Chuyên viên Quản trị rủi ro số / Mô hình (Risk & Model)

Xây dựng, kiểm định và giám sát các mô hình chấm điểm rủi ro và phòng chống gian lận trong sản phẩm tài chính số, bảo đảm mô hình hiệu quả, minh bạch và tuân thủ khung quản trị rủi ro cùng quy định bảo vệ dữ liệu. • Phát triển mô hình chấm điểm tín dụng và rủi ro (credit scoring, scorecard, học máy) cho phê duyệt, định giá theo rủi ro (risk-based pricing) và quản lý hạn mức. • Xây dựng và tối ưu mô hình phát hiện gian lận (fraud detection) và cảnh báo giao dịch bất thường theo thời gian thực. • Kiểm định mô hình (model validation) độc lập: KS, Gini, AUC/ROC, độ ổn định quần thể (PSI), hiệu chuẩn (calibration), out-of-time/out-of-sample. • Giám sát hiệu năng sau triển khai, phát hiện suy giảm (model drift), thiết lập ngưỡng cảnh báo và quy trình tái huấn luyện – tái phê duyệt. • Xây dựng và duy trì khung quản trị mô hình (model risk governance): tài liệu hóa giả định, dữ liệu, phương pháp và vòng đời mô hình phục vụ kiểm toán và cơ quan quản lý. • Bảo đảm tính công bằng và giải thích được (fairness & explainability), kiểm soát thiên lệch dữ liệu và sử dụng đúng phạm vi dữ liệu cá nhân theo Nghị định 13/2023/NĐ-CP. • Phân tích danh mục và chiến lược rủi ro: roll rate, vintage analysis, ước lượng tổn thất kỳ vọng (PD/LGD/EAD) và stress test danh mục. • Phối hợp sản phẩm, dữ liệu và tuân thủ tích hợp mô hình vào hệ thống quyết định (decision engine), cân bằng tỷ lệ phê duyệt và mức rủi ro.

• Bằng cấp & chứng chỉ: Bắt buộc đại học Toán – Thống kê, Kinh tế lượng, Khoa học dữ liệu, Tài chính định lượng hoặc CNTT. Ưu tiên FRM, PRM, CFA hoặc chứng chỉ SQL/Python và nền tảng học máy. • Kinh nghiệm: Tối thiểu 2–3 năm xây dựng hoặc kiểm định mô hình rủi ro/gian lận tại ngân hàng, công ty tài chính tiêu dùng, fintech hoặc tư vấn; cao cấp cần kinh nghiệm quản trị vòng đời mô hình. • Kiến thức & kỹ năng chuyên môn: Python/R và SQL, thống kê và học máy; credit scoring, các chỉ số kiểm định mô hình và khung Basel/IFRS 9 về ECL; kiến trúc decision engine. • Kỹ năng mềm: Tư duy phản biện và hoài nghi lành mạnh với mô hình, cẩn trọng, tài liệu hóa và trình bày cho các tuyến kiểm soát, đạo đức dữ liệu.

Tham gia bài toán rủi ro thực tế quy mô lớn; đầu tư công cụ mô hình hóa và hạ tầng tính toán; tài trợ FRM/CFA và đào tạo học máy nâng cao; lộ trình chuyên gia mô hình được công nhận.