The study explores how to anticipate the financial and institutional crises of Italian municipalities. Through three integrated contributions, it maps the international literature, tests a predictive model of financial distress on 2016–2023 data, and develops measures to predict the dissolution of municipal councils in 2020–2025 using an original dataset. The goal is to lay the groundwork for an early-warning system.

Il lavoro esplora come anticipare le crisi finanziarie e istituzionali dei comuni italiani. Con tre contributi integrati mappa la letteratura internazionale, testa un modello predittivo della sofferenza finanziaria su dati 2016-2023 sviluppa misure per prevedere gli scioglimenti di Consigli comunali 2020–2025 con un dataset originale. L'obiettivo è costruire le basi per un sistema di early warning.

Bianchi, F (2026). Quali driver misurabili possono anticipare le crisi economiche e instituzionali dei comuni? Evidenze, modelli predittivi interpretabili e linee guida verso un modello di early warning data-driven. (Tesi di dottorato, , 2026).

Quali driver misurabili possono anticipare le crisi economiche e instituzionali dei comuni? Evidenze, modelli predittivi interpretabili e linee guida verso un modello di early warning data-driven

BIANCHI, FRANCESCO
2026

Abstract

The study explores how to anticipate the financial and institutional crises of Italian municipalities. Through three integrated contributions, it maps the international literature, tests a predictive model of financial distress on 2016–2023 data, and develops measures to predict the dissolution of municipal councils in 2020–2025 using an original dataset. The goal is to lay the groundwork for an early-warning system.
CAPOCCHI, ALESSANDRO
Dissesto; Comuni; LASSO; Consigli comunali; Predizione
Financial distress; Local municipalities; LASSO; municipal councils; Prediction
Italian
3-feb-2026
38
2024/2025
open
Bianchi, F (2026). Quali driver misurabili possono anticipare le crisi economiche e instituzionali dei comuni? Evidenze, modelli predittivi interpretabili e linee guida verso un modello di early warning data-driven. (Tesi di dottorato, , 2026).
File in questo prodotto:
File Dimensione Formato  
phd_unimib_901921.pdf

accesso aperto

Descrizione: Tesi Francesco Bianchi
Tipologia di allegato: Doctoral thesis
Dimensione 22.76 MB
Formato Adobe PDF
22.76 MB Adobe PDF Visualizza/Apri

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10281/610800
Citazioni
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
Social impact