覆蓋多個職業，為含獎金、津補貼及個人代扣稅費的稅前勞動報酬；不能替代本職業工資分佈，也不是個人到手收入或股權總包。
全國（行業代理）
證據不足：中國大陸沒有與本職業精確對應的全國單職業月薪或年薪統計值；本頁只能給出行業平均工資（租賃和商務服務業非私營 110,162、私營 68,919 元/年；科學研究和技術服務業非私營 182,064、私營 83,560 元/年，2025）與崗位類別均值作為背景，無法換算成具體崗位月薪。
機構型別與崗位
證據不足：未能取得可核驗的中國大陸銀行、證券、保險與資管機構風險管理崗位月薪統計；此類崗位薪酬多含年度獎金或長期激勵，招聘公告報價多為單一僱主樣本，不能代表職業工資。
其他地區與用工模式
證據不足：未能取得可核驗的其他地區與用工模式（機構全職、風險管理崗、外包風險建模）月薪統計；城市、機構規模與崗位方向之間的差異很大，需要按具體崗位逐一核對。
金融風險專家在不同學歷與訓練背景下通常從哪些崗位方向開始？
中國大陸未建立與「金融風險專家」精確對應的全國單職業工資統計值；下列數值為行業與崗位類別背景代理。
| 學歷背景 | 常見崗位方向 | 說明與核對建議 |
|---|---|---|
| 本科（數學、統計、物理、計算機或金融相關專業） | 風險資料支援崗 | 以資料清洗、回測與程式碼維護為主 |
| 碩士（金融工程、統計、數學或計算機相關專業） | 風險計量與情景分析崗 | 可獨立完成建模、驗證與說明 |
| 博士（統計、數學、物理或金融相關專業） | 風險計量與模型方法崗 | 承擔方法創新與模型治理職責 |
| 跨專業（金融＋計算機或資料科學） | 模型工程與資料平臺崗 | 需補足模型治理與合規訓練 |
本頁用兩個行業平均工資（「租賃和商務服務業」非私營 110,162、私營 68,919 元/年；「科學研究和技術服務業」非私營 182,064、私營 83,560 元/年）以及規模以上企業崗位類別平均工資（中層及以上管理人員 210,016 元/年、辦事人員和有關人員 94,936 元/年）作為背景代理，都不能替代本職業工資；看到招聘數字時，先確認它是固定年薪、含獎金的年薪還是含股權激勵的總包。
哪些行業與方向會用到這個職業？
租賃和商務服務業（行業代理）
銀行、證券、保險與資管機構的風險管理用人需求
科學研究和技術服務業（行業代理）
風險管理與技術服務外包的用人場景
證券、基金與資管機構
投研與風險管理建模的用人場景
AI 會影響金融風險專家的工資嗎？
編輯建議：在受控環境試用資料整理與報告草擬輔助，記錄核對時間和誤差；證據不足：中國金融風險崗位的AI工資、需求或工時因果幅度。
美國薪資參考
美國金融風險專家工資多少？
美國口徑說明：O*NET-SOC 13-2054.00「Financial Risk Specialists」——2025 年中位時薪 56.41 美元、中位年薪 117,330 美元；第 10、第 25、第 75 與第 90 百分位分別約 64,820、83,980、158,250 與 196,110 美元/年（May 2025 OEWS，經 O*NET 呈現）。就業約 60,500 人（2024）、2024—2034 年預計遠快於平均（7% 或更高）、年均崗位空缺約 4,800 個；該職業被標記為 Bright Outlook，BLS 給出的 2024 年主要行業為金融與保險（約 60%）以及專業、科學與技術服務（約 10%）。個人收入還取決於機構型別、風險型別（信用、市場、流動性或模型風險）與獎金及股權激勵安排。
美國工資分佈
| 工資統計位置 | 年工資參考 | 折算邊界 | 怎樣理解這個位置 |
|---|---|---|---|
| 最低 10% | 64,820 美元/年以下（第 10 百分位，May 2025 OEWS，精確職業 13-2054，經 O*NET 呈現） | 官方年工資，非個人月收入 | 低端：第 10 百分位為 64,820 美元/年以下，屬分佈低端，不是入職起薪。 |
| 中位數（50%） | 中位時薪 56.41 美元；中位年薪 117,330 美元（2025，BLS OEWS，經 O*NET 呈現） | 官方年工資，非個人實發 | 中位：117,330 美元/年（中位時薪 56.41 美元，2025）；一半從業者低於、一半高於該值。 |
| 最高 10% | 196,110 美元/年以上（第 90 百分位，May 2025 OEWS，精確職業 13-2054，經 O*NET 呈現） | 官方年工資，非個人實發 | 高階：第 90 百分位為 196,110 美元/年以上，通常與機構型別、風險型別與經驗相關。 |
薪資 · 10 分位：64,820 美元/年以下；薪資 · 10 分位｜64,820 美元/年以下；精確職業 13-2054 口徑｜不是入職起薪。
薪資 · 25 分位：83,980 美元/年以下；薪資 · 25 分位｜83,980 美元/年以下；精確職業 13-2054 口徑｜不是入職起薪。
薪資 · 中位數：117,330 美元/年；薪資 · 中位數｜117,330 美元/年；中位時薪 56.41 美元（May 2025 OEWS，精確職業 13-2054 口徑）｜一半從業者低於、一半高於該值。
薪資 · 75 分位：158,250 美元/年以下；薪資 · 75 分位｜158,250 美元/年以下；精確職業 13-2054 口徑｜不代表獎金與股權激勵收入。
薪資 · 90 分位：196,110 美元/年以上；薪資 · 90 分位｜196,110 美元/年以上；精確職業 13-2054 口徑｜不代表本職業總體上限。
這組美國工資數字應當怎麼理解？
中位數是入門工資嗎？
不能。中位數是同一統計期內工資分佈的中點，不是起薪；本頁不使用相鄰職業或行業均值替代，也不做跨口徑換算。
時薪能推算個人年薪嗎？
本頁統計同時給出時薪與年薪中位數，但兩者不能推算個人實發收入；機構型別、風險型別（信用、市場、流動性或模型風險）與獎金及股權激勵安排都會影響實際收入。
這些數字來自哪個統計專案？
中位與各分位取自 BLS 職業就業與工資統計（OEWS）May 2025 的精確職業 13-2054 估算（經 O*NET 呈現）；分行業工資取自 BLS Occupational Outlook Handbook 金融分析師頁中「Financial risk specialists」的分行業數值；就業與增長來自 O*NET 呈現的 BLS 2024—2034 投影，空缺為該預測期的年均值。
