Physical Climate Risk Model Developer, Vice President

A missão central é transformar riscos físicos relacionados ao clima e à natureza em riscos financeiros e de crédito quantificados. Isso envolve desenvolver modelos de perigo, exposição, vulnerabilidade e impacto; criar pipelines geoespaciais com conjuntos complexos de dados climáticos e de ativos; e traduzir fatores científicos em métricas aplicáveis a testes de estresse, análises de cenários e análises de portfólio. A função também integra modelos externos de fornecedores e modelos públicos de riscos a dados internos de risco e portfólio do Citi. Além da modelagem, a posição tem uma forte dimensão de governança. A pessoa fará análises de sensibilidade, benchmarking e testes de modelos, escreverá código analítico de qualidade para produção e elaborará a documentação técnica necessária para a validação pela área de Gestão de Risco de Modelos (MRM) e para análises regulatórias. Também deverá apresentar resultados a públicos técnicos e não técnicos. No longo prazo, o objetivo é incorporar uma quantificação confiável dos riscos físicos à forma como o Citi identifica, mede e reporta riscos climáticos em diferentes portfólios, setores e regiões — tornando a estrutura de risco climático do banco defensável perante os reguladores e útil para os negócios.

Esta função está em uma interseção realmente rara: modelagem de catástrofes, ciência climática e gestão de riscos bancários. A pessoa selecionada provavelmente aprofundará seus conhecimentos em metodologias de modelagem de catástrofes usadas pelo setor, modelos climáticos e de riscos de fornecedores e fontes públicas, além das expectativas regulatórias que orientam a divulgação de riscos climáticos em um banco global sistemicamente importante. Na parte técnica, espere desenvolver experiência prática em análise geoespacial, inferência bayesiana, estatística espacial e aprendizado de máquina aplicados a conjuntos muito grandes e complexos de dados ambientais e de ativos. Escrever código pronto para produção em um ambiente tecnológico controlado é uma competência diferente da prototipagem de pesquisa, e esta função permite desenvolvê-la. A experiência em governança também é valiosa. Preparar metodologias para validação de MRM e atender a requisitos regulatórios dá ao profissional de modelagem credibilidade para, mais adiante, migrar para gestão de risco de modelos, políticas de risco climático ou posições mais amplas de liderança em riscos corporativos.

O anúncio deixa claro que é obrigatório ter pós-graduação — mestrado ou doutorado — em uma área quantitativa relacionada a riscos naturais, como hidrologia, meteorologia, ciências climáticas, ciências ambientais ou biológicas, estatística, física, engenharia ou matemática. Também exige de seis a dez anos de experiência prática em modelagem quantitativa, ciência de dados, risco climático, modelagem de catástrofes (CAT) ou análise de riscos ambientais. Do ponto de vista técnico, o perfil ideal combina experiência em modelagem estatística ou aprendizado de máquina com domínio de Python, SQL e Unix/Linux, além de experiência comprovada com dados de ameaças, exposição e vulnerabilidade. Ter familiaridade com modelos de catástrofes de fornecedores e fontes de dados climáticos é mais relevante para a vaga do que uma experiência bancária generalista. As habilidades interpessoais também são importantes. A função envolve trabalhar com fornecedores, equipes da Primeira e da Segunda Linha de Defesa e patrocinadores de negócios. Por isso, é tão importante quanto a modelagem saber explicar com clareza o desenho, as premissas e as limitações dos modelos — e receber questionamentos fundamentados com profissionalismo.

Como os requisitos são bastante específicos — pós-graduação em uma área relacionada a riscos naturais e mais de seis anos de experiência em modelagem de riscos CAT, climáticos ou ambientais —, destaque essa combinação logo no início do currículo, em vez de apresentar um perfil genérico de ciência de dados. Cite os riscos e modelos com que trabalhou, os conjuntos de dados utilizados e se seu trabalho contribuiu para testes de estresse ou relatórios regulatórios. Como o Citi dá bastante importância à governança de modelos, é um diferencial apresentar exemplos de documentação elaborada para comitês de validação ou órgãos reguladores. Também são relevantes casos concretos em que você traduziu resultados de ameaças físicas em métricas de impacto financeiro ou de crédito e implementou modelos em ambientes de produção controlados. Nas entrevistas, prepare-se para explicar, de ponta a ponta, um modelo que desenvolveu: suas premissas, análises de sensibilidade, critérios de benchmarking e limitações. O Citi valoriza explicitamente a capacidade de fazer questionamentos fundamentados e de se comunicar com clareza com públicos não técnicos. Por isso, ensaie uma explicação acessível do seu trabalho mais técnico.

