DIMA

Lingua Insegnamento:

Italiano. Le slide e una parte dei materiali di studio (articoli scientifici e rapporti istituzionali) sono in lingua inglese.
Testi di riferimento:

Testo principale: D.W. Carlton, J.M. Perloff, ?Modern Industrial Organization?, Pearson (capitoli 1?14).
Dispense del docente per ciascuna lezione, con collegamenti tra teoria classica ed economia digitale.
Letture integrative (disponibili sulla piattaforma e-learning), tra cui: A. Goldfarb, C. Tucker, ?Digital Economics?, Journal of Economic Literature (2019); E. Calvano et al., ?Artificial Intelligence, Algorithmic Pricing, and Collusion?, American Economic Review (2020); J. Cremer et al., ?Competition Policy for the Digital Era?, Commissione Europea (2019); J.-C. Rochet, J. Tirole, ?Two-Sided Markets: A Progress Report?, RAND Journal of Economics (2006).
Obiettivi formativi:

Conoscenza e comprensione: al termine del corso lo studente conosce i principali modelli di struttura di mercato e di comportamento strategico delle imprese e comprende come dati, piattaforme e algoritmi modificano le dinamiche competitive.
Capacita di applicare conoscenza e comprensione: lo studente sa analizzare la struttura competitiva di un settore reale (incluse le industrie digitali rilevanti per il marketing), valutare strategie di prezzo e di differenziazione e interpretare gli effetti di fusioni, integrazioni verticali e pratiche escludenti.
Autonomia di giudizio: lo studente sa valutare criticamente le strategie competitive delle imprese e gli interventi delle autorita di concorrenza, distinguendo effetti pro-competitivi e anti-competitivi.
Abilita comunicative: lo studente sa presentare un'analisi settoriale con linguaggio economico rigoroso, in forma scritta e orale.
Capacita di apprendimento: lo studente acquisisce un quadro concettuale che gli consente di seguire autonomamente l'evoluzione dei mercati digitali e della letteratura su economia delle piattaforme e dell'IA.
Prerequisiti:

Conoscenze di base di microeconomia (domanda e offerta, elasticita, massimizzazione del profitto) e di statistica descrittiva. Non e richiesta alcuna esperienza di programmazione. Non sono previste propedeuticita formali.
Metodi didattici:

Lezioni frontali con momenti interattivi; laboratori in aula con simulazioni di mercato utilizzabili dal browser (es. gioco di pricing ripetuto, dinamiche di adozione di piattaforme con effetti di rete); discussione di casi reali di strategia d'impresa e di antitrust; progetto di gruppo con presentazione finale. E previsto l'uso guidato e critico di strumenti di intelligenza artificiale generativa come supporto all'analisi settoriale, con attenzione alla verifica delle fonti e degli output.
Modalità di verifica dell'apprendimento:

Studenti frequentanti: (a) prova scritta finale (70% del voto), della durata di 90 minuti, composta da domande aperte sui modelli teorici e da un mini-caso applicativo che richiede di analizzare un mercato reale integrando strumenti classici e dinamiche digitali; (b) progetto di gruppo (30% del voto): analisi della struttura competitiva di un settore a scelta, con una sezione obbligatoria sull'impatto di digitale e IA, presentata in aula nelle ultime lezioni. Le consegne facoltative dei laboratori danno diritto a un bonus fino a 2 punti sul voto finale.
Studenti non frequentanti: prova scritta finale (100% del voto) sull'intero programma, con una domanda aggiuntiva sulle letture integrative. I criteri di valutazione (correttezza dell'analisi economica, rigore nell'uso dei modelli, qualita dell'argomentazione) sono identici per tutti.
Sostenibilità:
Obiettivi Agenda 2030 per lo sviluppo sostenibile:

Obiettivo 8 - Lavoro dignitoso e crescita economica: il corso analizza come concorrenza, innovazione e potere di mercato (incluso quello monopsonistico sul lavoro) influenzano crescita e benessere.
Obiettivo 9 - Imprese, innovazione e infrastrutture: il corso studia le determinanti dell'innovazione, la struttura delle filiere tecnologiche e le condizioni di accesso alle infrastrutture digitali.
Obiettivo 10 - Ridurre le disuguaglianze: il corso esamina gli effetti distributivi del potere di mercato, dei prezzi personalizzati e della concentrazione nei mercati digitali, e il ruolo delle politiche di concorrenza nel contrastarli.
Altre Informazioni:

Tutti i materiali (slide, dispense, letture, schede dei laboratori) sono resi disponibili sulla piattaforma e-learning di Ateneo. La frequenza non e obbligatoria ma fortemente consigliata, in particolare per le attivita di laboratorio e il progetto di gruppo. L'uso di strumenti di IA nelle attivita valutate e consentito solo se dichiarato e documentato secondo le linee guida fornite a lezione. Orario di ricevimento pubblicato sulla pagina del docente.

