Chuyên viên

Mô tả công việc

## Mục tiêu - Trách nhiệm chính của vai trò này là hỗ trợ nhóm Xác thực và Quản lý Rủi ro Mô hình nhằm giảm thiểu rủi ro mô hình theo mô hình quản trị cho toàn bộ ngân hàng. Nhóm chịu trách nhiệm phát hiện và chẩn đoán các rủi ro liên quan đến mô hình hóa bao gồm dữ liệu đầu vào, giả định, khái niệm, phương pháp luận, quy trình và thực hiện. Nhóm cũng chịu trách nhiệm xem xét điểm mạnh và điểm yếu của mô hình và đề xuất các giải pháp thiết thực. - Hỗ trợ việc tạo và duy trì các chính sách, tiêu chuẩn, hướng dẫn và thủ tục cần thiết để thực hiện quy trình quản lý rủi ro theo mô hình của Ngân hàng bao gồm xác định và phân loại mô hình và công cụ tính toán, phát triển và thử nghiệm mô hình, tài liệu mô hình, xác nhận mô hình và hiệu suất mô hình giám sát. ## Trách nhiệm chính (1) 1. Trách nhiệm chung: a. Tuân thủ nghiêm túc nội quy lao động của Techcombank b. Thực hiên công việc theo đúng quy định của Techcobmank c. Tuân thủ theo sự sắp xếp công việc và đào tạo của Techcombank và Đơn vị d. Thực hiện các công việc khác có liên quan theo yêu cầu của các cấp quản lý trực tiếp và quản lý cấp trên ## Trách nhiệm chính (2) 2. Trách nhiệm chuyên môn: a. Thẩm định mô hình: - Xem xét kỹ lưỡng và toàn diện các tài liệu phát triển mô hình và code mô hình cũng như tiến hành các thử nghiệm xác nhận định lượng để xác định các nguồn rủi ro của mô hình. - Phát hiện và chẩn đoán mô hình hóa các rủi ro liên quan bao gồm dữ liệu đầu vào, giả định, khái niệm, phương pháp luận, quy trình và thực hiện - Trình bày các kết quả kiểm định thông qua các báo cáo xác nhận chính thức, cũng như trình bày kỹ lưỡng với quản lý cấp cao. - Thảo luận kết quả xác nhận với chủ sở hữu mô hình và nhóm quản trị để đạt được sự đồng thuận và tạo ra các chiến lược để thực hiện các thay đổi và cải tiến. - Cung cấp kiến thức chuyên môn về điểm mạnh và điểm yếu của mô hình và đề xuất các giải pháp thiết thực. - Cung cấp quan điểm khác nhau về phương pháp luận và tính toán, đồng thời cung cấp phản hồi cho các nhà phát triển mô hình. - Hỗ trợ nhóm xác nhận mô hình để giảm thiểu rủi ro của mô hình. - Sử dụng xác thực chế độ nhanh để phát triển mô hình mới, đối mặt với các vấn đề về mô hình liên quan đến tuân thủ và pháp lý, sửa chữa mô hình nhanh chóng, v.v. b. Quản trị rủi ro mô hình: - Đóng góp vào việc phát triển và triển khai Khung quản lý rủi ro mô hình tại ngân hàng, cung cấp hỗ trợ trong việc duy trì việc phát hiện mô hình ngân hàng và kiểm kê chế độ, - Duy trì sự tuân thủ các quy tắc, quy định và kỳ vọng hiện hành do các cơ quan quản lý đặt ra đối với việc quản lý rủi ro mô hình bao hàm cả khi hệ thống mô hình tại ngân hàng trở nên phức tạp hơn. - Trao đổi và báo cáo các vấn đề có rủi ro mô hình đáng kể cho các nhà lãnh đạo cấp cao và các nhà quản lý đơn vị kinh doanh. - Hỗ trợ Quản trị rủi ro mô hình trong việc phát triển phổ cập kiến thức về rủi ro mô hình và cung cấp kiến thức cần thiết cho các bên liên quan theo mô hình. c. Các nhiệm vụ khác theo yêu cầu của lãnh đạo quản lý: - Xây dựng mối quan hệ làm việc bền chặt với các bên liên quan chính của mô hình ## Trách nhiệm chính (3) ## Mạng lưới tương tác - Cấp Quản lý ## Mạng lưới tương tác - Cấp báo cáo NA ## Mạng lưới tương tác - Quan hệ nội bộ Các bộ phận có nhu cầu sử dụng hệ thống xếp hạng, phân loại khách hàng, khoản tín dụng trong hoạt động nghiệp vụ. ## Mạng lưới tương tác - Quan hệ bên ngoài Chuyên gia tư vấn, đối tác ## Chân dung Thành công - Bằng cấp, Kinh nghiệm Kinh nghiệm: - Có ít nhất 5 năm kinh nghiệm làm việc / nghiên cứu trong lĩnh vực liên quan (Tài chính, Công nghệ, v.v.). - Có kinh nghiệm trong việc phát triển mô hình và kiểm định là một điểm cộng. Kiến thức chuyên môn: - Cấp độ kỹ năng nâng cao với SQL/SAS / Python / R - Được đào tạo hoặc có kinh nghiệm về xác suất / thống kê, khai thác dữ liệu, phân tích dữ liệu, dữ liệu lớn, học máy, ... - Kiến thức về mô hình Basel / IFRS9 là một điểm cộng. Bằng cấp/Nghiệp vụ: Trình độ Thạc sĩ về Thống kê, Kinh tế lượng, Toán học, Tài chính, Nghiên cứu Hoạt động hoặc tương đương. Ngoại ngữ (Tiếng Anh): tối thiểu TOEIC 600 hoặc tương đương

