messenger

Chat Mess

zalo

Chat Zalo

phone

Phone

Gọi ngay: 097.5151.777
messenger

Facebook

messenger

TikTok

Hỗ trợ tư vấn: 097.5151.777
ACB

HO - Chuyên viên Xây Dựng Mô Hình & Định Lượng

Hội sở (Hồ Chí Minh) Khối Quản lý Rủi ro
Thương lượng Hạn: 2026-08-30

Mô tả công việc

Mô tả công việc Chịu trách nhiệm nghiên cứu, xây dựng, vận hành và giám sát các mô hình định lượng đo lường rủi ro, ứng dụng phân tích dữ liệu lớn và trí tuệ nhân tạo theo chuẩn mực quốc tế và quy định của Ngân hàng Nhà nước. Nhiệm vụ chính: - Xây dựng mới, kiểm thử, kiểm định và hiệu chỉnh các mô hình định lượng đo lường rủi ro theo chuẩn mực quốc tế (Basel II, Basel III). - Nghiên cứu và phát triển các mô hình định lượng tích hợp, đồng thời: - Thử nghiệm và đề xuất các phương pháp, mô hình mới trong đo lường rủi ro - Nâng cao hiệu quả quản lý rủi ro của Ngân hàng - Phân tích dữ liệu và xây dựng các mô hình ứng dụng AI / Machine Learning / Deep Learning phục vụ đánh giá và dự báo rủi ro. - Thực hiện giám sát hiệu quả mô hình định lượng, bao gồm: - Lập báo cáo giám sát mô hình định kỳ - Báo cáo tuân thủ theo yêu cầu của NHNN và quy định nội bộ - Tổ chức khai thác, quản lý và sử dụng hiệu quả hệ thống thông tin phục vụ công tác định lượng và quản lý rủi ro. - Tham gia xây dựng, vận hành và kiểm định các mô hình đo lường rủi ro của ACB theo từng mảng nghiệp vụ. - Quản lý, triển khai và phát triển công việc được giao theo đúng kế hoạch và mục tiêu. Yêu cầu công việc 1. Trình độ học vấn - Tốt nghiệp Đại học trở lên các chuyên ngành: - Toán tài chính, Toán kinh tế, Toán thống kê - Tài chính – Ngân hàng, Kế toán, Kiểm toán - Công nghệ thông tin, Bách khoa - Các ngành thuộc Khối Khoa học tự nhiên – Kỹ thuật – Công nghệ hoặc Khối Kinh tế - Ưu tiên ứng viên có các chứng chỉ chuyên môn: - Data Science & Machine Learning - FRM - Quản trị cơ sở dữ liệu (Oracle, SQL) 2. Năng lực chuyên môn 2.1 Kiến thức / Chuyên môn - Có kiến thức và kinh nghiệm chuyên sâu về: - Xử lý dữ liệu lớn (Big Data) - Phân tích thống kê, toán ứng dụng - Xây dựng mô hình AI / Machine Learning / Deep Learning - Am hiểu mô hình đo lường rủi ro theo chuẩn mực quốc tế (Basel). - Có kiến thức về: - Hoạt động ngân hàng - Quy trình tín dụng - Quản lý rủi ro ngân hàng - Nắm vững các quy định pháp luật liên quan. - Có hiểu biết về: - Kinh tế vĩ mô - Tình hình chính trị – xã hội và tác động tới hoạt động ngân hàng 2.2 Kỹ năng - Thành thạo các công cụ và ngôn ngữ xử lý dữ liệu: - Python, R, SQL (và các công cụ liên quan) - Kỹ năng: - Làm việc hiệu quả và quản lý thời gian tốt - Đọc hiểu và giao tiếp tiếng Anh chuyên môn - Quản lý dự án - Quản lý và dẫn dắt đội nhóm 3. Kinh nghiệm làm việc - Tối thiểu 02 – 03 năm kinh nghiệm ở vị trí: - Mô hình định lượng - Quản lý rủi ro - Data Science / Risk Analytics - Hoặc các vị trí tương đương - Có kinh nghiệm trong các lĩnh vực: - Xây dựng, triển khai hoặc kiểm định mô hình đo lường rủi ro - Ngân hàng, công ty bảo hiểm, công ty tài chính - Công ty tư vấn quản lý rủi ro, tư vấn định lượng Nộp đơn ứng tuyển công việc này Họ & tên bạn * Địa chỉ email * Số điện thoại * Ngày tháng năm sinh * Trình độ học vấn (Education)  * -- Trình độ học vấn (Education) --Chưa tốt nghiệp (No degree)Phổ thông (High school)Trung cấpCao đẳng (College)Đại học (University/Academy)Thạc sỹ (Master)Tiến sỹ (PhD)Sau đại học (Postgraduate)Khác (Others) Bạn biết đến cơ hội ứng tuyển này qua kênh nào?  * -- Bạn biết đến cơ hội ứng tuyển này qua kênh nào? --Website tuyển dụng ACBFacebook ACBLinkedIn ACBWebsite việc làmQuảng cáo onlineNgười giới thiệuKhác + Thông tin thêm CV của bạn * Click để chọn & tải lên CV của bạn Nộp đơn ứng tuyển Bỏ qua --> { "@context": "http://schema.org", "@type": "JobPosting", "baseSalary":{ "@type":"MonetaryAmount", "currency":"vnd", "value":{ "@type": "QuantitativeValue", "minValue": "0", "maxValue": "0", "unitText": "MONTH" } },"jobLocation" : { "@type": "Place", "address": { "@type": "PostalAddress", "addressLocality": "No address locality", "addressRegion": "No address region", "streetAddress": "No street address", "postalCode": "0" } }, "datePosted":"2023-10-18", "description":"Mô tả công việc Chịu trách nhiệm nghiên cứu, xây dựng, vận hành và giám sát các mô hình định lượng đo lường rủi ro, ứng dụng phân tích dữ liệu lớn và trí tuệ nhân tạo theo chuẩn mực quốc tế và quy định của Ngân hàng Nhà nước. Nhiệm vụ chính: - Xây dựng mới, kiểm thử, kiểm định và hiệu chỉnh các mô hình định lượng đo lường rủi ro theo chuẩn mực quốc tế (Basel II, Basel III). - Nghiên cứu và phát triển các mô hình định lượng tích hợp, đồng thời: - Thử nghiệm và đề xuất các phương pháp, mô hình mới trong đo lường rủi ro - Nâng cao hiệu quả quản lý rủi ro của Ngân hàng - Phân tích dữ liệu và xây dựng các mô hình ứng dụng AI / Machine Learning / Deep Learning phục vụ đánh giá và dự báo rủi ro. - Thực hiện giám sát hiệu quả mô hình định lượng, bao gồm: - Lập báo cáo giám sát mô hình định kỳ - Báo cáo tuân thủ theo yêu cầu của NHNN và quy định nội bộ - Tổ chức khai thác, quản lý và sử dụng hiệu quả hệ thống thông tin phục vụ công tác định lượng và quản lý rủi ro. - Tham gia xây dựng, vận hành và kiểm định các mô hình đo lường rủi ro của ACB theo từng mảng nghiệp vụ. - Quản lý, triển khai và phát triển công việc được giao theo đúng kế hoạch và mục tiêu. Yêu cầu công việc 1. Trình độ học vấn - Tốt nghiệp Đại học trở lên các chuyên ngành: - Toán tài chính, Toán kinh tế, Toán thống kê - Tài chính – Ngân hàng, Kế toán, Kiểm toán - Công nghệ thông tin, Bách khoa - Các ngành thuộc Khối Khoa học tự nhiên – Kỹ thuật – Công nghệ hoặc Khối Kinh tế - Ưu tiên ứng viên có các chứng chỉ chuyên môn: - Data Science & Machine Learning - FRM - Quản trị cơ sở dữ liệu (Oracle, SQL) 2. Năng lực chuyên môn 2.1 Kiến thức / Chuyên môn - Có kiến thức và kinh nghiệm chuyên sâu về: - Xử lý dữ liệu lớn (Big Data) - Phân tích thống kê, toán ứng dụng - Xây dựng mô hình AI / Machine Learning / Deep Learning - Am hiểu mô hình đo lường rủi ro theo chuẩn mực quốc tế (Basel). - Có kiến thức về: - Hoạt động ngân hàng - Quy trình tín dụng - Quản lý rủi ro ngân hàng - Nắm vững các quy định pháp luật liên quan. - Có hiểu biết về: - Kinh tế vĩ mô - Tình hình chính trị – xã hội và tác động tới hoạt động ngân hàng 2.2 Kỹ năng - Thành thạo các công cụ và ngôn ngữ xử lý dữ liệu: - Python, R, SQL (và các công cụ liên quan) - Kỹ năng: - Làm việc hiệu quả và quản lý thời gian tốt - Đọc hiểu và giao tiếp tiếng Anh chuyên môn - Quản lý dự án - Quản lý và dẫn dắt đội nhóm 3. Kinh nghiệm làm việc - Tối thiểu 02 – 03 năm kinh nghiệm ở vị trí: - Mô hình định lượng - Quản lý rủi ro - Data Science / Risk Analytics - Hoặc các vị trí tương đương - Có kinh nghiệm trong các lĩnh vực: - Xây dựng, triển khai hoặc kiểm định mô hình đo lường rủi ro - Ngân hàng, công ty bảo hiểm, công ty tài chính - Công ty tư vấn quản lý rủi ro, tư vấn định lượng ", "employmentType":"Toàn thời gian", "hiringOrganization": { "@type": "Organization", "name": "Ngân hàng Á Châu - ACB", "sameAs" : "http://www.acbjobs.com.vn" }, "identifier": { "@type": "PropertyValue", "name": "HO - Chuyên viên Xây Dựng Mô Hình & Định Lượng", "value": "39343" }, "title": "HO - Chuyên viên Xây Dựng Mô Hình & Định Lượng", "validThrough":"2026-08-30" }

Yêu cầu ứng viên

1.Trình độ Học vấn 1.1 Trình độ tối thiểu: Đại học. - Chuyên ngành: Toán tài chính, Toán kinh Tế, Toán thống kê, Tài chính ngân hàng, kế toán, kiểm toán, Bách khoa, Công nghệ thông tin, các ngành thuộc Khối Khoa học tự nhiên – kỹ thuật – công nghệ hoặc ngành thuộc Khối Kinh tế. 1.2 Chứng chỉ: Ưu tiên các ứng viên có chứng chỉ Data Science & Machine Learning, FRM, Quản trị cơ sở dữ liệu (Oracle, SQL). 2. Năng lực 2.1 Kiến thức/ Chuyên môn - Có kiến thức và kinh nghiệm chuyên sâu về xử lý dữ liệu lớn, phân tích thống kê toán, xây dựng các mô hình ứng dụng trí tuệ nhân tạo/máy học/học sâu (AI/Machine learning/Deep learning). - Có kiến thức về mô hình đo lường rủi ro theo tiêu chuẩn quốc tế, Basel. - Có kiến thức về hoạt động ngân hàng, quy trình tín dụng và công tác quản lý rủi ro ngân hàng. - Có kiến thức về quy định pháp luật có liên quan. - Có kiến thức về kinh tế vĩ mô, tình hình chính trị - xã hội. 2.2 Kỹ Năng - Kỹ năng sử dụng thành thạo phần mềm xử lý dữ liệu và thống kê: Python, R, SQL… - Kỹ năng làm việc hiệu quả. - Kỹ năng quản lý thời gian. - Kỹ năng đọc và giao tiếp tiếng Anh tốt. - Kỹ năng quản lý dự án. - Kỹ năng quản lý đội nhóm. 3. Các Kinh nghiệm Liên quan - Số năm: Tối thiểu 2 hoặc 3 năm  kinh nghiệm ở vị trí này hoặc tương đương. - Lĩnh vực: Xây dựng/triển khai/kiểm định các mô hình đo lường rủi ro tại ngân hàng, công ty bảo hiểm, công ty tài chính, các công ty tư vấn.

Phân tích kỹ năng cần có

# Phân tích kỹ năng cho vị trí Chuyên viên Xây Dựng Mô Hình & Định Lượng – ACB Đây là vị trí **hybrid cực kỳ hot** trong ngân hàng hiện đại: giao thoa giữa **Quant Finance** (định lượng tài chính), **Risk Management** (quản lý rủi ro) và **Data Science/AI**. Ứng viên cần có nền tảng vững ở cả ba trụ cột này. --- ## 1. Hard Skills (Kỹ năng cứng) – BẮT BUỘC | Nhóm kỹ năng | Chi tiết | Mức độ yêu cầu | |---|---|---| | **Ngôn ngữ lập trình** | Python (pandas, numpy, scikit-learn, statsmodels), R, SQL | Thành thạo | | **Big Data** | Spark, Hadoop, ETL pipelines | Trung bình – Khá | | **ML/DL Framework** | scikit-learn, TensorFlow, PyTorch, XGBoost | Khá trở lên | | **Cơ sở dữ liệu** | Oracle, SQL Server, NoSQL | Khá | | **Thống kê – Toán ứng dụng** | Regression, Time Series, Monte Carlo, Bayesian | Chuyên sâu | | **Mô hình rủi ro Basel** | PD, LGD, EAD, VaR, Credit Scoring, Stress Test | Am hiểu | | **Trực quan hóa dữ liệu** | Power BI, Tableau, Matplotlib/Seaborn | Trung bình | ## 2. Soft Skills (Kỹ năng mềm) – CẦN CÓ - **Tư duy logic & phân tích**: phân tích bài toán rủi ro thành mô hình toán học - **Quản lý dự án**: chạy đồng thời nhiều model với deadline NHNN - **Giao tiếp tiếng Anh chuyên ngành**: đọc tài liệu Basel Committee (BCBS), viết báo cáo tuân thủ - **Làm việc nhóm & dẫn dắt**: phối hợp với IT, Audit, Business units - **Quản lý thời gian**: báo cáo định kỳ + ad-hoc requests ## 3. Chứng chỉ ưu tiên | Chứng chỉ | Giá trị | Độ khó | |---|---|---| | **FRM (GARP)** | Vàng – chứng minh kiến thức rủi ro quốc tế | Cao | | **Data Science / ML Certificate** (Google, IBM, Coursera DeepLearning.AI) | Tốt – bổ sung kỹ năng AI | Trung bình | | **Oracle / SQL Certification** | Phụ – chứng minh quản trị CSDL | Trung bình | | **PRM, CFA** | Có lợi thế cạnh tranh | Cao | ## 4. Bảng so sánh nền tảng phù hợp | Nền tảng gốc | Mức độ phù hợp | Lý do | |---|---|---| | Toán tài chính / Toán kinh tế | ⭐⭐⭐⭐⭐ | Đúng chuyên ngành, thế mạnh định lượng | | Khoa học dữ liệu / Data Science | ⭐⭐⭐⭐ | Mạnh ML/AI, cần học thêm Basel | | Tài chính – Ngân hàng | ⭐⭐⭐ | Hiểu business, cần bổ sung kỹ thuật lập trình | | CNTT / Bách khoa | ⭐⭐⭐ | Mạnh kỹ thuật, cần học thêm finance/risk | | Kế toán – Kiểm toán | ⭐⭐ | Ít phù hợp hơn, cần học lại nhiều | ## 5. Lưu ý quan trọng - Tin này **không ghi rõ số năm kinh nghiệm trong phần metadata** nhưng phần mô tả yêu cầu **2-3 năm** ở vị trí tương đương. Đây là vị trí Mid-level, **KHÔNG phù hợp sinh viên mới ra trường** trừ khi có intern/đồ án thực tế rất mạnh. - Ưu tiên ứng viên đã làm **ngân hàng, bảo hiểm, công ty tài chính hoặc công ty tư vấn rủi ro (Big 4, McKinsey, BCG risk practice)**.