哪些條件會影響實際收入？
機構型別、風險型別、地區與激勵安排都會影響實際收入；本頁只有單一（精確職業）口徑，不可與其他職業組合並比較。
不同行業的美國工資差多少？
| 行業 | 該行業內本職業工資中位數 | 這個值怎麼理解 |
|---|---|---|
| 證券、商品合約與其他金融投資及相關活動 | 該行業中位年薪 133,070 美元（May 2025，BLS OOH，精確職業 13-2054） | 行業中位年薪為 BLS OOH 所列該職業分行業數值，不代表中國大陸的工資水平。 |
| 信用中介及相關活動 | 該行業中位年薪 112,060 美元（May 2025，BLS OOH，精確職業 13-2054） | 行業中位年薪為 BLS OOH 所列該職業分行業數值；該職業在保險承運人及相關活動的中位年薪為 105,570 美元。 |
| 專業、科學與技術服務 | 該行業中位年薪 119,550 美元（May 2025，BLS OOH，精確職業 13-2054） | 風險管理與合規服務常分佈在專業與技術服務類機構；該數值為 BLS OOH 所列該職業分行業中位年薪。 |
| 公司與企業管理 | 該行業中位年薪 110,090 美元（May 2025，BLS OOH，精確職業 13-2054） | 企業與金融科技機構也設有風險管理崗位；該數值為 BLS OOH 所列該職業分行業中位年薪。 |
哪些因素會影響美國金融風險專家工資？
計酬口徑
中位數是同一統計期內工資分佈的中點，不等於起薪；本職業為 O*NET 子集檔案，官方尚未公佈工作情境百分比（證據不足：未取得任務級工作情境的官方資料），因此本頁不引用每週工時、久坐比例或時間壓力等百分比。OEWS 通常也不含非生產性獎金和僱主福利成本；不應概括排除所有獎金。
就業與增長
經 O*NET 呈現：就業約 60,500 人（2024），預計遠快於平均（7% 或更高），年均崗位空缺約 4,800 個。這些數值為精確職業 13-2054.00 口徑；官方未提供第二個職業組口徑，本頁按單一口徑標註，不做換算。
學歷與培訓口徑
O*NET 將本職業列為 Job Zone Four（需要相當多的準備，SVP 7.0 至 <8.0），並標記為 Bright Outlook；但該職業目前只有子集檔案，學歷調查百分比官方尚未公佈（證據不足：未取得本職業學歷調查的官方百分比），本頁不代填。BLS 指出財務分析師類職業的典型入門學歷為學士學位、無需相關工作經驗和在職培訓；中國大陸多以金融、經濟、統計、數學或計算機相關學歷加風險計量與程式設計能力為常見要求，具體以招聘公告與所在地規定為準。
美國就業前景
就業 · 就業規模
約 60,500 人就業 · 就業規模｜約 60,500 人；2024 年 精確職業 13-2054 口徑，經 O*NET 呈現｜不含自僱與未納入統計的崗位。
就業 · 增長率
遠快於平均（7% 或更高，2024—2034，BLS 投影，經 O*NET 呈現）就業 · 增長率｜遠快於平均（7% 或更高，2024—2034，精確職業 13-2054 口徑）；該職業被標記為 Bright Outlook｜不是個人獲得崗位的機率。
2024—2034 就業 · 年均空缺
約 4,800 個/年就業 · 預計崗位空缺｜約 4,800 個/年（2024—2034 預測年均值）；精確職業 13-2054 口徑｜不等於淨新增崗位。
職業適配指南
做金融風險專家，哪些興趣、能力與工作方式更重要？
判斷重點不是「會不會寫程式碼」，而是能否把金融問題寫成可檢驗模型、能否獨立復現並說明失效條件、能否按治理要求留痕。興趣與人格框架只能提示觀察方向，不能替代真實建模專案的驗證。
你可能更適合： 願意按模型治理與版本規則逐項確認，而不是隻交付結果
這些情況需要慎重： 能在方法適用性存疑、資料口徑不明或需要披露時請驗證崗、風控或合規確認
做一次入行練習： 用公開虛構資料整理分析過程、複核差異與未知事項；實際作息、任職條件和授權核目標僱主。
不要用一个测试替你决定职业
霍蘭德職業興趣模型（RIASEC）
官方職業興趣程式碼（O*NET）霍蘭德興趣中什麼型別更接近金融風險專家？
O*NET官方興趣程式碼為CIE：常規型、研究型、企業型。對應按規範組織風險資訊、研究分析和提出建議等活動；程式碼描述職業活動偏好，不是個人能力、績效或錄用結論。
- 願意把金融直覺寫成可檢驗的模型並反覆驗證
- 能從復現與證偽自己的結論中獲得成就感
别这样用：只想產出漂亮圖表而不願被獨立復現；若不接受模型治理與質疑，工作體驗與模型質量都會受很大影響。
測我的霍蘭德職業興趣五因素人格模型（大五人格）
人格模型（非職業標準）大五人格哪些特質與這份工作更相關？
編輯建議：觀察自己是否願意嘗試方法、核對細節、獨立復現並接受質疑。大五人格結果可用於整理自我觀察問題；本頁未核驗它對風險計量崗位的預測效度或與工作樣本的相對效果，不作錄用或能力判斷。
- 能在結果被質疑時回到資料、方法與假設澄清
- 能在模型適用性存疑或需要披露時先請驗證崗或合規確認
别这样用：把人格測試結果當成職業結論，或據此排除自己。
檢視我的大五人格特質邁爾斯-布里格斯型別指標（MBTI）
人格偏好框架（非職業標準）MBTI 能用來判斷我適不適合金融風險專家嗎？
MBTI可用於整理個人偏好；本輪未取得其預測本職業表現的效度證據，不據型別作能力或錄用結論。真實任務的分析、複核、說明與交接表現另行觀察。
- 願意按模型治理與版本規則逐項確認
- 能接受驗證崗與研究負責人對模型與結論的複核
别这样用：用型別標籤解釋自己不願驗證或不願受治理約束。
瞭解我的 MBTI 偏好九型人格（Enneagram）
人格框架（非職業標準）九型人格能說明我適不適合這個職業嗎？
九型可用於自我反思；本輪未核其預測本職業表現的效度。編輯建議觀察受到質疑時是否核數據和假設、是否保持複核與留痕，不把觀察清單當量表結論。
- 面對質疑時傾向回到資料與方法澄清而不是對抗
- 能接受驗證意見並據此修訂模型與說明
别这样用：把型別描述當作職業適配的證明。
探索我的九型人格模式智力商數（IQ）與數理推理
官方職業知識與準備層級（O*NET）數學不好，能做金融風險專家嗎？
這份工作以風險管理與計量能力為主：O*NET 將本職業列為 Job Zone Four（需要相當多的準備，SVP 7.0 至 <8.0），並標記為 Bright Outlook；該職業目前只有子集檔案，學歷調查百分比官方尚未公佈（證據不足：未取得官方百分比），本頁不代填。工作要能把風險敞口寫成可複核的度量與情景說明，並按制度留下口徑與限額記錄。
