| Project/Area Number |
18H03210
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Single-year Grants |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 60030:Statistical science-related
|
|---|
| Research Institution | Meiji University |
|---|
Principal Investigator |
北川 源四郎 明治大学, 研究・知財戦略機構(中野), 研究推進員(客員研究員) (20000218)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
国友 直人 東京経済大学, 経営学部, 客員研究員 (10153313)
中野 純司 中央大学, 国際経営学部, 教授 (60136281)
佐藤 整尚 東京大学, 大学院経済学研究科(経済学部), 准教授 (60280525)
田野倉 葉子 明治大学, 先端数理科学研究科, 特任准教授 (60425832)
姜 興起 新潟経営大学, 経営情報学部, 教授 (70254662)
長尾 大道 東京大学, 地震研究所, 准教授 (80435833)
|
|---|
| Project Period (FY) |
2018-04-01 – 2022-03-31
|
| Project Status |
Granted (Fiscal Year 2021)
|
| Budget Amount *help |
¥17,290,000 (Direct Cost: ¥13,300,000、Indirect Cost: ¥3,990,000)
Fiscal Year 2021: ¥3,900,000 (Direct Cost: ¥3,000,000、Indirect Cost: ¥900,000)
Fiscal Year 2020: ¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000)
Fiscal Year 2019: ¥3,640,000 (Direct Cost: ¥2,800,000、Indirect Cost: ¥840,000)
Fiscal Year 2018: ¥5,200,000 (Direct Cost: ¥4,000,000、Indirect Cost: ¥1,200,000)
|
|---|
| Keywords | 季節調整法 / 多変量時系列 / 状態空間モデル / 統計ソフトウェア / 時系列の分解 / R / パワー寄与率 |
|---|
| Outline of Annual Research Achievements |
１変量季節調整法の改良に関しては1年目の研究を継続した結果，観測ノイズを白色雑音ではなくAR過程とする状態空間モデルの利用とカルマンフィルタの拡張によって，成分モデルがトレンドとAR成分を含む場合の分解の不安定性を回避するのに有効であることが確認できた．この方法および計算アルゴリズムに関しては多変量の場合への拡張も可能であることから，多変量季節調整モデルのプラットフォームに採用することについても見通しを得た．また，時系列が複数の季節成分を持つ場合に対応したモデルを考案し，二つの成分を分離できる方法を開発した．
多変量季節調整法の研究・開発に関しては，季節調整のための成分モデルとしての多変量トレンドのモデリングと多変量ARモデリングの実用化を主な目標として研究を実施した．多変量トレンドに関しては，分布にあまり依存しないマクロ SIML 法にもとづく新しいフィルタリング法を開発した。この方法は計測誤差を含む多次元非定常時系列のトレンド抽出、トレンド間の回帰、季節調整、季節性間の回帰など広範な応用可能であると考えられる。多変量ARモデルの推定に関しては，次数・変数選択の方法のほかL2やL1正則化法を比較検討していろいろな知見を得た．多変量定常成分間の因果関係を明らかにするための、一般化パワー寄与率については金融市場の変動要因分析への応用を行った．
解析ツールの開発に関して，計画を前倒してRでの実装の検討を実施し，R-Shiny等の利用によってWebアプリの開発ができることが確認できたので，次年度以降の実装の方向を多少変更することにした．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
１変量季節調整法に関しては，研究実績の概要に記載したように当初の計画になかったことも含め，多変量季節調整モデルの開発にも有用な状態空間表現及び関連するフィルタリングの方法を開発できた．
多変量モデリングの鍵となる多変量トレンド推定に関して，新しい推定法に基づくフィルタリングの方法を開発でき論文作成の段階まで進んだ．多変量定常成分のモデルに関しては研究継続中であるが，様々なモデルや推定方法の比較検討を行った結果，推定法に関しての知見がえられ３年目の研究の方法へつながる結果が得られた．このように多次元時系列の季節調整に関してはその要素モデルの開発に目途が立ち，比較的順調に研究が進展していると言える．その一方，超高次元時系列の情報抽出の方法の開発に関しては考察の段階で具体的な成果を得るまでに至っていない．
開発した方法のソフト化に関しては主に３，４年目に実施することを計画していたが，1変量モデルに関しては先行してR関数の開発・検討を行い必要な改良を行った．また，当初計画ではWeb-Decompの多変量版への拡張も目指していたが，R-Shiny等の利用によってWebアプリの開発ができることがわかったので，R開発に統合して開発を進められることがわかった．
以上のように，一部では計画以上の成果が得られたり，研究開発が前倒しで進んでいる一方でやや遅れている部分もあり，全体としてはおおむね順調に進展していると判断した．
|
| Strategy for Future Research Activity |
１変量季節調整法の改良に関しては前年度までの研究の結果，観測ノイズをAR過程とする状態空間モデルの利用が有効であることがわかったので，この方法の一般化を行うとともに実装を目指す．
多変量季節調整法の研究・開発に関しては，多変量状態空間モデリングのための汎用的プラットフォームの数値計算上の改良を実施し実用化を目指す．多変量トレンドモデルの研究・開発に関してはトレンド成分に相関や因果関係がある場合に，共和分分析や因子分析の考え方を活用した方法の研究を継続し，その方法を実装するための開発を実施する．多変量定常成分モデルの推定法の研究・開発については，様々な正則化法や変数・次数選択の方法の比較検討を継続し，実用的な方法を見出して実装を目指す．解析ツールに関してはトレンドやAR成分に関して時間的な依存関係を見出す方法の研究・開発を引き続き継続する．
開発したモデルや計算法の実装に関しては，当初計画ではWeb-Decompの拡張も目指していたが，R-Shiny等の利用によってWebアプリの開発ができることがわかったので，R開発に統合する方向で開発を進めていく計画に変更した．開発した方法やソフトを金融・経済時系列や地球環境データや地震データへの応用を進めるとともに，その経験をフィードバックして多変量季節調整法およびその実装法の改善につなげる．
|
