Vietcombank
[QLRRTH]_Chuyên viên Kiểm định mô hình rủi ro tín dụng
Hà Nội
Quản lý rủi ro Tích hợp - Khác
Mô tả công việc
## Mô tả công việc
[QLRRTH]_Chuyên viên Kiểm định mô hình rủi ro tín dụng
Số lượng tuyển dung: 03
Thời gian nhận hồ sơ: Hết ngày 13/04/2026
Nơi làm việc: Phòng Quản lý rủi ro tích hợp - Trụ sở chính VCB
Lưu ý: Phòng Quản lý rủi ro tích hợp đồng thời tuyển dụng 02 vị trí Chuyên viên. Ứng viên chỉ nộp hồ sơ DUY NHẤT 01 vị trí Chuyên viên thuộc Phòng Quản lý rủi ro tích hợp. Ứng viên vi phạm quy định sẽ bị xem xét hủy kết quả ứng tuyển.
I. Mô tả công việc:
1. Thực hiện kiểm định các mô hình Rủi ro tín dụng (RRTD) như PD, LGD, EAD, EWS… theo các chính sách và hướng dẫn đã ban hành.
2. Rà soát các báo cáo giám sát mô hình, đánh giá tính phù hợp quá trình triển khai tin học hóa và ứng dụng kết quả mô hình vào thực tiễn đối với các mô hình RRTD.
3. Nghiên cứu, xây dựng các tiêu chuẩn mô hình RRTD phù hợp với quy định liên quan của pháp luật, quy định nội bộ của VCB, thông lệ trong nước và quốc tế.
4. Phối hợp thực hiện quản lý danh mục hồ sơ mô hình được phân công phụ trách.
5. Đề xuất nhu cầu đào tạo, phối hợp xây dựng và tham gia triển khai kế hoạch đào tạo.
6. Nhiệm vụ khác:
a) Tham gia triển khai các dự án chuyển đổi, nâng cao năng lực của VCB như: Basel, IFRS9, Kiểm tra sức chịu đựng về vốn cho ngân hàng...
b) Các công việc khác theo quy định liên quan của pháp luật, quy định nội bộ của VCB, phân công của Lãnh đạo phòng.
II. Tiêu chuẩn tuyển dụng:
1. Trình độ:
- Trình độ chuyên môn: Tốt nghiệp Đại học hệ chính quy loại Khá trở lên chuyên ngành: Toán ứng dụng, Toán kinh tế, Toán tài chính, Khoa học dữ liệu, Xác suất/Thống kê, Kinh tế, Tài chính ngân hàng, Toán học, Toán tin, Công nghệ thông tin hoặc các chuyên ngành có liên quan thuộc các trường: Học viện Ngân hàng, Đại học Quốc gia (HN & HCM), Đại học Bách khoa (HN & HCM), Đại học Kinh tế Quốc dân, Đại học Ngoại thương (HN & HCM), Học viện Tài chính, các trường Đại học nước ngoài uy tín.
- Trình độ ngoại ngữ: Có khả năng giao tiếp và đọc hiểu tiếng Anh các tài liệu liên quan đến công việc phụ trách.
- Trình độ tin học: Thành thạo tin học văn phòng.
Ưu tiên: Các ứng viên:
- Có chứng chỉ CFA, FRM, PRM, CQF, ARPM hoặc tương đương;
- Đạt các giải thưởng về Toán, Tin, Thống kê, Kinh tế lượng tại các kỳ thi cấp Phổ thông/ Đại học.
2. Kiến thức:
- Có nền tảng kiến thức tốt về xác suất, thống kê, toán học, khoa học dữ liệu.
- Có kiến thức về tài chính ngân hàng, quản trị rủi ro theo tiêu chuẩn Basel/IFRS9.
3. Kinh nghiệm:
- Có tối thiểu 01 năm kinh nghiệm trong việc xây dựng/kiểm định mô hình định lượng RRTD;
- Sử dụng các phần mềm phân tích như SAS, SQL, Python, R, Matlab,...
Ưu tiên: Các ứng viên có kinh nghiệm:
- Xây dựng các công cụ tự động hóa tại Ngân hàng.
- Quản lý rủi ro mô hình.
4. Độ tuổi: Không quá 35 tuổi tại thời điểm đăng ký tuyển dụng
III. Yêu cầu về kỹ năng và Phẩm chất cá nhân:
1. Kỹ năng:
- Nghiên cứu, tìm hiểu các kỹ thuật định lượng mới và liên tục tìm cách cải tiến, đề xuất các phương pháp mới.