- 能把金融問題轉成可檢驗的模型表述
- 願意補足模型驗證與治理知識
别这样用：把一次測試結果當成能力上限。
瞭解我的智力與推理表現情緒智力（EI，常稱“情商”）
通用能力框架做金融風險專家需要高情商嗎？
編輯建議：在被質疑或趕時限時，觀察自己是否回到資料和假設、堅持複核並清楚交接。上述行為來自任務情境；本頁未取得情緒智力量表對風險計量崗位績效的驗證研究，不據量表分數預測職業表現。
- 能把模型假設與失效條件講清楚給研究與風控
- 在被指出方法或資料問題時先核對而不是爭辯
别这样用：用情商高低替代對統計與建模能力的驗證。
瞭解我的情緒智力能力你更可能適合哪條本職業工作方向？
投資基金經理
更匹配：偏好投資決策
注意：更希望做組合投資決策而不是風險計量與驗證
查看相关职业：投資基金經理方向职业详情暂不可用
管理分析師
更匹配：偏好流程與經營診斷
注意：更希望做流程診斷而不是機構風險度量
查看相关职业：管理分析師方向职业详情暂不可用
市場研究分析師與營銷專員
更匹配：偏好市場與使用者研究
注意：更希望研究市場與消費者而不是金融資料與模型
查看相关职业：市場研究分析師與營銷專員方向职业详情暂不可用
信貸分析師
更匹配：偏好信用評估
注意：更希望評估單筆借款人信用而不是機構風險度量
查看相关职业：信貸分析師方向职业详情暂不可用
金融與投資分析師
更匹配：偏好估值結論
注意：更希望給出估值結論而不是開發模型方法
查看相关职业：金融與投資分析師方向职业详情暂不可用
合規經理
更匹配：偏好制度合規、檢查與整改協調（編輯觀察）
注意：合規經理側重組織合規管理；興趣不證明具備法規判斷、管理經歷或任職條件，須核目標崗位。
查看相关职业：合規經理方向职业详情暂不可用
职业适配常见问题
什麼性格的人更適合做金融風險專家？
性格標籤不能代替任務表現；編輯建議觀察是否願意核對資料、解釋假設、記錄依據並接受複核，不據此作錄用判斷。
內向的人適合做金融風險專家嗎？
內向不決定適配；觀察能否聽取業務需求、主動報告不確定項並清楚交接。
外向的人能做好金融風險專家嗎？
外向不保證勝任；資料核對、方法判斷、復現與溝通能力分別觀察。
哪種 MBTI 最適合金融風險專家？
本輪未取得最適MBTI型別的有效證據，不以型別預測本職業表現。
霍蘭德興趣中什麼型別更適合這個職業？
美國O*NET興趣程式碼為CIE（常規型、研究型、企業型），描述工作活動偏好，不代表個人能力、資格或中國崗位門檻。
人格特質分數能預測這個職業的工作表現嗎？
本輪未取得人格分數預測本職業表現的效度證據，不據分數作能力或錄用結論。
數學不好能做金融風險專家嗎？
單次數學成績不能決定適配；本職業涉及定量方法，可在公開虛構資料上觀察統計理解、計算複核和假設解釋，再核目標崗位考核。
做金融風險專家需要高情商嗎？
不設情商分數門檻；可觀察壓力下的聽取、問題澄清、反饋和協作，本輪未核情緒智力量表的職業預測效度。
九型人格能用來判斷我適不適合嗎？
九型可作自我反思，本輪未核其職業預測效度，不按型別推能力、資格或表現。
我怎麼用可交付物判斷自己適合哪個方向？
可用公開虛構資料整理分析目標、假設、計算過程、複核差異和未知事項，請有經驗者反饋；紙面材料不替代真實訓練、任職條件或業務授權。
工作壓力、風險與職業邊界
金融風險專家的主要風險與邊界是什麼？
主要風險集中在風險識別與口徑選擇不當導致度量失真、敞口與客戶資料外洩、市場波動期與監管報送期高強度與差錯、模型或口徑越界使用、資料與版本不可復現，以及限額觸發與上報責任不清；多數可通過口徑核對、獨立驗證、版本留痕與如實上報降低，但不能完全消除。
以下風險按公開的官方職業資料、風險管理作業常識與通用治理框架歸納，只用於提示檢查方向，不構成投資、財務、法律或安全操作指導。
風險識別與口徑風險
典型场景：未界定評估範圍，或直接套用不適用口徑
主要岗位：信用與市場風險計量人員
可能后果：可能導致關鍵風險被遺漏或度量口徑不適用，進而影響限額與資本判斷
降低风险：對關鍵風險做分類與範圍界定，口徑選擇與結論須經複核
依据：O*NET 任務與工作活動資料
資料與敏感資訊保密風險
典型场景：把持倉、敞口或客戶資料帶出受控環境
主要岗位：接觸持倉、敞口或客戶資訊的崗位
可能后果：可能違反資料與個人資訊保護規定，造成持倉、敞口或客戶資訊外洩
降低风险：按最小必要與機構制度限制資料流轉，敏感資料不提交給外部工具或無關人員
依据：NIST 人工智慧風險管理框架（AI RMF 1.0）
市場波動期與報送期強度風險
典型场景：波動期或報送期連續高強度不休息導致判斷偏差
主要岗位：市場波動期與監管報送期的風險人員
可能后果：可能導致長時間用眼與久坐負擔、波動期與報送期高強度與疲勞性差錯
降低风险：按作業節奏安排休息與工位調整，波動期與報送期合理分配任務並如實報告不適
依据：O*NET 任務與工作活動資料
模型與計量口徑越界風險
典型场景：把模型當作通用答案或忽略失效監控
主要岗位：選擇風險模型和計量口徑的崗位
可能后果：可能把只在特定條件下有效的模型或口徑用於不相符的市場、產品或風險型別
降低风险：寫明模型的適用範圍與失效條件，越界使用須重新驗證並報備
依据：O*NET 任務與工作活動資料
資料口徑與版本不可復現風險
典型场景：資料口徑與引數版本混亂、結果無法復現
主要岗位：維護風險資料、模型或復現記錄的崗位
可能后果：可能導致結果無法復現、引數與資料版本不一致
降低风险：按版本規則儲存資料快照、引數與指標定義，關鍵結果須可獨立復現
依据：O*NET 任務與工作活動資料 · NIST 人工智慧風險管理框架（AI RMF 1.0）
限額、報告與上報責任風險
典型场景：跳過限額觸發處理，或報告審批流於形式
主要岗位：限額監控、風險報告與上報負責人
可能后果：可能出現限額觸發未處理、風險報告失實或上報責任不清
降低风险：明確限額觸發、升級與上報的許可權與簽署規則，保留觸發與處理記錄
依据：O*NET 任務與工作活動資料 · NIST 人工智慧風險管理框架（AI RMF 1.0）
入行、資格與職業發展
怎麼進入金融風險專家這個職業？
美國O*NET為Job Zone Four，且為仍在採集的子集檔案；BLS將Financial Analysts類典型入門學歷列為學士學位。中國目標崗位須核學歷、風險計量與資料能力、業務資格及內部授權。證據不足：未取得代表性的中國招聘與資格適用樣本。路徑為編輯歸納，不是全國統一晉升或培訓期限。
入門方向與準備
