Vietcombank
[QUANT]_Chuyên viên Phân tích định lượng - Nhóm Quản lý rủi ro tín dụng
Hà Nội
Phòng Mô hình và công cụ quản trị rủi ro - Khác
Mô tả công việc
## Mô tả công việc
Số lượng tuyển dung: 02
Thời gian nhận hồ sơ: Hết ngày 21/04/2026
Nơi làm việc: Phòng Mô hình và công cụ quản trị rủi ro (QUANT) - Trụ sở chính VCB
Lưu ý:Phòng Quant đang tuyển dụng đồng thời 02 vị trí Chuyên viên và 01 vị trí Nhân viên Hỗ trợ kinh doanh. Ứng viên chỉ chọn nộp hồ sơ DUY NHẤT 01 VỊ TRÍ thuộc Phòng Quant. Các ứng viên cố ý vi phạm 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:
1. 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 03 năm kinh nghiệm 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:
• Am hiểu về hệ thống thông tin, cơ sở dữ liệu và các sản phẩm-dịch vụ ngân hàng.
• Am hiểu 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, chịu được áp lực công việc cao.
• 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 xây dựng các mô hình rủi ro tín dụng tại các tổ chức tài chính trong và ngoài nước
• Có kinh nghiệm lập trình ứng dụng trên các công cụ/phần mềm tính toán, thống kê (SAS, MATLAB, R, Python,Ms-SQL,...).
Phân tích kỹ năng cần có
## Phân tích Kỹ năng cần có cho vị trí Quantitative Analyst - VCB
### 🔑 HARD SKILLS (Kỹ năng chuyên môn)
**1. Kiến thức toán học & thống kê nền tảng**
- Xác suất thống kê, đại số tuyến tính
- Stochastic Calculus, Time Series Analysis
- Các mô hình phân tích rủi ro tín dụng (PD, LGD, EAD)
- Credit scoring, rating models
**2. Lập trình & Công cụ phân tích**
| Công cụ | Mức độ yêu cầu | Ứng dụng |
|---------|----------------|----------|
| Python (pandas, numpy, scikit-learn, statsmodels) | Rất cao | Phân tích dữ liệu, xây dựng mô hình ML |
| R | Cao | Thống kê, econometrics |
| SAS | Cao | Xử lý dữ liệu lớn, mô hình ngân hàng |
| SQL (MS-SQL) | Cao | Truy vấn cơ sở dữ liệu ngân hàng |
| MATLAB | Trung bình | Mô phỏng, tính toán tài chính |
| Excel/VBA | Cao | Báo cáo, tự động hóa |
**3. Kiến thức nghiệp vụ ngân hàng**
- Hiểu biết sâu về Basel II/III
- Quy định NHNN về quản lý rủi ro tín dụng (Thông tư 11/2021/TT-NHNN, QCVN 11/2015...)
- Các sản phẩm tín dụng: cho vay cá nhân, doanh nghiệp, SME
- Quy trình tín dụng, phân tích tài chính doanh nghiệp
**4. Mô hình định lượng rủi ro tín dụng**
- Logistic Regression, Decision Trees, Random Forest, XGBoost
- Mô hình survival analysis (KM, Cox PH)
- Stress testing, scenario analysis
- Backtesting, model validation
- IRB (Internal Ratings-Based) approach
---
### 🤝 SOFT SKILLS (Kỹ năng mềm)
- **Tư duy phân tích & logic**: Phân tích dữ liệu phức tạp, xây dựng mô hình có logic chặt chẽ
- **Giao tiếp**: Trình bày kết quả mô hình cho lãnh đạo và các bộ phận phi kỹ thuật
- **Làm việc nhóm**: Phối hợp với IT, risk management, business units