- Làm việc nhóm và làm việc độc lập.
- Giao tiếp, trình bày, đàm phán.
- Tổ chức thực hiện, sắp xếp công việc.
2. Khả năng:
- Tư duy logic.
- Phân tích.
- Phản biện.
- Thích nghi với sự thay đổi, tư duy đổi mới và cải tiến liên tục để nâng cao hiệu quả công việc.
- Ứng dụng các công cụ và công nghệ kỹ thuật số khi xử lý công việc.
3. Phẩm chất cá nhân:
- Chính trực, cởi mở.
- Tuân thủ.
- Trách nhiệm.
- Chịu được áp lực công việc cao.
- Chủ động.
- Linh hoạt.
Phân tích kỹ năng cần có
## Phân tích Kỹ năng cần có cho vị trí Chuyên viên Kiểm định mô hình RRTD
### 1. Hard Skills bắt buộc
| Nhóm kỹ năng | Chi tiết | Mức độ yêu cầu |
|---|---|---|
| **Kiến thức Toán - Thống kê** | Xác suất, thống kê, toán học, toán tài chính | ⭐⭐⭐ Bắt buộc |
| **Lập trình/Phần mềm phân tích** | SAS, SQL, Python, R, Matlab | ⭐⭐⭐ Bắt buộc (ít nhất 1-2) |
| **Mô hình rủi ro tín dụng** | PD (Probability of Default), LGD (Loss Given Default), EAD (Exposure at Default), EWS (Early Warning System) | ⭐⭐⭐ Bắt buộc |
| **Tiêu chuẩn quốc tế** | Basel, IFRS 9 | ⭐⭐⭐ Bắt buộc |
| **Khoa học dữ liệu** | Machine learning, data analysis, model validation | ⭐⭐ Hỗ trợ |
| **Tiếng Anh** | Đọc hiểu tài liệu chuyên ngành, giao tiếp | ⭐⭐ Bắt buộc |
### 2. Chứng chỉ nên có (Ưu tiên)
```
Cấp độ cao nhất (rất được ưu tiên):
├── FRM (Financial Risk Manager) - Chứng chỉ chuẩn ngành Quản trị rủi ro
├── CFA (Chartered Financial Analyst) - Nền tảng tài chính vững
├── CQF (Certificate in Quantitative Finance) - Tài chính định lượng
└── PRM (Professional Risk Manager) - Quản lý rủi ro chuyên nghiệp
Cấp độ bổ trợ:
├── ARPM (Advanced Risk and Portfolio Management)
└── Các chứng chỉ Big Data, Data Science ( coursera, edx...)
```
### 3. So sánh giữa Ứng viên Tiêu chuẩn vs Ứng viên Lý tưởng
| Tiêu chí | Tiêu chuẩn tối thiểu | Lý tưởng |
|---|---|---|
| **Chuyên ngành** | Toán ứng dụng, Kinh tế, Tài chính NH | Toán ứng dụng + IT hoặc Khoa học dữ liệu |
| **Tool lập trình** | Excel, SQL cơ bản | Python/R + SAS + SQL thành thạo |
| **Kinh nghiệm mô hình** | 1 năm kiểm định mô hình RRTD | 2-3 năm với nhiều loại mô hình (PD, LGD, EAD, EWS) |
| **Kiến thức Basel/IFRS9** | Hiểu khái niệm cơ bản | Hiểu sâu, có kinh nghiệm triển khai thực tế |
| **Chứng chỉ** | Không bắt buộc | FRM hoặc CFA level 1+
### 4. Soft Skills quan trọng
- **Tư duy phản biện:** Vì công việc kiểm định = đặt câu hỏi, đánh giá, phát hiện điểm yếu của mô hình
- **Tư duy logic + Phân tích:** Xử lý dữ liệu lớn, đưa ra nhận định khách quan
- **Chịu áp lực cao:** Dự án Basel, IFRS9 thường deadline gấp, khối lượng lớn
- **Giao tiếp - trình bày:** Phải trình bày kết quả kiểm định cho lãnh đạo và các bên liên quan
- **Chủ động, cởi mở:** Liên tục cập nhật kiến thức mới về mô hình và quy định
### 5. Background trường học được ưu tiên
Vietcombank liệt kê rõ danh sách trường ưu tiên, thứ tự ưu tiên ngầm:
```
🔝 Ưu tiên cao nhất:
- ĐH Quốc gia HN (ĐH Tự nhiên, ĐH Kinh tế)
- ĐH Bách khoa HN (CNTT, Toán ứng dụng)
- Học viện Ngân hàng
🔆 Ưu tiên:
- ĐH Kinh tế Quốc dân
- ĐH Ngoại thương
- Học viện Tài chính
- ĐH Bách khoa / ĐH Quốc gia TP.HCM
📌 Chấp nhận:
- Các trường ĐH nước ngoài uy tín
- Các trường ĐH chính quy loại Khá+ thuộc các ngành phù hợp
```
> **Lưu ý:** Nếu bạn không thuộc danh sách trường này nhưng có kinh nghiệm tốt + chứng chỉ FRM/CFA, vẫn có cơ hội. Hồ sơ mạnh về kinh nghiệm thực tế sẽ bù đắp phần nào.
Chuẩn bị phỏng vấn
## Hướng dẫn Phỏng vấn
### 1. Quy trình tuyển dụng Vietcombank (dự kiến)
```
Bước 1: Nộp hồ sơ online (hết hạn 13/04/2026)
↓
Bước 2: Sàng lọc hồ sơ (1-2 tuần sau hạn nộp)
↓
Bước 3: Thi viết / Kiểm tra năng lực (nghiệp vụ + tiếng Anh)
↓
Bước 4: Phỏng vấn vòng 1 (Phòng Quản lý rủi ro tích hợp)
↓
Bước 5: Phỏng vấn vòng 2 (cấp cao hơn / Ban điều hành)
↓
Bước 6: Xác minh hồ sơ & Thông báo kết quả
```
### 2. Các vòng phỏng vấn chi tiết
#### Vòng 1 - Phỏng vấn Phòng Quản lý rủi ro tích hợp
**Câu hỏi chuyên môn thường gặp:**
| STT | Câu hỏi | Điều bạn cần thể hiện |
|---|---|---|
| 1 | Hãy trình bày quy trình kiểm định một mô hình PD/LGD/EAD | Hiểu rõ lifecycle kiểm định mô hình: data quality → conceptual soundness → performance testing → ongoing monitoring |
| 2 | PD model validation khác gì so với building? | Validation = đánh giá độc lập, tìm điểm yếu, không thiên vị. Cần tư duy phản biện |
| 3 | Các metrics nào dùng để đánh giá performance của mô hình PD? | AUC-ROC, Gini, KS statistic, Brier Score, PSI (Population Stability Index) |
| 4 | IFRS 9 khác Basel II/III ở điểm nào về ECL? | IFRS9 dùng ECL (Expected Credit Loss) 3 giai đoạn, forward-looking. Basel dùng ELBE/UL |
| 5 | Bạn đã sử dụng những công cụ nào để kiểm định mô hình? | SAS/SQL/Python/R - cần mô tả cụ thể bài toán đã làm |
| 6 | Stress testing trong ngân hàng là gì? | Phương pháp đánh giá khả năng chịu đựng của ngân hàng trong điều kiện xấu |
| 7 | Vấn đề gì xảy ra khi mô hình được triển khai trên production? | Model risk: data drift, concept drift, overfitting, edge cases |
**Câu hỏi về kinh nghiệm:**
- Mô tả chi tiết một dự án kiểm định mô hình bạn đã tham gia
- Bạn phát hiện được vấn đề gì nghiêm trọng trong mô hình và xử lý thế nào?
- Đã bao giờ kiến nghị reject/adjust mô hình không? Kết quả ra sao?
- Bạn quản lý danh mục mô hình như thế nào?
