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.
Analyst sa Kuwantitatibong Pananalapi, Pagmomodelo ng Panganib sa Kredito
Bumuo at magsuri ng mga modelo ng panganib sa pakyawang kredito para sa Bank of America Merrill Lynch, kabilang ang pagtataya ng pagkalugi, mga scorecard, at mga modelo ng kapital na pangregulasyon. Suriin ang pagganap, tantiyahin ang panganib, at iulat ang mga natuklasan sa mga stakeholder at regulator.
Paglalarawan
- Bumuo ng mga modelo ng panganib sa pakyawang kredito para sa pagtataya ng pagkalugi, pagmamarka sa komersiyal at asal, at kapital na pangregulasyon.
- Suriing mabuti ang pagganap sa pakyawang kredito at datos pinansyal.
- Sumulat ng mga white paper na nagdodokumento sa mga binuong modelo.
- Makipagtulungan sa mga panloob na pangkat sa panganib ng modelo upang lutasin ang mga alalahanin at itama ang mga natuklasan sa modelo.
- Suportahan ang pagpapatupad ng modelo, mga regular na pagsusuri sa pagsubaybay, at pakikipag-ugnayan sa mga stakeholder.
- Malayáng magsagawa ng mga kuwantitatibong pagsusuri at kumplikadong proyekto sa pagmomodelo.
- Pangunahan ang paglikha ng mga bagong modelo, prosesong analitikal, at pamamaraan ng sistema.
- Idokumento ang gawain at makipagtulungan sa mga pangkat ng teknolohiya upang bumuo ng mga sistemang nagpapatakbo ng mga modelo.
- Suriin ang mga resulta ng modelo ng bangko sa pamamagitan ng paghahambing at pagsusuri ng pagiging sensitibo.
- Ipaliwanag ang pagganap at katumpakan ng modelo, pati ang mga bahaging nangangailangan ng pagwawasto.
- Iharap ang mga resulta ng modelo sa pamamahala ng panganib, mga pangkat sa pagbuo ng modelo at panganib, matataas na pinuno, at mga regulator.
Mga Kinakailangan
- Master's degree sa matematika, ekonomiks, estadistika, inhinyeriya, pananalapi, computer science, o kaugnay na disiplina.
- Hindi bababa sa limang taon ng propesyonal na karanasan sa pagbuo ng mga modelo ng panganib sa kredito.
- Mahusay na kasanayan sa programming gamit ang R, Python, SAS, SQL, o katulad na wika.
- Mahusay na kakayahang magsuri at lumutas ng problema.
- Karanasan sa paggamit at pagbuo ng mga cross-sectional na modelo.
- Karanasan sa pag-deploy ng mga modelo sa mga production environment.
- Kakayahang bumuo ng mga rekomendasyon at konklusyong batay sa ebidensya.
- Kakayahang maglahad ng mga natuklasan, datos, at konklusyon sa matataas na pinuno.
- Nagpakita ng pamumuno at kakayahang makahikayat sa mga kapantay.
- Kakayahang magtrabaho sa isang malaki at komplikadong organisasyon at makahikayat sa mga stakeholder at katuwang.
- Mahusay na kasanayan sa komunikasyon para sa teknikal at di-teknikal na mga tagapakinig.
- Kakayahang magtrabaho sa mahigpit na kinokontrol at ina-audit na kapaligiran.
- Mahusay na kasanayan sa pagtatakda ng prayoridad, pamamahala ng oras, at pamamahala ng proyekto.
- Karanasan sa komplikadong arkitektura ng datos, mga tool at library sa data science, data warehouse, at machine learning.
- Kakayahang kumuha, magsuri, at magsama-sama ng datos mula sa magkakaibang sistema.
- Karanasan sa pagbuo at pagpapanatili ng mga komplikadong database at dataset.
- Karanasan sa paggamit ng data mining at mga advanced na pamamaraang analitikal.
- Karanasan sa pamamahala ng malalaking dataset gamit ang mga tool gaya ng Hadoop.
- Karanasan sa pagdisenyo, pagbuo, at paggamit ng nasusukat na mga solusyon sa machine learning at artificial intelligence.
- Karanasan sa mga tool sa pagsusuri at pag-visualize ng datos gaya ng Alteryx, Tableau, at MicroStrategy.
- Karanasan sa paggamit ng LaTeX.
- Karanasan sa pagbuo ng mga arkitektura ng datos na angkop sa pagkuha, pagsusuri, pag-iimbak, paglilinis, at pagbabago ng malalaking dataset.
- Karanasan sa pamamahala ng mga gawain at takdang panahon ng proyekto sa iba't ibang pangkat.
- Karanasan sa pagdidisenyo ng mga komplikado at maraming-sangkap na proseso sa iba't ibang pangkat.
- Master's degree sa kaugnay na larangan o katumbas na karanasan sa trabaho.
Mga Benepisyo
- Abot-kaya, mapagkumpitensya, at flexible na mga benepisyo.
- Suporta para sa pisikal, emosyonal, at pinansyal na kapakanan.
- Mga pagkakataong matuto, umunlad, at bumuo ng karera.
- Pagiging karapat-dapat sa taunang insentibong ipinagkakaloob ayon sa pagpapasya, batay sa pagganap ng indibidwal, linya ng negosyo o grupo, at kumpanya.
- Mga benepisyong nangunguna sa industriya.
- Bayad na pahinga sa trabaho.
- Mga mapagkukunan at suporta upang makatulong sa napapanatiling paglago ng negosyo at komunidad.