Il Master in Scienze Attuariali offre una formazione quantitativa avanzata per analizzare, misurare e gestire il rischio in ambito assicurativo, previdenziale e finanziario. Il percorso integra solide basi matematico-statistiche con competenze regolamentari e di corporate governance, affinché i partecipanti sappiano costruire modelli robusti, interpretarli in modo critico e comunicarli a stakeholder tecnici e non tecnici. Le lezioni coprono probabilità, processi stocastici, inferenza e metodi computazionali (R, Python, SAS), per arrivare alle applicazioni: pricing, riservazione, ALM, riassicurazione, gestione del capitale e reporting normativo (Solvency II, ORSA, IFRS 17). Ampio spazio è dedicato a validazione, model risk, explainability e all’uso di dati reali, con laboratori, project work e case study tratti da compagnie, riassicuratori e fondi pensione. L’obiettivo è formare professionisti capaci di coniugare rigore analitico, consapevolezza regolamentare e impatto operativo.
Aree di specializzazione
Fondamenti quantitativi e data science per l’attuario
Questa area consolida gli strumenti matematico-statistici indispensabili per la pratica attuariale. Si studiano probabilità avanzata, processi stocastici, misure di rischio e nozioni di calcolo stocastico utili per la valutazione di opzioni e garanzie. L’inferenza frequentista e bayesiana è trattata in profondità, insieme alla teoria della credibilità e ai Generalized Linear Models per frequenza e severità. Sono introdotti metodi di machine learning interpretabili (LASSO, alberi, gradient boosting) con attenzione alla validazione, al bias e all’explainability. I laboratori di programmazione in R e Python coprono data wrangling, simulazione Monte Carlo, ottimizzazione, cross-validation e reportistica riproducibile, con cenni a SAS e VBA per l’automazione di processi aziendali.
Risk management, Solvency II e governance del modello
L’area affronta Enterprise Risk Management e la cornice regolamentare europea. Si approfondiscono Solvency II, SCR e MCR, standard formula vs internal model, ORSA e politiche di risk appetite. Vengono trattati risk taxonomy, metriche (VaR, TVaR), aggregazione delle correlazioni, stress test, reverse stress testing e analisi di scenario. Ampio focus su model governance: sviluppo, validazione indipendente, backtesting, sensitività e gestione del model risk. Si studiano i requisiti IVASS ed EIOPA, QRT e narrative reporting, controlli interni, politiche di data quality e data lineage. Temi emergenti includono climate risk, rischio operativo, cyber e rischi di condotta, con esercitazioni su documentazione tecnica, audit trail e tracciabilità delle assunzioni per favorire la compliance e la trasparenza verso il management e i regolatori.
Attuariale Vita, Previdenza e Demografia
Si approfondiscono i modelli di sopravvivenza e le tavole di mortalità, con tecniche di proiezione della longevità (Lee–Carter, Cairns–Blake–Dowd) e valutazioni di sensitività. Sono trattati prodotti vita puro rischio, rendite e unit/index linked, opzioni e garanzie (GMDB, GMAB, GMIB) e meccanismi di partecipazione agli utili. Il corso copre pricing, riserve tecniche, profit testing, Embedded Value e misure di performance. Si affrontano ALM e gestione delle duration, immunizzazione, replicating portfolios e coperture con derivati. Sul fronte contabile, focus su IFRS 17: unit of account, CSM, attualizzazione e risk adjustment, disclosure e transizioni. Per la previdenza complementare: design di piani a contribuzione/beneficio definito, longevity risk transfer e asset-liability integration, con attenzione alla sostenibilità demografica e agli impatti sociali.
Non-Life, Riassicurazione e Finanza per l’attuario
L’area copre pricing danni con modelli frequenza–severità, GLM e modelli misti, segmentazione tariffaria, bonus–malus e tecniche di uplift. Per la riservazione, si studiano Chain Ladder, Bornhuetter–Ferguson, Mack, bootstrap e approcci Bayesiani, con misura dell’incertezza e analisi di calendario. Si esaminano trattati di riassicurazione proporzionale e non proporzionale, ottimizzazione del programma e metriche economiche. Per i rischi catastrofali: modelli di frequenza estreme (EVT), cat modelling, copule per dipendenze e capital modelling. La parte finanziaria include tassi, obbligazioni, duration e convexity, curve, derivati plain vanilla, valutazione e hedging, oltre a simulazioni Monte Carlo per ALM e scenari. Si introducono cat bond, weather derivatives e il ruolo dei mercati dei capitali nel trasferimento del rischio assicurativo.
Metodologie didattiche
La didattica combina lezioni frontali, laboratori su dati reali, project work in team e momenti di confronto con professionisti. L’obiettivo è integrare teoria, pratica e consapevolezza regolamentare per favorire l’immediata applicabilità.
Laboratori computazionali con dataset reali
Sessioni hands-on in R e Python per pulizia dati, modellazione, validazione e reportistica, con repository versionato e notebook riproducibili.
Project work e capstone con tutor aziendale
Progetti su casi reali di pricing, riservazione, ORSA o IFRS 17, con mentoring di attuari certificati e presentazione finale al management.
Case study regolamentari e simulazioni d’esame
Analisi di QRT, narrativa ORSA, policy di risk appetite e audit trail, con esercitazioni su documentazione tecnica e colloqui con il regolatore.
Seminari tematici e cliniche di validazione
Workshop su model risk, explainability, stress testing e climate risk, con peer review strutturata e checklist di governance del modello.
"Misurare e comunicare l’incertezza è la prima forma di responsabilità: i modelli attuariali guidano decisioni sostenibili quando sono trasparenti, validati e governati."
— Direttore Scientifico del Master
