Modelli predittivi per le criticità finanziarie dei comuni: seminario del progetto SPIDS

L’incontro ha riunito esperti e studiosi per analizzare i limiti delle attuali metodologie di prevenzione e gestione delle crisi finanziarie municipali, ed esplorare nuove prospettive basate su approcci data-driven e tecniche di intelligenza artificiale.

Le difficoltà finanziarie dei comuni italiani rappresentano un problema rilevante per la finanza pubblica. Sebbene, nel complesso, il settore contribuisca positivamente all’equilibrio dei conti pubblici, esistono situazioni di crisi localizzate territorialmente e diffuse in molte realtà urbane.

Durante il seminario, è stata evidenziata la scarsa efficacia degli attuali strumenti normativi previsti dal Testo Unico degli Enti Locali (TUEL) per intercettare e prevenire le situazioni di dissesto. Gli otto indicatori attualmente in uso risultano inadeguati a prevedere le crisi, e le misure correttive automatiche spesso non tengono conto delle reali condizioni dei territori, risultando inappropriate o controproducenti.

Pertanto, è necessario creare un sistema di valutazione più completo e rappresentativo, utilizzando gli strumenti avanzati di analisi quantitativa e, allo stesso tempo, superando la rigidità delle correzioni, che devono essere adattate alla dimensione, struttura e specificità del comune analizzato.

Sono state individuate tre direttrici principali, tra loro strettamente interconnesse.

La prima riguarda l’analisi delle esperienze di criticità finanziaria, che mostrano sia somiglianze che differenze significative. Sono stati esaminati tutti i casi di criticità finanziaria presenti nella letteratura recente (in particolare il Rapporto Ca’ Foscari sui Comuni), registrati in Italia dal 2019 ad oggi. 

Da questa analisi emergono i fattori comuni e le specificità delle crisi, tra cui la gestione del debito commerciale, l'efficienza nella riscossione e i vincoli sul surplus corrente, oltre a fattori socioeconomici come i tassi di disoccupazione, la popolazione o il numero di contribuenti.

Anche gli indicatori di qualità istituzionale hanno un ruolo importante nella previsione delle crisi, suggerendo la necessità di una valutazione complessiva che vada oltre i soli aspetti finanziari e fiscali.

La seconda direttrice riguarda la creazione di un database che vada a integrare le fonti esistenti per ridurre i casi mancanti. L’obiettivo è raccogliere, in un unico spazio facilmente consultabile e sempre aggiornato, le informazioni sulle crisi finanziarie e standardizzare i dati quantitativi. Inoltre, l’integrazione degli indicatori socioeconomici permetterà di fare confronti tra comuni simili. 

La terza direttrice, infine, è quella relativa agli strumenti necessari per prevedere le crisi finanziarie. Una novità dal punto di vista metodologico è l'utilizzo degli algoritmi di intelligenza artificiale. 

Le crisi finanziarie dei comuni possono essere previste attraverso il Machine Learning (ML), integrando i dati del modello di monitoraggio del governo e altre informazioni amministrative. Analizzando questi dati, si può prevedere la crisi, con un particolare focus sui comuni del centro e sud Italia (3.500 comuni). 

Tra le tecniche di ML, l'algoritmo Random Forest risulta essere il più efficace per la previsione. Inoltre, si possono utilizzare modelli di regressione lineare per analizzare la criticità finanziaria.

Di seguito, il programma dettagliato del seminario, con gli interventi e le tematiche trattate.