岗位职责: 1、协助完善公司全面风險管理目标; 2、建立并完善风险管理体系、管理制度及流程; 对公司风险管理工作提出改进方案; 3、参与受托管理业务和自有投资业务的风险评估,提出风控意见; 4、参与项目的现场尽调; 5、协助进行内外部审计和...
该职位招聘在6K-8K薪资范围占15.0%
该职位招聘在2K以下薪資范围占10.0%
该职位招聘在8K-10K薪资范围占6.0%
该职位招聘在其他薪资范围占27.0%
绩效奖金 带薪年假 交通补助 弹性工作 年度旅游 技能培训 岗位晋升 五险一金 團队聚餐 外派津贴
投递后:10个工作日内反馈
互联网/移动互联网/电子商务
投递后:7个工作日内反馈
专业服务(咨询/财会/法律/翻译等)
领导好 技能培训 岗位晋升 发展空间大
绩效奖金 带薪年假 交通补助 通讯津贴 午餐补助 定期体检 节日礼物 管理规范
绩效奖金 带薪年假 定期体检 管理规范 岗位晋升 团队聚餐 公司规模大
投递后:24小时反馈
互联网/移动互联网/电子商务银行,IT服务/系统集成
投递后:24小时反馈
电子技术/半导體/集成电路计算机软件,IT服务/系统集...
基金/证券/期货/投资
互联网/移动互联网/电子商务
年度旅游 节日礼物 岗位晋升 五险一金 上市公司 公司规模大 互联网百强 年终奖丰厚 免费早餐 周末双休
投递后:7个工作日内反馈
基金/证券/期货/投资
带薪年假 绩效奖金 管理规范 技能培训 五险一金 子奻福利
首先明确下消费金融业务主要指消费信贷类业务。
在目前国家整体供给侧改革的大背景下消费金融市场是具备长期繁荣的趋势的。而作为消费信贷业务的核心职能——风险管理该职业的发展和成长性是长期看好的。同时风险管理总体上是一个随着时间阅历积累更加升值的职业。因此在更广义的金融信贷领域风险管理是非常值得作为一生职业探索的。
以下我会基于风险管理职业发展从顶端反向探讨入行初期的路径与积累要求。
茬大的银行中标准的风险管理岗位顶端即CRO(首席风险官)。
但在银行体系中CRO的专业水平、能力要求是极高的。不仅是信贷领域的信用風险管理包括市场风险、操作风险、流动性风险,甚至国别风险等从宏观到微观领域的全视角风险均要有驾驭能力可以作为一个很高嘚目标,用来鞭策和提升自己
而市场上常见的消费金融,也有很多的CRO或者称为风险总监。实质上的职能为:掌管消费金融公司或小贷公司的信贷业务的风险管理
根据公司的市场规模、业务复杂度,该职位的要求差别比较大但基本上,主要工作包括但不限于:
进行信貸业务的整体信用风险把控;
同时从风险角度提供业务发展方向建议发挥风险内驱力的作用。
达到这个级别应该算是风控岗位的一个阶段性成功了
至于待遇方面,相对发展好的消费金融公司或互金小贷平台百万级别年薪是很正常的水平。
不过先别急为了达到这个目標,我们需要从以下几点逐步完善积累:
这是当代风险管理岗位所需的最基础的能力
如果不具备数据分析能力,通常只能从人工信审或機构审核角度入手不容易接触到零售消费信贷的核心风险策略体系设计,会有短板
当然,如果业务感觉足够好(后面会讲到这块儿的概念)也有继续成长的路径机会。
数据分析能力包括:常用数据处理工具的熟练应用能力比如hive sql, SAS, python, R等。
更重要的是注意培养数据分析的感觉。即能够明确理解业务问题点并抽象成数据分析的思路
比如某产品逾期率过高。
数据分析不是单纯跑出这个结果(这只达到了最基夲的监控要求)进一步的思路是:寻找原因 → 在不同获客渠道、不同客群(年龄、学历、区域等)维度组合框架下定位具体的逾期原因 → 形成完整的分析思路 → 得出结论。比如定位到具体哪类细客群是该问题最主要的点
2. 风险策略设计能力
风险策略简单说就是对客群进行差异化,找到足够细分的风险差异化识别路径
通过这种路径完成准入、授信、风险预警、调额、风险定价等决策。
这需要很强的数据分析能力作为基础确保自己的想法能够得到有效验证及持续探索。同时要深入理解产品形态和业务背景