#### Vòng 2 - Phỏng vấn cấp cao / Ban lãnh đạo
**Câu hỏi chiến lược hơn:**
| STT | Câu hỏi | Điểm cần thể hiện |
|---|---|---|
| 1 | Tại sao bạn muốn làm ở Vietcombank / Phòng QLRR Tích hợp? | Nghiên cứu kỹ về Vietcombank, Basel roadmap, IFRS9 implementation status |
| 2 | Bạn hiểu gì về Basel III/IV và lộ trình triển khai của VCB? | Thể hiện kiến thức regulatory landscape Việt Nam |
| 3 | Xu hướng AI/ML trong model validation hiện nay? | Tham khảo: Machine Learning model validation, model risk management frameworks |
| 4 | Điểm mạnh/yếu của bạn là gì? | Liên quan đến công việc: mạnh về kỹ thuật định lượng, yếu về giao tiếp (nếu có) nhưng đang cải thiện |
| 5 | Bạn hình dung công việc 3-5 năm tới như thế nào? | Muốn phát triển chuyên môn sâu về model risk, tham gia dự án lớn |
| 6 | Mức lương kỳ vọng của bạn? | "Thỏa thuận theo năng lực và kinh nghiệm" - không nên nói số cụ thể quá cao lần đầu |
### 3. Tips chuẩn bị cụ thể
```
📚 Ôn tập bắt buộc:
├── Xác suất thống kê (phân phối, kiểm định giả thuyết)
├── Credit risk metrics: PD, LGD, EAD, EL, UL
├── Model validation methodology (Ari peak, backtesting, benchmarking)
├── Basel II/III/IV framework (Pillar 1, 2, 3)
├── IFRS 9 ECL model
├── Stress testing methodology
└── SAS/SQL/Python - thực hành code mẫu
🎯 Chuẩn bị khác:
├── Nghiên cứu Vietcombank: quy mô, thị phần, dự án Basel/IFRS9
├── Đọc các bài báo về model risk management (SR 11-7 của Fed)
├── Chuẩn bị portfolio dự án để kể (nếu có NDA thì tóm tắt generic)
└── In ấn CV + bằng cấp + chứng chỉ (nếu có)
👔 Dress code:
├── Nam: vest, caravat, giày da
└── Nữ: trang phục công sở lịch sự
```
### 4. Các lỗi thường gặp cần tránh
- ❌ Không biết sự khác nhau giữa PD model và LGD model
- ❌ Không nắm rõ Basel framework (nhầm lẫn Basel II vs III vs IV)
- ❌ Trả lời chung chung, không có ví dụ cụ thể từ kinh nghiệm
- ❌ Nói "em sẽ học thêm" khi bị hỏi về tool chưa biết (thay vào đó nói đang tự học và có nền tảng tương tự)
- ❌ Không chuẩn bị gì về Vietcombank và ngành ngân hàng Việt Nam
Lộ trình ôn thi
## Ôn thi & Chuẩn bị
### 1. Lộ trình chuẩn bị 2 tuần (khuyến nghị)
```
TUẦN 1: Xây dựng nền tảng kiến thức
Ngày 1-2: Tổng quan Credit Risk & Basel
├── Đọc: Basel III: International Convergence of Capital Measurement
├── Đọc: Tổng quan Basel của NHNN Việt Nam
└── Ghi chú: Các khái niệm PD, LGD, EAD, EL, UL
Ngày 3-4: Mô hình rủi ro tín dụng
├── Học: Probability of Default (PD) models
├── Học: Loss Given Default (LGD) models
├── Học: Exposure at Default (EAD) models
└── Thực hành: Tính EL = PD × LGD × EAD
Ngày 5-6: IFRS 9 & ECL Model
├── Học: IFRS 9 3-stage impairment model
├── Học: Forward-looking expected credit loss
└── So sánh: IFRS9 vs Basel (IAS 39)
Ngày 7: Model Validation Methodology
├── Học: Model validation lifecycle
├── Các metrics: Gini, KS, AUC, PSI, Brier Score
└── Stress testing & backtesting
TUẦN 2: Chuyên sâu + Luyện tập
Ngày 8-9: Công cụ phân tích (Python/R/SAS)
├── Thực hành: Code tính các model performance metrics
├── Thực hành: SQL query xử lý dữ liệu tín dụng
└── Ôn: Các library phổ biến (pandas, sklearn, statsmodels)
Ngày 10-11: Model Risk Management
├── Đọc: SR 11-7 (Fed model risk management guidance)
├── Học: Model inventory, model governance
└── Học: Model documentation requirements
Ngày 12-13: Luyện phỏng vấn
├── Trả lời 20 câu hỏi phỏng vấn thường gặp
├── Mock interview với bạn bè
└── Chuẩn bị 2-3 câu chuyện kinh nghiệm thực tế
Ngày 14: Tổng ôn + Relax
├── Review lại toàn bộ ghi chú
├── Chuẩn bị outfit phỏng vấn
└── Ngủ sớm, giữ sức khỏe
```
### 2. Tài liệu tham khảo bắt buộc
**📖 Sách giáo khoa:**
| Tài liệu | Nội dung | Nguồn |
|---|---|---|
| "Credit Risk Scorecards" - Naeem Siddiqi | Hướng dẫn xây dựng và kiểm định scorecard | Sách / Ebook |
| "An Introduction to Credit Risk Modeling" - Christoffersen | Nền tảng toán học credit risk | Sách / Ebook |
| "Model Risk Management" - M. S. Danìelsson | Tổng quan về model risk | Sách / Ebook |
| "The Basel Committee on Banking Supervision - Basel III" | Regulatory framework | basel.com |
**🌐 Nguồn online miễn phí:**
```
1. Khan Academy - Statistics & Probability
→ https://www.khanacademy.org/math/statistics-probability
→ Xác suất, thống kê nền tảng
2. Towards Data Science (Medium)
→ Tìm kiếm: "model validation credit risk", "PD model validation"
→ Bài viết thực tế về implement model validation
3. BIS (Bank for International Settlements)
→ https://www.bis.org
→ Tài liệu Basel gốc (tiếng Anh)
4. IFRS Foundation
→ https://www.ifrs.org
→ IFRS 9 Financial Instruments
5. Federal Reserve SR 11-7
→ Hướng dẫn model risk management của Fed
6. coursera.org - các khóa miễn phí:
→ "Credit Risk Management" (various universities)
→ "Business Analytics with Python/R"
```
**🎓 Chứng chỉ nên học (dài hạn):**
```
FRM (Financial Risk Manager) - GARP
├── Level 1: Foundations of Risk Management, Quantitative Analysis,
│ Financial Markets & Products, Valuation & Risk Models
├── Level 2: Market Risk, Credit Risk, Operational Risk, Liquidity Risk
└── Thời gian: 6-12 tháng/lần thi
CFA Level 1 - CFA Institute
├── Quản trị rủi ro trong chủ đề Quantitative Methods, Fixed Income
└── Thời gian: 300+ giờ chuẩn bị
```
### 3. Thực hành kỹ năng lập trình
**Python - các bài tập nên làm:**
```python
# 1. Tính Gini coefficient cho một scorecard
import pandas as pd
import numpy as np
from sklearn.metrics import roc_auc_score, roc_curve
# 2. Tính Population Stability Index (PSI)
def calculate_psi(expected, actual, buckets=10):
# PSI formula implementation
pass
# 3. Backtesting PD model
# So sánh PD dự báo vs tỷ lệ default thực tế
```
**SQL - các bài tập nên làm:**
```sql
-- 1. Tính PD trung bình theo segment từ bảng hồ sơ vay
-- 2. Kiểm tra data quality: NULL values, outliers
-- 3. Stress test: scenario analysis với các macro variables
```
### 4. Checklist trước ngày phỏng vấn
- [ ] Nắm vững các khái niệm: PD, LGD, EAD, EL, UL, ECL
- [ ] Hiểu sự khác biệt: Basel II vs Basel III vs IFRS 9
- [ ] Có thể giải thích quy trình kiểm định mô hình
- [ ] Biết ít nhất 3 metrics để đánh giá mô hình
- [ ] Có câu chuyện kinh nghiệm cụ thể để kể
- [ ] Hiểu cơ bản về Vietcombank và chiến lược Basel của họ
- [ ] Đã thực hành phỏng vấn ít nhất 1-2 lần
- [ ] Outfit sạch sẽ, gọn gàng
- [ ] Mang theo bản in CV + bằng cấp + chứng chỉ
Tư vấn nghề nghiệp
## Lời khuyên Sự nghiệp
### 1. Lộ trình thăng tiến tại Vietcombank (vị trí Model Risk)
```
MỚI VÀO (0-1 năm)
Chuyên viên Kiểm định mô hình RRTD (Junior)
→ Học hỏi quy trình, hỗ trợ kiểm định mô hình nhỏ
→ Làm quen với dữ liệu, báo cáo, công cụ
↓
TRUNG CẤP (1-3 năm)
Chuyên viên Kiểm định mô hình RRTD (Senior)
→ Chủ động kiểm định nhiều mô hình phức tạp
→ Tham gia dự án Basel/IFRS9 lớn
→ Mentor junior members
↓
QUẢN LÝ (3-5 năm)
Trưởng nhóm / Quản lý mảng Kiểm định mô hình
→ Quản lý team, phân công công việc
→ Đánh giá mô hình cấp cao
→ Tham gia định hướng chiến lược model risk
↓
TRƯỞNG PHÒNG (5-8 năm)
Trưởng phòng Quản lý rủi ro mô hình / Model Risk Management
→ Quản lý toàn bộ danh mục mô hình ngân hàng
→ Báo cáo lãnh đạo cấp cao
→ Đại diện VCB trong các dự án regulatory change
↓
GIÁM ĐỐC (8+ năm)
Giám đốc Khối Quản lý rủi ro / Chief Risk Officer (CRO) path
→ Định hướng chiến lược quản lý rủi ro toàn ngân hàng
```
### 2. Mức lương kỳ vọng theo cấp bậc (tham khảo, Hà Nội 2025-2026)
| Cấp bậc | Kinh nghiệm | Mức lương tham khảo/tháng |
|---|---|---|
| **Chuyên viên mới (Junior)** | 0-1 năm | 15-22 triệu VND |
| **Chuyên viên (Mid-level)** | 1-3 năm | 22-35 triệu VND |
| **Chuyên viên cao cấp (Senior)** | 3-5 năm | 35-50 triệu VND |
| **Trưởng nhóm (Lead)** | 4-6 năm | 50-70 triệu VND |
| **Trưởng phòng (Manager)** | 6-10 năm | 70-120 triệu VND |
> **Lưu ý:** Mức lương Vietcombank thường cạnh tranh so với thị trường. Lương thực nhận còn bao gồm: thưởng KPI (thường 1-4 tháng), phụ cấp, các đãi ngộ khác. Với vị trí chuyên môn cao như Model Risk, mức lương có thể cao hơn 20-30% so với vị trí chuyên viên nghiệp vụ thông thường.
### 3. Kỹ năng cần phát triển thêm
**Ngắn hạn (1-2 năm đầu):**
```
🔧 Kỹ thuật:
├── Nâng cao thành thạo Python/R (chuyên sâu về thư viện ML)
├── Học thêm về model monitoring và model governance
├── Tìm hiểu Machine Learning interpretability (SHAP, LIME)
📊 Nghiệp vụ:
├── Hiểu sâu hơn về Basel III/IV implementation tại Việt Nam
├── IFRS 9 staging, macroeconomic scenarios
├── Understanding of credit risk stress testing frameworks
```
**Dài hạn (3-5 năm):**
```
🎯 Kỹ năng quản lý:
├── Quản lý dự án (PM methodology)
├── Leadership và team management
├── Strategic thinking và business acumen
📈 Phát triển chuyên môn:
├── FRM/CFA certification (nếu chưa có)
├── Specialize trong một lĩnh vực cụ thể:
│ ├── Market Risk Models
│ ├── Operational Risk Models
│ └── IFRS 9 / CECL models
├── Tham gia các working group về model risk trong ngành
```
### 4. Cơ hội nghề nghiệp rộng hơn
Vị trí này mở ra nhiều hướng đi:
```
📍 TRONG NGÀNH NGÂN HÀNG:
├── Model Risk Management tại các ngân hàng khác (BIDV, VietinBank, Techcombank...)
├── Risk Analytics tại các công ty tài chính (FE Credit, Home Credit)
├── Risk Management tại các công ty bảo hiểm
└── Quản lý rủi ro tại các công ty chứng khoán, quỹ đầu tư
📍 NGOÀI NGÀNH TÀI CHÍNH:
├── Data Science / Machine Learning Engineer (fintech, insurance, e-commerce)
├── Quantitative Analyst tại các quỹ đầu tư
├── Risk Consulting tại Big 4 (Deloitte, PwC, EY, KPMG)
└── Data Analyst / Risk Analyst tại các công ty fintech
📍 HỌC THUẬT & NGHIÊN CỨU:
├── Nghiên cứu về credit risk modeling
├── Giảng dạy về tài chính định lượng
└── Thạc sĩ / Tiến sĩ về Financial Engineering / Quantitative Finance
```
### 5. Lời khuyên thực tế từ góc nhìn ứng viên
> **"Đây là vị trí hiếm hoi tuyển dụng chuyên về model validation tại Vietcombank. Nếu bạn muốn đi sâu vào mảng này, đây là cơ hội tốt để xây dựng profile chuyên gia. Tuy nhiên, hãy chuẩn bị tâm lý cho khối lượng công việc lớn khi VCB đang trong giai đoạn triển khai Basel/IFRS9 mạnh mẽ."**
**Những điều nên làm:**
- ✅ Chuẩn bị portfolio dự án (dù không tiết lộ thông tin nhạy cảm)
- ✅ Học SAS hoặc R chuyên sâu (rất được ưa chuộng trong ngành ngân hàng)
- ✅ Theo dõi các regulatory updates về Basel tại Việt Nam
- ✅ Networking với những người đang/trước đây làm ở phòng QLRR Tích hợp
**Những điều nên tránh:**
- ❌ Nộp đồng thời 2 vị trí Chuyên viên của Phòng QLRR Tích hợp (sẽ bị hủy hồ sơ)
- ❌ Tỏ ra chủ quan về kiến thức kỹ thuật - đội ngũ phỏng vấn là chuyên gia model risk
- ❌ Chỉ tập trung lý thuyết mà không thể thực hành được code/case study
Câu hỏi thường gặp
Em mới tốt nghiệp Toán ứng dụng, chưa có kinh nghiệm về mô hình rủi ro tín dụng. Em có nên ứng tuyển vị trí này không?