Phân tích kỹ năng cần có

## Phân tích Kỹ năng cần có ### 🔧 Hard Skills (Kỹ năng chuyên môn bắt buộc) | Kỹ năng | Mức độ yêu cầu | Ưu tiên | |---------|----------------|---------| | SQL/SAS/Python/R | Nâng cao | 🔴 Bắt buộc | | Xác suất & Thống kê | Nâng cao | 🔴 Bắt buộc | | Khai thác dữ liệu (Data Mining) | Tốt | 🔴 Bắt buộc | | Phân tích dữ liệu lớn (Big Data) | Tốt | 🟡 Cần thiết | | Học máy (Machine Learning) | Khá | 🟡 Cần thiết | | Mô hình Basel / IFRS 9 | Hiểu biết | 🟢 Điểm cộng | | Phát triển mô hình & Kiểm định mô hình | Kinh nghiệm | 🟢 Điểm cộng lớn | ### 📊 Kiến thức chuyên môn cần có 1. **Toán học & Thống kê:** - Xác suất thống kê nâng cao - Mô hình hồi quy (Logistic, Survival, etc.) - Time series analysis - Bayesian statistics 2. **Quản lý rủi ro ngân hàng:** - Basel II/III framework - IFRS 9 – Dự phòng tín dụng - PD, LGD, EAD models - Credit risk scoring models 3. **Lập trình & Dữ liệu:** - Python (pandas, numpy, scikit-learn, statsmodels) - R (tidyverse, caret, lme4) - SQL nâng cao (window functions, CTEs) - SAS (BASE, STAT, MACRO) ### 🧠 Soft Skills (Kỹ năng mềm) | Kỹ năng | Giải thích | Tầm quan trọng | |---------|------------|----------------| | **Giao tiếp kỹ thuật** | Trình bày kết quả phức tạp cho lãnh đạo phi kỹ thuật | ⭐⭐⭐⭐⭐ | | **Viết báo cáo** | Báo cáo xác nhận mô hình chính thức, trình bày kết quả | ⭐⭐⭐⭐⭐ | | **Làm việc nhóm** | Phối hợp với model owners, business units | ⭐⭐⭐⭐ | | **Tư duy phản biện** | Phát hiện điểm yếu mô hình, đề xuất cải tiến | ⭐⭐⭐⭐⭐ | | **Quản lý thời gian** | Xử lý nhiều dự án model validation cùng lúc | ⭐⭐⭐ | ### 📜 Chứng chỉ gợi ý - **FRM (Financial Risk Manager)** – GARP – đặc biệt các phần Market Risk, Credit Risk - **PRM (Professional Risk Manager)** – PRMIA - **CFA** – để củng cố kiến thức tài chính - **Data Science certifications** – Kaggle, Coursera, edX (Stanford/MIT courses) - **Microsoft Certified: Azure Data Scientist Associate** – nếu làm việc với Big Data ### 📚 Bảng so sánh: Model Validator vs Model Developer | Khía cạnh | Model Validator (bạn ứng tuyển) | Model Developer | |-----------|--------------------------------|----------------| | Mục tiêu | Tìm lỗi, đánh giá rủi ro | Xây dựng mô hình dự đoán | | Góc nhìn | Phản biện, độc lập | Sáng tạo, giải pháp | | Kỹ năng quan trọng nhất | Phân tích phản biện, kiểm định | ML, feature engineering | | Tương tác | Với model owners, management | Với data scientists | | Cân bằng | Phát hiện yếu điểm + đề xuất cải tiến | Độ chính xác cao nhất | Vị trí này đứng giữa hai thế giới: vừa cần tư duy phát triển mô hình (để hiểu sâu), vừa cần tư duy kiểm toán/phản biện (để đánh giá khách quan). Đây là lý do yêu cầu "kinh nghiệm phát triển mô hình là điểm cộng" – vì không ai hiểu mô hình tốt bằng người đã từng xây chúng.

