Specializzazione produttiva e vulnerabilità agli shock
Un framework quantitativo per l’industria italiana
Paolo Volterra 
I documenti pubblici sull’industria italiana — dai rapporti MIMIT alle analisi SVIMEZ, fino al lavoro di Intesa Sanpaolo sui distretti — descrivono bene la struttura produttiva del paese ma non rispondono a una domanda centrale per un ufficio studi bancario: cosa succede a quella struttura quando cambia qualcosa di importante fuori? Questa nota descrive un framework quantitativo a sei livelli — dalla specializzazione settoriale (RCA) alla propagazione degli shock nelle reti produttive — che prova a colmare quel vuoto. Il framework si radica nella letteratura sulla Terza Italia (Bagnasco, Becattini, Piore & Sabel) e produce, come output finale, una matrice settore × regione con tre coordinate operative: specializzazione, qualità, vulnerabilità.
RCA, Balassa, distretti industriali, Terza Italia, shock, filiere, competitività
1 Perché questa nota
I documenti disponibili sull’industria italiana offrono molta descrizione e poca dinamica. Il MIMIT (Made in Italy 2030, Libro Verde, Rapporto settori industriali) costruisce una narrativa strategica convincente, usa dati ISTAT ed Eurostat, e identifica le filiere prioritarie — ma si affida a tre indicatori semplici (valore aggiunto, quota PIL, occupazione) e non produce modellistica quantitativa. SVIMEZ fa un passo avanti: analizza gli shock in chiave territoriale, distingue gli effetti per macro-area, ragiona implicitamente in termini di filiere. Intesa Sanpaolo va ancora oltre, lavorando su bilanci aziendali reali — fatturato, EBITDA, patrimonializzazione — e mostrando la dispersione di performance all’interno dei distretti. Eppure nessuno di questi lavori risponde a una domanda che per un ufficio studi bancario è operativamente critica: dato uno shock esterno, chi viene colpito, con quale intensità e attraverso quale canale?
Non si tratta di un limite di competenza. È una scelta di campo: quei documenti sono costruiti per orientare la politica industriale o comunicare ai mercati, non per simulare scenari di stress. Il risultato è che abbiamo molte fotografie dell’industria italiana — alcune eccellenti — ma pochi strumenti in grado di mostrarne la dinamica sotto pressione.
Questa nota descrive un framework che prova a colmare quel vuoto, partendo dallo strumento più semplice (il RCA di Balassa, già calcolato su dati reali per il 2023) e costruendo progressivamente i livelli che servono per arrivare a un’analisi operativa del rischio settoriale e territoriale.
2 Il punto di partenza teorico: la Terza Italia
Il framework non nasce nel vuoto. Si radica in un corpo di letteratura che ha descritto, a partire dagli anni Settanta, un modello di sviluppo industriale specificamente italiano.
Bagnasco (1977) individua una Terza Italia — né il grande capitalismo nordoccidentale né il Sud agricolo e assistito — fondata su piccole e medie imprese, territorio e relazioni sociali dense. Becattini formalizza il concetto di distretto industriale marshalliano: un sistema produttivo localizzato dove l’unità rilevante non è la singola impresa ma la comunità di imprese, con economie esterne, circolazione tacita di conoscenza e mercato del lavoro specializzato. Piore e Sabel introducono il concetto di specializzazione flessibile: le PMI in rete sono più adattabili della grande impresa verticalmente integrata perché possono ricombinare le competenze senza dover ristrutturare tutta la catena produttiva. Marshall, ripreso da Bellandi e dalla California School (Scott, Storper), fornisce la spiegazione dei meccanismi: la prossimità geografica riduce i costi di transazione, crea un’atmosfera industriale che accelera la diffusione delle innovazioni, e permette una divisione del lavoro fine che una singola grande impresa non potrebbe sostenere internamente.
La sintesi operativa è una: il modello italiano funziona grazie all’interconnessione densa tra PMI specializzate. Questa interconnessione è il motore della flessibilità e della qualità — ed è anche, simmetricamente, il principale canale di trasmissione degli shock. Il punto di forza strutturale è lo stesso del punto di vulnerabilità.
Forza = interconnessione. Interconnessione = vulnerabilità.
