Data scientist (модели оценки кредитного риска)
Требования
Местоположение и тип занятости
Компания
Российский универсальный коммерческий банк c государственным участием
Описание вакансии
Условия работы
Обязанности:
- Разработка моделей оценки кредитного риска для клиентов корпоративного бизнеса:
- построение моделей оценки вероятности дефолта (PD) аппликативные / поведенческие, (корп. клиенты, специализированное кредитование, субъекты РФ, Банки, LDP модели и т.д.);
- построение моделей LGD, EAD/CCF в том числе для использования в целях расчета достаточности капитала Банка в соответствии с требованиями ПВР (483-П) и защита разработанных моделей перед регулятором;
- построение моделей предодобренных предложений для внутренних и внешних клиентов (модели PACL);
- построение моделей риск мониторинга клиентов для целей предупреждения раннего ухудшения финансового положения;
- построение моделей на основе транзакционной активности клиента;
- построение моделей в соответствии с требованиями МСФО 9 (в частности, lifetime PD, макромодели);
- построение моделей anti-fraud, compliance;
- взаимодействие со сторонними поставщиками данных с целью тестирования возможности усиления моделей за счет внешних источников;
- построение скоринговых моделей на данных графа юридических и физических лиц;
- подготовка бизнес-требований на витрины для разработки и применения, на внедрение модели;
- подготовка аналитических и презентационных материалов, согласование разработанных моделей с заказчиком.
Бонусы
Условия:
- трудоустройство согласно Законодательству;
- конкурентная заработная плата;
- профессиональное обучение и развитие;
- добровольное медицинское страхование, льготные условия кредитования;
- корпоративная пенсионная программа, материальная помощь;
- спортивная жизнь и корпоративные мероприятия;
- возможность построить карьеру в ведущем банке России.
Дополнительные инструкции
Требования:
- высшее образование (математическое / техническое / финансовое);
- понимание методологии оценки кредитного риска клиентов корпоративного сегмента;
- практический опыт реализации полного цикла разработки модели от идеи до внедрения;
- уверенное знание математики, статистики и машинного обучения;
- владение Python и классическим ML-стэком (pandas, numpy, scikit-learn, xgboost и т.д.);
- опыт работы с Hadoop/Spark;
- наличие сертификатов FRM / PRM / CFA / CQF как преимущество;
- участие в хакатонах, обучение в ШАД как преимущество.