Struttura produttiva e vulnerabilità creditizia nei Sistemi Locali del Lavoro italiani

Sviluppo di un indice territoriale SLL_VULN su 515 sistemi locali

Mezzogiorno e territori
Banche e credito
I Sistemi Locali del Lavoro (SLL) — unità territoriali funzionali costruite sui flussi di pendolarismo — offrono una granularità territoriale superiore a province e regioni per analizzare la struttura produttiva e le condizioni creditizie del territorio italiano.
Autore/Autrice

Paolo Volterra

Data di Pubblicazione

5 giugno 2026

Doi

10.5281/zenodo.20631785

Sommario

I Sistemi Locali del Lavoro (SLL) — unità territoriali funzionali costruite sui flussi di pendolarismo — offrono una granularità territoriale superiore a province e regioni per analizzare la struttura produttiva e le condizioni creditizie del territorio italiano. Questo documento combina il framework analitico sviluppato in febbraio 2026 con il dataset empirico sll_master_v3 (515 SLL × 72 colonne, giugno 2026) per costruire un indice di vulnerabilità strutturale SLL_VULN, validarne la coerenza geografica e settoriale, e discutere le implicazioni per il risk management bancario e la policy pubblica. I risultati mostrano che la vulnerabilità strutturale è fortemente concentrata nel Mezzogiorno (classe D), correlata con bassa occupazione, basso reddito e scarsa presenza bancaria, e attenuata dalla specializzazione produttiva distrettuale.

Parole chiave

SLL, sistemi locali del lavoro, rischio creditizio, vulnerabilità strutturale, Mezzogiorno, IFRS 9, market failure, copertura bancaria

Versione citabile su Zenodo, con il PDF: doi.org/10.5281/zenodo.20631785.

1 Perché gli SLL

I Sistemi Locali del Lavoro sono la risposta italiana alla domanda: qual è l’unità territoriale che cattura meglio la struttura produttiva reale? Province e regioni sono unità amministrative; i SLL sono costruiti sui flussi effettivi di pendolarismo casa-lavoro rilevati al censimento. Un SLL è autocontenuto per definizione: almeno il 75% degli addetti che vi lavorano risiede nell’area, e almeno il 75% dei residenti che lavorano lo fanno nell’area stessa.

Questa costruzione li rende coerenti con la struttura del rischio creditizio locale in un modo che le province non catturano:

  • Il rischio di un’impresa manifatturiera dipende dalla sua filiera locale, non dal confine provinciale
  • La mobilità del lavoro — e quindi la resilienza occupazionale — segue i confini SLL, non quelli amministrativi
  • L’aggregazione bancaria a livello SLL non produce gli artefatti che si producono aggregando sportelli per provincia (dove una città capoluogo domina statisticamente l’intero territorio)

L’ISTAT ha classificato i 515 SLL 2021 in quattro macro-classi e 17 gruppi sulla base della specializzazione produttiva prevalente. Questa classificazione è il punto di partenza per qualsiasi analisi del rischio territoriale che voglia distinguere le diverse strutture produttive.

Figura 1: Distribuzione dei 515 SLL e della popolazione residente per classe produttiva (tassonomia ISTAT 2021).

2 Il dataset empirico: cosa è ora disponibile

Il documento originale del febbraio 2026 identificava come lacuna centrale l’assenza di dati finanziari e creditizi mappati a livello SLL. Il dataset sll_master_v3 costruito nel giugno 2026 colma in gran parte questa lacuna.

Tabella 1 — Dimensioni e fonti del dataset sll_master_v3.

Dimensione Indicatori Fonte Copertura
Copertura finanziaria Sportelli bancari, UP Poste, ATM Bankit TDB + Poste Italiane 515/515 SLL
Intermediazione Depositi totali, crediti MLT Bankit TDB10195/TFR10241 515/515 SLL
Reddito IRPEF medio per contribuente MEF 2022 515/515 SLL
Mercato del lavoro Tasso occupazione/disoccupazione, auto-contenimento ISTAT 2021–2023 515/515 SLL
Struttura produttiva 17 gruppi ISTAT, flag distretto 2011 ISTAT 515/515 SLL
Imprenditorialità Tasso imprenditorialità, addetti artigiani% ISTAT 515/515 SLL
Innovazione Copertura FTTH% ISTAT 515/515 SLL
Struttura demografica Indice vecchiaia, tasso migratorio, età media ISTAT 515/515 SLL

Il gap che rimane è la correlazione con dati di default dalla Centrale Rischi (NPL ratio, PD per SLL): questi non sono disponibili alla granularità SLL e richiederebbero accesso ai micro-dati di vigilanza.