Chuẩn bị phỏng vấn

## Hướng dẫn Phỏng vấn ### 📋 Quy trình các vòng phỏng vấn dự kiến Techcombank thường áp dụng quy trình **3-4 vòng** cho vị trí chuyên môn cao: | Vòng | Nội dung | Thời gian | Người phỏng vấn | |------|----------|-----------|------------------| | **Vòng 1** | Sàng lọc hồ sơ & Phone/HR Interview | 30-45 phút | HR/Recruitment | | **Vòng 2** | Kiểm tra kỹ thuật (Technical Test) | 60-90 phút | Senior Model Validator / Team Lead | | **Vòng 3** | Phỏng vấn chuyên môn sâu | 45-60 phút | Head of Model Risk Management | | **Vòng 4** | Final interview | 30-45 phút | C-level (CRO/CEO) hoặc Panel | --- ### 🎯 Câu hỏi hay gặp theo từng vòng #### Vòng 1 – HR/Phone Screening - "Giới thiệu ngắn gọn về kinh nghiệm làm việc với mô hình của bạn" - "Tại sao bạn quan tâm đến vị trí Model Risk Management tại Techcombank?" - "Bạn hiểu như thế nào về vai trò của Model Validator trong ngân hàng?" - "Mức lương kỳ vọng của bạn là bao nhiêu?" (Lương thỏa thuận – hãy research kỹ) - "Bạn có thể làm việc với các công cụ nào: SQL, Python, R, SAS?" #### Vòng 2 – Technical Test - **Bài thi SQL:** Viết truy vấn phức tạp (window functions, joins nhiều bảng, aggregations) - **Bài thi Python/R:** Xử lý dataset, xây dựng mô hình logistic regression, đánh giá performance (AUC, KS, Gini) - **Bài thi Thống kê:** Probability, hypothesis testing, p-value interpretation, confidence intervals - **Case study nhỏ:** Đọc mô tả một mô hình credit scoring và đưa ra 5-7 điểm cần validation #### Vòng 3 – Chuyên môn sâu (với Team Lead/Head) - "Mô tả quy trình bạn sẽ thực hiện để validate một credit scoring model mới" - "Bạn đánh giá như thế nào về concept drift và data drift trong mô hình?" - "Khi nào thì một mô hình được coi là 'đủ tốt' để đưa vào production?" - "Bạn xử lý thế nào khi phát hiện model owner không đồng ý với findings của bạn?" - "Thảo luận về các loại bias trong mô hình (selection bias, survivorship bias...) và cách phát hiện" - "Triangular distribution, Beta distribution – khi nào dùng trong mô hình rủi ro?" - "Gini = 0.45, KS = 0.38 – bạn có chấp nhận mô hình này không? Tại sao?" - "Phân biệt PD point-in-time (PIT) và through-the-cycle (TTC)" - "IFRS 9 có ảnh hưởng gì đến cách validate ECL models?" #### Vòng 4 – Panel/C-level - "Nêu một thất bại chuyên môn đáng nhớ và bài học rút ra" - "Bạn sẽ đóng góp gì cho đội ngũ Model Risk Management của Techcombank?" - "Xu hướng AI/ML trong ngân hàng – bạn nghĩ gì về vai trò của model validation?" - "Câu hỏi về stress testing và scenario analysis trong Basel framework" --- ### 💡 Tips chuẩn bị **1. Ôn lại kiến thức cốt lõi:** - Đọc kỹ Basel III text, đặc biệt phần model risk management SR 11-7 (Fed guidance) - Ôn lại: ROC curve, AUC, KS statistic, Gini, Lift, Confusion matrix - Thực hành Python/R: Xây logistic regression, random forest từ đầu **2. Chuẩn bị portfolio/dự án:** - Mang theo code mẫu (trên laptop hoặc GitHub) về các mô hình đã từng phát triển/validate - Chuẩn bị 1-2 case study cụ thể: "Mô hình X có vấn đề Y, tôi đã làm Z để resolve" **3. Research Techcombank:** - Đọc Annual Report 2023-2024 của Techcombank - Tìm hiểu chiến lược transformation, các sáng kiến AI/ML của họ - Techcombank nổi tiếng với văn hóa "challenge mindset" – hãy thể hiện tư duy phản biện **4. Chuẩn bị questions để hỏi interviewer:** - "Đội ngũ Model Risk hiện tại có bao nhiêu người?" - "Tỷ lệ model inventory hiện tại là bao nhiêu?" - "Thách thức lớn nhất của team trong 12 tháng tới là gì?" - "Techcombank đang ở giai đoạn nào của model governance maturity?" --- ### 👔 Dress Code - **Chuẩn Business Professional** (áo sơ mi + quần âu/váng) cho vòng onsite - Techcombank có dress code khá formal so với nhiều ngân hàng TMCP khác - Đặc biệt: vị trí Risk Management yêu cầu sự nghiêm túc, chỉnh chu - Headhunter và vòng HR có thể smart casual

