messenger

Chat Mess

zalo

Chat Zalo

phone

Phone

Gọi ngay: 097.6666.799
messenger

Facebook

messenger

TikTok

Hỗ trợ tư vấn: 097.6666.799
Vietcombank

[QUANT]_Chuyên viên phân tích định lượng - Nhóm Phân tích rủi ro tín dụng

Hà Nội Phòng Mô hình và công cụ quản trị rủi ro - Khác

Mô tả công việc

##

[QUANT]_Chuyên viên phân tích định lượng – Nhóm Phân tích rủi ro tín dụng
Số lượng tuyển dung: 02
Địa điểm làm việc: Phòng Mô hình và công cụ quản trị rủi ro, Trụ sở chính
Thời gian nhận hồ sơ: Hết ngày 20/10/2026
Lưu ý: Phòng Mô hình và công cụ quản trị rủi ro, Trụ sở chính đồng thời tuyển dụng 02 vị trí Chuyên viên và 01 vị trí Nhân viên Hỗ trợ kinh doanh. Ứng viên chỉ lựa chọn nộp hồ sơ DUY NHẤT 01 vị trí Chuyên viên / Nhân viên Hỗ trợ kinh doanh. Ứng viên vi phạm quy định nêu trên sẽ bị xem xét hủy kết quả ứng tuyển.
I. Mô tả công việc:
1. Xây dựng, phát triển, giám sát và hỗ trợ vận hành/bảo trì các mô hình định lượng phục vụ quản lý rủi ro tín dụng, nhằm tối đa hóa lợi ích và yêu cầu quản trị của Ngân hàng. 
2. Thiết kế xây dựng, rà soát, giám sát hoạt động và hỗ trợ vận hành các công cụ/hệ thống tin học hóa các mô hình định lượng rủi ro tín dụng.
3. Xây dựng năng lực và quy định, quy trình về xây dựng, phát triển, giám sát, hiệu chỉnh các mô hình định lượng rủi ro tín dụng. 
4. Phối hợp thực hiện các giải pháp định lượng phục vụ quản lý rủi ro tín dụng:
a) Tham gia triển khai các sáng kiến về phân tích dữ liệu, mô hình hóa và tính toán tối ưu, quản lý và phát triển các nền tảng/công cụ phân tích nâng cao phục vụ hoạt động quản lý rủi ro tại VCB.
b) Phối hợp với các bộ phận liên quan trong quá trình triển khai tin học hóa và ứng dụng kết quả mô hình.
5. Khảo sát, quy hoạch dữ liệu và triển khai các hoạt động quản lý chất lượng dữ liệu nhằm phục vụ phân tích định lượng.
6. Tham gia các lớp đào tạo, tập huấn nghiệp vụ theo kế hoạch của phòng và VCB
7. Thực hiện các nhiệm vụ khác có liên quan do Lãnh đạo Phòng giao.

##

II. Tiêu chuẩn tuyển dụng:
Trình độ:
• Tốt nghiệp Đại học/ Thạc sỹ chuyên ngành Toán học, Toán tài chính, Toán kinh tế, Kỹ nghệ tài chính (Financial Engineering), Tài chính định lượng, Quản trị rủi ro, Phân tích kinh doanh, Khoa học dữ liệu, Kinh tế học, Kinh tế-tài chính ứng dụng, Định phí bảo hiểm, Trí tuệ nhân tạo, Khoa học máy tính hoặc các chuyên ngành có liên quan khác.
• Trình độ ngoại ngữ: Tiếng Anh B1 trở lên (khung tham chiếu ngôn ngữ chung châu Âu) hoặc tương đương, sử dụng tốt tiếng Anh, giao tiếp và đọc hiểu tài liệu liên quan đến công việc phụ trách.
• Trình độ tin học: Chứng chỉ ứng dụng CNTT cơ bản (hoặc tương đương) trở lên.
2. Độ tuổi: Không quá 35 tuổi tại thời điểm đăng ký tuyển dụng.
3. Kinh nghiệm: Tối thiểu 01 năm kinh nghiệm nghiên cứu/làm việc trực tiếp về xây dựng mô hình định lượng rủi ro tín dụng trong lĩnh vực ngân hàng-tài chính.
4. Kiến thức:
• Có hiểu biết về hệ thống thông tin, cơ sở dữ liệu và các sản phẩm-dịch vụ ngân hàng, và/hoặc
• Có hiểu biết về các quy định Basel, văn bản chính sách của NHNN về quản lí rủi ro tín dụng, và kinh tế vĩ mô Việt Nam.
5. Kỹ năng:
• Có kỹ năng làm việc nhóm và làm việc độc lập.
• Có kỹ năng tổ chức thực hiện, sắp xếp công việc. 
• Có kỹ năng giao tiếp, truyền đạt trước đám đông.
• Có kỹ năng phân tích, tổng hợp.
6. Khả năng:
• Có khả năng tư duy logic.
• Có khả năng khái quát hóa.
7. Phẩm chất cá nhân:
• Cẩn trọng, linh hoạt.
• Chịu áp lực công việc cao.
• Trung thực, kỷ luật, trách nhiệm.
8. Các tiêu chí khác: Sức khỏe tốt, có xác nhận lý lịch tư pháp.
9. Các tiêu chí ưu tiên:
• Trình độ Thạc sỹ trở lên chuyên ngành Toán kinh tế, Toán tài chính, Kinh tế-Tài chính ứng dụng, hoặc các chuyên ngành có liên quan khác.
• Có chứng chỉ chuyên môn quốc tế (FRM, PRM, CQF, CFA,…)
• Có chứng chỉ tiếng Anh quốc tế IELTS trên 6.0 (hoặc tương đương).
• Có kinh nghiệm lập trình ứng dụng trên các công cụ/phần mềm tính toán, thống kê (SAS, MATLAB, R, Python,Ms-SQL,...).
• Có năng lực và/hoặc kinh nghiệm trong một số lĩnh vực sau: ứng dụng AI trong công việc; nghiên cứu, phát triển và/hoặc triển khai các mô hình, hệ thống, giải pháp AI; quản lý, kiểm soát an ninh, an toàn thông tin liên quan đến ứng dụng AI.
________________________