- **Quản lý thời gian**: Nhiều dự án cùng lúc, deadline chặt chẽ
- **Chịu áp lực**: Đặc biệt trong mùa báo cáo, Basel reporting, audit
---
### 📜 CHỨNG CHỈ GỢI Ý (Ưu tiên cao)
| Chứng chỉ | Độ khó | Giá trị cho vị trí này |
|-----------|--------|----------------------|
| **FRM** (Financial Risk Manager) | Cao | ⭐⭐⭐⭐⭐ Tiêu chuẩn vàng cho risk management |
| **CQF** (Certificate in Quantitative Finance) | Rất cao | ⭐⭐⭐⭐⭐ Chuyên sâu về định lượng |
| **CFA** | Cao | ⭐⭐⭐⭐ Hữu ích cho tài chính định lượng |
| **PRM** (Professional Risk Manager) | Trung bình-Cao | ⭐⭐⭐ Bổ trợ FRM |
| **FRM + CS (Cyber Risk)** | Cao | ⭐⭐⭐⭐ |
---
### 📊 BẢNG SO SÁNH: Ứng viên LÝ TƯỞNG vs TỐI THIỂU
| Tiêu chí | Tối thiểu (vượt qua) | Lý tưởng (ưu tiên) |
|----------|---------------------|-------------------|
| Bằng cấp | Đại học (Toán/Tài chính) | Thạc sỹ chuyên ngành liên quan |
| Kinh nghiệm | 3 năm modeling ngân hàng | 5+ năm, có kinh nghiệm quốc tế |
| Ngôn ngữ | B1 Anh (IELTS 5.5) | B2/IELTS 6.0+ |
| Lập trình | Python/SQL cơ bản | Python + R + SAS thành thạo |
| Chứng chỉ | Không bắt buộc | FRM hoặc CQF |
| Kiến thức Basel | Cơ bản | Chuyên sâu, có kinh nghiệm IRB |
---
### ⚠️ LƯU Ý QUAN TRỌNG
- Tin tuyển dụng yêu cầu nộp DUY NHẤT 01 vị trí (đang tuyển 2 CV Specialist + 1 Business Support). Nếu bạn nộp nhiều hơn sẽ bị hủy kết quả!
- VCB là ngân hàng thương mại nhà nước lớn nhất, quy trình tuyển dụng có thể kéo dài 2-4 tháng
Chuẩn bị phỏng vấn
## Hướng dẫn Phỏng vấn vị trí Quantitative Analyst - VCB
### 📋 QUY TRÌNH TUYỂN DỤNG DỰ KIẾN
VCB thường có 3-4 vòng tuyển dụng cho vị trí chuyên viên:
```
Vòng 1: Sàng lọc hồ sơ
↓ (1-2 tuần)
Vòng 2: Thi viết / Kiểm tra chuyên môn
↓ (2-3 tuần)
Vòng 3: Phỏng vấn chuyên sâu (cấp phòng/ban)
↓ (2-4 tuần)
Vòng 4: Phỏng vấn cấp lãnh đạo / HR
↓
Xác minh hồ sơ → Bổ nhiệm
```
---
### 🔍 VÒNG 2: THI VIẾT / KIỂM TRA CHUYÊN MÔN
**Cấu trúc đề thi dự kiến:**
- **Phần 1: Toán & Thống kê** (30-40 phút)
- Xác suất, phân phối xác suất
- Giả thuyết thống kê (Hypothesis testing)
- Ma trận, đại số tuyến tính cơ bản
- Bài toán tối ưu hóa
- **Phần 2: Lập trình** (45-60 phút)
- Python/R: đọc dữ liệu, xử lý, vẽ đồ thị
- SQL: truy vấn cơ bản và nâng cao (JOIN, GROUP BY, subquery)
- Có thể có bài case nhỏ về credit scoring
- **Phần 3: Nghiệp vụ ngân hàng** (30 phút)
- Câu hỏi trắc nghiệm + tự luận về Basel
- Quy định NHNN về rủi ro tín dụng
- Kiến thức vĩ mô, lãi suất, tỷ giá
- **Phần 4: Tiếng Anh** (30 phút)
- Reading comprehension (cấp B1-B2)
- Business English (email, report writing)
---
### 💬 VÒNG 3 & 4: PHỎNG VẤN
**Câu hỏi PHỔ BIẾN theo chủ đề:**
**A. Về Kinh nghiệm & Dự án**
> "Anh/Chị hãy mô tả một mô hình định lượng rủi ro tín dụng mà mình đã xây dựng/triển khai?"
> "Quy trình validate model như thế nào?"
> "Challenge lớn nhất khi xây dựng mô hình trong ngân hàng là gì?"
