• Search Research Projects
  • Search Researchers
  • How to Use
  1. Back to previous page

経済・金融時系列の統計的モニタリング

Research Project

Project/Area Number 19F19312
Research Category

Grant-in-Aid for JSPS Fellows

Allocation TypeSingle-year Grants
Section外国
Review Section Basic Section 07030:Economic statistics-related
Research InstitutionKyoto University
Host Researcher 西山 慶彦  京都大学, 経済研究所, 教授 (30283378)
Foreign Research Fellow TAO JUNFAN  京都大学, 経済研究所, 外国人特別研究員
Project Period (FY) 2019-10-11 – 2022-03-31
Project Status Granted (Fiscal Year 2021)
Budget Amount *help
¥1,400,000 (Direct Cost: ¥1,400,000)
Fiscal Year 2021: ¥300,000 (Direct Cost: ¥300,000)
Fiscal Year 2020: ¥500,000 (Direct Cost: ¥500,000)
Fiscal Year 2019: ¥600,000 (Direct Cost: ¥600,000)
Keywords自己回帰過程 / 分枝過程 / 臨界性検定 / 単位根検定 / 逐次解析 / 逐次検定 / 自己回帰モデル / 単位根
Outline of Research at the Start

本研究ではオンラインで観測される経済・金融時系列データに統計的逐次解析の手法を導入し,時系列モデルにおける統計的逐次解析の理論を構築する. 特に、応用分野としては帰無仮説を単位根過程、対立仮説を発散過程とする単位根検定を用いて金融バブルの発生の早期検出に用いることが期待される。当面は、比較的取り扱いの簡単な自己回帰モデルで誤差項が独立で同じ分布に従う確率変数である場合について調べる。その後に、応用上より重要で適用範囲の広いARCHモデルやGARCHモデル、長記憶モデルなどを誤差にもつ時系列データを分析する際の逐次解析の理論を検討する。

Outline of Annual Research Achievements

本研究では,オンラインで観測される経済・金融時系列データに統計的逐次解析の手法を導入し,時系列モデルにおける統計的逐次解析の理論を構築を進めてきた。特に自己回帰モデルを取り上げ,単位根検定の問題においてFisher情報量でサンプリングを止めたときに様々な統計量を推測に用いることで,単位根検定を含む時系列の統計的推測の手法を提案した。当該手法自体は1980年代にいくつかの論文で提案されたものであるが,別のアプローチによる分析で,その証明の問題点を正し,更に検定統計量と停止時の同時分布を導出し,停止時の期待値や分散などの特性値を数値的に計算する手法を構築した。これよって,従来の知見では難しかった当該手法の実装の際に停止時に現れるパラメータの設定方法が提案され,逐次検定法を実装可能にする研究成果である。これらの数学的貢献,また実用上の貢献は大きく,今後の応用が期待される。応用上では,例えば金融バブルの検出など経済・金融市場における非定常性がもたらす危機の早期発見に応用することが考えられる。
同じ数理的手法を使ってモデルのクラスを広げることを試みた。具体的には,疫学で重要な分枝過程に対し時系列モデルと同じ統計的逐次解析手法が適用でき,分枝過程の基本再生産数などの逐次検定問題の研究を行っている。Covid19のような感染症の感染者の数が増えていく状況を単純化し確率モデルにすると,各時点での合計の感染者の数は分枝過程としてモデル化できる。分枝過程の子孫の平均値(基本再生産数)が1より大か小かによって,分枝過程の統計的挙動が大きく異なる。応用可能になれば,例えば緊急事態宣言などの政策が発令された後,政策当局は感染症の基本再生産数が1を下回っているかどうかをできる限り早く知り,解除の意思決定を行うことが可能かどうかといった問題を解決するには有用であると考えられる。

Current Status of Research Progress
Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

AR(1)モデルについては昨年度に投稿予定であったが、最適性の議論など追加的な内容を盛り込むためにR3年度の投稿を目指している。他方AR(p)モデルについて、R2年12月に投稿済みである。それ以外については、順調に進展している。

Strategy for Future Research Activity

時系列モデルの逐次分析手法について,いくつかの方向への拡張を考えている。自己回帰モデル以外,MA, ARMA, ARIMA, ARFIMAといった様々な時系列モデルについて停止時を用いて統計的逐次解析の手法が適用することが考えられる。 特に金融時系列モデルとして最も関心が高いARCH, GARCHなどの非線形時系列モデルにおいても当分析手法が適用できると考えられ,それらのモデルの研究を行う予定である。さらに,変化点の問題についても研究を行う。膨大な経済・金融などのデータが秒単位でオンライン観測されている現状を考えると,未知の変化の変化点の早期探索,モデルの早期探知が重要な課題になっている。
想定するモデルのクラスをさらに広げる。前年度から単純分枝過程の子孫の平均(基本再生産数)の臨界性についての逐次検定の問題の研究を行っている。現段階では,移民項なしと移民項ありの分枝過程について逐次臨界性検定の理論ほぼできており、これを完成させる。時系列の単位根過程と爆発的な過程,分枝過程の臨界的と優臨界的な状況のような非定常過程のように,Fisher情報量(条件付きFisher情報量)の極限にランダムネスが残る場合,統計学において,非エルゴ―ド的な確率過程と呼ぶ。非エルゴ―ド的な確率過程は不安定な挙動を示すので、社会的コストを削減するために早期発見が重要で、逐次統計解析の適用が有効である。時系列モデルと分枝過程以外にも,非エルゴ―ド的統計過程が考えられるため,そのような例について同様の分析手法を適用することを考える。

Report

(2 results)
  • 2020 Annual Research Report
  • 2019 Annual Research Report

Research Products

(3 results)

All 2021 2020

All Presentation (3 results) (of which Int'l Joint Research: 1 results)

  • [Presentation] Sequential analysis on branching process with immigration with a stopping time based on the observed Fisher information2021

    • Author(s)
      K.Nagai, K. Hitomi, Y.Nishiyama, and J. Tao.
    • Organizer
      関西計量経済学研究会
    • Related Report
      2020 Annual Research Report
  • [Presentation] Operating characteristics of sequential unit root tests obtained from the Bessel bridges2020

    • Author(s)
      K.Nagai, Y.Nishiyama, K. Hitomi, and J. Tao
    • Organizer
      Bernoulli-IMS One World Symposium
    • Related Report
      2020 Annual Research Report
    • Int'l Joint Research
  • [Presentation] Sequential test for the criticality of branching processes2020

    • Author(s)
      K.Nagai, K. Hitomi, Y.Nishiyama and J. Tao
    • Organizer
      Japan Joint Statistical Meeting 2020
    • Related Report
      2020 Annual Research Report

URL: 

Published: 2019-10-15   Modified: 2021-12-27  

Information User Guide FAQ News Terms of Use Attribution of KAKENHI

Powered by NII kakenhi