[HO] RISK MODELING SPECIALIST
Mô tả công việc
- Design and build the concepts and logic for the model to assess various types of risks as required.
- Optimize the bank's existing data systems.
- Document the systems, concepts, and rules for model building.
- Perform quality checks, validation, maintenance, and updates of data models to meet the bank's changing needs.
Phân tích kỹ năng cần có
Phân tích kỹ năng cần có cho vị trí Risk Modeling Specialist – Shinhan Bank Vietnam
1. Hard Skills (Kỹ năng cứng – bắt buộc)
Vị trí này nằm ở phân khúc risk quant / model validation, là một trong những mảng "hot" nhất hiện nay tại các ngân hàng có vốn đầu tư nước ngoài. Để ứng tuyển, bạn cần:
| Nhóm kỹ năng | Cụ thể | Mức độ ưu tiên |
|---|---|---|
| Ngôn ngữ lập trình | Python (pandas, scikit-learn, statsmodels), R, SQL | Bắt buộc |
| Statistical Modeling | Regression (Logistic, Linear), Time Series (ARIMA, GARCH), Survival Analysis | Bắt buộc |
| Machine Learning | Random Forest, XGBoost, Gradient Boosting, Neural Network cơ bản | Rất cần |
| Credit Risk Models | PD (Probability of Default), LGD (Loss Given Default), EAD (Exposure at Default), Scorecard | Bắt buộc |
| Data Engineering | ETL, Data Pipeline, Big Data (Spark, Hadoop là lợi thế) | Cần |
| Database | SQL Server, Oracle, PostgreSQL, Hadoop/Hive | Cần |
| Excel/Reporting | Advanced Excel, VBA, Power BI/Tableau | Cần |
| Tiếng Anh | Đọc tài liệu chuyên ngành, giao tiếp với HQ Hàn Quốc | Bắt buộc (TOEIC 700+ hoặc IELTS 6.0+) |
| Tiếng Hàn | Là lợi thế lớn vì làm việc với Shinhan HQ | Có thì càng tốt |
2. Chứng chỉ nên có (ưu tiên theo thứ tự)
| Chứng chỉ | Tổ chức | Ghi chú |
|---|---|---|
| FRM (Financial Risk Manager) | GARP | Chứng chỉ "vàng" cho risk modeling, 2 parts |
| PRM (Professional Risk Manager) | PRMIA | Thay thế FRM, bài thi dễ thở hơn |
| CFA | CFA Institute | Cách vào ngân hàng quốc tế, 3 levels |
| Microsoft Certified: Azure Data Scientist hoặc AWS ML Specialty | Microsoft/AWS | Nếu thiên về ML |
| SAS Certification | SAS Institute | Một số ngân hàng Hàn vẫn dùng SAS |
3. Soft Skills (Kỹ năng mềm)
- Tư duy phản biện (Critical Thinking): Không chỉ build model mà còn giải thích được kết quả cho ban lãnh đạo.
- Communication: Shinhan là ngân hàng Hàn, phải làm việc với team Hàn Quốc → kỹ năng trình bày, viết documentation rất quan trọng.
- Attention to Detail: Sai một dấu phẩy trong model có thể gây thiệt hại hàng triệu USD.
- Project Management: Quản lý timeline khi làm việc với nhiều phòng ban.
- Business Acumen: Hiểu business banking, không chỉ là "data person".
4. Bảng so sánh Risk Modeling vs các vị trí liên quan
| Tiêu chí | Risk Modeling Specialist | Data Scientist (Bank) | Credit Analyst | Model Validation |
|---|---|---|---|---|
| Focus | Build PD/LGD/EAD models | ML cho business | Phân tích tín dụng | Kiểm tra model người khác build |
| Kỹ năng đòi hỏi | Statistics + Banking | ML + Engineering | Finance + Industry | Statistics + Audit |
| Lương entry (VN) | 25-40 triệu | 30-50 triệu | 15-25 triệu | 30-45 triệu |
| Độ stress | Cao | Trung bình | Cao | Rất cao |
| Cơ hội thăng tiến | Rất tốt | Tốt | Trung bình | Tốt |
💡 Gợi ý cho người mới
Nếu bạn đang là sinh viên năm 3-4 ngành Tài chính, Toán kinh tế, Khoa học dữ liệu, hoặc IT, đây là vị trí rất đáng theo đuổi. Đừng ngại thiếu kinh nghiệm – JD không yêu cầu cụ thể, nghĩa là họ sẵn sàng đào tạo nếu bạn có nền tảng tốt.