Hoàn toàn có thể! Tin tuyển dụng yêu cầu tối thiểu 1 năm kinh nghiệm, nhưng nếu bạn có nền tảng Toán ứng dụng + thành thạo Python/R/SQL + hiểu kiến thức credit risk cơ bản, bạn vẫn có cơ hội. Hãy:
1. Học thêm về Basel/IFRS9 và credit risk modeling trước khi nộp
2. Thực hành các bài toán model validation trên Kaggle hoặc tự tạo dataset giả lập
3. Chuẩn bị tốt cho phần đánh giá năng lực (thi viết)
4. Nhấn mạnh điểm mạnh: tư duy toán học, khả năng học nhanh, nền tảng lập trình
Đặc biệt, nếu bạn có chứng chỉ FRM level 1 hoặc đạt giải thưởng Toán cấp phổ thông/ĐH, đây là lợi thế rất lớn được tin tuyển dụng nêu rõ là ưu tiên.
Mức lương cho vị trí này là bao nhiêu? Có thương lượng được không?
Tin tuyển dụng ghi "Thỏa thuận" nên hoàn toàn có thể thương lượng. Mức lương phụ thuộc vào:
- Kinh nghiệm thực tế: 1 năm vs 3 năm chênh nhau 30-50%
- Kỹ năng lập trình: Python/R/SAS thành thạo sẽ được định giá cao hơn
- Chứng chỉ: FRM/CFA là điểm cộng lớn
- Trường học và thành tích học tập
Tham khảo: Chuyên viên model validation tại Vietcombank thường dao động 22-40 triệu/tháng tùy cấp. Bạn nên research kỹ trước khi phỏng vấn, và khi được hỏi mức kỳ vọng, hãy đưa ra một range hợp lý dựa trên thị trường, kèm theo cơ sở (kinh nghiệm, kỹ năng).
Công việc hàng ngày của Chuyên viên Kiểm định mô hình RRTD như thế nào?
Thực tế công việc hàng ngày khá đa dạng, bao gồm:
**Sáng (9h-12h):**
- Rà soát dữ liệu đầu vào của các mô hình đang giám sát
- Chạy các bài kiểm tra tự động (automated model tests)
- Họp với team model development về các mô hình đang triển khai
**Chiều (13h30-17h30):**
- Phân tích kết quả kiểm định, viết báo cáo
- Thảo luận với model owners về các vấn đề phát hiện được
- Cập nhật model inventory và tài liệu kiểm định
- Tham gia các dự án Basel/IFRS9 nếu đang trong giai đoạn triển khai
**Định kỳ:**
- Báo cáo giám sát mô hình hàng tháng/quý
- Backtesting mô hình PD, LGD, EAD
- Đánh giá mô hình mới trước khi triển khai
Khối lượng công việc tăng đáng kể khi ngân hàng triển khai các dự án regulatory như Basel hoặc thay đổi IFRS9.
Công việc này có áp lực không? Giờ làm việc như thế nào?
Có, đây là công việc có áp lực vừa-cao. Cụ thể:
**Nguồn áp lực:**
- Deadline dự án Basel/IFRS9 thường rất gấp, do phụ thuộc regulatory requirement
- Cần đảm bảo chất lượng kiểm định cao (vì ảnh hưởng trực tiếp đến vốn tự có)
- Phải cập nhật liên tục các quy định mới trong nước và quốc tế
- Làm việc với nhiều bên (model owners, IT, audit, regulator)
**Giờ làm việc:**
- Thông thường: 8h30-17h30, Thứ 2-Thứ 6
- Giai đoạn dự án: có thể OT 1-2 tiếng/ngày, cuối tuần (thường được bù)
**Điểm tích cực:**
- Môi trường chuyên nghiệp, đồng nghiệp trình độ cao
- Cơ hội học hỏi và phát triển rất lớn
- Lương và đãi ngộ Vietcombank cạnh tranh
- Ít phải giao dịch trực tiếp với khách hàng như các vị trí nghiệp vụ khác
Em đang làm ở vị trí Relationship Manager tại ngân hàng khác, muốn chuyển sang Model Risk. Có khả thi không?
Khả thi nhưng cần chuẩn bị kỹ. Thách thức lớn nhất là bạn thiếu kinh nghiệm trực tiếp về model validation/building.