Phân tích kỹ năng cần có

Phân tích kỹ năng cần có cho vị trí Chuyên viên Phân tích Định lượng – Rủi ro tín dụng tại Vietcombank

1. Kỹ năng cứng (Hard Skills) – Bắt buộc phải thành thạo

Vị trí này thuộc nhóm Quantitative Risk – một mảng khá khan hiếm nhân lực trên thị trường ngân hàng Việt, đòi hỏi kết hợp giữa tài chính, toán học và công nghệ. Ứng viên cần tập trung vào các nhóm kỹ năng sau:

a) Ngôn ngữ lập trình & công cụ phân tích
  • Python (bắt buộc): Thư viện pandas, numpy, scikit-learn, statsmodels, scipy. Đây là công cụ số một cho việc xây dựng mô hình tín dụng hiện nay.
  • R: Vẫn được dùng phổ biến trong phân tích thống kê và mô hình hóa rủi ro.
  • SQL (rất quan trọng): Truy vấn, khai thác dữ liệu từ data warehouse ngân hàng. Cần thành thạo JOIN, CTE, window functions, subquery.
  • SAS (có lợi thế): Nhiều ngân hàng lớn tại Việt Nam vẫn dùng SAS cho mô hình tín dụng. Nếu biết sẽ là điểm cộng lớn.
  • Excel nâng cao: Power Query, Power Pivot, VBA – vẫn dùng cho các báo cáo nhanh.
b) Kiến thức mô hình & thống kê
  • Mô hình tín dụng (Credit Scoring): Logistic Regression, Probit, Scorecard development theo phương pháp Basel (PD, LGD, EAD).
  • Mô hình chuỗi thời gian: ARIMA, VAR, GARCH – phục vụ phân tích kinh tế vĩ mô.
  • Machine Learning: Random Forest, XGBoost, LightGBM, Neural Network cho dự báo vỡ nợ, phát hiện gian lận.
  • Thống kê suy luận: Kiểm định giả thuyết, hồi quy, phân phối xác suất, phân tích phương sai.
  • Backtesting & Validation: Cách kiểm tra độ ổn định của mô hình theo thời gian (PSI, CSI), đo lường hiệu quả (Gini, KS, AUC).
c) Kiến thức nghiệp vụ ngân hàng & quản trị rủi ro
  • Hiểu biết Basel II, Basel III: Đặc biệt là cách tiếp cận IRB (Internal Rating Based) trong tính toán vốn yêu cầu cho rủi ro tín dụng.
  • Quy định NHNN: Thông tư 01, 02, 09, 11, 13 về phân loại nợ, trích lập dự phòng, giới hạn tín dụng.
  • Sản phẩm tín dụng ngân hàng: Cho vay doanh nghiệp, cho vay cá nhân, thẻ tín dụng, bảo lãnh, L/C.
  • Quản trị rủi ro tín dụng: Vòng đời tín dụng, xếp hạng tín dụng nội bộ, giám sát sau cho vay, cảnh báo sớm (Early Warning System).
d) Kỹ năng hệ thống thông tin
  • Database: Oracle, SQL Server, PostgreSQL.
  • ETL cơ bản (Informatica, Talend, hoặc tự viết bằng Python).
  • BI tools: Power BI, Tableau để trực quan hóa dữ liệu.
  • Hiểu biết về Big Data (Hadoop, Spark) là lợi thế nhưng không bắt buộc ở mức fresher.

2. Kỹ năng mềm (Soft Skills)

  • Tư duy logic & phản biện: Khi xây dựng mô hình, cần biết đặt câu hỏi "tại sao" cho từng biến số, đánh giá kết quả một cách khách quan.
  • Kỹ năng truyền đạt: Mô hình rất tốt nhưng diễn giải kém thì không được áp dụng. Cần giải thích được cho lãnh đạo và các bộ phận kinh doanh hiểu.
  • Làm việc nhóm & phối hợp liên phòng ban: Phải làm việc với IT, Kinh doanh, Tín dụng, Tuân thủ.
  • Quản lý thời gian: Nhiều dự án chạy song song, deadline thường gấp.
  • Tinh thần học hỏi liên tục: Quy định Basel và NHNN liên tục cập nhật.