Chuẩn bị phỏng vấn
Hướng dẫn phỏng vấn Risk Modeling Specialist – Shinhan Bank Vietnam
Quy trình tuyển dụng dự kiến (4-6 vòng)
| Vòng | Hình thức | Nội dung | Thời gian |
|---|---|---|---|
| Vòng 1 | HR Screen (Phone/Video) | Giới thiệu bản thân, lý do ứng tuyển, mức lương mong muốn | 20-30 phút |
| Vòng 2 | Technical Test Online | SQL, Python, Statistics, IQ test | 60-90 phút |
| Vòng 3 | Technical Interview (tiếng Anh) | Hỏi sâu về model, statistics, case study | 60 phút |
| Vòng 4 | Hiring Manager Interview | Manager Hàn hoặc Việt hỏi về kinh nghiệm, tư duy | 45 phút |
| Vòng 5 | HR Final + Head of Dept | Thương lượng lương, culture fit | 30-45 phút |
| Vòng 6 | Offer & Background check | Kiểm tra lý lịch, tham chiếu | 1-2 tuần |
Câu hỏi phỏng vấn hay gặp
Vòng Technical – Statistics & Modeling
1. Hãy giải thích sự khác nhau giữa parametric và non-parametric models. Cho ví dụ cụ thể trong risk modeling.
- Gợi ý trả lời: Parametric giả định phân phối (normal, logistic), non-parametric không giả định (Random Forest, KNN). Trong PD model thường dùng Logistic Regression (parametric) làm benchmark.
2. PD, LGD, EAD là gì? Hãy mô tả cách bạn xây dựng một PD model từ đầu.
- Đây là câu "must-answer" – bạn cần nắm rõ quy trình: Data collection → Sample selection → Define default → Feature engineering → Variable selection (WOE/IV) → Model fitting → Validation → Monitoring.
3. Làm sao validate một credit scoring model?
- Gini coefficient, KS statistic, PSI (Population Stability Index), back-testing, out-of-sample test, out-of-time test.
4. Overfitting là gì? Làm sao phòng tránh?
- Cross-validation, regularization (L1/L2), early stopping, simpler model, more data.
5. ROC curve vs Precision-Recall curve, khi nào dùng cái nào?
- ROC khi data balanced, PR khi imbalanced data (như fraud detection).
6. Imbalanced data trong credit risk xử lý thế nào?
- SMOTE, undersampling, oversampling, class weighting, threshold tuning.
7. Giải thích WOE và IV trong scorecard.
- WOE (Weight of Evidence): log(Good/Bad). IV (Information Value): đo lường predictive power.
Vòng Technical – Programming
8. Viết SQL query để tìm top 10 khách hàng có số dư nợ cao nhất theo từng chi nhánh.
- Dùng window function: ROW_NUMBER() OVER (PARTITION BY branch ORDER BY balance DESC).
9. Python: Làm sao handle missing values?
- Mean/Median/Mode imputation, KNN imputation, MICE, hoặc model-based.
10. Hãy code Logistic Regression từ đầu (không dùng sklearn).
- Thử thách nâng cao – chứng minh bạn hiểu bản chất, không chỉ gọi thư viện.
Vòng Business & Soft Skills
11. Tại sao bạn muốn làm ở Shinhan thay vì một ngân hàng Việt?
- Điểm mấu chốt: môi trường quốc tế, học được cách làm việc chuẩn Hàn, cơ hội onsite HQ Seoul.
12. Một model bạn build có Gini coefficient cao trong sample nhưng thấp trong production, bạn làm gì?
- Kiểm tra PSI, feature drift, data leakage, concept drift. Đề xuất re-train hoặc re-design.
13. Bạn xử lý conflict với business team khi họ muốn override kết quả model thế nào?
- Câu hỏi tình huống quan trọng – chứng minh bạn vừa có technical credibility vừa có EQ.