3 Matrice delle correlazioni strutturali

Prima di costruire l’indice sintetico, è utile visualizzare le correlazioni tra le dimensioni chiave.

Figura 2: Matrice di correlazione Spearman tra le dimensioni strutturali dei 515 SLL.

La matrice rivela tre pattern rilevanti per il risk management:

  1. Cluster “economia reale”: sportelli bancari, depositi, crediti e reddito IRPEF sono fortemente correlati tra loro (ρ > 0.6). Chi ha più banche ha più depositi, più crediti e redditi più alti. È un blocco strutturalmente coerente.
  2. Disoccupazione anti-correlata: il tasso di disoccupazione è negativamente correlato con tutti gli indicatori del cluster “economia reale” (ρ ≈ −0.5/−0.6). Mercati del lavoro deboli e sistemi finanziari deboli si sovrappongono geograficamente.
  3. Poste Italiane indipendenti: up_100k ha correlazione prossima a zero con reddito, depositi e sportelli bancari. Conferma empiricamente la funzione di presidio universale, indipendente dalla struttura economica locale.

4 Costruzione dell’indice SLL_VULN

L’indice sintetico di vulnerabilità strutturale SLL_VULN aggregga cinque dimensioni con z-score di uguale peso, normalizzato 0–100.

Tabella 2 — SLL_VULN per classe produttiva.

Classe produttiva Mediana Media Dev. std
Made in Italy 58.5 61.1 15.2
Ind. pesante 60.4 61.3 13.1
Non manifatt. 53.8 54.1 18.1
Non specializzati 81.8 79 12.8

Nota

Componenti SLL_VULN: z-score composito di sei indicatori — sportelli bancari per 100k abitanti, tasso di occupazione, reddito IRPEF medio per contribuente, auto-contenimento domanda (sc_dom_2021), tasso di imprenditorialità, flag area interna SNAI 2020 (area_interna_flag: 1 se >50% dei comuni del SLL classificati come area interna). Pesi uguali; valori mancanti sostituiti con la mediana. Score finale normalizzato 0–100 (0 = minima vulnerabilità, 100 = massima vulnerabilità).

5 Distribuzione geografica e settoriale

Figura 3: Distribuzione di SLL_VULN per classe produttiva (sinistra) e relazione con il reddito IRPEF medio, Mezzogiorno vs Centro-Nord (destra).

Figura 4: SLL_VULN mediano per regione (rosso: Mezzogiorno; azzurro: Centro-Nord).

6 I 25 SLL più vulnerabili

Tabella 3 — I 10 SLL più vulnerabili (graduatoria completa dei 25 in Appendice, Tabella A.1).

SLL Regione Classe VULN Sport./100k Occ. % IRPEF SC dom. Distr.
1 Palagonia Sicilia Non specializzati 100 18.9 32 12.7k 0.83
2 Lentini Sicilia Made in Italy 99.8 22.1 33.2 15.7k 0.73
3 Soriano Calabro Calabria Non specializzati 99.3 0 36.4 12.9k 0.82
4 Adrano Sicilia Non specializzati 98.9 13 31.6 13.4k 0.85
5 Mondragone Campania Made in Italy 98.7 9.9 38.6 15.0k 0.73
6 Paternò Sicilia Non specializzati 96.9 18.3 36.2 14.6k 0.74
7 San Marco Argentano Calabria Non specializzati 96.7 20.2 35 13.4k 0.77
8 Sant’Eufemia D’Aspromonte Calabria Non specializzati 96.5 0 39.2 13.1k 0.84
9 Sessa Aurunca Campania Non specializzati 96.3 17.6 38.7 16.3k 0.66
10 Oppido Mamertina Calabria Non specializzati 96.1 19.9 40.5 13.6k 0.74

Nessuno dei 25 SLL più vulnerabili (Tabella A.1 in Appendice) è un distretto industriale. Quasi tutti appartengono alla classe D (non specializzati) o alla classe A con sub-specializzazione agro-alimentare nel Mezzogiorno. Il tasso di occupazione inferiore al 40% in molti di questi SLL indica mercati del lavoro strutturalmente depressi, non ciclicamente depressi.