3. Chứng chỉ nên có (gợi ý theo cấp độ)

Cấp độ Chứng chỉ Ghi chú
Fresher/Junior FRM Part I, Python for Data Science, SQL Certificate FRM rất được trọng trong lĩnh vực rủi ro
Mid-level FRM hoàn chỉnh, PRM, SAS Certified PRM (Professional Risk Manager) của PRMIA
Senior CFA, CQF (Certificate in Quantitative Finance) CQF rất nặng về định lượng
Quản lý MBA Finance, Leadership certificates Kết hợp định hướng quản lý

4. Bảng so sánh mức độ quan trọng của các kỹ năng

Kỹ năng Mức độ quan trọng Ghi chú
Python/SQL ⭐⭐⭐⭐⭐ Bắt buộc
Hiểu biết Basel & NHNN ⭐⭐⭐⭐⭐ Bắt buộc với mảng tín dụng
Credit Scoring model ⭐⭐⭐⭐⭐ Cốt lõi công việc
Machine Learning ⭐⭐⭐⭐ Có lợi thế cạnh tranh cao
Kỹ năng truyền đạt ⭐⭐⭐⭐ Quyết định việc áp dụng mô hình
SAS ⭐⭐⭐ Có thì tốt, không có vẫn OK
Tiếng Anh B1+ ⭐⭐⭐⭐ Đọc tài liệu Basel gốc
Big Data tools ⭐⭐ Chưa cần ở mức fresher

Chuẩn bị phỏng vấn

Hướng dẫn chuẩn bị phỏng vấn vị trí Chuyên viên Phân tích Định lượng – Vietcombank

1. Quy trình tuyển dụng thường gặp tại Vietcombank (Big 4 ngân hàng nhà nước)

Vietcombank thường áp dụng quy trình 3-4 vòng cho vị trí chuyên viên tại Trụ sở chính. Cụ thể:

Vòng 1: Sơ tuyển hồ sơ (CV Screening)

  • Hồ sơng cá nhân (theo mẫu VCB)
  • Sơ yếu lý lịch có xác nhận của địa phương
  • Bằng cấp, chứng chỉ (photo công chứng)
  • Giấy khám sức khỏe
  • Thư xin việc / Cover letter

Vòng 2: Bài thi nghiệp vụ (Written Test)

  • Thi trắc nghiệm kiến thức: Toán tài chính, Xác suất thống kê, Tài chính ngân hàng, Tin học, Tiếng Anh.
  • Bài thi IQ/logic (không bắt buộc ở mọi đợt).
  • Thời gian thường 90-120 phút.

Vòng 3: Phỏng vấn chuyên môn (Technical Interview)

  • Hội đồng gồm: Trưởng/phó phòng Mô hình & Công cụ QRRT, đại diện phòng Tổ chức cán bộ.
  • Thời gian: 30-45 phút.
  • Câu hỏi tập trung vào: Mô hình tín dụng, Basel, kiến thức NHNN, xử lý tình huống thực tế.

Vòng 4: Phỏng vấn Hội đồng tuyển dụng / Phỏng vấn lãnh đạo cấp cao

  • Đánh giá tổng thể: Tầm nhìn, thái độ, khả năng gắn bó lâu dài.
  • Câu hỏi định hướng nghề nghiệp, mức lương kỳ vọng.

Vòng 5 (nếu có): Khám sức khỏe & Ký hợp đồng

2. Câu hỏi phỏng vấn hay xuất hiện

Nhóm câu hỏi chuyên môn – Mô hình tín dụng

1. Hãy giải thích cách bạn xây dựng một mô hình scorecard tín dụng cho khách hàng cá nhân. Các bước chính là gì?
→ Trả lời mẫu: WOE/IV binning → Chọn biến (Information Value) → Logistic Regression → Đánh giá mô hình (KS, Gini) → Validation → Triển khai.

2. Sự khác biệt giữa PD, LGD, EAD là gì? Cách tính vốn yêu cầu theo Basel II?

3. Làm thế nào để phát hiện một mô hình bị overfitting? Bạn dùng phương pháp nào để tránh?

5. PSI (Population Stability Index) là gì? Ngưỡng PSI bao nhiêu thì cảnh báo mô hình bất ổn?

6. Bạn so sánh Logistic Regression với XGBoost trong bài toán credit scoring? Ưu/nhược điểm của mỗi mô hình?

7. Một khách hàng doanh nghiệp có doanh thu giảm 25% trong 2 năm liên tiếp, tỷ lệ nợ xấu trong ngành tăng. Bạn sẽ xử lý yếu tố này thế nào trong mô hình rủi ro tập thể (portfolio risk)?

Nhóm câu hỏi về quy định NHNN

1. Trình bày các nhóm nợ theo Thông tư 02/2023 và Thông tư 09/2024 của NHNN?
2. Các chỉ tiêu an toàn vốn theo Thông tư 41/2016 (sửa đổi bổ sung)?
3. Cách phân loại nợ theo phương pháp định mức với khách hàng doanh nghiệp?

Nhóm câu hỏi về công cụ & lập trình

1. Viết một đoạn code SQL tính tổng dư nợ theo ngành nghề và nhóm nợ của khách hàng.
2. Trong Python, làm thế nào để xử lý missing values trong dữ liệu tín dụng? Bạn chọn phương pháp nào và vì sao?
3. Mô tả kiến trúc một hệ thống EWS (Early Warning System) bạn từng tham gia xây dựng.