Tips chuẩn bị quan trọng
- Dress code: Business formal. Với Shinhan (ngân hàng Hàn), ưu tiên vest/sơ mi trắng, lịch sự. Tránh vest đen quá đen, nên chọn navy/dark blue.
- Mang theo CV in sẵn (dù HR có in) + 1 bản portfolio nếu có project cá nhân (GitHub, Kaggle).
- Chuẩn bị 2-3 câu hỏi để hỏi ngược interviewer: về team structure, training program, opportunity làm việc với HQ.
- Tìm hiểu trước về Shinhan: Shinhan Financial Group là tập đoàn tài chính lớn nhất Hàn Quốc, có chiến lược "digital transformation" rất mạnh.
🚨 Red flags cần tránh
- Đừng nói "tôi chỉ biết apply model, không biết business".
- Đừng chê công cụ cũ (SAS, Excel) – nhiều bank Hàn vẫn dùng.
- Đừng nói "tôi muốn làm ở công ty startup công nghệ" – bạn sẽ bị đánh giá không gắn bó.
Lộ trình ôn thi
Lộ trình ôn tập 2 tuần cho vị trí Risk Modeling Specialist
Tuần 1: Nền tảng cốt lõi
| Ngày | Chủ đề | Tài liệu / Khóa học |
|---|---|---|
| T2 | Statistics cơ bản | "Statistical Learning" – Stanford (Trevor Hastie) |
| T3 | Regression nâng cao | Course: "Regression Models" trên Coursera (Johns Hopkins) |
| T4 | SQL nâng cao | Mode Analytics SQL Tutorial + LeetCode SQL (medium) |
| T5 | Python for Data Science | Kaggle micro-courses (miễn phí) + Pandas exercises |
| T6 | Credit Risk Theory | Sách "Credit Risk Scorecards" – Naeem Siddiqi |
| T7-CN | Ôn lại + làm 1 project cá nhân | Build PD model trên dataset Lending Club (Kaggle) |
Tuần 2: Chuyên sâu Banking & Interview
| Ngày | Chủ đề | Tài liệu |
|---|---|---|
| T2 | Basel II/III framework | BIS.org đọc summary, IFRS9 overview |
| T3 | IFRS9 & Expected Credit Loss | Deloitte/EY IFRS9 guides |
| T4 | Machine Learning cho Risk | "Machine Learning for Credit Risk" – Databricks course |
| T5 | Tiếng Anh chuyên ngành | Đọc BIS papers, McKinsey risk reports |
| T6 | Tiếng Hàn cơ bản (nếu rảnh) | Topik I level 1-2 hoặc Duolingo |
| T7 | Mock interview với bạn bè | Glassdoor xem review Shinhan Vietnam |
| CN | Final review + rest | Đọc lại CV, fix weakness |
Tài liệu tham khảo bắt buộc đọc
1. "Credit Risk Scorecards: Developing and Implementing Intelligent Credit Scoring" – Naeem M. Siddiqi & Barry R. Mushlin (bible của credit scoring).
2. "The Basel II Rating Principles" – BIS document miễn phí.
3. "An Introduction to Credit Risk Modeling" – Christian Bluhm, Ludger Overbeck, Christoph Wagner.
4. Document IFRS9 – Deloitte's "A Roadmap to IFRS9".
5. Blog rất hay: https://www.creditriskscience.com/ và Medium tags "credit risk modeling".
Kiến thức nền phải nắm vững
- Probability Theory: Bayes' Theorem, Conditional Probability, Central Limit Theorem.
- Hypothesis Testing: p-value, Type I/II error, chi-square test.
- Regression: OLS, Logistic, Multicollinearity, VIF.
- Time Series: Stationarity, ARIMA, GARCH (cho market risk).
- Validation Metrics: Gini, KS, AUC, PSI, CSI (Characteristic Stability Index).
- Banking Basics: NPL ratio, CAR (Capital Adequacy Ratio), LCR, NSFR.
