• 5/7 anni di esperienza in ruoli simili, preferibilmente nell’area Risk Management in una società attiva nel settore dell’energia. • Costituisce un plus la familiarità con il funzionamento dei mercati elettrici/gas (in primis quello italiano) e loro fondamentali, e con i principali sistemi di regolamentazione. Skills: Relativamente alle conoscenze specifiche, il candidato, nel proprio percorso accademico/lavorativo, ha approfondito la maggior parte dei seguenti argomenti: • Basi di probabilità e calcolo stocastico applicato alla finanza: leggi di variabili aleatorie, legge dei grandi numeri e teorema del limite centrale, Lemma di Ito, Integrale di Ito, moto Browniano. • Teoria dell’asset pricing: approccio risk-neutral alla valutazione dei derivati, esistenza della misura neutrale al rischio, teorema di Girsanov applicato al moto Browniano, derivazione dell’equazione di Black-Scholes. • Simulazione numerica di variabili aleatorie con particolari leggi: Gaussiana, Poisson, gamma, esponenziale, Weibull. Acceptance-Rejection algorithms e algoritmo di fattorizzazione di Cholesky. • Analisi di serie storiche. • Analisi di correlazione. • Tecniche di machine learning, AI, PCA, basi di statistica applicata, test di ipotesi e analisi multivariata (regressione lineare, analisi della varianza). • Analisi di big data e cluster analysis. • Conoscenza di linguaggi ad alto livello (preferibilmente Python, Matlab e R), principi di OOP (Object Oriented Programming). • Metriche per la valutazione del rischio: VaR, PaR ed Expected Shortfall. • Modelli, tecniche e metodi di forecasting dei prezzi di mercato elettrico, gas e CO2, dei tassi di cambio e dei tassi di interesse, spot e forward. • Modellizzazione di commodities e tassi di cambio e di interesse, tramite modelli stocastici a tempo continuo e discreto. • Modelli, tecniche di pricing di contratti strutturati di breve/medio/lungo termine (opzioni europee, americane, asiatiche, PPA) tramite simulazioni Monte Carlo/FFT/PDE. • Metodi tecniche di shaping, smoothing e stagionalizzazione delle curve. • Volatilità storica ed implicita. Metodi di analisi e modellizzazione della volatilità (es. modelli GARCH). • Tecniche di stima dei parametri tra cui Linear Least Squares, Generalized Method of Moments, Maximum Likelihood Estimator. • Modello di Heat-Jarrow-Morton multifattoriale. • Modelli Black&Scholes, Black76, Merton, Hull-White, Schwartz-Smith, Ornstein-Uhlenbeck e in generale modelli basati sul Moto Browniano. • Simulazioni Monte Carlo. • Modelli di simulazione dei volumi di produzione di asset rinnovabili. • Algoritmi di ottimizzazione lineare e non lineare: algoritmo del simplesso, metodo del gradiente, metodo del punto interno, algoritmi genetici. • Metodi e tecniche di backtesting. • Metodi e tecniche di hedging, delta hedging su opzioni e proxy hedging.

Inglese (almeno B2)