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 sa Pananalaping Kuwantitatibo - Onsite sa Charlotte
Sumali sa Global Risk Analytics team ng Bank of America upang bumuo ng mga modelo ng consumer risk at capital para sa mga desisyong pangbangko na kinokontrol. Gamitin ang Python, machine learning, statistical analysis, at quantitative modeling sa isang onsite na tungkulin sa Charlotte.
Paglalarawan
- Pangunahan ang mga inisyatiba sa quantitative analytics at modeling para sa mga nakatalagang business unit at risk area.
- Lumikha ng mga bagong modelo, analytical process, at system strategy.
- Maghanda ng teknikal na dokumentasyon para sa mga aktibidad ng quantitative modeling.
- Makipagtulungan sa mga Technology team sa pagdisenyo ng mga sistemang nagpapatakbo ng mga nabuong modelo.
- Isagawa ang end-to-end market risk stress testing, mula sa pagdisenyo at pagpapatupad ng mga scenario hanggang sa pagsasama-sama ng mga resulta, pag-uulat, at pagsusuri.
- Tumulong sa pagbibigay-priyoridad sa quantitative work alinsunod sa mas malawak na estratehiya ng bangko.
- Tukuyin ang patuloy na mga pagpapahusay sa pamamagitan ng mga pagsusuri sa model development at validation.
- Suportahan ang model development at model risk management alinsunod sa mga pangangailangan ng negosyo at enterprise risk appetite.
- Magbigay ng metodolohikal, analytical, at teknikal na gabay upang hamunin at hubugin ang mga pagsisikap sa development at validation.
- Ipaabot ang mga resulta ng submission at validation sa mga stakeholder ng modelo at senior management.
- Suriin sa estadistika ang malalaking dataset at bigyang-kahulugan ang mga natuklasan gamit ang qualitative at quantitative methods.
- Bumuo at magpanatili ng mga risk at capital model at mga supporting system sa mga linya ng produktong Retail at GWIM.
- Magdisenyo, magpatupad, magpanatili, magpahusay, at magsama ng mga quantitative solution sa mga strategic platform.
- Bumuo ng mga quantitative solution na sumusuporta sa risk at capital management.
- Pagandahin ang infrastructure, code performance, at paggamit ng computational resources.
- Gumawa ng quantitative documentation para sa mga stakeholder, policy requirement, at regulatory examination, kabilang ang CCAR at CECL.
- Makipagtulungan sa mga senior modeler sa model design at execution support.
- Makipagtulungan sa Enterprise Model Risk Management sa model validation at remediation ng mga isyu.
- Magsilbing subject matter expert sa quantitative modeling para sa mga business unit.
- Pangasiwaan ang model performance, model risk, at governance para sa mga kritikal na model portfolio.
Mga Kinakailangan
- Master’s degree sa kaugnay na disiplina o katumbas na propesyonal na karanasan.
- Hindi bababa sa dalawang taon ng kaugnay na karanasan sa statistics, data science, machine learning, model development, o quantitative analysis.
- Karanasan sa pag-estimate, pagpapatupad, pagsubok, pagsusuri, pagdodokumento, at pag-aanalisa ng mga statistical at machine learning model.
- Advanced na kakayahan sa programming gamit ang Python, SQL, at kaugnay na quantitative o data science library.
- Karanasan sa paghawak ng malalaki at kumplikadong dataset, kabilang ang extraction, transformation, validation, feature engineering, at quality review gamit ang mga tool na nakabatay sa SQL.
- Karanasan sa HDFS, Hive, Spark, PySpark, at 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 katumbas na ensemble method.
- Karanasan sa paggamit ng mga pamamaraan para sa model explainability at transparency, kabilang ang SHAP, feature importance, partial dependence, o mga interpretable model.
- Kakayahang iugnay ang quantitative findings sa mga implikasyon sa negosyo para sa residential property valuation, collateral risk, mortgage o home equity decision support, at model governance.
- Karanasan sa paggawa ng quantitative documentation at teknikal na content gamit ang LaTeX o katumbas na tool.
- Malakas na analytical at problem-solving ability, na may kalayaang magtrabaho nang awtonomo at humingi ng gabay kapag kinakailangan.
- Kakayahang maglahad ng quantitative analysis, model output, at rekomendasyon sa mga teknikal at hindi teknikal na audience.
- Kakayahang magtrabaho sa opisina ayon sa first-shift schedule sa United States.
Mga Benepisyo
- Karapat-dapat sa mga discretionary incentive at pakikilahok sa taunang discretionary plan.
- Karapat-dapat sa mga benepisyo ng empleyado.
- Bayad na time off.
- Access sa mga resource at suporta para sa empleyado.
- Kultura sa opisina na idinisenyo upang hikayatin ang pakikipagtulungan, pakikilahok, at pag-unlad sa karera.
- Mga pagkakataong matuto, umunlad, at makapag-ambag nang makabuluhan.