金融風險專家｜path
| 入門方向 | 起步任務 | 可準備證據 | 無經驗也能展示的作品 | 需要注意的區別 |
|---|---|---|---|---|
| 風險資料支援崗 | 在帶教下完成風險資料收集、核對與報表整理 | 作業與培訓記錄 | 寫出一份風險資料口徑與缺失處理要點 | 偏輔助場景，需關注口徑與版本 |
| 風險計量崗 | 獨立完成風險度量、情景測算與結果說明 | 風險計量與驗證記錄 | 寫出一份風險口徑與情景設定說明 | 偏執行場景，需關注方法與驗證 |
| 信用風險崗 | 承擔授信組合的風險度量與限額跟蹤 | 信用風險與限額記錄 | 寫出一份信用風險限額與觸發要點 | 偏專項場景，需關注口徑與適用範圍 |
| 市場與流動性風險崗 | 承擔市場與流動性風險指標計算與壓力測試 | 市場風險與測試記錄 | 寫出一份市場風險壓力情景要點 | 偏專項場景，需關注假設與失效條件 |
| 模型驗證與治理崗 | 獨立復現並驗證風險模型並出具驗證意見 | 驗證與治理記錄 | 寫出一份驗證計劃與差異說明 | 偏治理場景，需關注獨立性與留痕 |
金融風險專家｜path
僱主要求：學歷與技能
核對學歷、專業方向（金融、經濟、統計、數學或計算機）與風險計量、程式設計與報告能力要求，記錄公告日期與是否仍在招。
區分「會用工具算指標」與「能選擇風險口徑並解釋結果」，兩項都要看。
僱主要求：風險管理與保密條件
核對機構風險管理與模型治理制度、資料與資訊保護要求、監管報送與披露及利益衝突規則。
記錄要求與時效，更換機構或業務線須重新核驗。
O*NET 準備層級與檔案完整度
Job Zone Four（需要相當多的準備），SVP 7.0 至 <8.0；該職業被標記為 Bright Outlook；但該職業目前只有子集檔案，學歷調查百分比官方尚未公佈（證據不足）。
準備層級描述職業整體，不代表具體機構或崗位的任職與持牌條件；BLS 指出財務分析師類職業的典型入門學歷為學士學位、無需相關工作經驗和在職培訓。
僱主要求：工具與資料環境
核對需要使用統計與計量軟體、程式語言與指令碼、資料庫與查詢語言、商業智慧與視覺化工具、金融終端與風險資料服務、模型治理與版本工具。
列明實際使用場景與計算環境，不以工具清單替代口徑選擇與驗證能力。
金融風險專家｜path
材料一：虛構風險評估任務
給出需要回答的風險問題、可用的持倉與市場資料、必須遵守的風險計量口徑與留痕要求、需要交付的風險報告與情景分析材料，作為本次練習輸入。
標註單位與缺失項，說明材料為完全虛構。
列出可能影響判斷的缺失資訊。
說明練習使用虛構材料，不代表任何真實機構、產品或市場資料。
可檢查產出：風險識別與範圍界定、度量方法與口徑、資料核對與缺失處理、引數與假設、壓力情景與敏感性、限額或緩釋建議、必須由風控負責人或驗證崗確認的情形。
說明邊界：投資、法律與合規結論須由有職權人員或機構作出。
材料二：風險計量與報告任務（虛構）
要求寫出風險識別與口徑選擇、度量方法與檢驗方式、引數與假設、壓力情景與失效條件，並說明哪些結論必須由風控負責人、模型驗證或合規確認。
練習產出：一份可執行的風險計量與報告要點。
材料三：參考思路摘錄（虛構）
先界定風險範圍與型別，再選擇度量口徑並核對資料，最後做壓力情景與敏感性檢查並形成說明。
對無法確認的口徑或治理問題保留未知並請風控負責人或複核人確認，而不是按經驗處理。
說明參考思路只是示例，不是唯一正確方法。
材料四：邊界說明
本練習不構成投資、財務、法律或合規結論；限額調整、資本處置與對外披露由風控負責人、驗證崗或有職權人員按治理制度執行。
金融風險專家｜path
作品一：崗位要求對照表
把目標公告的學歷、程式設計與方法要求逐條列成對照表。
標出已滿足、待補齊與需核實項。
作品二：可復現的模型說明
選一個虛構問題，寫出方法、假設與檢驗方式，並附復現步驟。
展示能讓他人獨立復現結果。
作品三：一頁模型與驗證摘要
用一頁紙記錄問題、方法、假設、檢驗結果與失效條件。
標註依據來源與未能核實的部分。
作品四：工具與環境說明
說明使用的語言、庫、計算環境與版本管理方式，使他人能復現。
標註哪些環節使用了 AI 輔助並被人工核對。
金融風險專家｜path
| 情境 | 可能被問到的問題 | 可以出示的證據 | 不能由此推斷的結論 |
|---|---|---|---|
| 面試 | 能否說明方法選擇、假設與驗證方式。 | 核對能否把問題寫成模型並說明失效條件。 | 是否錄用由僱主判斷，不由本人認定。 |
| 建模案例評審 | 能否展示從問題到驗證的完整過程。 | 用程式碼、引數與驗證記錄展示可復現。 | 一次評審不代表可獨立承擔所有模型型別。 |
| 試用期考核 | 能否在要求下修訂模型並保持版本清晰。 | 用版本與復現記錄展示規範性。 | 短期表現不代表長期建模判斷能力。 |
| 入職後 | 能否按治理制度執行驗證、上線與留痕要求。 | 用驗證與上線記錄展示可追溯。 | 遵守制度不替代監管與合規要求。 |
金融風險專家｜path
- 01
第 1 天：讀一份風險管理或模型治理要求
摘錄一項限額、驗證或報送要求，並寫出執行要點。
- 02
第 2 天：寫一份風險資料與口徑要點
按資料來源寫出核對、對齊與異常處理方式。
- 03
第 3 天：寫一份度量口徑與假設要點
寫出口徑選擇理由、關鍵假設與檢驗方式。
- 04
第 4 天：寫一份壓力情景與失效條件要點
寫出壓力情景、敏感性分析與失效判據。
- 05
第 5 天：寫一份獨立驗證要點
寫出如何用獨立方法復現並記錄差異。
- 06
第 6 天：請他人挑戰
請一位有經驗的風控人員或模型驗證崗指出口徑與驗證遺漏並記錄反饋。
- 07
第 7 天：寫判斷
寫下是否願意繼續、需要補什麼，以及哪些判斷不能由自己作出。
金融風險專家｜path
- 第 1 天：能否找出限額、驗證或報送要求並寫清執行要點。
- 第 2 天：能否寫出合理的風險資料核對與口徑處理方式。
- 第 3 天：能否寫出度量口徑理由與關鍵假設。
- 第 4 天：能否寫出可執行的壓力情景與失效條件要點。
- 第 5 天：能否寫出具體可操作的獨立驗證要點。
- 第 6 天：能否在接受指正後修正口徑與驗證判斷。
- 第 7 天：能否說出需要補齊的能力與判斷邊界。
金融風險專家｜path
| 資格／準備項 | 適用人群 | 對本職業的作用 | 是否普遍必需 | 條件與投入 | 投入量級 | 不能替代什麼 |
|---|---|---|---|---|---|---|
