| Project/Area Number |
19K13665
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 07030:Economic statistics-related
|
|---|
| Research Institution | Hitotsubashi University (2022-2023)
Tohoku University (2019-2021) |
|---|
Principal Investigator |
UEMATSU Yoshimasa 一橋大学, 大学院ソーシャル・データサイエンス研究科, 准教授 (40835279)
|
|---|
| Project Period (FY) |
2019-04-01 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000)
Fiscal Year 2021: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2020: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2019: ¥2,080,000 (Direct Cost: ¥1,600,000、Indirect Cost: ¥480,000)
|
|---|
| Keywords | ファクターモデル / ベクトル自己回帰モデル / 高次元統計学 / 偽発見率 / スパース性 / 高次元データ / 分散共分散行列 / ポートフォリオ選択 / 検出力 / ベクトル自己回帰 / バイアス修正 / ノックオフ / 統計的推測 / FDRコントロール / 高次元時系列 / ファクター |
|---|
| Outline of Research at the Start |
高次元統計的推測の方法論は大きく二つに分けられる．一つは，サンプル分割に基づく「局所的推測」である．もう一つは，ワンステップで全体の推測をする「大域的推測」である．前者はサンプルの有効利用の観点からロスが生じるため，サンプルの限られる経済分析ではうまく機能しない場合も多い．一方で後者はすべてのサンプルを効率的に使えるが，直接高次元モデルを扱うため難しい．現状では，大域的推測に関する方法論やその理論は多くの部分が発展途上にある．そこで本研究では，近年提案された「ノックオフ法」に注目し，高次元マクロ計量モデルにおける大域的推測の方法論とその理論の確立を目指す．
|
| Outline of Final Research Achievements |
During the period of this research project, we primarily conducted studies related to large-scale factor models and vector autoregressive models. The research outcomes obtained are as follows: (1) We proposed a weak factor model induced by sparsity, which had not been considered before, and its efficient estimation method. (2) We proposed a statistical inference method to verify the sparsity. (3) We proposed a statistical inference method to detect Granger causality networks in large-scale vector autoregressive models.
|
| Academic Significance and Societal Importance of the Research Achievements |
上記(1),(2)の学術的意義は，より実データに沿った弱いファクターモデルの理論を発展させた点にある．これにより，例えばより正確な経済予測が可能になる．こうした成果は2つの論文にまとめられ，共にJournal of Business & Economic Statisticsに掲載された．上記3の学術的意義は，大規模時系列に潜む新たな知見の発見につながるネットワーク関係を安定的に検出できる点にある．この成果は海外専門誌からの改訂要求を受けて改訂し再投稿中である．
|