> "Anh/Chị sử dụng những kỹ thuật gì để xử lý imbalanced data trong credit scoring?"
**B. Về Kiến thức chuyên môn**
> "Giải thích PD, LGD, EAD là gì? Mối quan hệ với Expected Loss?"
> "Basel II Pillars là gì? IRB khác Standardized approach chỗ nào?"
> "Difference between Logistic Regression và Decision Tree? Khi nào dùng cái nào?"
> "Xử lý multicollinearity trong mô hình regression như thế nào?"
> "Anh/Chị biết gì về Scorecard? Cách binning biến?"
> "Overfitting là gì? Cách phòng tránh?"
**C. Về VCB & Định hướng**
> "Tại sao muốn làm ở Phòng Quant của VCB?"
> "Anh/Chị biết gì về chiến lược quản lý rủi ro của VCB?"
> "Kế hoạch phát triển nghề nghiệp 3-5 năm tới của bạn?"
**D. Câu hỏi tình huống**
> "Nếu model performance giảm đột ngột sau khi triển khai 6 tháng, bạn sẽ làm gì?"
> "Mô hình mới xây dựng chưa có đủ dữ liệu history, bạn validate bằng cách nào?"
---
### 👔 DRESS CODE & THỦ TỤC
- **Trang phục**: Đồng phục Vest lịch sự (đàn ông: comple, phụ nữ: vest/costume), VCB rất coi trọng hình thức
- **Giấy tờ mang theo**: CMND/CCCD, bằng gốc, bảng điểm, chứng chỉ (photo công chứng)
- **Thái độ**: Chủ động, bình tĩnh, thể hiện đam mê với định lượng
- **Ngôn ngữ giao tiếp**: Tiếng Việt, có thể dùng tiếng Anh cho thuật ngữ chuyên môn
- **Lưu ý**: VCB là ngân hàng nhà nước, hãy thể hiện sự cam kết, trung thực và kỷ luật
---
### 📝 MẸO CHUẨN BỊ
1. **Ôn tập Python/R thực hành**: Viết lại code các mô hình Logistic, Tree, XGBoost
2. **Đọc lại các thông tư NHNN** liên quan đến CRM (đặc biệt TT11/2021/TT-NHNN)
3. **Tìm hiểu về Basel III** và lộ trình áp dụng tại Việt Nam
4. **Chuẩn bị Portfolio mô hình**: Nếu có, mang theo mô tả các dự án đã làm (không vi phạm NDA)
5. **Follow VCB news**: Báo cáo thường niên, chiến lược phát triển 2025-2030
6. **Practice diễn đạt**: Tập trình bày mô hình bằng tiếng Việt cho người không chuyên hiểu
Lộ trình ôn thi
## Ôn thi & Chuẩn bị cho vị trí Quantitative Analyst - VCB
### 📚 LỘ TRÌNH CHƯƠNG TRÌNH 2 TUẦN
**Tuần 1: Nền tảng - Xây dựng kiến thức cốt lõi**
| Ngày | Chủ đề | Tài liệu | Thực hành |
|------|--------|----------|-----------|
| Ngày 1-2 | Xác suất & Thống kê |probability, Khan Academy Statistics | Làm bài tập 10 câu/ngày |
| Ngày 3 | Regression & Classification | sklearn documentation | Code Logistic Regression, Decision Tree |
| Ngày 4 | Credit Risk Models cơ bản | "An Introduction to Credit Risk" -这本书 | Ôn PD/LGD/EAD formula |
| Ngày 5 | Basel II/III framework | Bộ slides Basel Vietcombank, BIS website | Đọc 11 Q&A về IRB |
| Ngày 6 | SQL thực hành | LeetCode SQL (Easy-Medium) | Làm 10 bài SQL |
| Ngày 7 | Ôn tổng hợp + nghỉ ngơi | | Review lại toàn bộ |
**Tuần 2: Chuyên sâu - Luyện tập nâng cao**
| Ngày | Chủ đề | Tài liệu | Thực hành |
|------|--------|----------|-----------|
| Ngày 8-9 | Python/R cho Risk Modeling | Hands-On Machine Learning for Risk | Code credit scoring pipeline |
| Ngày 10 | Stress testing & Scenario analysis | NHNN circular về stress test | Làm 1 bài case stress test |
| Ngày 11 | Tiếng Anh chuyên ngành | Financial Times, Bloomberg | Đọc 2-3 bài báo risk |
| Ngày 12 | Thông tư NHNN về CRM | TT11/2021, QCVN 11, Thông tư 06 | Đọc highlight + tóm tắt |
| Ngày 13 | Mock interview + luyện nói | Tự record + review | Trả lời 10 câu hỏi phỏng vấn |
| Ngày 14 | Ôn nhẹ + chuẩn bị tinh thần | Chỉ review notes | Ngủ sớm, tự tin |
---
### 📖 TÀI LIỆU THAM KHẢO
**Sách bắt buộc đọc:**
1. **"Credit Risk Scorecards: Developing and Implementing Intelligent Credit Scoring"** - Naeem Siddiqi
- Cực kỳ phù hợp với vị trí này, tập trung vào credit scoring methodology
2. **"An Introduction to Statistical Learning"** - Gareth James et al.