Nhóm câu hỏi tình huống

1. Mô hình của bạn sau khi triển khai 6 tháng có Gini giảm từ 65% xuống 45%. Bạn sẽ làm gì?
2. Kinh doanh phản đối mô hình vì nó cắt giảm 30% khách hàng được cấp tín dụng. Bạn xử lý thế nào?
3. Một biến quan trọng trong mô hình bị thay đổi định nghĩa bởi phòng IT. Bạn sẽ phản ứng ra sao?

Nhóm câu hỏi định hướng

1. Tại sao bạn muốn làm việc tại Vietcombank mà không phải một công ty fintech?
2. Bạn định gắn bó bao lâu với ngân hàng?
3. Mức lương kỳ vọng của bạn là bao nhiêu?

3. Tips chuẩn bị quan trọng

✅ Nên làm:

  • Ôn kỹ Basel II IRB approach, đặc biệt công thức tính RWA cho rủi ro tín dụng.
  • Đọc trước các Thông tư quan trọng của NHNN: 01, 02/2023, 09/2024, 41/2016, 13/2018.
  • Luyện giải thích bằng lời đơn giản, tránh dùng từ chuyên môn quá nhiều.
  • Chuẩn bị một dự án cá nhân về credit scoring để demo nếu được hỏi.
  • In sẵn một bản CV tóm tắt các dự án mô hình đã làm.

❌ Không nên:

  • Đừng nói quá nhiều về các công cụ bạn chưa thành thạo.
  • Đừng chê bai công ty cũ hoặc đồng nghiệp.
  • Đừng hỏi về lương/thưởng quá sớm ở vòng chuyên môn.
  • Đừng thể hiện quá "hàn lâm" mà thiếu tính thực tiễn – ngân hàng cần áp dụng được, không chỉ lý thuyết đẹp.

4. Dress Code

  • Nam: Sơ mi trắng/xanh nhạt, quần tây, thắt lưng, giày tây. Có thể mặc vest nhưng không bắt buộc.
  • Nữ: Áo sơ mi/blouse, quần tây/váy ngang gối, giày cao gót thấp vừa phải.
  • Trang phục lịch sự, chuyên nghiệp. Không mặc đồ quá màu mè, không đeo trang sức phản cảm.
  • Tóc gọn gàng, móng tay sạch sẽ.

Lộ trình ôn thi

Lộ trình ôn thi & chuẩn bị 1-2 tuần cho vị trí Quantitative Credit Risk tại Vietcombank

Gợi ý lộ trình 14 ngày

Đây là lộ trình gợi ý dành cho ứng viên đã có nền tảng cơ bản, tập trung vào ôn tập và lấp lỗ hổng trước khi ứng tuyển.

📅 Tuần 1: Nền tảng kiến thức nền tảng

Ngày 1-2: Xác suất – Thống kê nâng cao

  • Ôn lại: Phân phối chuẩn, Poisson, Beta, Log-normal.
  • Hồi quy tuyến tính, hồi quy logistic (công thức, giả định, cách diễn giải hệ số).
  • Kiểm định giả thuyết, p-value, khoảng tin cậy.
  • WOE/IV binning cho credit scoring.
  • Tài liệu: "An Introduction to Statistical Learning" (ISLR) – Chapter 4, 5.

Ngày 3-4: Mô hình tín dụng cốt lõi

  • Đọc lại slide/tài liệu về xây dựng scorecard.
  • Học cách tính PD, LGD, EAD, Correlation.
  • Ôn các chỉ số đánh giá mô hình: KS, Gini, AUC, Brier Score, Hosmer-Lemeshow.
  • Validation: Backtesting, Out-of-time test, PSI/CSI.
  • Tài liệu: "Credit Risk Scorecards" – Naeem Siddiqi (cuốn sách gối đầu giường của dân credit scoring).

Ngày 5-7: Quy định Basel & NHNN

  • Đọc tóm tắt Basel II Pillar 1 (tính toán RWA cho rủi ro tín dụng).
  • Ôn các Thông tư của NHNN:
  • Thông tư 02/2023/TT-NHNN: Quy định về phân loại tài sản có, mức trích, phương pháp trích lập dự phòng rủi ro (thay thế Thông tư 11).
  • Thông tư 09/2024/TT-NHNN: Sửa đổi bổ sung Thông tư 02.
  • Thông tư 41/2016/TT-NHNN: Quy định tỷ lệ an toàn vốn.
  • Thông tư 13/2018/TT-NHNN (còn hiệu lực): Cho vay trong hệ thống ngân hàng.
  • Thông tư 01/2024/TT-NHNN: Về lãi suất tiền gửi, cho vay.
  • Nắm rõ: Nhóm nợ (1-5), cách phân loại theo định lượng & định tính, tỷ lệ trích lập dự phòng cụ thể.
📅 Tuần 2: Thực hành & Luyện tập

Ngày 8-9: SQL nâng cao

  • Luyện các bài SQL phức tạp: window functions (ROW_NUMBER, RANK, LAG, LEAD), CTE, pivot.
  • Bài tập: Tính tổng dư nợ theo chi nhánh, nhóm nợ, ngành; tìm khách hàng có sự thay đổi nhóm nợ bất thường.
  • Tài liệu: Mode Analytics SQL Tutorial, LeetCode SQL Hard.