Lộ trình ôn thi

## Ôn thi & Chuẩn bị ### 📖 Kiến thức nền tảng cần nắm vững #### 1. Quản lý Rủi ro Mô hình (Model Risk Management) **Tài liệu bắt buộc:** - **SR 11-7 (Federal Reserve)**: "Guidance on Model Risk Management" – đây là kim chỉ nam quốc tế, hầu hết ngân hàng Việt Nam tham chiếu framework này - **Banking Supervision – Model Risk Management** (Basel Committee) - Techcombank nội bộ: nếu có thể tiếp cận qua network, hãy tìm hiểu Model Governance Policy của họ **Các khái niệm cốt lõi:** - Three lines of defense trong model risk - Model lifecycle: Development → Validation → Approval → Implementation → Monitoring - Model inventory và model tiering/classification - Significant model vs non-significant model - Model owner vs model validator – sự tách biệt vai trò (independence) #### 2. Thống kê & Machine Learning ** Ôn tập:** - Probability distributions (Normal, t, Chi-square, F, Beta, Binomial, Poisson) - Hypothesis testing (t-test, chi-square test, Kolmogorov-Smirnov test) - Statistical tests cho model validation: - Hosmer-Lemeshow test (calibration) - Kolmogorov-Smirnov (discriminatory power) - Brier score (accuracy of probability estimates) - Population Stability Index (PSI) – rất quan trọng trong production monitoring - Model performance metrics: AUC, KS, Gini, Accuracy, Precision, Recall, F1 - Overfitting vs Underfitting, cross-validation - Feature selection methods #### 3. Mô hình tín dụng & Basel/IFRS 9 **Basel:** - IRB (Internal Ratings-Based) approach - PD, LGD, EAD – definition và estimation methodology - Risk weight calculation - Capital adequacy ratio - Stressed VaR và economic capital **IFRS 9:** - 3-stage classification (Stage 1, 2, 3) - ECL calculation methodology - Lifetime PD vs 12-month PD - Forward-looking information và macroeconomic scenarios #### 4. Programming – Ôn thực hành **Python (ưu tiên):** ```python # Thực hành: Model validation workflow import pandas as pd import numpy as np from sklearn.metrics import roc_auc_score, roc_curve from sklearn.model_selection import train_test_split # 1. Tính AUC, KS, Gini y_true = [...] y_pred_proba = [...] auc = roc_auc_score(y_true, y_pred_proba) gini = 2 * auc - 1 # KS statistic fpr, tpr, thresholds = roc_curve(y_true, y_pred_proba) ks = max(tpr - fpr) # 2. PSI calculation (Population Stability Index) def calculate_psi(expected, actual, buckets=10): # PSI formula implementation pass # 3. Brier Score from sklearn.metrics import brier_score_loss bs = brier_score_loss(y_true, y_pred_proba) ``` **SQL – Ôn luyện:** - Window functions (ROW_NUMBER, RANK, LAG, LEAD) - CTEs (Common Table Expressions) - Self-joins, subqueries - GROUP BY với HAVING, ORDER BY --- ### 📚 Tài liệu tham khảo đề xuất | Tài liệu | Nguồn | Mức độ | |----------|-------|--------| | SR 11-7 Federal Reserve Model Risk Management |网上免费 | ⭐⭐⭐⭐⭐ | | "An Introduction to Statistical Learning" (James et al.) | Springer/GitHub | ⭐⭐⭐⭐ | | "The Elements of Statistical Learning" (Hastie et al.) | Stanford online | ⭐⭐⭐⭐ | | Basel III: International Framework for Liquidity Risk Measurement | BIS | ⭐⭐⭐⭐ | | IFRS 9 Financial Instruments – Deloitte/Vietnamese Banks guides | Deloitte/ EY | ⭐⭐⭐⭐ | | "Credit Risk Scorecards" (Naeem Siddiqi) | Amazon/Kindle | ⭐⭐⭐ | | Machine Learning for Credit Risk (Kaggle courses) | Kaggle | ⭐⭐⭐ | | MIT OpenCourseWare – Statistics (6.431) | MIT OCW | ⭐⭐⭐ | --- ### 📅 Lộ trình chuẩn bị 2 tuần **Tuần 1 – Xây dựng nền tảng:** - Ngày 1-2: Đọc SR 11-7, hiểu model risk management framework - Ngày 3: Ôn Basel II/III IRB, PD-LGD-EAD - Ngày 4-5: Ôn IFRS 9 ECL, staging criteria - Ngày 6: Thực hành SQL (leetocode/hackerrank) - Ngày 7: Nghỉ hoặc ôn nhẹ **Tuần 2 – Luyện tập chuyên sâu:** - Ngày 8-9: Python/R – viết code validation metrics từ đầu - Ngày 10: Làm 1-2 case study validation (giả định scenario) - Ngày 11: Mock interview – tự hỏi tự trả lời các câu hỏi technical - Ngày 12: Chuẩn bị câu hỏi cho interviewer + research Techcombank - Ngày 13: Review lại toàn bộ, nghỉ ngơi - Ngày 14: Chuẩn bị hồ sơ, outfit, logistics --- ### ⚠️ Lưu ý quan trọng Đây là vị trí **cạnh tranh cao** vì: 1. Yêu cầu Thạc sĩ + 5 năm kinh nghiệm 2. Kỹ năng lập trình nâng cao 3. Kiến thức chuyên biệt về model risk 4. Techcombank là một trong những ngân hàng có mức lương top ngành Hãy chuẩn bị kỹ lưỡng – đây không phải vị trí dành cho fresh graduates.