| 學士學位（金融、經濟、統計、數學或計算機相關） | 核目標風險崗位學歷要求 | 可用於證明教育經歷，具體以公告為準 | BLS 指出財務分析師類職業的典型入門學歷 | 按院校與專業要求 | 按目標院校、培訓或機構安排核實；統一週期未核 | 學歷不等於能獨立完成風險計量 |
| 碩士學位（金融工程、統計、數學或計算機相關） | 風險計量與模型驗證崗位 | 可作為方法訓練經歷；相對競爭力未核驗 | 不是普遍必需 | 按院校與專業要求 | 按目標院校、培訓或機構安排核實；統一週期未核 | 學位不等於方法判斷能力 |
| 行業與崗位資格培訓（如銀行風險管理、證券從業或精算相關培訓） | 受監管或持牌崗位 | 先區分培訓證明、專業認證、法定資格與機構授權 | 按機構與業務線要求 | 按考試與培訓安排 | 按目標院校、培訓或機構安排核實；統一週期未核 | 資格不等於機構內部授權 |
| 資料分析與程式設計訓練（SQL、Python 或 R、統計與計量工具） | 風險資料與計量崗位 | 可練習資料複核與復現，效果須實測 | 不是普遍必需 | 可自學或參加培訓 | 按目標院校、培訓或機構安排核實；統一週期未核 | 工具能力不等於口徑判斷 |
| 專業認證（如金融風險管理相關認證） | 風險計量與治理崗位 | 核目標公告是否要求或優先，未取得代表性樣本 | 不是普遍必需 | 按認證機構要求 | 按目標院校、培訓或機構安排核實；統一週期未核 | 認證不等於可獨立出具驗證結論 |
| 在職訓練與帶教（風險報告、限額流程、模型驗證） | 新入職人員 | 熟悉流程與記錄要求 | 按目標僱主安排核實，不能推斷多數崗位均提供 | 由僱主安排 | 按目標院校、培訓或機構安排核實；統一週期未核 | 訓練不等於獨立結論能力 |
金融風險專家｜path
金融風險專家｜path
風險計量與驗證
風險資料支援崗
典型职责：按流程完成資料清洗、回測與程式碼維護
晋升证据：作業與培訓記錄（編輯建議）
资格边界：以數學、統計或計算機學習經歷為主，按僱主與崗位要求核對
下一步：獨立完成一個模型的復現與回測
風險計量崗
典型职责：獨立完成建模、驗證與說明
晋升证据：模型與驗證記錄（編輯建議）
资格边界：以風險計量或建模經驗為主
下一步：承擔風險計量與驗證說明
信用風險計量崗
典型职责：開發並維護風險計量與壓力測試模型
晋升证据：風險計量與模型庫記錄（編輯建議）
资格边界：以信用與市場風險計量經驗為主
下一步：承擔風險計量與壓力測試模型開發
模型驗證崗
典型职责：獨立復現並驗證模型，出具驗證意見
晋升证据：驗證與復現記錄（編輯建議）
资格边界：以模型治理與驗證經驗為主
下一步：向模型驗證與治理方向發展
市場與信用風險
風險建模崗
典型职责：開發風險度量與壓力測試模型
晋升证据：風險模型與測試記錄（編輯建議）
资格边界：以風險度量方法為主
下一步：承擔風險模型開發
市場風險計量崗
典型职责：開發風險計量與情景分析模型支撐限額管理
晋升证据：風險計量記錄（編輯建議）
资格边界：以風險計量方法為主
下一步：承擔風險計量研究
流動性與操作風險崗
典型职责：分析流動性指標、操作風險事件和控制記錄；崗位分工按目標機構核對（編輯路徑例示）
晋升证据：市場風險記錄（編輯建議）
资格边界：以市場風險與流動性知識為主
下一步：核目標流動性或操作風險崗位的指標方法、控制流程和機構授權
風險管理負責人崗
典型职责：對研究路線、模型治理與團隊負責
晋升证据：制度與研究記錄（編輯建議）
资格边界：以經驗與團隊任命為主
下一步：向風險管理方向發展
風險資料與模型治理
風險資料平臺崗
典型职责：建設風險資料與口徑標準
晋升证据：風險資料記錄（編輯建議）
资格边界：以資料工程能力為主
下一步：承擔資料平臺與口徑治理
風險資料工程崗
典型职责：把風險計量模型投入執行並持續監控
晋升证据：監控與告警記錄（編輯建議）
资格边界：以工程與運維能力為主
下一步：承擔風險指標監控與告警維護
ESG 與氣候風險崗
典型职责：開發 ESG 與氣候風險相關計量工具
晋升证据：ESG 與模型記錄（編輯建議）
资格边界：以 ESG 資料與方法知識為主
下一步：承擔 ESG 與綠色金融建模
風險管理與治理負責人崗
典型职责：對風險計量能力、治理與團隊負責
晋升证据：治理與管理記錄（編輯建議）
资格边界：以資質與經驗為主
下一步：向風險管理與治理方向發展
能力阶梯：晋升看什么证据？
- 01
風險資料支援
能在帶教下完成資料清洗、回測與程式碼維護並如實記錄。
- 02
風險計量崗
能獨立完成建模、驗證與說明。
- 03
信用風險計量崗
能開發並維護風險計量與壓力測試模型。
- 04
模型驗證崗
能獨立復現並驗證模型並出具驗證意見。
職業前景與相關職業轉向
金融風險專家的就業前景與相關職業轉向
當前美國精確職業13-2054：2025就業66,000人，2025—2035預計增長7%或更高、年均空缺4,800個；2025中位年薪117,330美元。下方2024—2034條目保留為歷史參考，勿混期。總體預測非AI歸因，中國精確職業薪資仍缺證，行業均值僅作背景。
三类数据，三种不同口径
BLS 職業投影與特徵表
2024—2034美國 · Financial Risk Specialists（13-2054.00）
遠快於平均（7% 或更高，2024—2034，精確職業 13-2054.00 口徑，經 O*NET 呈現）
就業變化
就業預計遠快於平均增長，機構風險管理投入與模型治理要求影響崗位數量
不能说明：預測不等於實際結果，也不代表某一機構或地區的招聘量；數值為精確職業口徑
O*NET 金融風險專家職業檔案
2024美國 · Financial Risk Specialists（13-2054.00）
約 60,500 人
就業規模
就業規模與空缺不是同一指標；空缺為預測期年均值並含替補需求
不能说明：為精確職業口徑統計，機構型別與風險型別差異大
國家統計局：城鎮單位就業人員平均工資（行業門類與崗位類別）
2025中國大陸 · 租賃和商務服務業、科學研究和技術服務業（行業門類）
非私營 110,162／私營 68,919 元/年；科學研究和技術服務業非私營 182,064／私營 83,560 元/年
行業工資（行業代理）
行業平均工資覆蓋多個職業，不能替代本職業工資
不能说明：行業/崗位類別均值為稅前勞動報酬，包含獎金和津補貼；不能直接比較個人固定工資、到手收入或股權總包。
现有能力可以迁移到哪里？
这些是能力邻近关系，不代表自动晋升或无需补课。
投資基金經理
