Responsabilidades
* Arquitetar e manter a fábrica de modelagem: garantir coerência entre modelos de crédito, liquidez, capital, operacional e riscos não-financeiros;
* Coordenar squadde analistas e builders — priorização de calibrações, code review, design de nova metodologia, feedback técnico;
* Desenhar novos modelos e prototipar soluções: Databricks, Python/SQL, validação end-to-end (dados → transformação → modelo → output validado);
* Pesquisar sobrecomo sistemas e agentes que vão consumir os modelos: estruturar inputs, outputs, validação, SLAs;
* Migrar sistemaslegados ao novo paradigma: documentação de metodologias, model cards, integração em pipelines modernos;
* Governar knowledge base interno: curadoria de decisões, metodologias, updates regulatórios, lições aprendidas — manter\ "single source of truth\" para o conhecimento quantitativo;
* Trabalhar closely com sistemas/agentes em construção: design de inputs/outputs, validation rules, SLAs;
* Roadmap de calibração H1–H2: PD/ECL, RAS expansion, Stress Testing, Capital Planning;
* Interlocução com regulador: preparação de arquivos, defesa de metodologia e suporte à supervisão.
Ingredientes que buscamos
* Polyglot modeller: Confortável saltando entre credit, liquidity, capital, operational e non-financial risks;
* Hands-on builder + modern statistical methods: Code it yourself em Python, SQL, Databricks;
confortável com regressão, survival analysis, simulação — mas também aberto a técnicas modernas quando o problema exigir (machine learning, ensemble methods, modern feature engineering);
* Estruturação demetodologia sob incerteza: Desenha modelo mesmo com dados imperfeitos. Sabe balancear rigor acadêmico com pragmatismo operacional. Strong em documentação de assumptions e trade-offs;
* Arquitetura de sistemas: considerando que modelos vão ser consumidos por múltiplos usuários/sistemas — estrutura inputs, outputs, validação, versionamento, SLAs;
* High-context communication: Comunica nuances de metodologia para múltiplas audiências (comitê, técnicos, negócio);
* Ownership de qualidade: Você é dono da saída. Não terceiriza validação;
você revisa e você refatora quando vê padrão;
Diferenciais
* Experiência em construção de plataformas de modelagem em corporações (banco com múltiplas linhas, fintech escalada, seguradoras);
* Expertise em IFRS9, Basileia ou frameworks regulatórios quantitativos;
* Familiaridade com machine learning em risk: você já usou gradient boosting, ensemble methods ou técnicas modernas de feature selection em contexto de risco;
* Experiência em pipeline orchestration / MLOps: input/output contracts, SLA, versioning, CI/CD de modelos;
* Track record emmigração de legacy systems / paradigm shift — já liderou operação de uma forma de trabalho para outra com mínima disrupção;
* Exposure a ferramentas modernas: Databricks, scheduling, Git, Slack/Jira integration — conforto em DevOps de dados;
* Bonus: Experiência em AI/ML research applied to risk (LLM agents, reasoning systems, synthetic data generation).
Informações adicionais
* Vaga híbrida no nosso escritório de Osasco-SP.
* Referência: 51113
#J-18808-Ljbffr