7 SLL_VULN e copertura bancaria: relazione circolare

Figura 5: SLL_VULN e densità bancaria: relazione per classe produttiva (sinistra) e distribuzione per quartile di sportelli per 100k abitanti (destra).

La relazione è quasi monotona: i SLL con meno banche (Q1) sono anche quelli con vulnerabilità strutturale più alta. Questo non dimostra causalità — è plausibile che la bassa densità bancaria sia effetto della struttura produttiva debole piuttosto che causa — ma è esattamente il tipo di correlazione che giustifica sia un overlay IFRS 9 territoriale sia un intervento pubblico di market failure.

8 Possibili applicazioni esplorative al risk management bancario

8.1 SLL_VULN come overlay territoriale

Le tre ipotesi che seguono sono esercizi metodologici generali, non raccomandazioni operative né prassi riferibili a uno specifico intermediario. In via puramente esplorativa, un indice territoriale di questo tipo potrebbe essere considerato come layer informativo aggiuntivo:

  1. Overlay IFRS 9 Stage 2 (ipotesi): SLL con VULN > 75 potrebbero, in linea di principio, essere studiati come territori candidati a un “significant increase in credit risk” ai fini dello staging forward-looking. La soglia è soggettiva e l’ipotesi richiederebbe backtesting su dati storici (quando disponibili) prima di qualsiasi considerazione applicativa.

  2. Stress test geografico (ipotesi): scenari di shock territoriale localizzato (es. chiusura di un grande impianto, catastrofe naturale) potrebbero essere calibrati sul livello di VULN per stimare l’impatto su un portafoglio teorico.

  3. Pricing adjustment (ipotesi): un add-on per SLL ad alta vulnerabilità sarebbe metodologicamente coerente con i principi generali di risk-based pricing, ma richiederebbe la validazione empirica — oggi non possibile su dati pubblici — che la vulnerabilità strutturale predica effettivamente default o LGD più elevati.

8.2 Limiti e obiezioni

Avviso

Obiezioni metodologiche residue (non risolte da questo documento):

  • Causalità non identificata: la correlazione strutturale non è identificazione causale. Senza strumenti o disegni quasi-sperimentali, non si può affermare che ridurre la vulnerabilità SLL riduca il rischio creditizio individuale.
  • Dati di default mancanti: NPL ratio e PD a livello SLL non sono disponibili pubblicamente. Senza questo, l’indice non è back-testabile.
  • Granularità insufficiente per portafogli individuali: un’impresa può avere sede in un SLL vulnerabile ma operare in mercati nazionali o internazionali. Il layer SLL va usato come prior bayesiano, non come determinante.
  • Obsolescenza decennale: la classificazione ISTAT si aggiorna al censimento (ogni 10 anni). Tra un censimento e l’altro, le specializzazioni produttive cambiano.

8.3 Il caso del Mezzogiorno: market failure documentabile

Per il contesto specifico del Mezzogiorno e degli strumenti di finanza pubblica, l’analisi è più robusta. Il combinato di:

  • ρ(sportelli, reddito) = 0.65 → le banche si concentrano nelle aree ricche
  • ρ(UP Poste, reddito) ≈ 0 → Poste presidia indipendentemente dal reddito
  • 68% dei SLL in doppio svantaggio localizzati nel Mezzogiorno

potrebbe costituire, in termini generali, una base quantitativa per documentare un market failure creditizio nel quadro della disciplina sugli aiuti di Stato (artt. 107–109 TFUE). In astratto, un intervento pubblico che operasse nei SLL con VULN > 60 e sport_banche_100k < mediana si sovrapporrebbe a un mercato assente o marginale, non a un mercato funzionante. Si tratta di una considerazione di policy generale, non riferita ad alcuna iniziativa specifica.