- Nền tạng ML/Statistics rõ ràng, có code R & Python
3. **"Machine Learning for Credit Risk Modeling"** - Various
- Áp dụng ML trong credit risk thực tế
4. **"Fundamentals of Credit Risk"** - David L. Douglas
- Cơ bản về credit risk modeling
**Tài liệu Việt Nam bắt buộc:**
- **Thông tư 11/2021/TT-NHNN**: Quy định về phân loại nợ, trích lập dự phòng rủi ro
- **QCVN 11/2015/BTC**: Hệ thống đảm bảo an toàn trong hoạt động ngân hàng
- **Basel III text** (BIS官网): Pillar 1, 2, 3
- **Báo cáo thường niên VCB 2023-2024**: Tìm hiểu chiến lược VCB
**Website hữu ích:**
| Website | Mục đích |
|---------|----------|
| bis.org/basel III | Basel framework chính thức |
| sklearn.org | Python ML documentation |
| towardsdatascience.com | Bài viết thực tế về ML in finance |
| kaggle.com | Dataset + competition thực hành |
| investopedia.com/risk | Giải thích khái niệm risk đơn giản |
---
### 🧮 KIẾN THỨC TOÁN & THỐNG KÊ CẦN NẮM VỮNG
**Xác suất:**
- Probability distributions (Normal, Binomial, Poisson)
- Bayes' theorem, Conditional probability
- Expected value, Variance, Covariance
- Central Limit Theorem
**Thống kê:**
- Hypothesis testing (t-test, chi-square, F-test)
- Confidence intervals
- Correlation, Regression (Simple & Multiple)
- Confusion matrix, AUC-ROC, Gini coefficient
- p-value, significance level
**Toán tối ưu:**
- Gradient descent cơ bản
- Loss functions phổ biến
- Lagrange multipliers (ít gặp nhưng vẫn cần biết)
---
### 💻 CODE THỰC HÀNH (Python)
```python
# Framework chuẩn cho credit scoring model
import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import classification_report, roc_auc_score
# 1. Đọc dữ liệu + khám phá
# 2. Xử lý missing values
# 3. Feature engineering (WOE, binning)
# 4. Train model
# 5. Evaluate (AUC, Gini, KS)
# 6. Validate (PSI, backtesting)
```
---
### 📊 CÁC CHỈ SỐ MODEL VALIDATION CẦN NHỚ
- **AUC-ROC**: > 0.70 được coi là acceptable
- **KS statistic**: > 0.30 là good
- **Gini coefficient**: = 2×AUC - 1
- **PSI (Population Stability Index)**: < 0.10 thì ổn định
- **Accuracy, Precision, Recall, F1-score**
- **AR (Accuracy Ratio)**
Tư vấn nghề nghiệp
## Lời khuyên Sự nghiệp cho Quantitative Analyst
### 🚀 LỘ TRÌNH THĂNG TIẾN ĐIỂN HÌNH
```
Chuyên viên (Junior Quant) [0-3 năm]
↓
Chuyên viên cao cấp (Senior Quant) [3-5 năm]
↓
Trưởng nhóm (Quant Team Lead) [5-7 năm]
↓
Trưởng phòng / Giám đốc rủi ro (Risk Director) [7-10 năm]
↓
Chief Risk Officer (CRO) [10+ năm] ← Cực kỳ hiếm, cần kinh nghiệm quốc tế
```
---
### 💰 MỨC LƯƠNG KỲ VỌNG THEO CẤP BẬC
| Cấp bậc | Kinh nghiệm | Lương tháng (VNĐ) | Ghi chú |
|---------|-------------|-------------------|---------|
| Junior Quant | 0-3 năm | 20-35 triệu | Mới vào nghề, cần đào tạo |
