• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 課題ページに戻る

2017 年度 実施状況報告書

ベイジアンSSVS法を使った非線形多変量時系列モデルによる予測と実証分析

研究課題

研究課題/領域番号 17K03661
研究機関琉球大学

研究代表者

杉田 勝弘  琉球大学, 法文学部, 教授 (50377058)

研究期間 (年度) 2017-04-01 – 2020-03-31
キーワード計量経済学 / 多変量時系列 / 非線形時系列 / ベイズ法
研究実績の概要

非線形多変量時系列モデルは、様々なマクロ経済や金融計量分析、そして予測において有用であ るが、モデルの推定パラメータ数が多く不必要なパラメータを多く含んでいるのが問題であった。 そこで本研究では、モデル内の不必要なパラメータを自動的に除去しモデルの縮減を行いモデル 選択ができるベイズ法のSSVS (Stochastic Search Variable Selection) 法による変数選択法に着目 し、SSVS 法を非線形 VAR や VEC モデル、そして多変量 GARCH モデルに応用し、マクロ経済や 金融の計量分析ならびに予測に関する研究を行う。本研究によって非線形多変量時系列モデルが 持つ過剰適合の問題を回避し、従来の方法と比較して推定及び予測精度を飛躍的に向上させる事 が期待できる。
当該年度はSSVS 法による線形ベクトル自己回帰モデル及びマルコフスイッチングベクトル自己回帰モデルの推定、予測精度分析を遂行した。SSVSによる線形ベクトル自己回帰の推定法はすでに確立されているがPredictive Likelihoodを使って従来の方法と比較してどれほど予測精度が上がったかシミュレーションしてみた。また非線形のマルコフスイッチングベクトル自己回帰モデルではまず計算コードを書き上げ、これも予測精度に関して従来の方法と比較するためにPredictive Likelihoodを用いてシミュレーションによる比較を行った。

現在までの達成度 (区分)
現在までの達成度 (区分)

3: やや遅れている

理由

予定になかった線形ベクトル自己回帰モデルのSSVS法と従来の方法との比較のためにPredictive Likelihoodによるシミュレーションの比較を行ったので、これに計算コードなどに時間がかかった。このシミュレーションを土台にする必要があると判断したの。

今後の研究の推進方策

基本的に交付申請書通りに遂行する予定である。

次年度使用額が生じた理由

物品が思ったより安く購入できたため。

URL: 

公開日: 2018-12-17  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi