4 min
Valutare la competitività delle economie e la loro capacità di innovare è un compito importante per il processo di decisione economica. In finanza, per esempio, è un fattore importante per eseguire un’adeguata asset allocation. La situazione economica attuale, in particolare la transizione verde, richiede che le economie abbiano la capacità di innovare. In un periodo caratterizzato da grande instabilità è importante mettere alcuni punti fermi su cui costruire previsioni macroeconomiche.
Metodi classici per valutare competitività e capacità di innovazione sono basati sull’identificare a priori quali fattori influenzano entrambe le variabili. Organizzazioni internazionali pubblicano regolarmente rapporti sulla competitività. Ad esempio, il World Economic Forum pubblica annualmente il rapporto The World Competitiveness report [1]. Il rapporto OECD Methodologies to Measure Market Competition discute metodologie di misura della competitività [2].
In questo scenario, negli ultimi dieci-quindici anni si sono affermati nuovi metodi basati sulla teoria della complessità. Questi metodi identificano la competitività con la presenza in una economia di capacità produttive e concettuali. Queste nuove metodologie sono basate su tecniche di riduzione della dimensionalità delle grandi masse di dati che sono ora disponibili per analisi macroeconomiche. L’utilizzo di tecniche di riduzione della dimensionalità quali l’analisi in componenti principali è ben noto in macroeconomia. Ad esempio, Stock and Watson introdussero metodologie basate sull’analisi in componenti principali per calcolare dei cosiddetti Coincident Indexes[3]. Simili metodologie sono ora applicate non solo a dati aggregati quali il pil ma a dati disaggregati quali le transazioni internazionali.
Metodologie per analizzare la complessità delle economie a quindi la loro capacità di innovare e di essere competitive sono state proposte in una serie di articoli da César Hidalgo e Ricardo Hausmann[4]. Il Observatory of Economic Complexity [5] è un sito gestito dal MIT Media Lab che fornisce dati e supporti di visualizzazione basati sulle metodologie di Hidalgo e Hausmann. Simili metodologie sono state proposte dal gruppo di Luciano Pietronero all’Università La Sapienza a Roma. Descriveremo ora brevemente le metodologie di Hidalgo e Hausmann, sulle quali esiste un’ampia letteratura.
La complessità è un concetto che non ammette una definizione semplice e univoca. Esistono molti concetti di complessità. Hidalgo e Hausmann hanno introdotto i concetti di Economic Complexity Index – ECI – e di Product Complexity Index -PCI -. Un elenco aggiornato dei ECI e PCI si trova sul Observatory of Economic Complexity. Entrambi questi concetti di complessità non sono basati su descrizioni o dei prodotti o delle economie. I dati da cui sono costruiti ECI e PCI sono dati di esportazione.
Supponiamo di voler studiare N economie e P prodotti o attività. Il punto di partenza per calcolare ECI e PCI è una matrice X di dimensioni NxP in cui l’elemento X(c,p) rappresenta la quantità di prodotto o attività p esportata dall’economia c. Tuttavia il dato interessante per la costruzione degli indici di complessità non sono i valori assoluti dell’esportazione dei vari prodotti da parte di un’economia ma la specializzazione o assenza di specializzazione dell’economia in ciascun specifico prodotto.
A questo fine calcoliamo per ogni economia e per ogni prodotto l’indice di Balassa che indica se un’economia è specializzata nell’esportazione di un prodotto. Bela Balassa era un economista ungherese poi divenuto professore alla Johns Hopkins University e consulente della World Bank. Un valore dell’indice di Balassa superiore a 1 indica che l’economia è specializzata in quel prodotto. Costruiamo percio’ una nuova matrice M(c,p) di dimensioni NxP il cui elemento generico M(c,p) è 1 se il relativo indice di Balassa è più grande di 1, 0 altrimenti. Adottiamo la convenzione di Eistein sulla somma degli indici e definiamo: M(c)= e M(p)=.
I due vettori K(c) e K(p) sono le soluzioni del sistema di equazioni
K(c)=(1/M(c))
K(p)=(1/M(p))
I due vettori ECI e PCI sono ottenuti sottraendo la media e dividendo per la deviazione standard i vettori K(c) e K(p).
ECI(c)=(K(c)-mean(K(c))/std(K(c))
PCI(p)=(K(p)-mean(K(p))/std(K(p))
La Figura 1 illustra il PCI nell’anno 2019 (dati Atlas of Economic Complexity)
Figura 1. Grafico dei PCI in ordine crescente
Il concetto di complessità economica definito dagli indici ECI e PCI è difficile. Ci sono varie interpretazioni matematiche degli indici ECI e PCI discusse nell’articolo Interpreting economic complexity[6]. In questo articolo interessano sopratutto le interpretazioni economiche.
Empiricamente si vede che economie con alto ECI sono economie ricche che esportano prodotti con alto livello di complessità. Le economie che esportano prodotti a basso livello di complessità sono tipicamente economie povere. Il dato empirico forse più rilevante è la capacità degli indici di complessità di predire crescita economica. Una lunga serie di studi ha mostrato una robusta correlazione fra le misure di complessità e la crescita economica pro-capite. Inoltre è stata anche identificata una elevata correlazione fra misure di complessità e ineguaglianza sociale nel senso che economie ad alto livello di complessità tendono ad essere più egalitarie.
La capacità degli indici di complessità di predire la crescita economica è probabilmente legata ai profondi cambiamenti oggi in atto nelle economie moderne. Come descritto vividamente nel libro di Eric Beinocker The origin of Wealth [7] la crescita delle economie moderne è sempre più legata alle conoscenze e quindi alla complessità delle economie stesse. Come sostenuto nell’articolo Fabozzi et al. The economic theory of qualitative green growth probabilmente dobbiamo fare un ulteriore passo avanti concettualmente. La complessità e l’innovazione tecnologica e sociale non sono solo strumenti per vendere di piu ma costituiscono crescita in sé stessi. La transizione verde richiede alle economie di diventare più qualitative e meno quantitative. Le misure di complessità catturano questo trend importante. Queste misure predicono la crescita perchè la complessità è sempre di più crescita in se stessa.
* Sergio Focardi insegna “Economia della complessità” alla Franklin University Switzerland di Lugano, Svizzera.
[1] https://www.weforum.org/reports/the-global-competitiveness-report-2020
[2] https://www.oecd.org/daf/competition/methodologies-to-measure-market-competition-2021.pdf
[3] https://www.nber.org/system/files/chapters/c10968/c10968.pdf
[4] Vedere Hidalgo, César A. e Ricardo Hausmann, R. (2009). The building blocks of economic complexity. Proceedings National Academy of Sciences USA, 106:10570—- 10575 e Economic complexity theory and applications César A. Hidalgo
[5] https://oec.world/en/home-a
[6] Penny Mealy, J. Doyne Farmer, Alexander Teytelboym, Interpreting economic complexity, Science Advances 2019.
[7] Beinhocker, E. D. The Origin of Wealth: Evolution, Complexity, and the Radical Remaking of Economics (Harvard Business School Press, 2006).
.
Vuoi ricevere ogni mattina le notizie di FocusRisparmio? Iscriviti alla newsletter!
Registrati sul sito, entra nell’area riservata e richiedila selezionando la voce “Voglio ricevere la newsletter” nella sezione “I MIEI SERVIZI”.
