Corso Base di Asset & Liability Management (ALM)Fundamentals of Asset & Liability Management in Modern Banking: Risk, Strategy and RegulationSeconda Edizione 2026

    ll corso fornisce una comprensione solida e operativa dei fondamenti dell’Asset & Liability Management (ALM), con particolare riferimento al contesto europeo e alle best practice bancarie. Attraverso un approccio integrato teorico-pratico, i partecipanti acquisiranno le competenze essenziali per interpretare, misurare e gestire i principali rischi di bilancio affrontati dagli intermediari finanziari.

    Al termine del corso, i partecipanti saranno in grado di:

    • Comprendere il ruolo strategico dell’ALM nella banca moderna;
    • Identificare e misurare i principali rischi di bilancio;
    • Valutare le implicazioni regolamentari (IRRBB, ILAAP, ICAAP, CSRBB, …);
    • Conoscere gli strumenti di copertura e le logiche di hedge accounting;
    • Interpretare i modelli comportamentali (NMDs & Prepayment);
    • Analizzare casi reali di fallimento per mala gestio dell’ALM.

    Il corso ha una durata totale di 8 ore e si articola nei seguenti moduli:

    • Modulo 1 –Introduzione Strategica all’ALM – 5 Giugno ore 16:00 – 18:00
    • Modulo 2 –Contesto Regolamentare Europeo e Strumenti di Gestione – 8 Giugno ore 16:00 – 18:00
    • Modulo 3 –Architettura dell’ALM & Macro Aggregati di Bilancio – 12 Giugno 2026 ore 16:00 – 18:00
    • Modulo 4 –Modelli Comportamentali & Casi Pratici – 15 Giugno 2026 ore 16:00 – 18:00


    La locandina del corso con le modalità di iscrizione è al seguente indirizzo:  

    Per iscriversi compilare il form al seguente indirizzo:

    Lo Stress test per il Credit Risk

    Il Corso ha l’obiettivo di approfondire i temi dello stress test nell’ambito del rischio di credito. Saranno analizzati gli aspetti metodologici generali, le caratteristiche degli stress test EBA e quelli di Secondo Pilastro con focus sui parametri di PD e LGD. Il corso ha la durata totale di 7 ore ed è strutturato nei seguenti moduli:

    Modulo 1 – 23 Ottobre 2026 (ore 9:30-13:00)

    Introduzione e stress test EBA

    ·                 Lo Stress Test: elementi di base

    ·                 Lo Stress Test EBA

    Modulo 2 – 30 Ottobre 2026 (ore 9:30-13:00)

    Lo stress test nel secondo Pilastro e i parametri di rischio

    ·                 Lo Stress Test a fini Pillar 2

    ·                 Focus sullo Stress Test dei diversi parametri di rischio: PD ed LGD

    La locandina del corso con le modalità di iscrizione è al seguente indirizzo:

    Per iscriversi al corso compilare il modulo al seguente indirizzo:


    Il giorno 9 Ottobre 2026 alle 10.00 si terrà il webinar gratuito di presentazione del tema trattato nel corso, per iscriversi utilizzare il form al seguente indirizzo:

    Intelligenza Artificiale e Machine Learning: Esempi di utilizzo nel Financial e Credit Risk Management

    Il Corso fa parte del percorso formativo “Artificial Intelligence in Risk Management” e si pone l’obiettivo di fornire i concetti fondamentali e le competenze tecniche necessarie per l’implementazione di algoritmi di Machine Learning, fornendo modelli applicativi ed esempi in ambito finanziario e creditizio. Non sono richiesti investimenti in software specifico e tutto il materiale didattico, comprensivo dei codici, verrà fornito a lezione. Non risultano necessarie propedeuticità particolari, in quanto queste sono fornite nell’ambito dei moduli preparatori dedicati rispettivamente ai fondamenti di programmazione Python e ai concetti statistici di base, finalizzati alla comprensione degli algoritmi trattati. Il corso completo ha una durata complessiva di 36 ore ed è strutturato nei seguenti moduli:


    Moduli propedeutici:

    • Moduli A: Programmazione Python – Sabato 3 e 10 Ottobre 2026 (ore 9:00-13:00)
    • Modulo B: AI e Machine Learning – Sabato 17 Ottobre 2026 (ore 9:00-13:00)
    • Modulo C: Coding Training Session – Sabato 24 Ottobre 2026 (ore 9:00-13:00)

    Moduli core:

    • Moduli 1: Unsupervised Machine Learning – Sabato 7 Novembre 2026 (ore 9:00-13:00)
    • Modulo 2: Supervised Machine Learning – Sabato 14 Novembre 2026 (ore 9:00-13:00)
    • Modulo 3: Artificial Neural Network – Sabato 21 Novembre 2026 (ore 9:00-13:00)
    • Modulo 4: Deep Learning – Sabato 28 Novembre 2026 (ore 9:00-13:00)
    • Modulo 5: Forecasting – Sabato 12 Dicembre 2026 (ore 9:00-13:00)

    La locandina del corso con le modalità di iscrizione è al seguente indirizzo

    Per iscriversi compilare il form ai seguenti indirizzi:

    Corso completo:

    Corso core:

    Il giorno 15 Settembre 2026 alle ore 17,30 si terrà la open lesson gratuita: per iscriversi compilare il form al seguente url:

    Explainable AI e Ottimizzazione: Esempi di utilizzo nel Financial e Credit Risk Management
    1. Il Corso fa parte del percorso formativo “Artificial Intelligence in Risk Management” e si pone l’obiettivo di fornire i concetti fondamentali e le competenze tecniche necessarie per l’implementazione di tecniche di data quality, Explainable AI e ottimizzazione, fornendo modelli applicativi ed esempi in ambito finanziario e creditizio. Non sono richiesti investimenti in software specifico e tutto il materiale didattico, comprensivo dei codici, verrà fornito a lezione. Non risultano necessarie propedeuticità particolari, in quanto queste sono fornite nell’ambito dei moduli preparatori dedicati rispettivamente ai fondamenti di programmazione Python e ai concetti statistici di base, finalizzati alla comprensione degli algoritmi trattati. Il corso completo ha una durata complessiva di 36 ore ed è strutturato nei seguenti moduli:


    Moduli propedeutici
    :

    • Moduli A: Programmazione Python – Sabato 3 e 10 Ottobre 2026 (ore 9:00-13:00) 
    • Modulo B: AI e Machine Learning – Sabato 17 Ottobre 2026 (ore 9:00-13:00)
    • Modulo C: Coding Training Session – Sabato 24 Ottobre 2026 (ore 9:00-13:00)
    • Modulo D: Programmazione Python – Approfondimento – Sabato 19 Dicembre 2026 (ore 9:00-13:00)

    Corso core:

    • Modulo 1: Data Quality Sabato 16 Gennaio 2027 (ore 9:00-13:00)
    • Modulo 2: XAI on structured data and time series Sabato 23 Gennaio 2027 (ore 9:00-13:00)
    • Modulo 3: XAI on unstructured data Sabato 30 Gennaio 2027 (ore 9:00-13:00)
    • Modulo 4: Optimization Learning Sabato 6 Febbraio 2027 (ore 9:00-13:00)

    La locandina del corso con le modalità di iscrizione è al seguente indirizzo:

    Per iscriversi compilare il form al seguente url:

    Per iscriversi alle Open lesson gratuite compilare il form al seguente url:
     – 15/9/2026:
     – 16/12/2026:

    Rischio di tasso di interesse del banking book (IRRBB)
    • Modulo 1: Framework metodologico – Martedì 23 Giugno ore 10:00 – 13:00
    • Modulo 2: Framework regolamentare – Mercoledì 24 Giugno ore 10:00 – 13:00
    • Modulo 3: Approfondimenti della Commissioni di ricerca AIFIRM – Giovedì 25 Giugno ore 10:00 – 12:00

     Il Corso ha l’obiettivo di approfondire i temi del rischio di tasso di interesse del banking book e di analizzare sia il framework metodologico sia quello regolamentare.

    Saranno condivisi i risultati dei lavori della nuova commissione AIFIRM IRRBB analizzando criticità emerse nell’adeguamento al nuovo quadro regolamentare, questioni aperte e profili operativi.

    La locandina del corso è disponibile al seguente indirizzo:

    Per iscriversi al corso compilare il form al seguente indirizzo:

    Il   giorno 8 Giugno 2026 alle ore 10,00 si terrà la open lesson gratuita : per iscriversi compilare il form al seguente indirizzo:

    Programmazione Statistica con R: Esempi di utilizzo nella gestione del rischio di credito

    Il Corso si pone l’obiettivo di fornire le conoscenze di base di uno tra i più popolari linguaggi di programmazione statistica: il software R. I primi due moduli hanno come finalità l’apprendimento degli oggetti e della sintassi di tale linguaggio, mentre negli ultimi tre, di carattere più applicativo, verranno discussi degli esempi all’interno della gestione di dati e delle tecniche di Machine Learning.  R è un linguaggio open source pertanto non sono richiesti investimenti software e tutto il materiale didattico comprensivo dei codici verranno forniti a lezione. Non sono richieste propedeuticità particolari in ambito di programmazione.