Chuẩn bị phỏng vấn

# Hướng dẫn phỏng vấn – Chuyên viên Xây Dựng Mô Hình & Định Lượng ACB ## Quy trình tuyển dụng dự kiến (3-4 vòng) ### Vòng 1: HR Interview / Sơ loại hồ sơ (30-45 phút) - Xác nhận thông tin cá nhân, mức lương kỳ vọng, thời gian làm việc - Câu hỏi về động lực ứng tuyển, hiểu biết về ACB - Có thể có bài test tính cách (DISC/MBTI) ### Vòng 2: Technical Test – Kiểm tra chuyên môn (60-90 phút) Thường là bài test online hoặc offline gồm: - **SQL**: viết query phức tạp (JOIN, window function, CTE) - **Python/R**: xử lý data, áp dụng thuật toán ML cơ bản - **Toán – Thống kê**: xác suất, phân phối, kiểm định giả thuyết - **Case study**: phân tích một bài toán rủi ro thực tế (PD model, fraud detection…) ### Vòng 3: Technical Interview – Phỏng vấn chuyên sâu (60-90 phút) Phỏng vấn cùng Trưởng phòng/Quản lý chuyên môn: - Đi sâu vào kinh nghiệm xây dựng model - Câu hỏi về Basel II/III, IRB, ECL theo IFRS 9 - Thảo luận cách xử lý overfitting, model validation ### Vòng 4: Final Interview – Lãnh đạo Khối (30-45 phút) - Đánh giá fit với văn hóa ACB - Thương lượng mức lương - Câu hỏi tình huống, kỹ năng mềm --- ## Câu hỏi hay gặp theo từng vòng ### Vòng HR 1. "Tại sao bạn muốn làm việc tại Khối Quản lý Rủi ro ACB?" 2. "Mức lương hiện tại và kỳ vọng của bạn là bao nhiêu?" 3. "Bạn có thể làm việc tại Hội sở TP.HCM không? Thời gian nhận việc?" ### Vòng Technical 1. **Basel**: "Phân biệt IRB Foundation và IRB Advanced?" 2. **PD Model**: "Bạn xây dựng PD model như thế nào? Dùng thuật toán nào?" 3. **Validation**: "Làm sao kiểm định mô hình có bị overfitting?" 4. **SQL**: "Viết query tính số khách hàng có balance > X trong 3 tháng gần nhất" 5. **Python**: "Làm sao xử lý missing values và outliers trong dataset tín dụng?" 6. **IFRS 9**: "ECL 3 giai đoạn khác nhau như thế nào?" 7. **Stress Test**: "Khi xây dựng kịch bản stress test, bạn quan tâm yếu tố nào?" ### Vòng Final 1. "Bạn xử lý thế nào khi business muốn model nới lỏng tiêu chí?" 2. "Mô tả một dự án model khó nhất bạn từng làm" 3. "Định hướng nghề nghiệp 3-5 năm tới của bạn?" --- ## Tips chuẩn bị ✅ **Ôn lại Basel II/III, IFRS 9, ECL framework** – đây là kiến thức cốt lõi ✅ **Luyện SQL trên LeetCode/HackerRank** ở level Medium trở lên ✅ **Review project cá nhân**: chuẩn bị sẵn 1-2 dự án mô hình rủi ro, có thể demo code ✅ **Đọc trước về ACB**: lịch sử, chiến lược chuyển đổi số, các sản phẩm ✅ **Chuẩn bị câu hỏi ngược lại** cho nhà tuyển dụng (thể hiện sự quan tâm) ## Dress Code (Trang phục) - **Vòng HR**: Smart casual / Business casual - **Vòng Technical**: Business formal hoàn toàn (vest, sơ mi trắng, quần âu) - **Vòng Final**: Vest + sơ mi, thắt lưng, giày tây – chỉn chu *Lưu ý: ACB là ngân hàng tư nhân với văn hóa trẻ trung hơn Big 4 nhưng vẫn yêu cầu lịch sự khi phỏng vấn.*