9 Prossimi passi

Priorità Azione Dati necessari
Alta Collegare SLL_VULN a dati di default banca (backtesting) Dati interni: PD/NPL per provincia → SLL
Alta PIL Eurostat NUTS3 allocato a SLL per peso popolazione nama_10r_3gdp Eurostat
Media Aggiungere dimensione ambientale/transizione energetica Emissioni CO2 per settore ATECO × SLL
Media Aggiornare al censimento 2031 quando disponibile SITUAS ISTAT
Bassa Confronto con Labour Market Areas Eurostat Dati Eurostat cross-country

10 Avvertenza metodologica

Importante

Il presente documento è una versione preliminare di lavoro, elaborata a titolo personale e indipendente: le opinioni, le analisi e le conclusioni sono esclusivamente dell’autore e non rappresentano necessariamente quelle dell’organizzazione di appartenenza. L’indice SLL_VULN ha finalità esplorativa e descrittiva: non costituisce policy aziendale, modello regolamentare, rating creditizio ufficiale né strumento autonomo per decisioni di concessione, pricing, classificazione o gestione del rischio. La validazione predittiva richiederebbe il collegamento con dati di default (PD, LGD, NPL ratio) a livello territoriale, attualmente non disponibili su base pubblica alla granularità SLL.

Riferimenti

  • Banca d’Italia. Base Dati Statistica — serie TDB10195 (sportelli e depositi per localizzazione) e TFR10241 (finanziamenti oltre il breve termine). https://infostat.bancaditalia.it/
  • IFRS Foundation (2014). IFRS 9 — Financial Instruments.
  • ISTAT (2022). I sistemi locali del lavoro 2021 — nota metodologica e classificazione per specializzazione produttiva. https://www.istat.it/
  • ISTAT. SITUAS — Sistema Informativo Territoriale delle Unità Amministrative e Statistiche (accesso via CLI opensituas, report 61, 74, 75, 408, 444).
  • MEF — Dipartimento delle Finanze. Dichiarazioni IRPEF per comune, anno d’imposta 2022 (open data).
  • Presidenza del Consiglio dei Ministri — Dipartimento per le Politiche di Coesione. Strategia Nazionale per le Aree Interne (SNAI) — classificazione 2020.
  • Volterra, P. (2026). Financial Desertification in Italy: Why Digital Banking Excludes the Most Vulnerable. Zenodo. https://doi.org/10.5281/zenodo.20082460

Appendice

A.1 — Graduatoria completa dei 25 SLL più vulnerabili

Tabella A.1 — I 25 SLL più vulnerabili per SLL_VULN. Sport./100k = sportelli bancari per 100.000 abitanti; Occ. % = tasso di occupazione; IRPEF = reddito medio per contribuente (migliaia di €); SC dom. = auto-contenimento della domanda 2021; Distr. = distretto industriale 2011.

SLL Regione Classe VULN Sport./100k Occ. % IRPEF SC dom. Distr.
1 Palagonia Sicilia Non specializzati 100 18.9 32 12.7k 0.83
2 Lentini Sicilia Made in Italy 99.8 22.1 33.2 15.7k 0.73
3 Soriano Calabro Calabria Non specializzati 99.3 0 36.4 12.9k 0.82
4 Adrano Sicilia Non specializzati 98.9 13 31.6 13.4k 0.85
5 Mondragone Campania Made in Italy 98.7 9.9 38.6 15.0k 0.73
6 Paternò Sicilia Non specializzati 96.9 18.3 36.2 14.6k 0.74
7 San Marco Argentano Calabria Non specializzati 96.7 20.2 35 13.4k 0.77
8 Sant’Eufemia D’Aspromonte Calabria Non specializzati 96.5 0 39.2 13.1k 0.84
9 Sessa Aurunca Campania Non specializzati 96.3 17.6 38.7 16.3k 0.66
10 Oppido Mamertina Calabria Non specializzati 96.1 19.9 40.5 13.6k 0.74
11 Scordia Sicilia Non specializzati 95.2 22.1 31.8 14.3k 0.84
12 Terme Vigliatore Sicilia Non specializzati 94.6 17.1 37.9 14.2k 0.75
13 Mazzarrone Sicilia Non specializzati 94.6 40.4 36.4 12.4k 0.79
14 Cariati Calabria Non specializzati 94.1 6.8 35.7 13.1k 0.84
15 Teano Campania Made in Italy 93.5 16.3 40.2 16.3k 0.71
16 Gioia Tauro Calabria Ind. pesante 93.4 16 38.3 13.5k 0.78
17 Partinico Sicilia Non specializzati 92.6 12.7 34.9 15.3k 0.84
18 Monasterace Calabria Non specializzati 92.4 0 36.3 13.6k 0.89
19 Bronte Sicilia Made in Italy 92.1 17.4 39.2 13.8k 0.77
20 Bagheria Sicilia Non specializzati 91.9 13 34.6 16.7k 0.67
21 Canicattì Sicilia Non specializzati 91.4 21.9 34.3 13.8k 0.82
22 San Giovanni Gemini Sicilia Non specializzati 91.2 24.5 36.1 15.1k 0.77
23 Licata Sicilia Made in Italy 90.6 23.4 32.5 13.6k 0.91
24 Piazza Armerina Sicilia Non specializzati 90.1 19.3 35.6 15.0k 0.85
25 Roccella Ionica Calabria Non specializzati 90.1 20.1 35.1 15.3k 0.78