Ngày 10-11: Python cho credit risk

  • Code lại một mô hình scorecard đơn giản từ đầu với dataset German Credit (UCI ML Repository).
  • Thực hành: WOE binning, logistic regression, đánh giá mô hình, calibration, PSI.
  • Thư viện: scikit-learn, scorecardpy (riêng cho scorecard tiếng Trung nhưng rất tiện), optbinning.

Ngày 12: Tài chính ngân hàng & Kinh tế vĩ mô

  • Ôn lại: Các tỷ lệ an toàn (CAR, LDR), cấu trúc bảng cân đối ngân hàng.
  • Kinh tế vĩ mô: Lãi suất, lạm phát, tỷ giá, GDP – cách tác động đến rủi ro tín dụng ngân hàng.
  • Đọc Báo cáo ổn định tài chính của NHNN 6 tháng gần nhất.

Ngày 13: Luyện phỏng vấn

  • Tự trả lời các câu hỏi chuyên môn đã liệt kê.
  • Nhờ bạn bè mock interview.
  • Chuẩn bị 3-5 dự án cá nhân hoặc công việc đã làm để kể khi được hỏi "Kể về một dự án bạn tự hào nhất".

Ngày 14: Tổng duyệt & Mental prep

  • Đọc lại toàn bộ ghi chú.
  • In CV, photo công chứng bằng cấp, chứng chỉ.
  • Đi ngủ sớm, không thức khuya.

Tài liệu tham khảo nên đọc

Tài liệu Mức độ ưu tiên Ghi chú
"Credit Risk Scorecards" – Naeem Siddiqi ⭐⭐⭐⭐⭐ Sách nền tảng
"An Introduction to Statistical Learning" ⭐⭐⭐⭐⭐ Free PDF
Basel II/III – BIS official documents ⭐⭐⭐⭐⭐ Đọc phần Credit Risk
Thông tư NHNN (02/2023, 09/2024, 41/2016) ⭐⭐⭐⭐⭐ Bắt buộc
"Python for Finance" – Yves Hilpisch ⭐⭐⭐⭐ Thực hành
"Advances in Financial Machine Learning" – López de Prado ⭐⭐⭐⭐ Nâng cao
FRM Study Materials (Schweser) ⭐⭐⭐⭐ Chuyên sâu rủi ro
Báo cáo NHNN 6 tháng/năm ⭐⭐⭐ Cập nhật thực tế
Báo cáo thường niên Vietcombank ⭐⭐⭐⭐ Hiểu ngân hàng ứng tuyển
Tạp chí "Ngân hàng" của NHNN ⭐⭐⭐ Bài viết chuyên ngành

Khóa học online gợi ý

  • Coursera: "Credit Risk Modeling with Machine Learning" – Hákon Ông Nordin.
  • Udemy: "Python for Financial Analysis and Algorithmic Trading".
  • DataCamp: "Credit Risk Modeling in Python".
  • FRM Online Courses: AnalystPrep, Wiley (chất lượng cao).

Tư vấn nghề nghiệp

Lời khuyên sự nghiệp dành cho vị trí Chuyên viên Phân tích Định lượng – Vietcombank

1. Vì sao vị trí này đáng để theo đuổi?

Đây là một trong những vị trí "nóng" nhất hiện nay tại khối ngân hàng vì:

  • Khan hiếm nhân lực: Số lượng chuyên viên quant thực sự làm mô hình tín dụng tại Việt Nam rất ít, đặc biệt tại big 4 (VCB, CTG, BIDV, VietinBank).
  • Lộ trình thăng tiến rõ ràng: Từ Chuyên viên → Chuyên viên cao cấp → Trưởng nhóm → Phó phòng → Trưởng phòng.
  • Đào tạo bài bản: Vietcombank là một trong những ngân hàng có chương trình đào tạo nội bộ chuyên sâu nhất, đặc biệt phối hợp với các tổ chức quốc tế (World Bank, IFC, ADB).
  • Mức lương cạnh tranh: Có thể sánh ngang với vị trí tương đương tại fintech, có khi hơn về độ ổn định.

2. Lộ trình thăng tiến trong ngân hàng nhà nước (Big 4)

```
Chuyên viên (1-3 năm)
→ Chuyên viên chính / Chuyên viên cao cấp (4-7 năm)
→ Trưởng nhóm / Tổ trưởng (7-10 năm)
→ Phó Trưởng phòng (10-13 năm)
→ Trưởng phòng / Giám đốc Trung tâm (13+ năm)
→ Cấp cao hơn: Phó Tổng giám đốc phụ trách Khối Rủi ro (rất hiếm, cạnh tranh cao)
```

Lưu ý: Big 4 ngân hàng nhà nước thường có cơ chế "quy hoạch cán bộ" – nếu bạn thể hiện tốt trong 3-5 năm đầu, sẽ được đưa vào diện quy hoạch lên các vị trí quản lý.

3. Mức lương kỳ vọng theo cấp bậc (ước lượng tham khảo)

Lưu ý: Mức lương có thể thay đổi tùy ngân hàng và thời điểm. Số liệu dưới đây chỉ mang tính tham khảo dựa trên thông tin thị trường chung.