Lộ trình ôn thi

# Lộ trình ôn tập 1-2 tuần trước phỏng vấn ## Kiến thức nền tảng cần nắm vững ### 1. Quản lý rủi ro ngân hàng & Basel (30% thời gian ôn) - **Basel I, II, III**: yêu cầu vốn, các rủi ro (tín dụng, thị trường, vận hành) - **3 trụ cột Basel II**: Yêu cầu vốn tối thiểu, Giám sát, Kỷ luật thị trường - **Phương pháp IRB**: Foundation vs Advanced, công thức RWA - **PD, LGD, EAD**: định nghĩa, cách ước lượng - **IFRS 9 / ECL**: 3 giai đoạn, cách tính expected credit loss - **Stress Test**: kịch bản, phương pháp ### 2. Quantitative Methods & Statistics (25% thời gian ôn) - Probability distributions (Normal, Poisson, Beta) - Regression (Linear, Logistic, Cox) - Time Series (ARIMA, GARCH) - Monte Carlo Simulation - Bayesian inference (cơ bản) - Backtesting & Model Validation ### 3. Machine Learning & AI (25% thời gian ôn) - Supervised: Logistic Regression, Random Forest, XGBoost, LightGBM - Unsupervised: K-means, PCA, Isolation Forest - Deep Learning: Neural Networks cơ bản, LSTM cho time series - Imbalanced data: SMOTE, class weights - Model interpretability: SHAP, LIME - ML pipeline: feature engineering, train/test split, cross-validation ### 4. Kỹ năng lập trình (20% thời gian ôn) - **Python**: pandas, numpy, scikit-learn, statsmodels, matplotlib - **R**: glm, survival analysis, timeSeries - **SQL**: JOIN, GROUP BY, Window Functions, CTE, Subquery - **Big Data**: Spark cơ bản (PySpark), Hadoop concept --- ## Tài liệu tham khảo | Chủ đề | Tài liệu | Nguồn | |---|---|---| | FRM Core | "FRM Handbook" – GARP, "Quantitative Risk Management" – McNeil, Frey, Embrechts | Sách | | Basel | Tài liệu BCBS từ bis.org (miễn phí) | BIS.org | | Credit Risk Modeling | "Credit Risk: Pricing, Measurement, and Management" – Duffie, Singleton | Sách | | Python for Finance | "Python for Finance" – Yves Hilpisch | Sách | | ML cơ bản | Andrew Ng – Machine Learning Course (Coursera) | Khóa học | | SQL | LeetCode SQL 50, HackerRank SQL | Online | | Tiếng Anh | Đọc Risk Magazine, GARP Risk News | Website | --- ## Lộ trình 14 ngày ### Ngày 1-3: Nền tảng lý thuyết - Đọc tổng quan Basel II/III (2-3 tiếng) - Ôn lại xác suất thống kê - Xem lại kiến thức rủi ro tín dụng ### Ngày 4-6: Machine Learning - Ôn các thuật toán ML cốt lõi - Làm 1 project nhỏ: credit scoring với dataset Kaggle - Học về model validation, backtesting ### Ngày 7-9: Lập trình thực hành - Luyện SQL trên LeetCode (mỗi ngày 5-10 bài) - Code lại 1 pipeline ML hoàn chỉnh bằng Python - Ôn lại cú pháp R cơ bản ### Ngày 10-11: Đọc tài liệu ACB - Tìm hiểu lịch sử, chiến lược ACB - Đọc báo cáo thường niên gần nhất - Cập nhật tin tức ngân hàng Việt Nam ### Ngày 12-13: Mock Interview - Tự luyện trả lời câu hỏi kỹ thuật - Nhờ bạn bè đóng vai phỏng vấn - Chuẩn bị portfolio cá nhân ### Ngày 14: Tổng duyệt - Review lại toàn bộ kiến thức - Chuẩn bị trang phục, giấy tờ - Nghỉ ngơi, giữ tinh thần thoải mái --- ## Kho đề thi/kiểm tra mẫu 1. **SQL Practice**: LeetCode Database (Top 50), HackerRank SQL Intermediate 2. **Python ML**: Kaggle – "Home Credit Default Risk" competition 3. **Statistics**: Brilliant.org, StatQuest YouTube channel 4. **Basel quiz**: Có trong GARP FRM practice exam