O foco em sustentabilidade aqui está na quantificação de riscos climáticos, não na redução de emissões. A função se concentra nos riscos físicos das mudanças climáticas — ameaças agudas, como enchentes e tempestades, e mudanças crônicas, como calor e elevação do nível do mar — e, cada vez mais, nos riscos relacionados à natureza. Esse trabalho contribui para as análises de cenários e os testes de estresse do Citi. A atividade dá suporte à forma como um banco sistêmico global entende os efeitos financeiros das mudanças ambientais: quais ativos, setores e regiões estão expostos, qual é sua vulnerabilidade e o que isso significa para o crédito e a estabilidade das carteiras. Por isso, é fundamental para atender às obrigações regulatórias relacionadas a riscos climáticos. De forma mais ampla, o Citi assumiu compromissos de alinhamento a emissões líquidas zero e de financiamento sustentável. A contribuição desta função, porém, é fornecer a base analítica: evidências quantitativas confiáveis e bem governadas que permitam ao banco precificar e gerir riscos ambientais, em vez de apenas reportá-los.

O maior desafio são os dados. Os conjuntos de dados sobre ameaças físicas, exposição e vulnerabilidade são incompletos, usam escalas inconsistentes e muitas vezes são controlados por fornecedores. Por isso, antes mesmo de começar a modelagem, quem ocupar a função precisará dedicar bastante tempo a encontrar, conciliar e validar os dados de entrada. A compatibilização geoespacial entre carteiras e regiões acrescenta outra camada de complexidade. Outro desafio é fazer a tradução dos resultados. Os resultados de modelos científicos e de ameaças raramente se convertem diretamente em métricas financeiras. Além disso, conciliar horizontes temporais, períodos de retorno e premissas de cenários com as estruturas de risco de crédito exige discernimento — e o trabalho será examinado pela área de Gestão de Risco de Modelos. Por fim, há o equilíbrio exigido pela governança: os modelos precisam ser inovadores o suficiente para captar riscos climáticos e relacionados à natureza que estão surgindo, mas também estáveis, documentados e defensáveis para passar pela validação e atender aos órgãos reguladores. É provável que esse equilíbrio seja uma das principais fontes de pressão no dia a dia.

Um dia típico combina trabalho técnico intenso e coordenação. Reserve períodos para escrever e depurar pipelines em Python e SQL, processar camadas geoespaciais de ameaças ou integrar dados de fornecedores aos dados internos das carteiras, além de executar testes de sensibilidade ou benchmarking em modelos em desenvolvimento. Boa parte da agenda, porém, é dedicada à colaboração. A função trabalha com fornecedores externos na obtenção de dados e com equipes da Primeira e da Segunda Linha de Defesa no desenvolvimento de recursos para avaliação de riscos climáticos. Por isso, reuniões com as áreas de tecnologia, risco de modelos e patrocinadores de negócios fazem parte da rotina. A elaboração de documentação para governança e validação também exige tempo constante. A rotina varia conforme o ciclo de trabalho: em períodos mais tranquilos, há mais espaço para desenvolver modelos e pesquisar. Já os exercícios de teste de estresse, os envios regulatórios e as revisões de validação deslocam o foco para testes, documentação e apresentação de resultados a públicos técnicos e não técnicos.

A visibilidade é um grande diferencial. Como a modelagem de riscos climáticos físicos alimenta testes de estresse, análises de cenários e relatórios regulatórios de um banco sistêmico global, um bom trabalho nessa função ganha destaque para além da equipe imediata — chegando à liderança de risco corporativo, à Gestão de Risco de Modelos e aos órgãos reguladores. Entre as possibilidades de evolução estão aprofundar a especialização em Analytics de Risco Climático, migrar para posições mais amplas de liderança em risco corporativo ou risco de modelos, ou fazer uma transição lateral para áreas de finanças sustentáveis e estratégia climática. A combinação de profundidade quantitativa e experiência em governança também é valorizada nos setores bancário, de seguros e de consultoria. O Citi também insere a função em uma ampla estrutura de Dados, Analytics, Relatórios e Tecnologia, o que oferece contato com engenharia de dados, implementação de tecnologia e projetos multifuncionais — experiências que podem ampliar bastante as opções de carreira de quem trabalha com modelagem.

Internamente, as relações mais próximas são com a equipe de Analytics de Risco Climático, que integra a área de Analytics de Riscos de Crédito, Climáticos e de Devedores, além de colegas da organização de Dados, Analytics, Relatórios e Tecnologia. As equipes de tecnologia são parceiras constantes, pois os modelos precisam ser implementados em ambientes de produção controlados. Além da equipe imediata, a função interage com a Primeira Linha de Defesa para definir requisitos e obter dados, e com áreas da Segunda Linha, incluindo Gestão de Risco de Modelos, para validação e governança. Patrocinadores de negócios e analistas de carteira utilizam os resultados, por isso apresentá-los a públicos não técnicos é uma atividade frequente. Externamente, fornecedores de dados climáticos e de modelos de catástrofes são interlocutores importantes, pois a função avalia e integra seus modelos e colabora com eles em dados sobre ameaças, exposição e vulnerabilidade. Os órgãos reguladores são um público menos frequente, mas de grande relevância, que é atendido indiretamente por meio de documentação e relatórios.