Mauro Mangani

Laureato magistrale intraprendente e determinato, con un solido percorso accademico recentemente completato in ambito attuariale e quantitativo (Laurea Magistrale in Finance and Risk Management) e attualmente iscritto al Corso di Alta Formazione in Scienze Attuariali. Fortemente motivato a intraprendere una carriera nel settore attuariale, mette a disposizione senso di responsabilità, approccio analitico e orientamento al risultato, con l’obiettivo di contribuire concretamente al raggiungimento degli obiettivi aziendali e di team.

Neolaureato con lode in Finance and Risk Management, con percorso accademico interamente in lingua inglese e specializzazione in ambito attuariale. Ho approfondito modelli assicurativi, risk management quantitativo e tecniche di machine learning applicate alla stima della mortalità. Attualmente sto completando un Corso di Alta Formazione in Scienze Attuariali, con focus su applicazioni pratiche. In particolare, ci siamo concentrati su:

Pricing di prodotti vita e analisi delle riserve tecniche secondo i criteri civilistici e secondo Solvency II, con simulazione di scenari attuariali (mortalità/sopravvivenza, riscatto, spese, rendimento della gestione separata, ecc.). Approfondimento sul calcolo del Best Estimate Liability e del Risk Margin, che insieme determinano il fair value delle passività assicurative, e sulla determinazione dello SCR e del solvency ratio

Pricing dei rami danni e calcolo delle riserve tecniche tramite i principali metodi attuariali: Chain Ladder, Fisher-Lange, Taylor Separation, con un focus specifico sulla RCA auto

Applicazioni pratiche alla riassicurazione, in riferimento a coperture RC auto

Esercitazioni sulle tecniche attuariali per collettività

Approfondimenti su bilancio assicurativo, ALM e profit testing

LAUREA MAGISTRALE IN FINANCE AND RISK MANAGEMENT
(LM-16 - FINANCE)
Voto finale: 110 e lode

Corso di laurea interamente in lingua inglese.

Tesi di laurea: Mortality Estimation: An Integrated Approach Combining Traditional Methods and Machine Learning Techniques Utilizzo di modelli di machine learning (Decision Tree, Random Forest, Gradient Boosting, Neural Network), per l’aggiustamento della mortalità, applicati inizialmente in ottica di backtesting e successivamente in chiave predittiva, integrati con modelli attuariali tradizionali (Lee-Carter, Renshaw-Haberman).

Principali tematiche affrontate nel percorso di studi:

Ambito assicurativo e attuariale: Pricing e riserva di polizze vita e danni, gestione di portafogli assicurativi, applicazione del framework Solvency II (inclusi SCR e BEL). Corsi principali: Insurance and Risk Models, Pensions, Solvency and Financial Reporting

Modelli probabilistici: Studio approfondito di distribuzioni impiegate in ambito attuariale (Poisson, Gamma, Pareto, miscele di Poisson, Binomiale Negativa)

Quantitative Risk Management: Analisi del rischio di mercato, di credito e introduzione al rischio climatico

Finanza quantitativa e derivati: Valutazione di strumenti finanziari complessi in tempo discreto e continuo Corsi principali: Quantitative Finance and Derivatives e Computational Finance.

Machine Learning: Partecipazione al Workshop in Machine Learning for Finance and Insurance, con focus su tecniche di apprendimento supervisionato

Crisi dei mercati interbancari: Attività pratiche nel Workshop in Interbank Market Crises, con applicazione della teoria delle reti e di modelli ad agenti per l’analisi del rischio sistemico

Analisi di bilancio: Studio degli indicatori di redditività e costo del capitale, con redazione di un report finanziario applicato al bilancio di Luxottica (Financial Statement Analysis)

Competenze informatiche: Ottima padronanza di Python, R, Excel, Matlab, LaTeX. Esperienza pratica nel pricing di strumenti derivati con Excel.