Checklist trước ngày phỏng vấn
- [ ] Đã build ít nhất 1 PD model end-to-end (có thể trên Kaggle)
- [ ] Thuộc công thức Gini, KS, PSI
- [ ] Giải thích được Basel II/III trong 60 giây
- [ ] Có 3-5 câu hỏi chất lượng để hỏi interviewer
- [ ] CV đã được review bởi ít nhất 2 người trong ngành
- [ ] Test camera/mic + background chỉn chu
- [ ] Đã nghiên cứu Shinhan Financial Group (Wikipedia + báo cáo thường niên)
Tư vấn nghề nghiệp
Lời khuyên sự nghiệp – Risk Modeling Specialist
Lộ trình thăng tiến tại ngân hàng quốc tế
```
Junior Risk Analyst (0-2 yrs)
↓
Risk Modeling Specialist (2-4 yrs) ← BẠN ĐANG ỨNG TUYỂN Ở ĐÂY
↓
Senior Risk Modeler / Team Lead (4-7 yrs)
↓
Assistant Manager - Risk Analytics (7-10 yrs)
↓
Manager - Model Risk / VP Risk (10-15 yrs)
↓
Director - Head of Risk Modeling (15+ years)
↓
C-suite (CRO, CFO) hoặc chuyển sang Fintech/Consulting
```
Mức lương kỳ vọng theo cấp bậc (TP.HCM, 2024-2025)
| Cấp bậc | Kinh nghiệm | Mức lương (gross/month) |
|---|---|---|
| Fresher/Junior | 0-1 năm | 18 - 30 triệu |
| Risk Modeling Specialist | 2-4 năm | 30 - 55 triệu |
| Senior Modeler | 5-7 năm | 55 - 90 triệu |
| Manager | 8-12 năm | 90 - 150 triệu |
| Senior Manager/Director | 12+ năm | 150 - 300 triệu |
Lưu ý: Ngân hàng Hàn (Shinhan, Woori, Hana, KEB Hana) thường trả cao hơn ngân hàng Việt 15-30% ở cùng cấp bậc. Ngoài ra còn có 13th month salary, performance bonus, Korean allowance (nếu biết tiếng Hàn).
5 kỹ năng cần phát triển để thăng tiến nhanh
1. Cloud Computing (AWS/Azure/GCP): Hầu hết ngân hàng lớn đang chuyển model lên cloud. Biết SageMaker, Azure ML, Databricks là lợi thế cực lớn.
2. AI/GenAI: Các ngân hàng đang thử nghiệm dùng LLM để tự động hóa documentation model, code generation. Học prompt engineering + RAG + Fine-tuning.
3. Explainable AI (XAI): SHAP, LIME đang trở thành yêu cầu bắt buộc cho model governance. SHAP value cần thuộc lòng.
4. Tiếng Hàn: Shinhan Vietnam có nhiều chương trình rotation sang HQ Seoul. Biết tiếng Hàn = cơ hội onsite + thăng tiến nhanh gấp 2-3 lần.
5. Regulatory Knowledge: Theo dõi NHNN (State Bank of Vietnam), SBV regulations, BIS guidelines. Hiểu TT 13/2018, TT 42/2020 về IFRS9... Nếu có FRM, bạn sẽ đọc được những document này dễ dàng.
Cơ hội chuyển việc từ Risk Modeling
- Fintech/Consumer Lending: Home Credit, FE Credit, MoMo, ZaloPay, Tima – trả lương cao nhưng pressure nhiều hơn.
- Consulting firms: McKinsey, Deloitte, EY – Risk Advisory practice.
- Big Tech: Grab, Shopee, VNG – build credit scoring cho super-app.
- Foreign Bank khác: HSBC, Standard Chartered, Citi, JP Morgan (chỉ nhận nếu có kinh nghiệm 3+ năm + FRM/CFA).
- Khởi nghiệp: Rủi ro cao nhưng upside lớn nếu startup thành công.
🎯 Lời khuyên cá nhân
Nếu bạn đang ở năm 3-4 đại học, đây là thời điểm vàng để chuẩn bị:
- Học Python ngay hôm nay (đừng đợi).
- Làm 1-2 project trên Kaggle có liên quan đến credit risk.
- Cố gắng đạt TOEIC 750+ trước khi ra trường.
- Apply internship tại ngân hàng trước khi tốt nghiệp – đừng đợi đến lúc "sẵn sàng" vì sẽ không bao giờ sẵn sàng 100%.
Nếu bạn đã có 1-3 năm kinh nghiệm ở vị trí khác (data analyst, credit officer, BA), đừng ngại apply – JD không yêu cầu kinh nghiệm cụ thể, nghĩa là họ mở. Hãy pivot từ những gì bạn có sang risk modeling.