Questo non è un paradosso astratto. È la premessa operativa del framework.
| : | tion .level2 number=“3”} RCA nazionale {#cosa-abbiamo-il-rca-nazionale .anchored number=“3” anchor-id=“sec-rca”} |
|---|---|
| Moda Agroalimentare Lusso Chimica Sistema casa Metallurgia Gomma-Plastica Trasporti Meccanica | 2.44 1.60 1.51 1.47 1.41 1.38 1.01 0.82 0.81 |
| meccanica sotto | 1 riflette la forte concorrenza tedesca e asiatica; i settori del Made in Italy classico sono tutti sopra 1.3. |
| : {#limitazioni-d # Limitazioni dic | ichiarate .section .level3 number=“3.1”} hiarate {.anchored number=“3.1” anchor-id=“limitazioni-dichiarate”} |
| esta fotografia h | a tre limiti da tenere presenti. Primo: il “mondo” è approssimato da un proxy di 16 economie che coprono circa il 53% del commercio mondiale; UK, Francia e Spagna sono escluse per ragioni tecniche legate all’API gratuita (dati troncati a 500 righe), il che può portare a una sovrastima dell’RCA nei settori dove quei paesi sono concorrenti diretti. Secondo: l’RCA tratta l’Italia come un blocco unico, mentre il vantaggio comparato italiano è geograficamente concentrato — è la somma di micro-specializzazioni distrettuali. Terzo, e più importante: l’RCA è statico. Descrive una posizione, non una traiettoria; descrive una forza, non la sua robustezza. |
::::
3 Cosa non abbiamo ancora
Mancano tre livelli analitici, ciascuno dei quali aggiunge una dimensione diversa e necessaria.
3.1 La dimensione territoriale
Sapere che l’Italia è forte nel mobile (Sistema casa, RCA 1.41) non dice nulla su chi subisce per primo lo shock quando la domanda estera cala. I dati Furnilytics — basati su ISTAT SBS e Eurostat Comext — mostrano che il 62% della produzione di mobili è concentrata in tre regioni: Lombardia, Veneto, FVG. Di queste, FVG e Marche hanno aumentato la penetrazione negli USA post-Covid proprio mentre i dazi americani entravano in vigore; il risultato è un calo del 15.5% dell’export nel trimestre più recente con un’aliquota effettiva del 13.4% su HS9401–9403.
Il RCA regionale — calcolabile da ISTAT Coeweb con la formula \((X_i^{reg}/X_{tot}^{reg}) / (X_i^{IT}/X_{tot}^{IT})\) — permette di “spacchettare” il dato nazionale in micro-specializzazioni territoriali. Un valore maggiore di 1 significa che la regione è più specializzata in quel settore rispetto alla media italiana. Questo è lo strumento che distingue FVG (monosettoriale nel mobile) da Lombardia (più diversificata) e misura empiricamente la concentrazione del rischio geografico.
3.2 La dimensione qualitativa
Due settori con lo stesso RCA possono avere profili di rischio molto diversi. Il rapporto Intesa Sanpaolo sui distretti industriali mostra esattamente questa dispersione: all’interno dello stesso macro-settore coesistono distretti ad alta performance e distretti che si reggono su margini sottilissimi. Senza incorporare indicatori di qualità — produttività del lavoro (VA/addetti), intensità tecnologica (R&S/VA), upgrading di filiera (export/VA) — l’RCA racconta solo metà della storia.
Questa dimensione risponde a una domanda diversa dal RCA: non quanto esporti ma quanto vale quello che esporti, e quindi quanto spazio hai per assorbire uno shock prima che i margini diventino negativi.
3.3 La dimensione di rete
È il livello più complesso e anche il più direttamente collegato alla teoria della Terza Italia. Le tavole input-output — disponibili da ISTAT o Eurostat FIGARO — mappano i flussi di beni intermedi tra settori. Il modello Leontief, \(\mathbf{x} = (I - A)^{-1}\mathbf{y}\), permette di calcolare i moltiplicatori di produzione: dato uno shock sulla domanda finale di un settore, quanto si propaga agli altri settori attraverso le relazioni di fornitura?
Questo è l’effetto sgocciolamento (trickle-down) nella sua forma quantificabile: uno shock energetico aumenta i costi della chimica, che aumenta i costi della plastica, che comprime i margini del packaging, che erode la redditività dell’agroalimentare. Senza questa dimensione, il framework vede gli shock ma non li propaga.
4 Cosa possiamo ottenere
Con i tre livelli aggiunti, il framework diventa uno strumento operativo a sei stadi sequenziali:
Specializzazione (RCA) → cosa produce il paese
Struttura territoriale → dove lo produce
Qualità industriale → quanto vale quella produzione
Rete produttiva (filiere I/O) → come è connessa la catena
Shock esterno → quale perturbazione
Propagazione (Leontief) → chi viene colpito e con quale intensitàL’output finale è una matrice settore × regione con tre coordinate operative: specializzazione (RCA), qualità (indice composito), vulnerabilità (esposizione agli shock ponderata per la struttura di rete). Questa matrice produce quattro quadranti interpretativi: forte e resiliente (RCA alto, qualità alta, bassa esposizione), forte ma fragile (RCA alto, margini stretti, alta dipendenza), debole e resiliente (sotto 1, ma struttura solida), debole e fragile (candidati a uscire dal mercato sotto pressione).
