Essays on Political Economy: Elections, Conflict & Organized Crime

Questa tesi di dottorato presenta tre saggi indipendenti che esplorano diversi aspetti dell'economia politica. Accomunati da un approccio metodologico condiviso, questi capitoli si avvalgono di rigorose tecniche quantitative per analizzare il comportamento di attori politici, gruppi estremisti e organizzazioni criminali. Nel loro insieme, queste ricerche dimostrano l'ampiezza e l'evoluzione della ricerca in economia politica, applicando moderni metodi computazionali all'analisi istituzionale storica, allo studio dei conflitti contemporanei e allo studio della criminalità organizzata. Il primo capitolo analizza la natura della responsabilità politica (political accountability) esaminando come una riforma elettorale fondamentale — il 17° Emendamento — abbia rimodellato il comportamento dei Senatori statunitensi. Andando oltre le tradizionali analisi del voto, questo studio applica la linguistica computazionale a un vasto corpus di discorsi parlamentari per studiare l’evoluzione del discorso. L'analisi rivela che il passaggio all'elezione diretta ha portato i Senatori ad allineare pubblicamente le loro priorità politiche con quelle dei loro nuovi elettori, rendendo la loro retorica più simile a quella della Camera dei Rappresentanti. Tuttavia, questo profondo cambiamento nella comunicazione pubblica non è corrisposto a un significativo spostamento ideologico nelle loro votazioni effettive. Il contributo principale del saggio è dimostrare che la responsabilità elettorale opera attraverso canali distinti, influenzando le piattaforme pubbliche dei politici ma lasciando sostanzialmente intatto il comportamento legislativo sottostante, vincolato dal partito e dalle procedure. Il secondo saggio esplora le dinamiche di violenza politica, sostenendo che i segnali diplomatici esterni possano agire come potenti catalizzatori per i conflitti locali. Indaga sulle violente conseguenze della decisione statunitense del 2017 di riconoscere Gerusalemme come capitale di Israele, trattando l'annuncio come uno shock quasi-sperimentale. Utilizzando dati spaziali ad alta risoluzione, lo studio mostra che questo atto politico ha innescato un'impennata immediata e drammatica della violenza nelle aree vicini agli avamposti (outposts) illegali israeliani, centri per l'attività dei coloni più estremisti. La violenza generata dallo shock è inizialmente asimmetrica, avviata da un'ondata di attacchi perpetrati da coloni, a cui è seguito, quasi quattro anni dopo, un aumento della violenza da parte palestinese. L'intuizione centrale del saggio è che tali shock politici "top-down" possono destabilizzare ambienti fragili non tramite un comando diretto, ma erodendo le norme sociali e legittimando il comportamento estremista, innescando così un ciclo di conflitto duraturo e auto-perpetuante. Il terzo saggio passa dalla spiegazione di eventi passati alla previsione di future attività illecite, sviluppando un innovativo sistema di allerta precoce (early-warning) per rilevare le infiltrazioni mafiose nell'economia legale. L'innovazione principale dello studio è la costruzione di una rete dinamica di proprietà aziendali, incentrata su imprese italiane confiscate. Combinando il machine learning con caratteristiche derivate sia dalla topologia della rete sia dai dati finanziari a livello di impresa, il modello prevede con successo le confische fino a tre anni in anticipo e con un'accuratezza elevata. L'analisi offre uno spunto per le autorità competenti: i dati di rete e i dati finanziari svolgono ruoli complementari. La struttura della rete è fondamentale per la recall (ovvero per individuare un vasto insieme di potenziali bersagli), mentre i segnali di difficoltà finanziaria sono cruciali per la precision (ossia per individuare i rischi più acuti). Ciò dimostra il valore dell'integrazione della topologia del grafo nella vigilanza basata sul rischio, offrendo un potente strumento per combattere la criminalità organizzata.

This doctoral thesis presents three independent essays that explore different aspects of political economy through both historical and contemporary lenses. United by a common methodological approach, these chapters leverage rigorous quantitative techniques—from quasi-experimental designs and natural language processing to machine learning—to analyze the behavior of political actors, extremist groups, and criminal organizations. Together, these essays demonstrate the breadth and evolution of political economy research, applying modern computational methods to historical institutional analysis, contemporary conflict studies, and the study of organized crime. The first essay investigates the nature of political accountability by examining how a fundamental electoral reform—the 17th Amendment—reshaped the behavior of U.S. Senators. Moving beyond traditional roll-call analysis, this study applies computational linguistics to a vast corpus of congressional speeches to distinguish between legislators' public discourse and their formal legislative actions. The analysis reveals that the shift to direct elections compelled Senators to publicly align their policy priorities with those of their new constituents, making their rhetoric more "House-like." Yet, this profound change in public communication did not correspond to a significant ideological shift in their actual votes. The essay’s primary contribution is demonstrating that electoral accountability operates through distinct channels, powerfully shaping a politician's public platform while leaving underlying legislative behavior—constrained by party and procedure—largely intact. The second essay explores the "bottom-up" dynamics of political violence, arguing that external diplomatic signals can act as powerful catalysts for local conflict. It investigates the violent aftermath of the 2017 U.S. decision to recognize Jerusalem as Israel's capital, treating the announcement as a quasi-experimental shock. Using high-resolution spatial data, the study shows that this political act triggered an immediate and dramatic surge in violence in areas proximate to illegal Israeli outposts, which function as hubs of radical settler activity. The escalation was highly asymmetric, initiated by a wave of settler-perpetrated attacks that was followed, nearly four years later, by a rise in Palestinian-led violence. The paper’s central insight is that such top-down political shocks can destabilize fragile environments not by direct command, but by eroding social norms and legitimizing extremist behavior, thereby sparking a durable and self-perpetuating cycle of conflict. The third essay moves from explaining past events to predicting future illicit activity, developing an innovative early-warning system to detect mafia infiltration in the legal economy. The study’s core innovation is the construction of a dynamic corporate ownership network centered on confiscated Italian firms. By combining machine learning with features derived from both network topology and firm-level financials, the model successfully forecasts confiscation up to three years in advance with exceptionally high accuracy. The analysis yields a critical insight for law enforcement: network and financial data play complementary roles. Network structure is paramount for recall (casting a wide net to identify potential targets), while financial distress signals are key for precision (pinpointing the most acute risks). This demonstrates the value of integrating network science into risk-based supervision, offering a powerful tool to combat organized crime.