Tư vấn nghề nghiệp

## Lời khuyên Sự nghiệp ### 🚀 Lộ trình thăng tiến ``` Chuyên viên Model Validation (2-3 năm) ↓ Senior Model Validator / Team Lead (2-3 năm) ↓ Manager, Model Risk Management (3-5 năm) ↓ VP / AVP, Model Risk Management (5-7 năm) ↓ Director / Head of Model Risk (7-10 năm) ↓ Chief Risk Officer (CRO) hoặc chuyên gia cao cấp ``` **Chi tiết từng bước:** 1. **Junior Model Validator (0-2 năm):** - Thực hiện validation tasks cơ bản dưới sự hướng dẫn - Học cách đọc và đánh giá tài liệu mô hình - Xây dựng technical reports - Phát triển kỹ năng programming 2. **Senior Model Validator (2-5 năm):** - Dẫn dắt các validation projects phức tạp - Mentor junior members - Giao tiếp trực tiếp với model owners và senior management - Đóng góp vào policy development 3. **Manager/Director:** - Quản lý team và portfolio của models - Thiết lập validation framework và methodology - Đại diện ngân hàng với regulators --- ### 💰 Mức lương kỳ vọng theo cấp bậc (tham khảo thị trường Hà Nội, 2024) | Cấp bậc | Kinh nghiệm | Lương tháng (VND) | Ghi chú | |---------|------------|--------------------|---------| | Junior Validator | 1-3 năm | 25-40 triệu | Entry cho Thạc sĩ mới | | Chuyên viên | 3-5 năm | 40-70 triệu | Mức phổ biến nhất cho JD này | | Senior | 5-7 năm | 70-120 triệu | Có chứng chỉ FRM là cộng | | Manager | 7-10 năm | 120-200 triệu | Quản lý team nhỏ | | Director | 10+ năm | 200-350 triệu | Chiến lược, quản lý lớn | **Techcombank premium:** Lương Techcombank thường cao hơn 20-30% so với mặt bằng ngân hàng TMCP truyền thống, có thể so sánh được với các ngân hàng 100% vốn nước ngoài (FCMB) ở một số cấp. --- ### 🎯 Kỹ năng cần phát triển thêm **Ngắn hạn (1-2 năm đầu):** - Học sâu về IFRS 9 ECL modeling và validation - Nâng cao kỹ năng trình bày – đây là kỹ năng phân biệt validator giỏi với kém - Hiểu business context: tại sao model được xây dựng, use case là gì - Học cách viết báo cáo validation chuẩn quốc tế **Trung hạn (3-5 năm):** - Mở rộng sang các loại model khác: market risk models (VaR, stressed VaR), operational risk models, ALM models - Học về regulatory capital calculation (ICAAP, SA/IRB) - Phát triển kỹ năng lãnh đạo và mentoring - Đầu tư lấy FRM để củng cố profile **Dài hạn (5-10 năm):** - Trở thành chuyên gia về một model type cụ thể (ví dụ: scoring, ECL, stress testing) - Xây dựng personal brand trong ngành model risk - Mở rộng network với regulators (SBV, Basel Committee) - Cân nhắc hướng senior leadership hoặc chuyên gia cao cấp (individual contributor) --- ### 🌍 Xu hướng ngành Model Risk Management 1. **AI/ML regulation tăng:** regulators (cả global và SBV Việt Nam) đang chú ý nhiều hơn đến AI models trong ngân hàng → nhu cầu validators tăng 2. **Explainable AI (XAI):** Yêu cầu giải thích được quyết định của mô hình ngày càng cao 3. **Climate risk models:** Xu hướng mới, sẽ cần validators hiểu ESG/climate risk 4. **Automation:** Validation frameworks tự động hóa đang phát triển → cần hybrid skills (tech + risk) --- ### 💡 Lời khuyên thực tế từ người trong ngành > **"Model validation là nghề 'gà bên mâm' – ít người làm nhưng nhu cầu rất cao. Người giỏi có thể nhảy sang nhiều ngân hàng trong 2-3 năm đầu vì supply thấp hơn demand rất nhiều. Techcombank là một trong những nơi có môi trường làm việc chuyên nghiệp nhất về model governance tại Việt Nam."** - Đây là vị trí **back-office chuyên môn cao**, không phải sales/front-office - Cơ hội chuyển sang data science, quant analytics, hoặc pure risk management đều rộng mở - Kỹ năng validation có thể chuyển sang fintech, insurance, asset management – không giới hạn ngân hàng

Câu hỏi thường gặp

Em mới tốt nghiệp Thạc sĩ Thống kê, chưa có kinh nghiệm ngân hàng. Có nên ứng tuyển vị trí này không?

Vị trí yêu cầu tối thiểu 5 năm kinh nghiệm, nên hồ sơ của bạn sẽ khó được duyệt ở vòng đầu. Tuy nhiên, nếu trong 5 năm học Thạc sĩ bạn có nghiên cứu về mô hình tài chính, hoặc đã làm intern/research assistant liên quan đến credit scoring/IFRS 9, hãy để HR biết. Thay vào đó, bạn có thể tìm các vị trí Model Development/Junior Validator ở các ngân hàng nhỏ hơn trước, tích lũy 2-3 năm rồi quay lại ứng tuyển Techcombank.