Per un ufficio studi bancario, il quadrante operativamente rilevante è il secondo: i settori ad alto RCA ma alta vulnerabilità sono quelli dove la concentrazione dell’esposizione creditizia richiede un monitoraggio specifico.
5 Idee aggiuntive da valutare
Alcune estensioni non ancora nel piano che potrebbero arricchire il framework in modo significativo.
Economic Complexity Index (Hidalgo & Hausmann): misura non quanto esporti ma quanto sono sofisticati i prodotti esportati. Un paese che esporta beni che pochi altri sanno produrre ha un vantaggio più difendibile nel tempo. L’ECI è calcolabile sugli stessi dati Comtrade e aggiungerebbe una dimensione “difendibilità del vantaggio” che il RCA non ha — in sostanza, risponde alla domanda quanto è difficile da replicare questa specializzazione?
Esposizione tariffaria ponderata: per ogni settore, un indice che combina quota di export verso mercati a rischio tariffario e aliquota effettiva attesa. Il caso mobile è già un test: HS9401–9403, aliquota 13.4%, calo -15.5% in un trimestre. Generalizzare questo calcolo a tutti i settori darebbe una misura di esposizione al protezionismo commerciale oggi concretamente rilevante.
RCA dinamico (serie storica 2010–2023): lo stesso indicatore calcolato anno per anno permette di distinguere vantaggi strutturali (stabili) da vantaggi congiunturali (legati a un ciclo). Per l’analisi creditizia la traiettoria conta almeno quanto il livello: un settore che perde sistematicamente RCA nell’arco di un decennio è un segnale diverso rispetto a uno che oscilla attorno a un valore stabile.
Autocorrelazione spaziale (Moran’s I): test statistico che verifica se i settori ad alto RCA si concentrano nello spazio in modo non casuale. Permetterebbe di confermare — o smentire — empiricamente l’ipotesi distrettuale per ciascun macro-settore, andando oltre la narrativa e producendo una misura della clusterizzazione effettiva.
Integrazione con dati creditizi (Bankit.sqlite): l’output naturale del framework per un ufficio studi bancario è il collegamento tra specializzazione settoriale e andamento del credito — sofferenze, nuove erogazioni, tassi di default per settore e area geografica. Le tabelle TRI (sofferenze) e TFR (erogazioni MLT) sono già disponibili e permetterebbero di chiudere il loop: dalla struttura produttiva all’impatto sul portafoglio.
6 Una nota sulla coerenza metodologica
Man mano che il framework cresce, si accumula etereogeneità nelle fonti: RCA da Comtrade, produttività da ISTAT SBS, margini da Intesa Sanpaolo, input-output da FIGARO. Ciascuna fonte ha anni di riferimento diversi, classificazioni settoriali diverse (HS, NACE, ATECO, CPA) e livelli geografici diversi (nazionale, NUTS2, NUTS3).
Prima di produrre output destinati a circolazione esterna, serve una fase esplicita di armonizzazione: mapping tra classificazioni, trattamento delle discontinuità di serie, dichiarazione dei proxy usati quando i dati diretti non esistono. Questo non è un ostacolo — è una scelta di qualità. La differenza tra un framework credibile e uno che sembra preciso ma non lo è sta quasi sempre in questi dettagli di raccordo.
La trasparenza sulle limitazioni è anche una scelta comunicativa: in un documento destinato a un ufficio studi, dichiarare esplicitamente cosa non sai è spesso più utile che mascherare l’incertezza.
7 Prossimi passi
Il percorso verso il framework completo è sequenziale e modulare: ogni livello aggiunto è già utile indipendentemente da quelli successivi.
- Fix tecnici
download_comtrade.py: correzione dedup (sum vs max) e filtro cmdCode - RCA regionale NUTS2 da ISTAT Coeweb
- Heatmap Regione × Macro-settore (visualizzazione della concentrazione territoriale)
- Matrice RCA × Vulnerabilità (quadranti rischio con proxy iniziali)
- Indici di qualità (produttività, intensità tecnologica da ISTAT SBS)
- Serie storica RCA 2010–2023 (traiettoria del vantaggio comparato)
- Modello input-output (propagazione quantificata degli shock)
- Integrazione Bankit (impatto su portafoglio creditizio)
I primi tre punti sono fattibili a breve con le fonti già disponibili. I punti 6–8 richiedono un investimento metodologico più significativo ma sono quelli che portano il framework da descrittivo a predittivo.