Cấp bậc Kinh nghiệm Mức lương tháng (ước lượng VNĐ)
Chuyên viên (mới vào) 0-2 năm 18 - 28 triệu
Chuyên viên 2-4 năm 25 - 40 triệu
Chuyên viên chính 4-8 năm 40 - 70 triệu
Trưởng nhóm 8-12 năm 60 - 100 triệu
Phó/Trưởng phòng 12+ năm 100 - 200 triệu

Ngoài lương còn có:

  • Thưởng Tết (1-6 tháng lương tùy kết quả kinh doanh của ngân hàng).
  • Thưởng KPI quý/năm.
  • Trợ cấp ăn trưa, điện thoại, xăng xe.
  • Chế độ BHXH, BHYT đầy đủ theo quy định nhà nước.
  • Đào tạo nước ngoài (một số vị trí được cử đi Singapore, Úc, Mỹ ngắn hạn).
  • Mua nhà công vụ/ưu đãi vay mua nhà.

4. Kỹ năng cần phát triển thêm

Trong 1-2 năm đầu (Junior Quant):

  • Thành thạo Python/SQL/SAS.
  • Đọc kỹ và áp dụng được Basel II/III.
  • Hiểu sâu về sản phẩm tín dụng của ngân hàng.
  • Học cách giao tiếp với kinh doanh, IT.

Trong 3-5 năm (Senior Quant):

  • Phát triển kỹ năng Machine Learning nâng cao (Deep Learning, Reinforcement Learning).
  • Có chứng chỉ FRM, PRM hoặc CQF.
  • Có khả năng mentor junior.
  • Hiểu biết về stress testing, ICAAP.

Trong 5-10 năm (Lead/Manager):

  • Kỹ năng quản lý dự án, quản lý đội nhóm.
  • Tầm nhìn chiến lược: kết nối rủi ro với chiến lược kinh doanh.
  • Kỹ năng đàm phán với NHNN, các cơ quan quản lý.
  • Networking với cộng đồng quant Việt Nam và quốc tế.

5. Lời khuyên thực tế từ góc nhìn đàn anh/chị

🔹 Về mặt sự nghiệp:

  • Đừng vào ngân hàng nhà nước với tâm lý "làm cho có" – hãy vào với tinh thần học hỏi hệ thống bài bản. Sau 3-5 năm ở VCB, bạn sẽ có nền tảng cực kỳ vững, dù đi đâu cũng được trọng.
  • Ngân hàng nhà nước ổn định nhưng thăng tiến chậm hơn fintech/ngân hàng nước ngoài. Đánh đổi giữa ổn định và tốc độ.

🔹 Về việc ứng tuyển:

  • Đọc kỹ tin – ở đây có ghi rõ chỉ được nộp 1 vị trí trong phòng Mô hình. Đừng ham nộp nhiều vị trí, sẽ bị hủy kết quả.
  • Hồ sơ nộp online, deadline 20/10/2026 – đừng để sát ngày mới nộp, hệ thống có thể quá tải.
  • Một số tin đồn thất thiệt về "phải có quan hệ" – đúng là có yếu tố nhưng phần lớn vẫn dựa vào năng lực. Đặc biệt vị trí chuyên môn sâu như Quant, họ cần người thật sự giỏi.

🔹 Về phát triển dài hạn:

  • Con đường sự nghiệp có thể đi theo 3 hướng từ vị trí này: (1) Chuyên gia Quant cấp cao (technical track), (2) Quản lý rủi ro (manager track), (3) Chuyển sang fintech/consultancy với mức lương cao hơn.
  • Đừng ngại chuyển hướng nếu cảm thấy không hợp. Vị trí Quant tại VCB là bệ phóng rất tốt cho cả 3 hướng trên.

Câu hỏi thường gặp

Em là sinh viên năm cuối ngành Tài chính định lượng, chưa đi làm chính thức. Em có thể nộp đơn vào vị trí này không, và cần chuẩn bị gì?

Chào em, theo tin tuyển dụng thì yêu cầu tối thiểu 01 năm kinh nghiệm làm việc trực tiếp về mô hình định lượng rủi ro tín dụng. Vì vậy nếu em chưa có kinh nghiệm thực tế, khả năng cao hồ sơ sẽ bị loại ở vòng sơ tuyển. Tuy nhiên em có thể làm một số cách để tăng cơ hội: (1) Hoàn thành chương trình thạc sỹ nếu có thể, để có thêm 1-2 năm học kết hợp nghiên cứu; (2) Trong thời gian chờ tốt nghiệp, đi làm part-time hoặc internship tại các phòng rủi ro của ngân hàng, công ty fintech, hoặc làm freelance xây dựng mô hình scorecard đơn giản với dataset công khai; (3) Tham gia các cuộc thi Data Science/credit scoring để có thành tích cụ thể ghi vào CV; (4) Học FRM Part I song song để chứng minh kiến thức nền. Khi đủ 1 năm kinh nghiệm thực tế, em hoàn toàn có thể ứng tuyển lại. Vị trí này tuyển quanh năm nên em cứ chuẩn bị kỹ rồi nộp.

