Участие в разработке и валидации моделей машинного обучения (линейные и логистические регрессии, деревья решений и т. п.) для оценки кредитного риска банков и иных финансовых институтов (рейтинговые модели, модели PD/LGD)
Участие в валидации и разработке методологии расчетов провизий под ожидаемые кредитные убытки (ECL) в соответствии с МСФО 9
Проверка расчетов и методологий расчетов справедливой стоимости финансовых инструментов в соответствии с МСФО 13: корпоративные облигации, гарантии, займы со встроенным опционом и финансовые деривативы (валютные форварды, процентные/валютные свопы, американские/экзотические опционы)
Проверка расчетов и методологий расчетов оценки договоров страхования и обязательств по вознаграждениям работников в соответствии с требованиями МСФО 17 и МСФО 19
Подготовка коммерческих предложений, презентаций и отчетов с результатами проектов по улучшению моделей оценки кредитного и рыночного рисков, методик и процессов по их применению
Требования:
Высшее математическое, техническое или экономическое/финансовое образование (допускается последний курс бакалавриата)
Знание теории вероятности и математической статистики
Базовые навыки анализа данных на Python/R/другом языке программирования (считывание/запись табличных данных, преобразование/добавление колонок, слияние с другими таблицами, фильтрация строк, агрегация, базовая визуализация данных)
Знание основ машинного обучения (линейные и логистические регрессии, деревья решений и т. п.)
Базовые знания финансов (понятие о дисконтировании/индексировании, сложном проценте, ценообразовании облигаций, акций, опционов и т.п.)
Навыки работы в Excel (базовые формулы/инструменты для анализа и обработки данных)
Владение английским языком на уровне не ниже B2 (Upper Intermediate).
К вашим преимуществам будет относиться:
Уверенное владение библиотеками Python: numpy, pandas, scikit-learn, matplotlib/seaborn, pytorch/tensorflow