Tư vấn nghề nghiệp

# Lời khuyên sự nghiệp cho vị trí Quantitative Modeler tại ACB ## Lộ trình thăng tiến điển hình ``` Chuyên viên (2-3 năm đầu) ↓ Chuyên viên cao cấp (Senior Specialist) – 3-5 năm ↓ Phó phòng / Trưởng nhóm – 5-7 năm ↓ Trưởng phòng Quản lý Rủi ro Định lượng – 7-10 năm ↓ Phó Giám đốc Khối Quản lý Rủi ro – 10+ năm ``` ## Mức lương kỳ vọng theo cấp bậc (tham khảo thị trường Việt Nam 2024-2025) | Cấp bậc | Kinh nghiệm | Mức lương Gross (VNĐ/tháng) | |---|---|---| | **Chuyên viên** (Fresher/Junior) | 0-2 năm | 18 - 28 triệu | | **Chuyên viên chính** | 2-5 năm | 30 - 50 triệu | | **Phó phòng / Senior Manager** | 5-8 năm | 55 - 90 triệu | | **Trưởng phòng** | 8-12 năm | 90 - 150 triệu | | **Phó Giám đốc Khối** | 12+ năm | 150 - 300 triệu+ | *Lưu ý: ACB trả lương khá cạnh tranh so với Vietcombank, Techcombank. Khoản thưởng cuối năm có thể thêm 2-4 tháng lương tùy hiệu quả kinh doanh.* ## Kỹ năng cần phát triển thêm trong tương lai ### Ngắn hạn (1-2 năm tới) - **Hoàn thành FRM Part 1 & Part 2** – bắt buộc để thăng tiến - **Học sâu về Cloud (AWS/Azure)** cho data engineering - **Phát triển kỹ năng storytelling** với data – trình bày kết quả model cho Ban lãnh đạo - **Tìm hiểu MLOps**: triển khai model production, monitoring ### Trung hạn (3-5 năm tới) - **Mở rộng sang quản lý**: học leadership, quản lý team 5-10 người - **Chuyên sâu một mảng**: Credit Risk Modeling, Market Risk, hoặc Fraud Detection AI - **Xây dựng network** với cộng đồng Risk/Quant Việt Nam - **Tham gia diễn đàn quốc tế**: GARP, PRMIA ### Dài hạn (5-10 năm tới) - Có thể chuyển sang **Big Tech** (Fintech, Banking as a Service) - Hoặc **công ty tư vấn quốc tế** (McKinsey Risk Practice, BCG GAMMA) - Hoặc **khởi nghiệp Fintech** với kiến thức rủi ro ## Cơ hội nghề nghiệp mở rộng Sau khi làm tốt ở ACB, bạn có thể: - ✅ Sang **Techcombank, MBB, VPBank** – mức lương có thể cao hơn 20-30% - ✅ Sang **các công ty fintech** (MoMo, ZaloPay, VNG) - ✅ Làm tại **Big 4** (EY, KPMG) hoặc **McKinsey/BCG** - ✅ Ra nước ngoài (Singapore, Hong Kong) với kinh nghiệm Basel - ✅ Mở **công ty tư vấn riêng** về quản lý rủi ro ## Lời khuyên thực tế từ góc nhìn "đàn anh" > "Vị trí này là **cửa ngõ vàng** cho người theo đuổi Quantitative Finance ở Việt Nam. Khác với phân tích tín dụng thuần túy, bạn sẽ được đào tạo bài bản về **Basel, mô hình rủi ro chuẩn quốc tế**, và quan trọng nhất là được làm việc với **dữ liệu cực lớn** từ ACB – một trong những ngân hàng tư nhân lớn nhất nước ta. Hãy tận dụng 2-3 năm đầu để **tích lũy technical depth**, sau đó bạn sẽ có nhiều lựa chọn nghề nghiệp rất rộng mở." > "Một điểm quan trọng: **đừng chỉ focus vào code**, hãy hiểu sâu **business context** của ngân hàng. Một model PD tốt không chỉ có AUC cao mà còn phải **interpretable** cho NHNN, audit và business. Đây là điểm phân biệt bạn với một data scientist thông thường."

Câu hỏi thường gặp

Em mới ra trường ngành Toán tài chính, chưa có 2 năm kinh nghiệm, có nên ứng tuyển vị trí này không?

Vị trí này yêu cầu **2-3 năm kinh nghiệm** nên cơ hội pass CV của em khá thấp. Tuy nhiên, em có thể thử nộp nếu: (1) đã có intern/đồ án thực tế tại ngân hàng hoặc công ty tài chính, (2) có chứng chỉ FRM Part 1 hoặc Data Science cert, (3) GitHub có project mô hình rủi ro rõ ràng. Nếu chưa đủ, em nên tích lũy thêm 1-2 năm ở vị trí Data Analyst hoặc Risk Analyst trước.

Mức lương thực tế cho vị trí Chuyên viên Xây Dựng Mô Hình & Định Lượng tại ACB khoảng bao nhiêu?

Với 2-3 năm kinh nghiệm, mức lương Gross thường dao động **28-45 triệu VNĐ/tháng**. ACB nổi tiếng trả lương cạnh tranh trên thị trường ngân hàng tư nhân. Ngoài ra còn có thưởng cuối năm (T13/T14), phúc lợi khá tốt (bảo hiểm sức khỏe, gym, teambuilding). Nếu có FRM + kinh nghiệm ngân hàng, có thể deal được mức trên 40 triệu. Lưu ý lương "thương lượng" nên các bạn nên research kỹ trước khi đàm phán.

Tôi đang làm Data Scientist ở Fintech (3 năm), chưa có kinh nghiệm ngân hàng. Cơ hội vào ACB làm vị trí này như thế nào?

Cơ hội **khá tốt** nhưng cần chuẩn bị. Điểm mạnh của bạn: thành thạo Python/ML/SQL – đáp ứng yêu cầu kỹ thuật. Điểm yếu cần bù: (1) Kiến thức Basel II/III và quản lý rủi ro tín dụng, (2) Hiểu về quy trình tín dụng và sản phẩm ngân hàng, (3) Kinh nghiệm làm việc với NHNN/audit. Gợi ý: hoàn thành FRM Part 1, làm 1-2 project cá nhân về credit scoring hoặc fraud detection để showcase. Fintech background là điểm cộng vì ACB đang chuyển đổi số mạnh.