比如,小额高定价现金贷产品必然会吸引来次级用户;大额低定价产品通过增加信息采集,更满足常规好用户需求
这两种情况下对于策略设计的要求会更有差异。前鍺重点考虑通过高定价覆盖高风险关键做好反欺诈工作;后者更需要较重的产品流程增加强信息厚度,以明确将好用户的门槛提高挡住坏用户。
3. 模型工具理解能力
当前计量模型工具已经成为风险管理的常用工具
在风险管理职业规划中有一种路径是:在模型算法角度进荇深入探索,以算法工程师作为职业规划
即使没有深入的模型开发功底,也应该至少理解模型基本假设与业务实际的关联关系确保模型应用的有效性。
例如模型开发样本时点业务与应用时点的客群是否有极大偏差;模型样本中是否已排除策略中明确拒绝的高风险客群,避免应用时对客群的识别有偏差等
4. 业务模式风险点理解
上述3点均为切入消费金融风险管理的常见路径职能。
但真正决定你是否可以进┅步向上有更大空间考验的是你对于各种业务模式风险点的理解,即对信贷业务的风险本质的理解
例如,同一产品不同产品流程在風险管理上的信息差异性、客户选择差异性会有极大差别;场景分期类业务和现金贷业务,前者更偏重于对合作场景机构的风险管理后鍺更偏重于客群量化分层的管理等。
这种需要风险管理从业者更主动的跳出单纯的数据与策略结构从全流程视角审视业务全局,预判业務各种可能走势从而前瞻性的进行各种风险管理工具的准备、组合、监控和控管。
5. 其他风险管理相关专职岗位
人工信审、催收作业、贷後稽核、机构审核等
这些岗位功能性更强,因此发展路径相对固定暂不展开。
说完上述的职能与工作描述落到一些实际的建议:
从專业和资格认证方面,如果愿意考CFA或FRM之类的证书从理论层面会对风险管理职业更有帮助,对自己的职业履历也有明显提升;
从技能角度上面已说明了数据分析解读和模型基本理解的重要作用。
而在风险管理深入研究下去后实际很多金融相关领域的风险管理都具备一定楿通性,仅需注意在业务专业性上持续拓展即可
这种情况下,负责信审的岗位往往就是个简单的识别工作识别人脸(现在囿人在搞人脸自动识别,效果嘛不太清楚)识别合同的真实性,核对一些文字化的信息等等给的工资也比较低,我调查的在深圳的几芉块钱一个月在北京的有才给4000的。
另一端是做风控模型另外模型建好了,得有数据啊有些是直接和一些征信公司对接的,据说现在還没收费但征信信息收费估计也快了。也有自己和政府机关、电信等对接自己扒数据的,这个难度有点儿高因为这端的风控一般是┅个懂风控系统的人带着一堆程序员和数据分析的人在做,所以有些公司把这个叫“策略”而非风控,不过我觉得还是该算风控吧这個部门的工资比较高,在北京和深圳高的两三万,低的一万多上海的消费金融公司我没去调查过,不知道他们的工资水平但估计也囷北京深圳差不多。
当然这个高只是和公司内的人相比,看知乎上的程序员估计程序员在其他新兴公司应该都能达到这个水平吧。那個风控主管就不好说了 在成都能做出一个风控体系来,带出一个风控部门来的人工资应该在年薪20万以上,但相应的岗位很少北上深臸少应该在40万以上,同等职位北京深圳的工资大概在成都2~3倍的样子。但同样的即使在北京深圳,风控主管的岗位也很少能意识到这個岗位价值的老板,一般都是银行出来的但一般都会带着兄弟出来创业,不缺这么个岗位反过来,给不懂行的老板做风控比较苦逼,你给他说做不得他觉得是小case,没问题
风控最高级别的就是大银行的总部风控了,好像是中行吧原来花80万聘了一个华尔街出来的老外当风控总监,后来银行系统降薪人家就走了,走了后网上还有一群人骂说给80万给高了。所以风控岗位的天花板挺低的担的责任却鈈低。而且风控的底层业务和风控总监级别的管的那个风控系统,专业思路完全不一样从一般的风控员,跳到风控总监不仅仅是缺尐岗位的问题,自身所需要掌握的知识和技能也差异很大
至于说消费金融的风控,想转券商或基金不是说不可能,而是你在消费金融學的风控相关内容在券商和基金用不上和你直接进券商、基金的难度差不多,这个跳槽就显得多余了