Il corso fornisce gli strumenti dell'economia industriale per analizzare la concorrenza strategica tra imprese, con costante riferimento ai mercati digitali e all'intelligenza artificiale. Contenuti principali: strutture di mercato (concorrenza perfetta, monopolio, oligopolio, concorrenza monopolistica) e barriere all'entrata, incluse quelle digitali (dati, effetti di rete, costi di switching); teoria dei giochi e modelli di oligopolio (Cournot, Bertrand, Stackelberg); collusione, cartelli e collusione algoritmica; piattaforme e mercati a due versanti; differenziazione del prodotto; discriminazione di prezzo e prezzi personalizzati basati sui dati; strategie di prezzo avanzate (tariffe a due parti, bundling, freemium, dynamic pricing); concentrazione, fusioni e acquisizioni; integrazione verticale, self-preferencing e struttura della filiera dell'IA; asimmetrie informative, pubblicita digitale e regolazione dei mercati digitali (antitrust, DMA, AI Act).

Il corso si articola in 12 lezioni da 3 ore (36 ore totali).
1. Introduzione all'organizzazione industriale: il paradigma Struttura-Condotta-Performance; teoria dei giochi e costi di transazione; tassonomia delle strutture di mercato; perche piattaforme e IA rendono l'analisi della concorrenza piu attuale che mai.
2. L'impresa e i costi: teoria dell'impresa e problema principale-agente; fusioni e acquisizioni; concetti di costo; economie di scala e di scopo; la struttura dei costi dell'economia digitale (costo marginale quasi nullo, dati come input, effetti di rete come economie di scala dal lato della domanda).
3. Concorrenza perfetta e barriere all'entrata: il benchmark competitivo, efficienza e benessere; barriere strutturali, legali e strategiche; le barriere digitali: dati, costi di switching, posizioni di default, capitale di calcolo per l'IA.
4. Monopolio, monopsonio e piattaforme: massimizzazione del profitto del monopolista e perdita secca; monopolio naturale; impresa dominante con frangia competitiva; mercati a prezzo zero; introduzione ai mercati a due versanti: sussidi incrociati, chicken-and-egg, dinamiche winner-take-all.
5. Collusione e cartelli: dilemma del prigioniero, giochi ripetuti, guerre di prezzo, fattori facilitanti, antitrust e leniency; collusione algoritmica: evidenze sperimentali ed empiriche, implicazioni per il diritto della concorrenza.
6. Oligopolio e competizione strategica: equilibrio di Nash; modelli di Cournot, Bertrand (e paradosso) e Stackelberg; vantaggio della prima mossa e corsa agli investimenti in capacita di calcolo. Laboratorio: gioco di pricing ripetuto in aula.
7. Differenziazione del prodotto e concorrenza monopolistica: differenziazione orizzontale (Hotelling) e verticale; il modello di Chamberlin; personalizzazione, versioni ed ecosistemi come strategie di differenziazione digitale.
8. Concentrazione, performance e fusioni: indici di concentrazione (CR4, HHI); il dibattito struttura-performance; analisi antitrust delle fusioni; killer acquisitions e definizione del mercato rilevante nei mercati digitali a prezzo zero.
9. Discriminazione di prezzo: primo, secondo e terzo grado; condizioni ed effetti sul benessere; prezzi personalizzati basati sui big data; versioning digitale; questioni di equita e trasparenza.
10. Strategie di prezzo avanzate: tariffe a due parti; bundling puro e misto; freemium e abbonamenti; peak-load pricing e dynamic pricing algoritmico (ride-hailing, hotel, e-commerce).
11. Comportamento strategico e integrazione verticale: deterrenza all'entrata e prezzi predatori; integrazione e restrizioni verticali; foreclosure e self-preferencing nei mercati digitali; la filiera dell'IA: semiconduttori, cloud, modelli, applicazioni.
12. Informazione, pubblicita e regolazione: selezione avversa e azzardo morale; reputazione e recensioni online; pubblicita informativa, persuasiva e mirata; il mercato dell'attenzione; regolare i mercati digitali (DMA, AI Act); riepilogo del corso e presentazioni dei progetti.