Somos una consultora especializada en economía, finanzas y tecnología. Trabajamos con grandes entidades financieras y bancos de España y Latinoamérica, así como con grandes empresas nacionales e internacionales. Contamos con un reconocimiento elevado en el mercado español. Nuestro modelo de consultoría se basa en el rigor técnico, combinado con una fuerte orientación al cliente, al servicio y a la innovación. Afi cuenta además con Afi Global Education, una escuela de negocios especializada que dispone de una amplia oferta de programas para profesionales.
Seleccionamos consultor/a con experiencia de 2 a 3 años para nuestro equipo de modelos de riesgo de crédito dentro del área de Banca de Afi.
Formación académica : Preferiblemente egresados de carreras cuantitativas, por ejemplo:
~ Licenciaturas/grados en Economía (cuantitativa), Estadística, Matemáticas o Ingenierías
Post grado : Preferiblemente con Máster en Finanzas Cuantitativas, Gestión de riesgos Financieros, Economía Cuantitativa, Economía Financiera, Econometría, Banca y Regulación, Data Science.
Certificación : Preferiblemente Financial Risk Management (FRM) y Chartered Financial Analyst (CFA). Muy valorable otros másteres y/o postítulos cuantitativos (Estadística, Data Science, Matemáticas, Ingeniería, Física, MBA, etc.)
Estar al día de toda la normativa vigente que afecta al desarrollo y a la validación de modelos internos (CRR, CRR3, Handbook de Validación IRB, Guías de la EBA y del ECB, entre otros) y aplicarla en el desarrollo y/o la validación de los modelos internos de riesgo de crédito.
Realizar réplicas independientes del perímetro de estimación de los modelos (ETL y tablón analítico del modelo), pruebas cualitativas y cuantitativas independientes en distintos ámbitos de los modelos (calidad de los datos, metodología y estabilidad del diseño, entre otros)
Realizar pruebas estadísticas de los modelos mediante tests de hipótesis, pruebas de bondad del ajuste, estudio de los errores, análisis de representatividad, análisis del poder predictivo (Backtest), poder discriminante y capacidad de ordenación, y definición/aplicación de métricas de acuerdo con análisis ad-hoc.
Revisión de la documentación y del uso de los modelos, y de su integración en la gestión del riesgo de crédito.
Revisión de la nueva definición de default (NDoD), su implantación y su uso en los modelos internos de riesgo capital IRB y provisiones IFRS 9.
Revisión y detección de las posibles debilidades de los modelos y elaboración de recomendaciones para subsanar dichas debilidades.
Documentación del desarrollo y/o validación de los modelos, presentación en reuniones con clientes, comités y ante el regulador
También se valorará positivamente su experiencia en:
Análisis estadístico y modelización (regresión convencional y machine learning) de datos económico-financieros en entidades financieras, consultoras, entidades públicas o privadas, institutos de investigación económica y financiera, entre otros.
Roles como Data Scientist o analista de datos en proyectos relacionados con modelos predictivos tradicionales y de machine learning para otros sectores distintos de banca, para su uso en gestión, ventas, marketing, fraude y en general modelos estadísticos aplicados a la industria y la inteligencia de negocios.
Hard skills: Programación en Python, SQL, SAS, R, Matlab, etc.
Soft skills: Habilidad interpersonal (facilidad para comunicar ideas), buena tolerancia al stress, colaborativo/a, acostumbrado/a al trabajo en equipo, adaptabilidad al cambio, capacidad de resolución en plazos de tiempo acotados, sabe distinguir lo importante y de lo urgente, sabe que la perfección es enemiga de la eficiencia, etc.
Idiomas: Inglés (mínimo un B2), muy valorable Frances y/o Portugués.
¿Equipo de trabajo dinámico y joven, con pasión por su trabajo.
Programa de desarrollo y formación profesional (clases de inglés, oratoria, etc.).
Tickets restaurante, transporte, cheques guardería, seguro médico.
Contrato indefinido
Al inscribirte, consientes que Afi trate tus datos personales con la finalidad de valorar tu candidatura en el proceso de selección.