Ang Bank of America ay isang pandaigdigang institusyong pinansyal na nagpapatakbo sa mga larangan ng pagbabangko, pananalapi, at teknolohiyang pampinansyal. Kabilang sa mga serbisyo nito ang personal na pagbabangko, suporta para sa maliliit na negosyo, pamamahala ng yaman, mga serbisyong pamumuhunan, at access sa mga pamilihan ng kapital para sa mga indibidwal, negosyo, at institusyon. Nakatuon din ang kumpanya sa responsableng paglago sa pamamagitan ng napapanatiling pagpopondo, mga inisyatiba para sa pagkakaiba-iba, at mga programa sa pagpapaunlad ng komunidad.
Analista ng Quantitative Finance, Mga Modelo ng Panganib at Kapital
Naghahanap ang Bank of America ng Analista ng Quantitative Finance upang bumuo at mangasiwa ng mga modelo ng panganib at kapital na sumusuporta sa mga negosyong Retail at GWIM. Ginagamit ng tungkulin ang machine learning, estadistikang pagsusuri, stress testing, at pamamahala ng modelo sa kinokontrol na pagpapasyang pinansyal.
Paglalarawan
- Pangasiwaan ang mga inisyatiba sa quantitative analytics at modeling sa mga itinalagang yunit ng negosyo at larangan ng panganib.
- Magdisenyo ng mga modelo, prosesong analitikal, at mga pamamaraan ng sistema.
- Maghanda ng teknikal at kuantitatibong dokumentasyon.
- Makipagtulungan sa mga pangkat ng Teknolohiya upang magdisenyo ng mga sistemang magpapatakbo ng mga nabuong modelo.
- Isagawa ang end-to-end market risk stress testing, mula sa pagdidisenyo at pagpapatupad ng senaryo hanggang sa pagsasama-sama, pag-uulat, at pagsusuri ng mga resulta.
- Tumulong sa pagpaplano at pagbibigay-priyoridad sa kuantitatibong gawain bilang suporta sa estratehiya ng bangko.
- Tukuyin ang mga pagpapabuti sa pamamagitan ng pagsusuri sa mga desisyon sa pagbuo at validation ng modelo, teknikal na dokumentasyon, at mga proseso ng challenge.
- Suportahan ang pagbuo ng modelo at pamamahala ng panganib ng modelo alinsunod sa mga pangangailangan ng negosyo at risk appetite ng enterprise.
- Magbigay ng metodolohikal, analitikal, at teknikal na gabay sa mga inisyatiba sa pagbuo at validation.
- Makipag-ugnayan sa mga stakeholder ng modelo at nakatataas na lider tungkol sa mga resulta ng pagsusumite at validation.
- Suriin sa estadistika ang malalaking dataset at bigyang-kahulugan ang mga natuklasan gamit ang mga kwalitatibo at kuantitatibong pamamaraan.
- Bumuo at magpanatili ng mga modelo ng panganib at kapital at mga suportang sistema para sa mga produktong Retail at GWIM.
- Magdisenyo, magpatupad, magpanatili, magpahusay, at magsama ng mga kuantitatibong solusyon sa mga estratehikong GRA platform.
- Bumuo ng mga kuantitatibong kakayahan para sa pamamahala ng panganib at kapital.
- Pahusayin ang imprastraktura, kahusayan ng code, kuantitatibong functionality, at paggamit ng mga computational resource.
- Suportahan ang pagpapatakbo ng modelo sa pakikipagtulungan sa pangkat ng Teknolohiya.
- Makipagtulungan sa Enterprise Model Risk Management sa mga validation at remediation ng isyu.
- Maging subject matter expert sa mga pamamaraan ng quantitative modeling.
- Subaybayan ang performance ng modelo, panganib ng modelo, at pamamahala sa mga kritikal na portfolio ng modelo.
Mga Kinakailangan
- Master's degree sa kaugnay na disiplina o katumbas na propesyonal na karanasan.
- Hindi bababa sa dalawang taong kaugnay na karanasan sa estadistika, data science, machine learning, pagbuo ng modelo, o quantitative analysis.
- Karanasan sa data analysis, statistical estimation, pagbuo, pagpapatupad, pagsubok, pagtatasa ng performance, at dokumentasyon ng machine learning model.
- Mahusay na kasanayan sa Python at SQL programming, kasama ang mga kaugnay na quantitative o data science library.
- Karanasan sa paghawak ng malalaki at kumplikadong dataset, kabilang ang extraction, transformation, validation, feature engineering, at pagsusuri ng kalidad gamit ang mga tool na nakabatay sa SQL.
- Karanasan sa HDFS, Hive, Spark, PySpark, at mga distributed data-processing environment.
- Praktikal na karanasan sa pagbuo ng machine learning o AI model gamit ang mga Python framework tulad ng scikit-learn, XGBoost, LightGBM, Random Forest, o katulad na ensemble method.
- Kaalaman sa mga pamamaraan ng pagpapaliwanag at transparency ng modelo, kabilang ang SHAP, feature importance, partial dependence, o mga modelong naiintindihan.
- Kakayahang iugnay ang mga kuantitatibong resulta sa mga konsiderasyong pangnegosyo na may kinalaman sa pagpapahalaga ng residential property, collateral risk, suporta sa desisyon sa mortgage o home equity, at pamamahala ng modelo.
- Karanasan sa paggawa ng kuantitatibong dokumentasyon, may kasanayan sa teknikal na pagsulat at pamilyaridad sa LaTeX o katumbas na mga tool.
- Mahusay na kakayahang analitikal at paglutas ng problema, na may kakayahang magtrabaho nang nakapag-iisa.
- Kakayahang ipaliwanag ang quantitative analyses, mga natuklasan ng modelo, at rekomendasyon sa mga teknikal at hindi teknikal na audience.
- Kakayahang magtrabaho sa United States of America.
- Mas mainam: karanasan sa CI/CD at mga tool sa software engineering tulad ng Git, JIRA, Confluence, Pytest, Jenkins, SonarQube, at mga kasanayan sa code review.
- Mas mainam: kaalaman sa residential real estate, housing markets, appraisal, mortgage origination o servicing, home equity lending, collateral risk management, at mga kaugnay na salik pang-ekonomiya.
- Mas mainam: pamilyaridad sa model risk management, mga inaasahan ng regulator, mga proseso ng governance, CCAR, CECL, consumer credit risk, o regulated banking model development.
Mga Benepisyo
- Kwalipikado para sa isang taunang discretionary incentive plan.
- Kwalipikado para sa mga benepisyo ng empleyado.
- Bayad na time off.
- Mga mapagkukunan at suporta para sa empleyado.
- Kultura ng pagtatrabaho sa opisina na may flexibility ayon sa tungkulin.
- Mga pagkakataon para matuto, umunlad sa propesyon, at magkaroon ng makabuluhang ambag.