A.2 — Dizionario delle variabili utilizzate

Tabella A.2 — Variabili di sll_master_v3 impiegate nell’analisi.

Variabile Descrizione Fonte
sport_banche_100k Sportelli bancari per 100.000 abitanti (2024) Banca d’Italia TDB10195
up_100k Uffici postali per 100.000 abitanti (2024) Poste Italiane
dep_pc Depositi bancari pro capite (€) Banca d’Italia TDB10195
cred_pc Crediti MLT pro capite (€); totale NUTS2 allocato per quota di popolazione Banca d’Italia TFR10241
irpef_med Reddito IRPEF medio per contribuente (€, anno d’imposta 2022) MEF
tasso_occupazione, tasso_disoccupazione Tassi del mercato del lavoro a livello SLL ISTAT
sc_dom_2021 Auto-contenimento della domanda di lavoro (Censimento 2021) ISTAT
tasso_imprenditorialita Tasso di imprenditorialità ISTAT
indice_vecchiaia Indice di vecchiaia ISTAT
area_interna_flag 1 se >50% dei comuni dell’SLL è area interna SNAI 2020 SNAI/SITUAS
CLASSE_2021_NAME, distretto_2011 Classe produttiva 2021; flag distretto industriale 2011 ISTAT

L’avvertenza sulle variabili allocate: crediti e PIL non sono osservati a livello SLL ma ripartiti dai totali NUTS2/NUTS3 per quota di popolazione; sono adatti a confronti relativi tra SLL, non a stime puntuali locali.

A.3 — Trasparenza sull’uso dell’intelligenza artificiale

L’uso di strumenti di intelligenza artificiale generativa è dichiarato esplicitamente in quanto parte del processo di lavoro seguito nella redazione del presente documento. Tali strumenti sono stati impiegati a supporto della lettura, della sintesi, della riorganizzazione argomentativa e della revisione testuale, sempre nell’ambito di un processo pienamente controllato dall’autore.

La responsabilità per le fonti utilizzate, le analisi condotte, le verifiche effettuate, le interpretazioni proposte e le conclusioni formulate resta interamente in capo all’autore.

L’intelligenza artificiale è stata utilizzata come ambiente di supporto cognitivo ed editoriale, non come fonte primaria, autore autonomo o sostituto del giudizio critico.

Come citare questo documento

Volterra, P. (2026). Struttura produttiva e vulnerabilità creditizia nei Sistemi Locali del Lavoro italiani: sviluppo di un indice territoriale SLL_VULN su 515 sistemi locali (Working Paper, v1.0). Zenodo. https://doi.org/10.5281/zenodo.20631786

Versione v1.0 — 5 giugno 2026
DOI 10.5281/zenodo.20631786
Licenza CC BY 4.0
Autore Paolo Volterra — ORCID 0009-0004-2229-7519
Repository Zenodo
Lavori collegati Financial Desertification in Italy — 10.5281/zenodo.20082460
Torna in cima