| 研究課題/領域番号 |
20H01482
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分07030:経済統計関連
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
新谷 元嗣 東京大学, 大学院経済学研究科(経済学部), 教授 (00252718)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
17,550千円 (直接経費: 13,500千円、間接経費: 4,050千円)
2022年度: 5,850千円 (直接経費: 4,500千円、間接経費: 1,350千円)
2021年度: 5,460千円 (直接経費: 4,200千円、間接経費: 1,260千円)
2020年度: 6,240千円 (直接経費: 4,800千円、間接経費: 1,440千円)
|
|---|
| 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 |
|---|
| 研究開始時の研究の概要 |
テキストデータ、画像データ等を含んだ大規模なデータ（ビッグデータ）を処理するための機械学習手法は近年急速に進化しており、経済分析への応用範囲も益々広がっている。この機械学習的なアプローチの利点を生かし、既存のマクロ計量経済分析の手法と組み合わせることによって、大規模なマクロデータの根拠に基づく(evidence-based)マクロ経済政策を目指した計量手法を開発し、現実のデータに適用する
|
| 研究成果の概要 |
ニューラルネットワークやLasso等の代表的な機械学習手法をマクロ経済分析に採用し、非線形性を考慮した経済予測モデルを構築した。その際、伝統的なマクロ経済データに加えて、ミクロデータ、サーベイデータ、高頻度データなどのビッグデータや、テキストデータなどオルタナティブデータを利用した。また標準的な時系列モデルだけでなく、マクロ経済理論に基づき、家計や企業等の経済主体の最適化行動を含んだ動学的確率一般均衡モデルによる政策評価も行った。
|
| 研究成果の学術的意義や社会的意義 |
ビッグデータが利用可能な場合、機械学習の手法を活用することにより、マクロ経済変数の将来予測精度が高まることや、マクロ経済変動における非線形性の重要性が確認された。この結果と家計や企業等の経済主体の最適化行動を含んだマクロ経済理論モデルを組み合わせることで、より望ましい政策評価や因果推論が可能になることが示された。
|
