- Страна
- Россия
- Зарплата
- от 250 000 ₽
Откликайтесь
на вакансии с ИИ

DS credit risk (Моделирование рисков корпоративного кредитования)
Привлекательная вакансия с конкурентной зарплатой и возможностью удаленной работы. Интересные задачи на стыке финансов и DS, охватывающие различные сферы бизнеса.
Сложность вакансии
Роль требует глубоких знаний в области кредитных рисков и финансового моделирования (денежные потоки). Работа с нерегуляторными моделями предполагает высокую степень автономности и умение находить нестандартные решения.
Анализ зарплаты
Предложенная зарплата от 250 000 ₽ соответствует рыночному уровню для Middle+/Senior Data Scientist в финансовом секторе России. Верхняя граница рынка для таких ролей может достигать 450 000 ₽ и выше в зависимости от опыта.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом

Откликнитесь уже сейчас
Если вы эксперт в моделировании рисков и готовы работать с нерегуляторными моделями, откликайтесь прямо сейчас!
Описание вакансии
от 250 000 ₽/месяц
Удаленка или офис, Фултайм
Формально мы - часть Моделирования корпоративного кредитования, но по факту мы строим модели и для розницы, и для бизнеса, и для строй контроля. Потому что есть Запрос, а мы Можем. Конкретно наша команда – в основном нерегуляторные модели, в т.ч. модели денежных потоков...(Откликнуться)
Создайте идеальное резюме с помощью ИИ-агента

Навыки
- Financial Modeling
- Python
- Machine Learning
- Data Science
- Cash Flow Analysis
- Credit Risk Modeling
Возможные вопросы на собеседовании
Важно понимать, как кандидат подходит к прогнозированию финансовых показателей компании.
Расскажите о вашем опыте построения моделей денежных потоков (Cash Flow models). Какие основные факторы вы учитываете?
Позиция предполагает работу с нерегуляторными моделями, где стандарты менее жесткие, но требования к точности высоки.
В чем, по вашему мнению, основные отличия в подходах к разработке регуляторных (IRB) и нерегуляторных моделей рисков?
Проверка навыков работы с данными и выбора алгоритмов.
Какие методы машинного обучения вы считаете наиболее эффективными для оценки кредитного риска корпоративных заемщиков при ограниченной выборке?
Вакансия упоминает работу с разными сегментами (розница, бизнес, стройконтроль).
Был ли у вас опыт адаптации моделей под разные бизнес-сегменты? С какими специфическими проблемами данных вы сталкивались?
Оценка понимания бизнес-контекста.