Câu hỏi thường gặp
Em là sinh viên năm 4 ngành Tài chính ngân hàng, chưa đi làm, có thể apply Risk Modeling Specialist ở Shinhan không?
Hoàn toàn có thể bạn nhé. JD không yêu cầu kinh nghiệm cụ thể, nghĩa là Shinhan mở cho cả fresh graduate. Tuy nhiên, để tăng tỷ lệ đậu, em nên: (1) Học Python + SQL thành thạo trong 3-6 tháng tới; (2) Làm 1 project credit scoring trên Kaggle với dataset Lending Club để có thành quả ghi vào CV; (3) Chuẩn bị TOEIC 700+ trở lên; (4) Học thêm một chút về statistics (regression, hypothesis testing). Nhiều ngân hàng quốc tế (HSBC, Standard Chartered, Shinhan) có chương trình Graduate Analyst riêng – em có thể tìm thêm trên VietnamWorks hoặc LinkedIn.
Risk Modeling Specialist khác gì với Data Analyst ở ngân hàng?
Khác khá nhiều bạn ạ. Data Analyst thường làm descriptive analytics (báo cáo, dashboard, ad-hoc analysis), trong khi Risk Modeling Specialist làm predictive/prescriptive analytics (build model dự đoán default, loss). Data Analyst chủ yếu dùng SQL + BI tools (Power BI, Tableau), còn Risk Modeler phải biết Python/R, statistics nâng cao, và đặc biệt là hiểu sâu về banking regulations (Basel, IFRS9). Lương của Risk Modeler thường cao hơn Data Analyst 20-40% ở cùng cấp. Tuy nhiên, áp lực cũng lớn hơn vì sai một model có thể ảnh hưởng đến cả nghìn tỷ đồng dư nợ.
Tôi đang làm Credit Analyst 2 năm tại một ngân hàng Việt, muốn chuyển sang Risk Modeling ở ngân hàng Hàn. Có khả thi không?
Hoàn toàn khả thi và đây là hướng đi rất phổ biến. Bạn đã có lợi thế lớn là hiểu business banking, biết đọc báo cáo tín dụng, hiểu quy trình cho vay. Những thứ cần bổ sung: (1) Kỹ năng lập trình Python/R + SQL – ưu tiên học Python trước; (2) Statistics cơ bản đến nâng cao – Coursera có khóa "Statistics with Python" rất hay; (3) Đọc sách "Credit Risk Scorecards" của Naeem Siddiqi; (4) Thi FRM Part 1 nếu có thời gian. Thời gian chuyển đổi thực tế: 6-12 tháng học + apply. Nhiều người từ credit analyst chuyển sang risk modeling rất thành công vì nền tảng business vững.
Làm ở ngân hàng Hàn như Shinhan có nhiều áp lực không? Work-life balance thế nào?
Mình chia sẻ thật nhé: work-life balance ở ngân hàng Hàn nói chung và Shinhan nói riêng ở mức "trung bình" so với thị trường. Cụ thể: Giờ làm thường 8h30-17h30, nhưng deadline cuối tháng/cuối quý có thể OT muộn hơn. So với ngân hàng Việt, ngân hàng Hàn có hệ thống quy trình chuẩn hơn, ít tình trạng "xin xỏ sếp" nhưng đổi lại phải tuân thủ quy trình nghiêm ngặt. Áp lực lớn nhất đến từ yêu cầu báo cáo HQ Seoul (giờ Hàn chênh lệch 2 tiếng) và văn hóa hierarchical (cấp bậc rõ ràng). Bù lại, đãi ngộ tốt, có cơ hội training ở Hàn, và CV rất đẹp nếu sau này muốn nhảy sang HSBC/Citi/Standard Chartered.
Mức lương khởi điểm bao nhiêu cho vị trí này?
