Data scientist (модели оценки кредитного риска)

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.