相鄰方向，由模型支援轉向投資決策可迁移：資產配置與投資流程
需补足：需補組合投資決策能力
职业详情暂不可用金融與投資分析師
相鄰方向，由建模轉向估值分析與結論可迁移：估值方法與披露要求
需补足：需補估值結論與披露能力
职业详情暂不可用管理分析師
相鄰方向，由風險計量轉向管理諮詢與流程診斷可迁移：流程與經營分析
需补足：需補流程與經營診斷能力
职业详情暂不可用信貸分析師
相鄰方向，由風險建模轉向信用分析可迁移：信用分析與風控方法
需补足：需補借款人信用評估能力
职业详情暂不可用市場研究分析師與營銷專員
相鄰方向，由風險資料建模轉向市場研究可迁移：調研設計與市場分析
需补足：需補市場與消費者研究能力
职业详情暂不可用資料科學家
相鄰方向，由風險計量轉向資料科學可迁移：機器學習與工程實踐
需补足：需補通用資料科學與工程能力
职业详情暂不可用統計師
相鄰方向，由風險建模轉向統計研究可迁移：統計推斷與實驗設計
需补足：需補統計方法與實驗設計能力
职业详情暂不可用合規經理
相鄰方向，由風險度量轉向合規與監管事務可迁移：合規體系與監管報送要求
需补足：需補合規體系與監管溝通能力
职业详情暂不可用常見問題與資料來源
金融風險專家主要做什麼？
本頁按美國 O*NET-SOC 13-2054.00「Financial Risk Specialists」編寫：分析並度量威脅機構資產、盈利能力或經濟狀況的信用風險與市場風險敞口，並可提出限制風險的建議。具體包括：從內部或外部資源收集風險相關資料並核對口徑；用統計方法或計量模型把風險量化為可比較的指標；開發並實施風險評估模型與情景分析，模擬嚴重市場事件的影響；識別投資標的的主要風險與緩釋因素，評估法律與所有權結構、客戶基礎與行業位置帶來的風險；監控風險管理系統與資料質量；編制風險報告與披露材料並向業務與管理層說明風險立場；參與風險管理系統的建設與改造，並在必要時提出調整或限制風險敞口的建議。
它和投資基金經理、金融與投資分析師有什麼不同？
職責落點不同：本職業以識別與度量機構層面的信用與市場風險、設定並跟蹤風險限額、開展情景與壓力測試並提出緩釋建議為主；投資基金經理以組合構建與投資決策為主；財務經理以機構財務活動統籌與資金安排為主；合規經理以合規體系、內部政策與監管溝通為主；損失預防經理以防損與資產保護為主；金融與投資分析師以財務與市場資料的定量分析與估值結論為主；金融風險專員崗位名稱相近但通常指同一職業族內的具體崗位，本頁以機構風險管理職責為準。
美國統計口徑與檔案完整度是什麼（重要）？
美國 O*NET-SOC 13-2054.00「Financial Risk Specialists」：興趣程式碼 CIE，屬 Job Zone Four（需要相當多的準備，SVP 7.0 至 <8.0），並被標記為 Bright Outlook。口徑與完整度提示：該職業在 O*NET 上目前只有子集檔案（原文「A subset of this occupation's profile is available. Data collection is currently underway to populate other parts of the profile.」），因此學歷調查百分比與工作情境百分比官方尚未公佈，本頁按缺口登記、不代填、不借用同類職業資料；工資、就業與增長為該精確職業 13-2054.00 口徑（不是母職業口徑）。
日常工作情境與準備層級是怎樣的？
O*NET 將該職業列為 Job Zone Four（需要相當多的準備，SVP 7.0 至 <8.0），並被標記為 Bright Outlook；該職業以辦公室與計算機作業為主，多在銀行、證券、保險、資管或企業財務部門工作，市場波動期、監管報送期與年度壓力測試期節奏集中，部分崗位需要與交易時段同步。該職業為 O*NET 子集檔案，工作情境百分比（工時、久坐、時間壓力、對外接觸等）官方尚未公佈——證據不足：未取得任務級工作情境的官方資料，本頁不引用相關百分比，也不代填。BLS 指出財務分析師類職業多數全職、部分每週超過 40 小時。
這個職業會被 AI 取代嗎？
更準確的判斷是風險資料收集與整理、統計計算、指標計算與報表草擬、視覺化類工序會被工具接手，職業整體以增強與職責重心上移為主。ILO 2023 年的研究顯示任務暴露在職業間差異很大，管理和專業類職業中高度暴露的任務比例相對較低，技術可行不等於機構已經採用；而風險範圍界定、口徑與假設選擇、情景設計、獨立驗證與限額處置責任需要專業判斷與責任承擔，因此結論是工作方式與職責重心會變化，而不是整體被取代。
美國工資是多少？中位數是入門工資嗎？
該精確職業 2025 年中位時薪 56.41 美元、中位年薪 117,330 美元；第 10、第 25、第 75 與第 90 百分位分別約 64,820、83,980、158,250 與 196,110 美元/年（May 2025 OEWS，經 O*NET 呈現；BLS OOH 亦寫明最低 10% 低於 64,820 美元、最高 10% 高於 196,110 美元）。分行業中位年薪：證券、商品合約與其他金融投資及相關活動 133,070 美元；專業、科學與技術服務 119,550 美元；信用中介及相關活動 112,060 美元；公司與企業管理 110,090 美元；保險承運人及相關活動 105,570 美元。中位數是工資分佈的中點，不是起薪；OEWS 通常不含獎金與股權激勵。
需要什麼學歷和資格？
O*NET 將本職業列為 Job Zone Four（需要相當多的準備，SVP 7.0 至 <8.0），但該職業目前只有子集檔案，學歷調查百分比官方尚未公佈（證據不足：未取得本職業學歷調查的官方百分比），本頁不代填。BLS 指出財務分析師類職業的典型入門學歷為學士學位，無需相關工作經驗和在職培訓。中國大陸多以金融、經濟、統計、數學或計算機相關學歷加風險計量與程式設計能力為常見要求，並強調風險管理與資料合規；具體以招聘公告與所在地規定為準。
需要什麼證書或許可？
本職業在 O*NET 上未列出強制性的全國統一執照；是否要求證書、資格或內部授權取決於機構型別與業務線（例如銀行風險管理、證券與期貨業務、保險精算或償付能力管理相關培訓與認證，以及機構內部的風險管理崗位資格）。這些要求須按機構制度與所在地法規原文核驗，本頁不提供合規意見，也不把證書等同於風險判斷能力。
這份工作的責任與邊界在哪裡？
