IL SUPPORTO FINANZIARIO ALL’INNOVAZIONE TECNOLOGICA IN EUROPA

Tra il 2014 e il 2021 il valore del supporto finanziario all’innovazione tecnologica è cresciuto in media di un valore pari a 23,23% per i paesi considerati

L’European Innovation Scoreboard-EIS calcola il valore del supporto finanziario all’innovazione tecnologica, che è sostanzialmente determinato sulla base di finanziamenti privati, spese di ricerca e sviluppo nelle università e nelle organizzazioni di ricerca governative e finanziamenti diretti del governo e sostegno fiscale governativo per la ricerca e sviluppo aziendale.

Ranking dei paesi europei per valore del supporto finanziario all’innovazione. Al primo posto per valore del supporto finanziario all’innovazione vi è l’Islanda con un ammontare pari a 186,74, seguita dal Regno Unito con un valore pari 182,06 e dalla Francia con un valore pari a 178,70. A metà classifica troviamo l’Irlanda con un valore pari a 89,52, seguita da Israele con un valore pari a 87,51 e dalla Spagna con un valore pari a 86,49. Chiudono la classifica la Bulgaria con un valore pari a 14,14 unità la Macedonia del Nord con un valore pari a 11,29 e la Bosnia con un valore pari a 1,42.

Ranking dei paesi europei per variazione percentuale del valore del supporto finanziario all’innovazione tecnologica nel periodo tra il 2014 ed il 2021. Cipro è al primo posto nella classifica della variazione percentuale per supporto finanziario all’innovazione tecnologica nel periodo tra il 2014 ed il 2021 con un valore pari a 274,32, seguita dalla Grecia con un valore pari a 121,16, e dal Regno Unito con un valore pari a 75,64. A metà classifica vi sono la Germania con un valore pari a 16,59%, la Francia con un valore pari a 12,99% e l’Austria con un ammontare paria 11,38%. Chiudono la classifica la Bulgaria con un valore pari a -38,57%, la Macedonia del Nord con un valore pari a -46,68%, e Malta con un valore pari a -59,92%.

Clusterization. Viene di seguito realizzata la clusterizzazione con l’utilizzo dell’algoritmo k-Means ottimizzato in base all’utilizzo del coefficiente Silhouette in base al metodo della distanza euclidea. Sono quindi indicati quattro diversi clusters, ovvero:

• Cluster 1: Bosnia, Montenegro, Ucraina, Bulgaria, Romania, Macedonia del Nord;
• Cluster 2: Olanda, Danimarca, Svezia, Finlandia, Norvegia, Francia, Lussemburgo, Islanda, Belgio, Regno Unito, Germania, Svizzera, Austria, Estonia;
• Cluster 3: Polonia, Grecia, Slovenia, Turchia, Croazia, Cipro, Ungheria, Slovacchia, Serbia, Malta;
• Cluster 4: Spagna, Portogallo, Israele, Irlanda, Repubblica Ceca, Lituania, Lettonia, Italia.

Il valore della mediana del cluster 2 è pari a 134, mentre il valore della mediana del cluster 4 è pari a 87. Il valore della mediana del cluster 3 è pari a 63,31, ed il valore della mediana del cluster 1 è pari a 14,25. Ne deriva pertanto il seguente ordinamento dei clusters: C2>C4>C3>C1. Risulta quindi evidente la presenza di una chiara distinzione tra l’Europa Occidentale con valori elevati del supporto finanziario all’innovazione tecnologica contrapposti ai paesi dell’Europa Orientale con valori più ridotti.

Machine Learning and Predictions. Di seguito sono analizzati otto diversi algoritmi di machine learning utilizzati per la predizione del supporto finanziario dell’innovazione tecnologica in Europa. I dati sono stati analizzati utilizzando il 70% dei dati per l’attività di learning mentre il restante 30% è stato impiegato per la predizione vera e propria. Gli algoritmi sono stati rankati sulla base della capacità di minimizzare il valore di alcuni errori statistici, ovvero “Mean Absolute Error”, “Mean Squared Error”, “Root Mean Squared Error”, “Mean Signed Difference”. Risulta pertanto il seguente ordinamento:

• Polynomial Regression con un valore del payoff pari a 4;
• Random Forest Regression con un valore del payoff pari a 9;
• PNN-Probabilistic Neural Network con un valore del payoff pari a 11;
• Tree Ensemble Regression con un valore del payoff pari a 17;
• ANN-Artificial Neural Network con un valore del payoff pari a 19;
• Linear Regression e Simple Regression Tree con un valore del payoff per entrambi pari a 26;
• Gradient Boosted Trees Regression con un valore del payoff pari a 32;

Applicando l’algoritmo che risulta essere maggiormente performante, ovvero il Polynomial Regressioni, risultano i seguenti valori predetti:

• Austria con una riduzione del valore pari a -9,20%;
• Bulgaria con una riduzione del valore pari a -30,43%;
• Repubblica Ceca con una crescita del valore pari a 25,28%;
• Germania con una crescita del valore pari a 2,22%;
• Croazia con una variazione pari a -44,44%;
• Irlanda con un variazione pari a +6,7%;
• Olanda con una variazione pari a +12,07%;
• Norvegia con una crescita pari a +11,15%;
• Svezia con una riduzione pari a -5,60%;
• Ucraina con una variazione pari a +93%;
• Regno Unito con una variazione pari a +1,43%.

Il valore complessivo predetto è in media positivo, pari a 5,68%.

Conclusioni. In sintesi, è possibile considerare che il valore del supporto finanziario all’innovazione tecnologica in Europa è in crescita in tutti i paesi. Tuttavia, all’interno di questa crescita è comunque possibile individuare una contrapposizione tra i paesi dell’Europa Occidentale maggiormente evoluti ed i paesi dell’Europa Oriente più arretrati. Occorre comunque considerare che il sistema finanziario europeo risulta essere arretrato rispetto al sistema finanziario statunitense. Pertanto, occorre considerare che per massimizzare la capacità dei sistemi finanziari di sostenere l’innovazione è assolutamente necessario rafforzare tali istituzioni per poter offrire delle soluzioni finanziarie nuove alle imprese, alle start up, ai centri di ricerca ed alle newcos.

Angelo Leogrande

Tags:

Lascia un commento

Autorizzo il trattamento dei miei dati come indicato nell'informativa privacy.

NB: I commenti vengono approvati dalla redazione e in seguito pubblicati sul giornale, la tua email non verrà pubblicata.