| Mid-level Quant | 3-5 năm | 35-55 triệu | Có thể thêm thưởng 2-4 tháng |
| Senior Quant | 5-8 năm | 55-80 triệu | Thưởng 3-6 tháng, có thể cao hơn |
| Quant Team Lead | 7-10 năm | 80-120 triệu | Cấp quản lý, thưởng theo KPI |
| Risk Director | 10+ năm | 150-300 triệu+ | Cấp lãnh đạo, thu nhập tổng |
> **Lưu ý:** VCB là ngân hàng nhà nước, lương có thể thấp hơn private bank/công ty nước ngoài nhưng bù lại bằng:
> - Thu nhập ổn định, ít rủi ro sa thải
> - Phụ cấp, bảo hiểm cao cấp
> - Thương hiệu VCB trong CV rất giá trị
> - Cơ hội chuyển đổi sang vị trí khác trong hệ thống
---
### 🎯 KỸ NĂNG CẦN PHÁT TRIỂN THÊM THEO GIAI ĐOẠN
**Giai đoạn 1-3 năm (Foundation):**
- Thành thạo Python, SQL, ít nhất 1 tool thống kê (R/SAS)
- Hiểu sâu về 1-2 loại mô hình cụ thể (scoring, PD model)
- Lấy chứng chỉ FRM Level 1
- Học cách trình bày kết quả cho non-technical audience
**Giai đoạn 3-5 năm (Deepening):**
- Mở rộng sang LGD, EAD modeling
- Học ML nâng cao (Neural Network, XGBoost)
- Lấy FRM Level 2 hoặc CQF
- Phát triển kỹ năng quản lý dự án nhỏ
- Học tiếng Anh lên B2/IELTS 6.5
**Giai đoạn 5-10 năm (Leadership):**
- Chiến lược quản lý rủi ro tổng thể
- Kinh nghiệm với Basel III IRB implementation
- CQF hoặc CFA + MBA
- Kỹ năng lãnh đạo, quản lý team
- Xây dựng network chuyên nghiệp
---
### 🔄 CƠ HỘI CHUYỂN ĐỔI TỪ VỊ TRÍ NÀY
Một khi có kinh nghiệm tại Phòng Quant VCB, bạn có thể chuyển sang:
| Hướng chuyển | Mức lương tăng | Độ khó |
|-------------|---------------|--------|
| Data Scientist (fintech) | +30-50% | Trung bình |
| Quantitative Researcher (fund) | +50-100% | Rất khó |
| Risk Manager (ngân hàng khác) | +10-20% | Dễ |
| Credit Officer (frontend) | -10-20% | Dễ, nhưng giảm kỹ năng định lượng |
| Internal Audit / Compliance | Tương đương | Dễ |
| Fintech / Bigtech finance | +30-80% | Trung bình |
---
### ⭐ LỜI KHUYÊN THỰC TẾ TỪ CHUYÊN GIA
1. **"Đừng chỉ học lý thuyết, hãy làm nhiều dự án thực tế"** - Portfolio quan trọng hơn bằng cấp
2. **"FRM không phải tất cả nhưng là tấm vé vào cửa"** - Nhiều recruiter VCB/VCBscard lọc hồ sơ theo FRM
3. **"Vietcombank là bệ phóng tốt, nhưng đừng ở quá lâu"** - 3-5 năm là optimal, sau đó nhảy sang private sector để tăng lương
4. **"Python + SQL là combo bắt buộc, không có ngoại lệ"** - Ngay cả vị trí senior cũng cần code được
5. **"Học cách kể chuyện bằng dữ liệu"** - Trình bày kết quả model cho lãnh đạo là kỹ năng quyết định thăng tiến
6. **"AI/ML đang thay đổi ngành risk"** - Hãy học thêm về Generative AI applications trong finance để không bị tụt h落后
Câu hỏi thường gặp
Mình tốt nghiệp Toán Ứng dụng, có 2 năm kinh nghiệm làm data analyst (không phải banking), có nộp được không?