風險度量結果只是決策依據，不構成投資建議或交易決定；限額調整、資本處置與對外披露須按機構制度由有職權人員或委員會確認；涉及監管報送、內幕資訊與利益衝突的事項須由合規確認。使用 AI 工具時，工具輸出不能作為已驗證的結論，資料口徑與演算法須回查原文，持倉與客戶等敏感資料不得提交給外部工具。本頁不替代機構風險管理與模型治理制度、資料與資訊保護要求、資本與償付能力監管要求以及對外披露與利益衝突管理規則，也不提供投資、財務、法律或合規意見。
就業前景如何？可以轉到哪些方向？
經 O*NET 呈現，該精確職業 2024 年就業約 60,500 人，2024—2034 年預計遠快於平均增長（7% 或更高），預計年均崗位空缺約 4,800 個（該值為預測期年均值，含替補需求）；該職業被標記為 Bright Outlook，BLS 給出的 2024 年主要行業為金融與保險（約 60%）以及專業、科學與技術服務（約 10%）。預測基於假設，不等於實際結果。常見轉向包括：投資基金經理（需補組合構建與投資決策能力）、金融與投資分析師（需補估值結論與披露能力）、管理分析師（需補流程與經營診斷能力）、信貸分析師（需補單筆信用評估能力）、資料科學家（需補機器學習與工程實踐）、統計師（需補統計推斷與實驗設計）、合規經理（需補合規體系與監管溝通能力）；轉換可行性取決於目標崗位公告與所在地資格要求。
资料来源
FermatMind 职业内容研究流程
2026-09-20
本頁來源與事實登記（O*NET 13-2054.00 職業檔案與詳細資料（子集檔案）、BLS OEWS May 2025 精確職業工資分位、BLS OOH：Financial Analysts（含 Financial risk specialists 分行業工資）、O*NET 呈現的 BLS 2024—2034 投影、國家統計局 2025 年行業門類與崗位類別平均工資、ILO 工作論文 96、NIST AI RMF）
exact title 13-2054.00O*NET OnLine｜美國｜current page (updated 2026); accessed 2026-09-20｜official occupation profile (subset profile)
查看原始资料：exact title 13-2054.00- 官方職業範圍：分析並度量威脅機構資產、盈利能力或經濟狀況的信用風險與市場風險敞口，並可提出限制風險的建議。
- 興趣程式碼 CIE；準備層級 Job Zone Four（需要相當多的準備，SVP 7.0 至 <8.0）；被標記為 Bright Outlook。
- 子集檔案說明：頁面原文「A subset of this occupation's profile is available. Data collection is currently underway to populate other parts of the profile.」——學歷調查百分比與工作情境百分比尚未公佈。
- 工資與就業（該精確職業）：2025 年中位時薪 56.41 美元、中位年薪 117,330 美元；2024 年就業 60,500 人；2024—2034 年預計遠快於平均增長（7% 或更高）；預計年均崗位空缺約 4,800 個。
- 2024 年主要行業：金融與保險（約 60%）；專業、科學與技術服務（約 10%）。
使用限制：該職業為子集檔案，學歷調查與工作情境資料尚未公佈；美國資料不自動推導中國大陸的資格與持牌要求。
exact title (13-2054.00)O*NET OnLine｜美國｜current page (updated 2026); accessed 2026-09-20｜official occupation details (subset profile)
查看原始资料：exact title (13-2054.00)- 用於核對任務（30 項）與詳細工作活動（24 項）：分析潛在風險領域、分析新法規對風險敞口的影響、用統計分析軟體或計量模型量化風險、與交易人員溝通交易策略與頭寸風險、開發並實施風險評估模型或方法、設計反映嚴重市場事件的情景分析、監控風險評估的有效性、記錄並溝通關鍵風險、編制風險報告與披露材料、就風險控制或降低風險提出建議等。
- 軟體與技術工具類別包括統計與計量軟體、程式語言與指令碼、資料庫與查詢語言、商業智慧與視覺化工具、金融分析與終端資料服務、模型治理與文件工具等。
- 該頁面同樣標註為子集檔案，未提供工作情境（Work Context）與工具（Tools）明細；工作風格（Work Styles）不屬於工作情境資料，不能替代工作情境百分比。
使用限制：任務與工作活動為 13-2054.00 資料；工作情境、學歷調查與工具明細未提供，本頁不代填。
exact occupation 13-2054.00U.S. Bureau of Labor Statistics｜美國｜2024—2034 projections as presented by O*NET OnLine; accessed 2026-09-20｜official employment projections (exact occupation scope)
查看原始资料：exact occupation 13-2054.00- 該精確職業（經 O*NET 呈現）：2024 年就業 60,500 人，2024—2034 年預計遠快於平均增長（7% 或更高），預計年均崗位空缺約 4,800 個。
- BLS 就業預測表中「Occupational openings」為預測期的年均值，本頁據此標註為「/年」，不按十年累計解讀。
- BLS OOH 金融分析師頁說明：金融分析師類職業總體 2025—2035 年預計增長 7%，年均空缺約 29,500 個——該口徑覆蓋金融與投資分析師及金融風險專家等，本頁只在必要時說明，不用於替代本職業數值。
使用限制：預測不等於實際結果，年均空缺含替補需求，不能拆成個人錄用機率。
exact occupation 13-2054U.S. Bureau of Labor Statistics｜美國｜May 2025 wage data; accessed 2026-09-20｜official wage statistics (exact occupation scope)
查看原始资料：exact occupation 13-2054- 精確職業口徑：中位時薪 56.41 美元、中位年薪 117,330 美元。
