Мы — команда независимой валидации моделей крупного банка. Работаем на стыке Data Science, математической статистики, ML и риск-менеджмента: проверяем, насколько надёжны модели, где их ограничения и можно ли доверять их результатам.
Наш масштаб — от отдельных кредитных решений до оценки рисков и капитала всего банка. Валидируем PD и LGD, корпоративные модели, розничный скоринг, антифрод, оценку доходов и поведения клиентов и другие бизнес-модели. Отдельный блок — модели ВПОДК: оценка процентного, рыночного, валютного и процентного рисков. Участвуем в стратегическом проекте перехода банка на ПВР.
Меньше рутины — больше аналитики. Автоматизируем статистические проверки, расчёты и отчёты, разрабатываем инструменты на Python. Развиваем автомониторинг моделей в дашбордах: отслеживаем качество, стабильность и отклонения, делаем риски наглядными для руководства банка.
Ищем сильного начинающего аналитика, которому интересно работать с данными, проверять гипотезы и выяснять, почему модель работает — и когда ей нельзя доверять.
Чем предстоит заниматься:
- Исследовать и валидировать модели: проверять данные, предпосылки, точность, устойчивость и ограничения применения
- Проводить количественный анализ: тестировать гипотезы, разбираться в причинах отклонений, интерпретировать результаты
- Работать с разными рисками: от PD/LGD и ML-моделей до моделей ВПОДК, рыночного и процентного риска
- Развивать Python- и SQL-инструменты: автоматизировать тесты, расчёты и аналитические процедуры
- Создавать мониторинг и дашборды: участвовать в развитии системы постоянного контроля качества моделей
- Влиять на решения: готовить обоснованные выводы, обсуждать результаты с разработчиками и предлагать улучшения
Что нам важно: - Сильная математическая база: теория вероятностей, статистика, основы ML
- Python для анализа данных (pandas, NumPy, scikit-learn) и знание SQL
- Критическое мышление: умение задавать вопросы, искать причины и аргументировать выводы
Банковский опыт не обязателен — нам важнее способности, интерес к аналитике и желание развиваться.
Почему тебе будет интересно: - Масштаб и реальное влияние. Результаты валидации учитываются при принятии решений о применении моделей, от которых зависят кредитование, оценка рисков, величина RWA и потребность банка в капитале
- Разнообразие задач. Статистика, эконометрика, ML, кредитные и финансовые риски — возможность быстро расширить экспертизу изучив весь модельный ландшафт банка
- Python, автоматизация и дашборды. Не только валидируй модели, но и участвуй в создании инструментов для команды и руководства банка
- Содержательная аналитика. Здесь важно не просто посчитать метрику, а разобраться в причинах и найти слабые места модели
- Рост рядом с экспертами. Поможем освоить банковскую специфику и постепенно перейти к самостоятельным исследованиям
- Гибридный формат: офис + удалённая работа
