機械学習的手法を用いたマクロ計量経済分析
【研究キーワード】
機械学習 / 時系列モデル / 経済予測 / ビッグデータ / マクロ政策評価 / 非構造化データ
【研究成果の概要】
初年度は主に次の3つの分析で進展があった。
1番目に研究計画の根幹となっている、ニューラルネットワークを含む機械学習手法と主成分分析で抽出された動学的な共通因子を組み合わせるマクロ時系列データ予測研究で、まず大規模な構造化データを用いる場合の次元縮約の最適な枠組みを検討し、実証分析に応用した。
2番目に非構造化データを用いたマクロ経済予測の実証分析では、新聞テキストデータを用いて我が国のインフレ率予測のモデルを構築した。また賃金インフレ率の予測については、賃金の下方硬直性を考慮した予測モデルを提案し、将来の賃金インフレ率の上昇の可能性を指摘した。
3番目にDouble/debiased Machine Learning (DML)推定量の割り当て選択式にOutcome Adaptive Lasso (OAL)による傾向スコア推定を利用することで、推定性能を向上させたDML推定量の拡張を提案した。
【研究代表者】
【研究種目】基盤研究(B)
【研究期間】2020-04-01 - 2023-03-31
【配分額】17,550千円 (直接経費: 13,500千円、間接経費: 4,050千円)