Vị trí Chuyên viên Phân tích định lượng tại Vietcombank khác gì so với Data Scientist ở các công ty fintech hay ngân hàng nước ngoài?

Khác biệt khá rõ ràng em nhé. (1) Phạm vi công việc: Ở VCB, Quant làm việc chặt chẽ với quy định NHNN và Basel, trọng tâm là mô hình phục vụ quản trị rủi ro và tuân thủ; còn ở fintech/Data Scientist thường tập trung vào sản phẩm (recommendation, marketing, fraud detection). (2) Tốc độ triển khai: Fintech ra sản phẩm nhanh, thử nghiệm nhiều; ngân hàng nhà nước cẩn thận hơn, quy trình chặt chẽ hơn nhưng cũng ổn định hơn. (3) Môi trường kỹ thuật: Fintech thường dùng cloud, big data tools mới nhất; ngân hàng nhà nước thường dùng on-premise, Oracle, SAS, một số nơi đang chuyển đổi sang open source. (4) Thu nhập: Fintech/ngân hàng nước ngoài có thể trả cao hơn 20-50%, nhưng ngân hàng nhà nước có độ ổn định và phúc lợi dài hạn tốt hơn. (5) Đào tạo: VCB có chương trình đào tạo nội bộ rất bài bản, nhiều cơ hội được cử đi nước ngoài ngắn hạn. Tóm lại, nếu em thích môi trường khu vực công, học hỏi hệ thống bài bản thì VCB phù hợp; nếu em thích tốc độ, công nghệ mới, thu nhập cao ngay thì fintech/nước ngoài sẽ hợp hơn.

Anh/chị ơi, em đã làm 2 năm ở phòng Tín dụng một ngân hàng TMCP nhỏ, giờ muốn chuyển sang làm Quant. Có cách nào để chuyển ngang không?

Chào em, hoàn toàn có thể chuyển ngang được, nhiều anh chị trong ngành đi theo con đường này. Tuy nhiên em cần lấp khoảng trống kỹ thuật. Gợi ý lộ trình 6-12 tháng: (1) Học Python và SQL thật chắc – dành 2-3 tháng học qua khóa online và làm project thực tế; (2) Ôn lại Xác suất thống kê, đặc biệt hồi quy logistic; (3) Tự xây dựng một mô hình scorecard đơn giản bằng Python với dữ liệu công khai (German Credit, Kaggle Home Credit) – đây sẽ là điểm nhấn trong CV; (4) Học về Basel II và các Thông tư NHNN về phân loại nợ; (5) Nộp chứng chỉ FRM Part I nếu có thể; (6) Tận dụng lợi thế đã có: em đã hiểu sâu về sản phẩm tín dụng, quy trình cho vay, đây là điều rất nhiều bạn làm kỹ thuật thiếu. Khi phỏng vấn, hãy kể chi tiết cách em từng xử lý các tình huống tín dụng thực tế kết hợp với việc áp dụng mô hình. Vị trí ở VCB yêu cầu tối thiểu 1 năm kinh nghiệm trực tiếp về mô hình định lượng rủi ro tín dụng, nên kinh nghiệm Tín dụng của em phải kết hợp với việc chứng minh được em đã làm mô hình – đó là thử thách lớn nhất khi chuyển ngang.

Mức lương khởi điểm cho vị trí này tại VCB khoảng bao nhiêu? Có đủ sống ở Hà Nội không?

Mức lương cho vị trí Chuyên viên mới vào (khoảng 1-3 năm kinh nghiệm) ở Vietcombank Trụ sở chính hiện tại ước tính khoảng 18-28 triệu đồng/tháng (gross). Ngoài ra còn có thưởng Tết (thường 1-3 tháng lương), thưởng KPI quý, các phụ cấp ăn trưa, điện thoại, xăng xe, BHXH đầy đủ. Tổng thu nhập cả năm có thể dao động 280-450 triệu đồng tùy hiệu quả làm việc. *Lưu ý: Mức lương có thể thay đổi tùy ngân hàng và thời điểm.* Với mức này ở Hà Nội, em có thể sống tốt nếu không có áp lực quá lớn về tài chính, đặc biệt khi chưa có gia đình. So với mặt bằng chung ngân hàng nhà nước, VCB trả lương khá tốt ở top đầu big 4. Tuy nhiên, nếu so với fintech hay ngân hàng nước ngoài thì có thể thấp hơn 20-40%. Đổi lại em có được sự ổn định, thương hiệu VCB trên CV, cơ hội đào tạo bài bản. Sau 3-5 năm, mức lương có thể tăng gấp 1.5-2 lần nếu em thể hiện tốt.

Câu hỏi khá thẳng thắn – em nghe nói vào ngân hàng nhà nước cần có quan hệ, có đúng không ạ? Em mới ra trường, không có ai cả.

Đây là câu hỏi nhiều bạn quan tâm. Thực tế mà nói, ở bất kỳ tổ chức lớn nào, yếu tố "quan hệ" đều có ảnh hưởng ở một mức độ nhất định. Tuy nhiên, với vị trí chuyên môn sâu như Quantitative Credit Risk, yếu tố năng lực được đặt lên hàng đầu vì đây là mảng đòi hỏi kiến thức chuyên sâu mà người "quen" cũng cần người giỏi thật sự để làm. Những gì em cần làm: (1) Xây dựng nền tảng kỹ thuật thật vững – đây là vũ khí cạnh tranh của em; (2) Có sản phẩm/demonstrates cụ thể – mô hình cá nhân, bài báo khoa học, chứng chỉ chuyên ngành; (3) Hồ sơ trình bày rõ ràng, chuyên nghiệp; (4) Chuẩn bị kỹ cho phỏng vấn chuyên môn – nếu em trả lời tốt, họ sẽ tuyển em dù em không có ai. Đừng để yếu tố "quan hệ" làm em nản. Em không có quan hệ thì em cần nỗ lực gấp 2-3 lần người có quan hệ, nhưng hoàn toàn có cơ hội. Nhiều anh chị trong ngành vào big 4 từ con số 0.

Nếu đã làm 3 năm ở vị trí này, sau đó em muốn chuyển sang công ty tư vấn quản trị rủi ro (Big 4 consulting như KPMG, PwC, Deloitte) hoặc ra nước ngoài thì có khả thi không?

Hoàn toàn khả thi em nhé, và đây cũng là một lộ trình phổ biến. 3 năm ở VCB cho vị trí Quant là nền tảng rất tốt. Cụ thể: (1) Sang Big 4 consulting: Họ thường săn đón người từ big 4 ngân hàng có kinh nghiệm mô hình thực tế. Em sẽ tư vấn cho các ngân hàng nhỏ hơn về Basel, ICAAP, mô hình tín dụng. Lương có thể tăng 30-60%, nhưng áp lực và travel nhiều hơn. (2) Ra nước ngoài: Nếu em có kinh nghiệm với Basel, FRM, tiếng Anh tốt, có thể apply các vị trí tại Singapore (DBS, OCBC, UOB), Hong Kong, hoặc Mỹ/Anh/EU. VCB trên CV là một điểm cộng lớn vì thương hiệu mạnh trong khu vực. (3) Sang fintech/tài chính toàn cầu: Grab Finance, ShopeePay, hay các công ty ở Singapore đều cần người có kinh nghiệm credit risk thực tế. Giai đoạn 3-5 năm ở VCB là thời điểm vàng để em quyết định: ở lại lên quản lý, hoặc nhảy ra ngoài với mức lương cao hơn đáng kể.

Trong phần yêu cầu có ghi "Tiếng Anh B1 trở lên" – B1 là mức khá thấp, có cần thiết phải luyện IELTS/TOEFL không ạ?

B1 theo khung CEFR là mức "trung bình" (tương đương IELTS khoảng 4.5-5.0, TOEIC khoảng 550-700). Đây chỉ là yêu cầu tối thiểu để pass hồ sơ. Tuy nhiên, trong thực tế công việc Quant, em sẽ đọc rất nhiều tài liệu chuyên ngành bằng tiếng Anh: sách "Credit Risk Scorecards" của Siddiqi, các tài liệu Basel gốc từ BIS, các paper nghiên cứu mới nhất về credit risk modeling. Nếu em chỉ ở mức B1, sẽ rất khó theo kịp. Lời khuyên: (1) Cố gắng đạt B2 trở lên (IELTS 6.0+, TOEIC 750+) trong vòng 1-2 năm đầu làm việc; (2) Bắt đầu đọc paper tiếng Anh về credit risk modeling ngay bây giờ – dùng Google Scholar, SSRN; (3) Học từ vựng chuyên ngành finance/risk; (4) Đăng ký khóa Coursera/edX về tài chính bằng tiếng Anh. Nếu em muốn thăng tiến lên vị trí cao hoặc ra nước ngoài, tiếng Anh C1 là điều kiện cần. Vì vậy, dù tin chỉ yêu cầu B1, em nên đầu tư nâng cao tiếng Anh ngay từ đầu.

Em đang đi làm ở công ty fintech, mức lương 35 triệu. Nếu vào vị trí này ở VCB liệu có bị giảm lương không?

Khả năng cao là có em nhé, ít nhất trong ngắn hạn. Mức lương khởi điểm ở VCB cho vị trí này ước tính khoảng 18-28 triệu (gross), thấp hơn mức 35 triệu em đang có. Tuy nhiên cần so sánh tổng thu nhập: Fintech thường trả lương cao nhưng ít phúc lợi hơn; VCB có thưởng Tết, thưởng KPI, các phụ cấp, BHXH đầy đủ, cơ hội đào tạo nước ngoài, thương hiệu trên CV. *Lưu ý: Mức lương có thể thay đổi tùy ngân hàng và thời điểm.* Quyết định phụ thuộc vào điều em muốn: (1) Nếu em ưu tiên thu nhập ngay – ở lại fintech; (2) Nếu em muốn học hệ thống bài bản, thương hiệu VCB, cơ hội thăng tiến lên quản lý trong 5-10 năm – VCB nha, chấp nhận giảm lương ngắn hạn. (3) Nếu em đã ở fintech 2-3 năm, tốt nhất là ở lại thêm 1-2 năm nữa cho chắc kinh nghiệm, lấy thêm chứng chỉ FRM/CFA, rồi mới apply vào VCB với vị trí cao hơn (Chuyên viên chính thay vì Chuyên viên) – như vậy mức lương offer có thể ngang hoặc cao hơn fintech.