JD ghi "Negotiable" nên sẽ thương lượng. Mình tham khảo thị trường TP.HCM hiện tại: Fresh graduate/junior (0-1 năm): 18-30 triệu gross. Có kinh nghiệm 2-3 năm: 30-50 triệu. Senior 5+ năm: 60-90 triệu. Riêng Shinhan và các ngân hàng Hàn thường trả cao hơn 15-20% so với ngân hàng Việt cùng cấp. Ngoài lương còn có: 13th month salary, performance bonus (1-3 tháng lương), meal allowance, Korean language allowance (nếu có TOPIK), bảo hiểm sức khỏe cao cấp, có thể có nhà ở/transportation allowance. Mẹo deal lương: đừng nói con số đầu tiên, hãy hỏi "khoảng budget của bên mình cho vị trí này là bao nhiêu ạ?" rồi đề xuất cao hơn 10-15%.
Tôi không biết tiếng Hàn thì có cơ hội làm ở Shinhan không?
Có nhé, tiếng Hàn không phải yêu cầu bắt buộc cho vị trí modeling này vì phần lớn công việc dùng tiếng Anh (documentation, code, presentation cho HQ). Tuy nhiên, nếu bạn biết tiếng Hàn ở mức giao tiếp cơ bản (TOPIK 2-3), cơ hội thăng tiến và onsite Seoul sẽ tăng gấp đôi. Nhiều người Việt ở Shinhan ban đầu không biết tiếng Hàn, học dần trong quá trình làm việc và sau 2-3 năm có thể giao tiếp tốt với team Hàn. Nếu bạn đang cân nhắc apply, đừng để tiếng Hàn làm rào cản – JD không yêu cầu thì cứ apply.
Có nên thi chứng chỉ FRM trước khi apply không? Hay apply trước rồi học sau?
Mình khuyên apply trước, FRM để sau. Lý do: (1) FRM Part 1 tốn khoảng 200-300 giờ học + phí thi ~$1,000 – không nhỏ; (2) FRM có giá trị thật khi bạn đã làm trong ngành 1-2 năm, lúc đó kiến thức FRM sẽ "khớp" với thực tế công việc, học sẽ dễ hơn; (3) JD không yêu cầu FRM, nghĩa là không bắt buộc để vào cửa. Chiến lược tối ưu: Apply ngay, vào làm 1-2 năm, vừa làm vừa học FRM Part 1 (được công ty tài trợ một phần), sau đó thi Part 2. Lúc đó bạn sẽ hiểu sâu và đậu nhanh hơn nhiều. Nếu bạn có điều kiện tài chính và thời gian thì thi trước cũng tốt, CV sẽ đẹp hơn.
Sau khi làm Risk Modeling Specialist ở Shinhan 3-5 năm, hướng phát triển tiếp theo nào tốt nhất?
Có 4 hướng phổ biến: (1) Thăng tiến nội bộ lên Senior Modeler → Manager → Head of Risk Modeling tại chính Shinhan hoặc ngân hàng Hàn khác (Woori, Hana, KB); (2) Chuyển sang foreign bank tier 1 như HSBC, Citi, Standard Chartered, JP Morgan – mức lương gấp 1.5-2 lần; (3) Nhảy sang Fintech như Home Credit, MoMo, ZaloPay, Tima – trả lương rất cao (có thể 100-200 triệu cho senior level), môi trường dynamic hơn nhưng pressure cũng cao hơn; (4) Consulting – McKinsey Risk Practice, Deloitte, EY Advisory – nếu bạn thích đa dạng ngành, gặp nhiều khách hàng. Mỗi hướng có trade-off khác nhau, nhưng với nền tảng 3-5 năm ở ngân hàng Hàn, bạn sẽ có rất nhiều lựa chọn.
Ngành Risk Modeling có bị AI/ML thay thế không? Có nên học không?
Đây là câu hỏi rất nhiều bạn quan tâm. Trả lời ngắn: KHÔNG bị thay thế, nhưng sẽ thay đổi rất nhiều. Lý do: AI/ML không thể tự động hiểu được Basel II, NHNN regulations, ý nghĩa kinh tế của từng biến số, hay business context của ngân hàng. AI giống như "công cụ" giúp modeler đi nhanh hơn, chứ không thay thế được. Tuy nhiên, 5-10 năm tới, một Risk Modeler không biết dùng AI/LLM sẽ bị thua. Lời khuyên: Học Python + SQL + Statistics nền tảng vững (vẫn là core), đồng thời học cách dùng GenAI để accelerate công việc (code generation, documentation, EDA). Bạn không cần phải là AI researcher, nhưng cần là "AI-powered risk modeler".