So sánh giữa làm Quantitative tại ngân hàng như ACB với công ty tư vấn (Big 4, McKinsey)?

Hai hướng khác nhau rõ rệt. **Tại ACB**: làm sâu một ngân hàng, hiểu sản phẩm, model vận hành production, ổn định, work-life balance tốt hơn, lương tốt. **Tại công ty tư vấn**: đa dạng dự án (nhiều ngân hàng khách hàng), xây dựng network rộng, học nhanh nhưng áp lực cao, làm việc overtime nhiều. Theo kinh nghiệm, **khởi đầu ở ngân hàng 2-3 năm** để có depth, sau đó chuyển sang consulting nếu muốn mở rộng tầm nhìn.

Công việc hàng ngày của vị trí này cụ thể như thế nào? Có áp lực không?

Một ngày thường gồm: (1) Code model/chạy Python scripts (40%), (2) Phân tích dữ liệu, viết báo cáo (25%), (3) Họp với team IT, business, audit (20%), (4) Nghiên cứu cập nhật Basel, đọc paper mới (15%). **Áp lực lớn nhất** là deadline báo cáo NHNN (quý/năm), và yêu cầu model chính xác trong khi business muốn model nới lỏng. Đây là vị trí cần sự cân bằng giữa kỹ thuật và hiểu biết nghiệp vụ.

Chứng chỉ nào quan trọng nhất để vào vị trí này: FRM hay Data Science Certificate?

Cả hai đều có giá trị nhưng **FRM quan trọng hơn** với vị trí cụ thể này, vì nó chứng minh: (1) Kiến thức rủi ro chuẩn quốc tế, (2) Cam kết nghề nghiệp lâu dài, (3) Khả năng thi quốc tế. FRM Part 1 đã là điểm cộng lớn. Tuy nhiên, nếu bạn chưa đủ thời gian ôn FRM, hãy làm **1 chứng chỉ Data Science từ Google/DeepLearning.AI + 1 project cá nhân** để bù đắp. Kết hợp cả hai là tối ưu.

Tôi nộp CV từ 2 tuần trước nhưng chưa được phản hồi. Có nên follow up không?

Với vị trí hot như này, thời gian phản hồi trung bình 2-4 tuần là bình thường, đặc biệt ACB tuyển nhiều vị trí cùng lúc. Bạn nên: (1) Follow up email lịch sự sau 2 tuần, hỏi về tình trạng hồ sơ, (2) Gọi hotline HR nếu có, (3) Apply thêm vị trí tương tự ở Techcombank, MBB, VPBank để có nhiều cơ hội. Đừng chờ đợi đơn lẻ.

ACB hay Vietcombank/Techcombank nên chọn cho vị trí Quantitative Risk?

Tùy mục tiêu. **ACB**: văn hóa khởi nghiệp, flat structure, học nhanh, làm việc thực tế sớm, đào tạo quốc tế tốt. **Techcombank**: lương cao nhất trong Big 4 tư nhân, công nghệ hiện đại (đối tác với AWS), dự án chuyển đổi số lớn. **Vietcombank (VCB)**: thương hiệu nhà nước, dữ liệu khổng lồ, Basel implementation sớm nhất VN, bảo hiểm việc làm tốt. Quyết định tùy bạn ưu tiên: lương (Techcombank) > đào tạo (VCB) > work-life (ACB).

Làm ở vị trí này 3-5 năm, có cơ hội chuyển sang làm Quant ở nước ngoài (Singapore, US) không?

Hoàn toàn có thể, nhưng cần chuẩn bị. Hướng đi khả thi: (1) Học FRM + CFA + Master's ở nước ngoài, (2) Apply vào các ngân hàng quốc tế có văn phòng Singapore (DBS, OCBC, Standard Chartered), (3) Network trên LinkedIn với recruiter khu vực. Lợi thế của bạn là kinh nghiệm Basel tại thị trường mới nổi (frontier market) – điểm khác biệt so với ứng viên Âu/Mỹ. Mức lương ở Singapore cho vị trí tương đương: SGD 80k-150k/năm (~1.8-3.4 tỷ VNĐ/năm).