Em có 5 năm kinh nghiệm làm Data Analyst tại fintech, dùng SQL và Python giỏi. Có phù hợp không?

Rất có thể phù hợp! Kỹ năng SQL và Python nâng cao là yêu cầu bắt buộc. Tuy nhiên, bạn cần bổ sung kiến thức chuyên môn về quản lý rủi ro mô hình (Basel, IFRS 9, credit risk models) – đây là phần fintech có thể không đề cập nhiều. Hãy học FRM Level 1 hoặc đọc kỹ SR 11-7 trước khi phỏng vấn. Trình bày với interviewer rằng bạn có tư duy data-driven và đang muốn chuyên sâu vào model risk. Đây là một lateral move phổ biến từ data analytics sang model risk.

Mức lương cho vị trí này thường là bao nhiêu?

Techcombank trả thỏa thuận và thường cao hơn mặt bằng ngân hàng TMCP. Với 5 năm kinh nghiệm phù hợp, bạn có thể kỳ vọng 50-80 triệu VND/tháng. Nếu có kinh nghiệm validate nhiều loại model (credit, market, ALM) và có FRM, con số có thể đẩy lên 80-120 triệu. Techcombank cũng có bonus performance thường niên, stock options và các phúc lợi khác. Hãy research trên Glassdoor, VietnamWorks để có reference cập nhật. Khi đàm phán, hãy đưa ra con số cụ thể dựa trên current salary + expected increase 20-30%.

Công việc hàng ngày của Model Validator tại ngân hàng là gì?

Thực tế khác với JD bạn đọc. Một ngày typical có thể: 9h check email từ model owners cần review urgent; 10h đọc tài liệu model mới – xem methodology và giả định; 11h viết code Python/SQL để replicate kết quả model; 14h họp với team để thảo luận findings; 15h30 viết báo cáo validation draft; 17h review monitoring metrics (PSI, PD distribution) của models đang live. Bạn sẽ dành khoảng 40% thời gian cho technical work, 30% cho viết báo cáo, 20% cho meetings, 10% cho training/certification.

KPI của Model Validator là gì? Có áp lực không?

KPIs thường bao gồm: số lượng models validated trong năm (thường 8-15 models tùy complexity), chất lượng báo cáo (được approve không cần nhiều revisions), deadlines tuân thủ, và đặc biệt là số lượng significant findings được model owners accept. Áp lực chính không phải là KPI số lượng mà là: (1) phát hiện ra vấn đề nghiêm trọng nhưng model owner không muốn accept, (2) deadline của regulatory (SRB audit, Basel implementation) rất chặt, (3) phải cân bằng giữa thoroughness và speed. Tuy nhiên, so với front-office, đây là môi trường ít áp lực doanh số hơn nhiều.

Giữa làm Model Validator và Model Developer, nên chọn hướng nào?

Câu trả lời phụ thuộc vào tính cách của bạn. Model Developer: phù hợp nếu bạn thích sáng tạo, xây dựng, thích học ML/AI mới nhất, muốn tạo ra sản phẩm cụ thể. Lương có thể cao hơn ở top tech companies. Model Validator: phù hợp nếu bạn thích phân tích sâu, tư duy phản biện, muốn hiểu toàn bộ bức tranh ngân hàng, thích giao tiếp với nhiều stakeholders. Validator có lợi thế: (1) nhìn được nhiều loại model khác nhau, (2) ít biased về "build bias", (3) cơ hội thăng tiến vào governance/regulation nhanh hơn. Nhiều người bắt đầu developer rồi chuyển sang validator để có perspective rộng hơn.

Techcombank khác gì so với VCB, BIDV, CTG về model risk?

Techcombank có cách tiếp cận hiện đại và gần với chuẩn quốc tế hơn nhiều ngân hàng TMCP truyền thống. Họ áp dụng advanced analytics từ sớm, có đội ngũ model risk management riêng biệt (không gộp chung với credit risk), và có cơ cấu governance chuẩn SR 11-7. VCB, BIDV, CTG đang trong giai đoạn xây dựng mature model governance framework, nên quy mô và resources có thể lớn hơn nhưng methodology đôi khi còn phát triển. Techcombank phù hợp nếu bạn muốn làm việc theo international best practices ngay từ đầu.

Chuyên gia Quản rị Rủi ro Mô hình (40000088)