**Lợi thế của bạn:**
- Hiểu nghiệp vụ tín dụng thực tế (điều này rất giá trị trong model validation)
- Đã tiếp xúc với các mô hình chấm điểm tín dụng từ góc độ người dùng
- Kinh nghiệm làm việc trong môi trường ngân hàng
**Điều bạn cần bổ sung:**
- Học SQL/Python/R để có thể làm việc với dữ liệu
- Hiểu sâu hơn về credit risk modeling methodology (không chỉ dùng mô hình mà hiểu cách mô hình được xây dựng)
- Đọc về Basel framework và model risk management
- Có chứng chỉ FRM sẽ tăng đáng kể cơ hội
**Chiến lược:**
Tập trung vào điểm mạnh nghiệp vụ của bạn trong phỏng vấn. Model validator giỏi không chỉ giỏi toán mà còn hiểu nghiệp vụ để đánh giá mô hình có phù hợp thực tế không.
Kỹ năng lập trình nào quan trọng nhất cho vị trí này - Python, R, SAS hay SQL?
Thứ tự ưu tiên theo yêu cầu thực tế tại Vietcombank:
**1. SQL (Quan trọng nhất):**
Đây là kỹ năng nền tảng bắt buộc. Bạn cần truy vấn, xử lý dữ liệu từ database. Hầu hết công việc kiểm định bắt đầu bằng việc lấy và làm sạch dữ liệu.
**2. Python hoặc R:**
Dùng để phân tích thống kê, xây dựng model validation framework, tính các metrics (Gini, KS, AUC...). Python được ưa chuộng hơn vì linh hoạt và có nhiều thư viện ML.
**3. SAS:**
Được sử dụng nhiều trong các ngân hàng lớn tại Việt Nam. Nếu bạn biết SAS thì rất được ưu tiên vì đây là tool phổ biến trong ngành.
**4. MATLAB:**
Ít phổ biến hơn trong ngành ngân hàng Việt Nam, chủ yếu dùng trong nghiên cứu.
**Khuyến nghị:** Thành thạo SQL + Python là đủ để đáp ứng yêu cầu. Nếu có thời gian, học thêm SAS.
Ngoài Vietcombank, em có thể ứng tuyển vị trí tương tự ở đâu?
Đây là ngành rất hot, nhiều nơi đang tuyển:
**Ngân hàng thương mại lớn:**
- VietinBank, BIDV, Agribank (đang trong giai đoạn Basel implementation)
- Techcombank, VPBank, TPBank (ít nhất 1 vị trí tương tự)
- SHB, MB Bank
**Ngân hàng nước ngoài (foreign banks):**
- HSBC Vietnam, Standard Chartered, Citibank, DBS
- Thường có cơ hội tốt hơn về chế độ đãi ngộ quốc tế
**Công ty tài chính & Fintech:**
- FE Credit, Home Credit, Mcredit
- MoMo, VNPay, ZaloPay (mảng credit risk/AI)
**Công ty kiểm toán & Consulting:**
- Big 4: PwC, Deloitte, EY, KPMG (mảng Risk Advisory)
- Cơ hội làm việc với nhiều ngân hàng khác nhau
**Quỹ đầu tư & Securities:**
- Các quỹ đầu tư, công ty chứng khoán cần quantitative analyst
Lương tại foreign banks và fintech thường cao hơn 30-50% so với ngân hàng thương mại trong nước.
Tương lai của Model Risk Management trong ngành ngân hàng Việt Nam như thế nào?
Rất triển vọng! Một số xu hướng chính:
**1. Regulatory pressure tăng mạnh:**
NHNN đang thúc đẩy các ngân hàng triển khai Basel III/IV và IFRS 9, đòi hỏi hệ thống model risk management chuyên nghiệp hơn. Đây là lý do Vietcombank đang tuyển 03 người cho vị trí này.
**2. AI/ML trong credit scoring:**
Ngày càng nhiều ngân hàng sử dụng ML models (XGBoost, Neural Networks) thay vì traditional scorecards, tạo ra nhu cầu lớn về model validators có kiến thức AI.
**3. Explainable AI (XAI) trong ngân hàng:**
Regulator yêu cầu mô hình phải giải thích được, thúc đẩy nhu cầu về model risk experts.
**4. Cơ hội việc làm toàn cầu:**
Model risk là một trong những mảng có nhu cầu nhân lực cao nhất trên thế giới. Có FRM + kinh nghiệm, bạn có thể làm việc cho các ngân hàng quốc tế hoặc chuyển sang thị trường nước ngoài.
**Kết luận:** Đây là thời điểm tốt để gia nhập mảng này tại Việt Nam. Vietcombank là ngân hàng tiên phong, làm ở đây sẽ tạo nền tảng rất vững cho sự nghiệp.