| 研究課題/領域番号 |
21K01438
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分07040:経済政策関連
|
|---|
| 研究機関 | 早稲田大学 (2023)
一橋大学 (2021-2022) |
|---|
研究代表者 |
宮川 大介 早稲田大学, 商学学術院, 教授 (00734667)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2025-03-31
|
| 研究課題ステータス |
交付 (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)
2024年度: 390千円 (直接経費: 300千円、間接経費: 90千円)
2023年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2022年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
2021年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
|
|---|
| キーワード | 企業ダイナミクス / 取引関係 / 機械学習 / 金融市場 / 因果推論 |
|---|
| 研究開始時の研究の概要 |
本研究は、企業や取引関係を単位とする「大規模・高次元パネルデータ」に対して、「機械学習手法」を用いた予測と因果推論を行うことで、これらのダイナミクスに関する実証分析を行うものである。こうした実証研究は、予測と因果推論を「独立した二つの分析手法」として用いる形で進められてきた。本研究では、機械学習手法を用いて、予測と因果推論を融合した実証分析を行う。具体的には、研究代表者の過去の研究において構築した予測モデルの高精度化を実現した上で、当該予測モデルを企業や取引関係のダイナミクスに関する因果推論において用いるほか、この結果を企業活動に投入した場合のインパクト計測も行う。
|
| 研究実績の概要 |
補助事業期間の三年目（令和五年度）は、第一に、補助事業一年目（令和三年度）に実施した、サプライチェーンネットワークを通じた企業成長へのショック波及の異質性を大規模データに確率論のツールと機械学習手法を用いることで実証的に検討したArata & Miyakawa (2022)について、Journal of Economic Behavior & Organization誌からの改訂要請を受けるに至ったことから、所要の作業を行い、結果としてArata & Miyakawa (2024)としてアクセプト・刊行された。第二に、Arata & Miyakawa (2021)の成果を踏まえて、共同研究先である大手金融機関から「企業間送金データ（所謂内国為替データ」の提供を受け、高粒度・高精度・高頻度で計測されたサプライチェーンネットワークデータを構築し、当該データに対してArata et al. (2023)において開発した高成長企業の成長経路を対象とした実証手法を応用することで、当該の企業ダイナミクスを対象とした分析を行うとともに、この分析において既存及び新規取引先との取引額変動がどの様な意義を持っているかを検討した。
Arata, Y., D. Miyakawa, and K. Mori (2023) “The U-Shaped Law of High Growth Firms,” NTC Joint Research Discussion Paper Series 230200-01HJ.
Arata and Miyakawa (2022) “Demand Shock Propagation through an Input-Output Network in Japan,” RIETI Discussion Paper Series 22-E-027.
Arata, Y. and D. Miyakawa (2024) “Demand Shock Propagation through an Input-Output Network in Japan,” Journal of Economic Behavior & Organization 219: 262-283.
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
補助事業期間三年目（令和五年度）に関しては、上記の通り、補助事業期間一年目及び二年目（令和三年度及び四年度）における研究取り組みを踏まえて、経済学分野で上位の英文査読付きジャーナルで研究成果が刊行されたほか、共同研究先から提供を受けた企業間送金データを用いることでこれまでに例のない高精度のサプライチェーンネットワークデータを構築した上で、このデータを用いた企業と取引関係のダイナミクスに関する実証分析を進めて、既に相応の進捗が見られるなど、本研究課題の進捗状況としては当初の予定をやや上回るペースで成果を得ているものと考えられる。
また、当初検討していたRCTベースの因果推論に関する代替的な研究テーマとして位置づけた、「機械によるシステマティックな予測と人による裁量的な予測との間における予測精度の差異がどのような要因によって引き起こされているかを検討することで機械学習ベースの予測結果に係る経済価値を実証的に把握する」という取り組みについても、共同研究先である大手銀行との協力関係の下で既に取りまとめ済みの金融市場での証券投資を対象とした学術論文のほかに、新たな共同研究先である大手リース会社とのにおける同種の取り組みをリース分野における与信審査の文脈で進めており、この面においても当初の想定を上回る成果を得ていると考えられる。
一方で、企業を対象とした高精度の予測結果をRCTの形式で企業実務へ投入した際の影響を計測するという、世界的にも例の乏しい挑戦的な取り組みについては、令和三年度及び令和四年度の実施状況報告書でも記載の通り、引き続き難易度の極めて高い研究テーマとしての認識を強めており、実現に向けた取り組みを継続する予定である。
|
| 今後の研究の推進方策 |
補助事業期間の最終年に当たる四年目（令和六年度）については、第一に、既に学術研究として取りまとめ済みの学術論文について学会報告、英文査読付きジャーナルへの投稿を進めることで、研究成果の公表に向けた取り組みに注力する。特に、機械学習手法を用いた予測と因果推論の文脈で令和五年度から開始したBebes et al. (2024)及び加藤ほか(2024)の研究を査読付きジャーナルへの投稿段階へ進めることに注力する。第二に、これらの取り組みと並行して、本研究課題の目的が予測と因果推論を融合した実証分析を行うという点にあることを踏まえて、研究代表者自身の過去の取り組みであるMiyakawa & Shintani (2020)の改訂を通じて研究課題の推進を図ることも検討したい。
加藤塁・宮川大介・柳岡優希・雪本真治 (2024)「滞在人口データを用いた取引先企業のリース需要予測」RIETI Discussion Paper Series 24-J-005.
Benes, N., Garton, B., Miyakawa, D. and J. Yamanoi (2024) “Using High-dimensional Corporate Governance Variables to Predict Firm Performance,” RIETI Discussion Paper Series 24-E-030.
Miyakawa, D. and K. Shintani (2020), “Disagreement between Human and Machine Predictions”, IMES Discussion Paper Series 2020-E-11, Bank of
Japan.
|