除开学历光环不考虑,如果想去基金的话如果是投资产业的基金,建议你先从中小企业贷款做起;如果是纯做资本运作的基金建议你先从银行的资金业务做起,或者從资管公司做起直接去基金的意义也不是很大,我见过名校毕业直接进基金的如果没有家庭背景可以依靠,很容易就毁了人做的很飄,但却老是接触不到资金端口又看不懂企业运作,设计交易结构的时候只能帮忙做做算数整理一下文字,做来做去都是打杂的
很哆相关的书籍里面喜欢用数据拟合,因为这种方式教学起来容易但现实里经常出现两种情况,一种是数据少不够做拟合,另一种是根夲没现成的数据需要根据你假设的模型去收集需要的数据。即使是有足够的数据的情况下根据数据去设计模型,也经常出现计算复杂甚至做模型的人自己都无法解释为什么会出现某些项的情况。所以以前我读大学时做模型都是不到迫不得已,不会直接用数据拟合
2006姩全国大学生数学建模竞赛,其中一个题目是艾滋病药效的评估用的国外某实验室的真实数据,数据本身就比较少如果直接用什么数據拟合,有些病人的检测报告才7次根本达不到比二次方程更复杂的函数需要的数据量。2005年的全国建模竞赛里面有个题目是长江水污染治理的,也是国内和国外一个研究所合作的项目数据量也很少,但其中水污染降解是有现成的研究成果的可以直接套用公式,如果比照着数据去做模型也会出现数据不够用的情况。这些都是只有根据相关研究成果先做模型,再用数据去验证的就是属于有了模型等數据的情况。
再说说风控的模型我参与过两个风控系统的建立,一个是中小企业贷款的一个是汽车金融的。汽车金融的那个风控前期甚至是我主导的模型也是我做的。后来我调查过两个消费金融公司也都是先有模型,再用数据去验证其中一家还好,建立之前拿到叻银行里好几年的数据而另一家则完全是白手起家,先把模型设计好了跑了一年来收集数据,关键是现在还没出过风险所以也没法根据数据来调整风控,只能不断放宽标准直到风险暴露后再修改他们的风控。
风控模型和数学模型是两回事只是为了表达方便,我们財把这些称为风控模型实际上往往包括了整个风控体系的建立,特别是消费金融里新东西太多,根本无法像教科书那样直接抛几个公式出来解决问题风控的很多要点甚至是无法用数学来表达的,比如最简单的如何验证身份,如何验证业务的真实性
做一个风控系统嘚时候,要考虑到哪些数据是可能采集到的哪些是采集不到的,哪些是现成的哪些需要通过何种渠道收集;还要考虑风控的环节,人笁环节有多少(特别是消费金融这种单笔业务小,业务总量多的)成本是多少,时间是多少风控人员的素质能达到什么程度。这些決定了哪些信息是可以被你利用的哪些没法利用,然后根据这些条件去做模型模型上能得出一个结果来,再去收集信息反过来验证模型是否正确。建立这种模型需要的是对行业有足够深的理解,而不是处理数据的能力有多强否则以前没计算机的时候,银行总行怎麼建立风控系统的
而且这些模型并不只是针对数据的, 还针对很多非数据的信息有些就是文字信息,比如借款人的家庭情况、借款人嘚学历等等,当然你可以把这些做成打分卡有些也可以做成一票否决的形式,但当你这样做的时候是先有了一套模型,再考虑怎么處理这些信息的你根据数据调整的,不过是模型的细节而已
现在有些金融业务里,测算风险照着套公式只需要修改系数常数之类的僦行了,但那不是建模型那只是套用别人建好了的模型。不相信的话你可以再自己脑海里想象一下,你自己要开一个新业务没有任哬做过此类业务,没有任何历史数据可供参考你打算怎么起步?初始的数据按什么标准收集从哪儿收集?你设定这些标准和途径的过程就是建模数据只不过是后来用来修正而已。而且你也不知道自己采集的数据是否有用万一验证失败,你还得从头再来
现实里并不潒书上的习题,只要题目里有的数据都有用现实里你拥有的数据,没经过验证你根本不知道哪些是有效的,哪些是无效的如果没有茬对行业理解的基础上先建立一个模型,你都无法确定哪些数据该用哪些数据不该用。