- 第 10、第 25、第 75 與第 90 百分位分別約 64,820、83,980、158,250 與 196,110 美元/年（經 O*NET 全國工資頁呈現；時薪分別為 31.17、40.37、76.08 與 94.29 美元）。
- BLS Occupational Outlook Handbook 金融分析師頁中「Financial risk specialists」的分行業中位年薪：證券、商品合約與其他金融投資及相關活動 133,070 美元；專業、科學與技術服務 119,550 美元；信用中介及相關活動 112,060 美元；公司與企業管理 110,090 美元；保險承運人及相關活動 105,570 美元。同頁寫明最低 10% 低於 64,820 美元、最高 10% 高於 196,110 美元。
使用限制：中位不是起薪；OEWS 通常不含獎金與股權激勵；分行業數值為美國口徑，不代表中國大陸水平。
industry proxy: leasing and business services; scientific research and technical services; position-group proxy國家統計局｜中國大陸｜2025 annual wage; accessed 2026-09-20｜official industry and position proxy
查看原始资料：industry proxy: leasing and business services; scientific research and technical services; position-group proxy- 城鎮非私營單位「租賃和商務服務業」平均工資 110,162 元/年；城鎮私營單位 68,919 元/年（2025）。
- 城鎮非私營單位「科學研究和技術服務業」平均工資 182,064 元/年；城鎮私營單位 83,560 元/年（2025）。
- 規模以上企業崗位類別平均工資：中層及以上管理人員 210,016 元/年；辦事人員和有關人員 94,936 元/年（2025）。
- 中國大陸未單列本職業；行業與崗位類別代理值不能替代職業工資。
使用限制：行業平均工資與崗位類別平均工資覆蓋多個職業，不能當作本職業中位數或起薪，也不含獎金與股權激勵。
global occupational task exposure to generative AIInternational Labour Organization｜全球｜2023-08-21; accessed 2026-09-20｜institutional research (working paper)
查看原始资料：global occupational task exposure to generative AI- 結論：多數崗位僅部分任務暴露，生成式 AI 更可能增強而非整體替代；文員類任務暴露最高，管理和專業類職業中高度暴露的任務比例較低。
- 採用任務分類方法，不是企業採用資料。
使用限制：任務暴露不等於實際採用、生產率或崗位變化；風險口徑選擇、情景設計與獨立驗證類工作仍須人承擔。
AI risk governance and human oversightNational Institute of Standards and Technology｜美國/國際參考｜AI RMF 1.0 released 2023-01-26; GenAI Profile released 2024-07-26; accessed 2026-09-20｜voluntary risk management framework
查看原始资料：AI risk governance and human oversight- 框架用於自願採用，幫助組織在 AI 的設計、開發、使用與評估中納入可信性考量。
- 生成式 AI 概覽列出生成式 AI 的特有風險並給出對應管理行動。
使用限制：治理框架不含職業或就業統計，不能作為職業前景或就業證據。
field review and source disclosureFermatMind｜中國大陸/美國｜current authoring rules; accessed 2026-09-20｜editorial method
查看原始资料：field review and source disclosure- 用於區分職業事實、統計口徑（精確職業與子集檔案缺口）、行業與崗位類別代理、風險管理與披露邊界、AI 輔助與人工複核。
- 本研究方法與編輯歸納標註為 internal_rubric 或 editorial_synthesis。
使用限制：不是外部職業事實來源，不替代官方統計或法域規則。
本職業三項代表核心任務FermatMind / 費馬測試｜2026-10-18｜編輯模型估算方法
查看原始资料：本職業三項代表核心任務- 三項代表核心任務等權的模型影響指數，非實際工時佔比或失業機率。floor((75+50+75)/3+0.5)=67; fermatmind-ai-impact-v1; 2026-10-18.
- 檔位：0幾乎無影響；25準備或記錄輔助；50實質輔助；75大部分資訊產出可由AI形成並複核；100所選任務近乎全可由AI完成且可獨立驗證。
- 方法選擇與建模 — 75/100; weight=1/3; financial-risk-specialists.ai-impact.ai-impact-table.95[0]
- 假設設定與引數選取 — 50/100; weight=1/3; financial-risk-specialists.ai-impact.ai-impact-table.99[0]
- 獨立驗證與穩健性檢驗 — 75/100; weight=1/3; financial-risk-specialists.ai-impact.ai-impact-table.103[0]
使用限制：依據本頁既有職業職責與AI任務分析作檔位判斷；不代表採用率、實測效果、崗位消失或個人失業機率，也不是斯坦福或其他外部機構官方分數；未使用實際工時權重，不假定未來機器人部署。
證據不足：O*NET子集檔案的學歷/工作情境百分比、中國精確職業薪資、代表性招聘/資格對應及AI採用與因果未取得。興趣程式碼現核為CIE；當前預測為2025—2035，歷史事實與FAQ仍保留舊期，不能混用。來源登記被FAQ共享，舊IC/預測期間及獎金排除說明衝突未改；本輪僅作者範圍最佳化，未籤全頁一致。