Cơ hội khá thấp. Tin tuyển dụng yêu cầu TỐI THIỂU 3 năm kinh nghiệm trực tiếp về xây dựng mô hình định lượng rủi ro tín dụng trong lĩnh vực ngân hàng-tài chính. Với 2 năm data analyst (không banking), bạn chưa đáp ứng yêu cầu cứng. Tuy nhiên, bạn có thể:
1. Ứng tuyển vị trí Business Support (nếu còn tuyển) - yêu cầu kinh nghiệm thấp hơn
2. Tìm kiếm vị trí junior quant tại các ngân hàng nhỏ hơn/ngân hàng nước ngoài trước, tích lũy đủ 3 năm rồi quay lại VCB
3. Học thêm về credit risk, lấy FRM Level 1 để tăng sức cạnh tranh
Lời khuyên: Đừng nộp nếu không đáp ứng yêu cầu 3 năm kinh nghiệm banking - hồ sơ sẽ bị loại ở vòng sàng lọc đầu tiên.
Mức lương cho vị trí này ở VCB là bao nhiêu?
Tin tuyển dụng ghi 'Thỏa thuận' nên không có con số cố định. Tuy nhiên, dựa trên mặt bằng thị trường:
- **Junior (3 năm exp)**: 20-35 triệu/tháng + thưởng 2-3 tháng
- **Mid (4-6 năm exp)**: 35-50 triệu/tháng + thưởng 3-4 tháng
- **Senior (7+ năm exp)**: 50-70 triệu/tháng + thưởng 4-6 tháng
Lưu ý: VCB là ngân hàng nhà nước, mức lương thường THẤP HƠN 20-30% so với ngân hàng nước ngoài (HSBC, Citi) hoặc fintech cùng cấp. Bù lại: job security cao, phụ cấp tốt, thương hiệu mạnh. Khi phỏng vấn, hãy hỏi rõ: lương gross/net, các khoản phụ cấp, thưởng KPI tính như thế nào, chế độ bảo hiểm.
Mình đang làm ở một công ty fintech về vay trực tuyến, xây dựng mô hình credit scoring được 4 năm. Có phù hợp không?
CÓ, đây là profile khá phù hợp! Fintech cũng thuộc 'lĩnh vực tài chính', miễn là công việc trực tiếp liên quan đến xây dựng mô hình định lượng rủi ro tín dụng. Điểm cộng của bạn:
✅ Đủ 4 năm kinh nghiệm (vượt yêu cầu 3 năm)
✅ Có kinh nghiệm credit scoring thực tế
✅ Thường fintech dùng công nghệ mới hơn (Python, ML)
Tuy nhiên, hãy chuẩn bị:
⚠️ Giải thích được sự khác biệt giữa mô hình fintech và ngân hàng (quy định NHNN, Basel)
⚠️ Hiểu về PD model theo Basel framework (fintech thường không áp dụng Basel)
⚠️ VCB sẽ đánh giá cao nếu bạn biết LGD, EAD modeling (thường fintech không có)
Tip: Khi phỏng vấn, nhấn mạnh kinh nghiệm xử lý dữ liệu lớn, ML modeling - đây là thế mạnh của fintech.
Có cần biết tiếng Anh không? Mình TOEIC được 650 có đủ không?
Yêu cầu tối thiểu là B1 (tương đương TOEIC ~450-600), nên 650 là ĐỦ để qua vòng hồ sơ. Tuy nhiên, đây là vị trí đòi hỏi:
📖 Đọc hiểu tài liệu tiếng Anh chuyên ngành (Basel docs, nghiên cứu, documentation)
🗣️ Giao tiếp tiếng Anh trong môi trường quốc tế
📝 Viết báo cáo, trình bày model bằng tiếng Anh
Nếu bạn có IELTS 6.0+ hoặc tương đương, sẽ là điểm CỘNG LỚN (được liệt kê trong tiêu chí ưu tiên). Nếu chỉ có TOEIC 650, vẫn nộp được nhưng:
- Học thêm vocabulary chuyên ngành risk management
- Đọc các bài báo tài chính bằng tiếng Anh hàng ngày
- Thực hành diễn đạt các khái niệm quant bằng tiếng Anh
Lời khuyên: Đây là vị trí liên quan đến model documentation và có thể tiếp xúc với Basel committee, nên tiếng Anh tốt là lợi thế rất lớn.
