| 研究課題/領域番号 |
19K13665
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分07030:経済統計関連
|
|---|
| 研究機関 | 一橋大学 (2022-2023)
東北大学 (2019-2021) |
|---|
研究代表者 |
植松 良公 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)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2021年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2020年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2019年度: 2,080千円 (直接経費: 1,600千円、間接経費: 480千円)
|
|---|
| キーワード | 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 |
|---|
| 研究開始時の研究の概要 |
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．
|
| 研究成果の概要 |
本研究課題期間中には主に，大規模なファクターモデルとベクトル自己回帰モデルに関連する研究を行った．その得られた研究成果は，(1) 今まで考察されてこなかった，スパース性に誘導される弱いファクターモデルとその効率的な推定手法を提案した．(2) そのスパース性を検証するための統計的推測法を提案した．(3) 大規模なベクトル自己回帰モデルにおけるグレンジャー因果ネットワークを検出するための統計的推測法を提案した．
|
| 研究成果の学術的意義や社会的意義 |
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．
|