    Il corso ha una durata totale di 20 ore ed è strutturato nei seguenti moduli:

    • Open Lesson: Giovedì 23 Aprile 2026 (ore 17:30-18:30)
    • Modulo 1 e 2:  Sabato 9 e Sabato 16 Maggio 2026 (ore 9:00-13:00) – Il linguaggio R
    • Modulo 3: Sabato 23 Maggio 2026 (ore 9:00-13:00) – R per la Data Science
    • Modulo 4 e 5: Sabato 30 Maggio e 6 Giugno 2026 (ore 9:00-13:00) – Credit Risk Modeling

    La locandina del corso con le modalità di iscrizione è al seguente indirizzo

    Per iscriversi alla Open lesson gratuita compilare il form al seguente url:

    Per iscriversi al corso compilare il form al seguente url:

    Corso Base di Asset & Liability Management (ALM)Fundamentals of Asset & Liability Management in Modern Banking: Risk, Strategy and Regulation

    ll corso fornisce una comprensione solida e operativa dei fondamenti dell’Asset & Liability Management (ALM), con particolare riferimento al contesto europeo e alle best practice bancarie. Attraverso un approccio integrato teorico-pratico, i partecipanti acquisiranno le competenze essenziali per interpretare, misurare e gestire i principali rischi di bilancio affrontati dagli intermediari finanziari.

    Al termine del corso, i partecipanti saranno in grado di:

    • Comprendere il ruolo strategico dell’ALM nella banca moderna;
    • Identificare e misurare i principali rischi di bilancio;
    • Valutare le implicazioni regolamentari (IRRBB, ILAAP, ICAAP, CSRBB, …);
    • Conoscere gli strumenti di copertura e le logiche di hedge accounting;
    • Interpretare i modelli comportamentali (NMDs & Prepayment);
    • Analizzare casi reali di fallimento per mala gestio dell’ALM.

    Il corso ha una durata totale di 8 ore e si articola nei seguenti moduli:

    • Modulo 1 –Introduzione Strategica all’ALM – 4 Maggio ore 16:00 – 18:00
    • Modulo 2 –Contesto Regolamentare Europeo e Strumenti di Gestione – 8 Maggio ore 16:00 – 18:00
    • Modulo 3 –Architettura dell’ALM & Macro Aggregati di Bilancio – 11 Maggio 2026 ore 16:00 – 18:00
    • Modulo 4 –Modelli Comportamentali & Casi Pratici – 15 Maggio 2026 ore 16:00 – 18:00


    La locandina del corso con le modalità di iscrizione è al seguente indirizzo

    Per iscriversi compilare il form al seguente url:


    Il giorno 21 Aprile 2026 alle ore 16,30 si terrà la open lesson gratuita: per iscriversi compilare il form al seguente url

    Explainable AI e Ottimizzazione: Esempi di utilizzo nel Financial e Credit Risk Management

    Il Corso si pone l’obiettivo di fornire i concetti fondamentali e le competenze tecniche necessarie per l’implementazione di tecniche di Explainable AI e ottimizzazione, fornendo modelli applicativi ed esempi in ambito finanziario e creditizio. Non sono richiesti investimenti in software specifico e tutto il materiale didattico, comprensivo dei codici, verrà fornito a lezione. Non risultano necessarie propedeuticità particolari, in quanto queste sono fornite nell’ambito dei moduli preparatori dedicati rispettivamente ai fondamenti di programmazione Python e ai concetti statistici di base, finalizzati alla comprensione degli algoritmi trattati. Il corso completo ha una durata complessiva di 20 ore ed è strutturato nei seguenti moduli:

    Moduli propedeutici:

    • Modulo A: Programmazione Python Sabato 11 aprile 2026 (ore 9:00-13:00)
    • Modulo B: AI e Machine Learning Sabato 18 aprile 2026 (ore 9:00-13:00)

    Corso core:

    • Modulo 1: Explainable AI (XAI) on structured data and time series Sabato 9 maggio 2026 (ore 9:00-13:00)
    • Modulo 2: XAI on unstructured data Sabato 16 maggio 2026 (ore 9:00-13:00)
    • Modulo 3: Optimization Sabato 23 maggio 2026 (ore 9:00-13:00)


    La locandina del corso con le modalità di iscrizione è al seguente indirizzo

    Per iscriversi compilare il form al seguente url:


    Il giorno 25 Marzo 2026 alle ore 17,30 si terrà la open lesson gratuita: per iscriversi compilare il form al seguente url:

    Slide della Open Lesson