Học FRM có thực sự cần thiết cho vị trí này không?
FRM KHÔNG bắt buộc nhưng là CHỨNG CHỈ QUAN TRỌNG NHẤT cho vị trí này. Lý do:
✅ FRM được liệt kê TRỰC TIẾP trong tiêu chí ƯU TIÊN của tin tuyển dụng
✅ FRM cover gần như toàn bộ kiến thức cần thiết cho vị trí (Basel, credit risk, market risk, operational risk)
✅ Trong thực tế, nhiều ứng viên ở VCB đều có FRM - nó trở thành 'expected' hơn là 'nice-to-have'
✅ Recruiter thường dùng FRM để sàng lọc hồ sơ đầu tiên
Tuy nhiên, nếu bạn đang có offer và chưa có FRM:
- FRM Level 1 có thể tự học trong 3-4 tháng
- Chi phí khoảng $600-800 cho 2 levels
- CQF thì dài hơn (6 tháng) nhưng chuyên sâu hơn về định lượng
Nếu phải chọn 1 trong 2: FRM Level 1 + kinh nghiệm Python tốt > CQF không có kinh nghiệm.
Mình muốn chuyển từ frontend credit sang mô hình định lượng, có khả thi không?
HOÀN TOÀN KHẢ THI, nhưng cần chuẩn bị kỹ lưỡng. Đây là đường đi phổ biến:
**Điểm mạnh của bạn:**
✅ Hiểu sâu về sản phẩm tín dụng, quy trình cho vay
✅ Biết phân tích tài chính doanh nghiệp
✅ Có kinh nghiệm với dữ liệu tín dụng
✅ Network trong ngành ngân hàng
**Điểm yếu cần bù đắp:**
⚠️ Thiếu kỹ năng lập trình (học Python + SQL ngay)
⚠️ Thiếu kiến thức statistical modeling
⚠️ CV có thể bị đánh giá là 'chưa đủ technical'
**Lộ trình đề xuất:**
1. Học Python (pandas, sklearn) trong 3-6 tháng
2. Lấy FRM Level 1 (hoặc học từ handbook miễn phí)
3. Làm 1-2 project credit scoring để tạo portfolio
4. Ứng tuyển vị trí nhỏ hơn trước (junior quant ở ngân hàng nhỏ/fintech)
5. Sau 2-3 năm, nhảy sang VCB ở vị trí senior
Tip: Nếu bạn đã có 5+ năm credit officer và có FRM, vẫn có thể apply thẳng vào VCB với vị trí senior.
Phòng Quant VCB làm việc như thế nào? Giờ làm có cố định không?
Đây là câu hỏi rất thực tế mà nhiều ứng viên quan tâm:
**Giờ làm:**
- Cố định giờ hành chính: 8:00-17:30 (thứ 2-6)
- Tuy nhiên, sẽ có lúc phải OT (đặc biệt gần deadline báo cáo Basel, audit, hoặc triển khai model mới)
- Tính chất công việc ít áp lực 'realtime' như trading, nhưng có áp lực về deadline dự án
**Văn hóa làm việc:**
- Khác với nhiều phòng ban VCB, Phòng Quant thường làm việc theo dự án
- Cần họp báo cáo với lãnh đạo định kỳ
- Làm việc với IT, Data team nhiều
- Một số model cần maintain liên tục (monitoring, backtesting)
**Điểm đặc biệt:**
- Công việc đòi hỏi tư duy cao, không phải 'công việc bàn giấy' đơn giản
- Cần đọc nhiều tài liệu tiếng Anh
- Được tiếp xúc với công nghệ mới hơn so với các phòng nghiệp vụ khác
- Cơ hội học hỏi từ các đồng nghiệp giỏi
Mức độ cạnh tranh: Cao (VCB tuyển 2 vị trí nhưng có thể 100-200+ hồ sơ).