| 研究課題/領域番号 |
18K01504
|
|---|
| 研究機関 | 日本大学 |
|---|
研究代表者 |
服部 正純 日本大学, 経済学部, 教授 (60768349)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2022-03-31
|
| キーワード | Taylor rule / 最適金融政策 / 非伝統的金融政策 / イールドカーブ / シャドー政策金利 |
|---|
| 研究実績の概要 |
本研究は、非伝統的金融政策がイールドカーブの形状に働き掛ける政策を行っている現実を受け、短期金利の情報だけでなくイールドカーブ全体の形状の情報を利用した金融政策スタンスの評価手法の提案を目指している。
米国経済を分析対象として、将来の特定時点でのTaylor rule政策金利（Taylor ruleというルールから導出される短期政策金利）の予測値の推定手法を確立できた。Taylor rule政策金利の値は、金融政策スタンスとしては中立的になる短期政策金利と考えられている。このTaylor rule政策金利の推定には各時点での実質GDP成長率とインフレ率に関する民間エコノミストへのサーベイのデータを利用した。
Taylor rule政策金利と金融市場で取引の対象となる短期金利との乖離の大きさが金融政策スタンスの引き締め・緩和度合いを示すことになるが、OISという短期金利商品の将来時点に関する先物の値と将来時点でのTaylor rule政策金利の比較が可能である。両者の乖離幅を「Taylor rule乖離幅（Taylor rule deviation）」と呼ぶ。
2019年度中は利用するサーベイデータの頻度をそれまでの半年から四半期に高め、時系列分析を緻密化した。そして、将来時点でのTaylor rule乖離幅の変化が現時点での実体経済の変化を発生させるとの分析結果の頑健性を確認できた。また、将来時点でのTaylor rule乖離幅が金融緩和の方向に変化すると同時点までの期間のイールドカーブのタームプレミアムが低下することが分かった。これはTaylor rule 乖離幅が金融市場における投資家のリスクテイク姿勢に影響を与えていることを示している。
|
| 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
2018年度中にはサーベイデータを利用した将来時点でのTaylor rule政策金利の推定を研究の主眼としていた。この目標はほぼ達成された。また、将来時点でのTaylor rule政策金利の推定値を利用して金融政策スタンスを評価するためには、Taylor rule政策金利との比較対象としてOIS先物の値が良いことに気づくことができた。これを受けて推定が可能となったTaylor rule乖離幅が米国の実体経済に与える影響の分析は、当初の予想通りの結果を得ることができた。2019年度中はより頻度の高いサーベイデータを購入し分析を緻密化する計画を実行に移せたほか、タームプレミアムを分析対象に加えることができた。そのうえで論文として形にして国内外の複数の学会大会やコンファランスに投稿することができた。
|
| 今後の研究の推進方策 |
シャドー政策金利（イールドカーブの情報を利用し推定する仮想的な短期政策金利）とTaylor rule政策金利との乖離が非伝統的金融政策のもとで実体経済に影響を与える可能性を検証する。これは非伝統的金融政策実施時の金融政策スタンスの評価手法としてシャドー政策金利が一定の評価を得てきたことが理由である。また、標準的なマクロ経済モデルでの定性的分析の結果との整合性の検証も視野に入れたいと考えている。
上記の追加的な分析を進めつつ、国内外の学会大会やコンファランス、研究機関でのセミナーにおける発表やワーキングペーパーとしての公表を通じて有識者からのコメントを得て、それらへの対応を反映することで論文の完成度を高めていく。その後、国際的なアカデミック・ジャーナルへの投稿を目指す。
|
| 次年度使用額が生じた理由 |
契約を結び利用することを考えていたサーベイデータの契約料が、契約交渉の段階において予想よりもはるかに高額であることが判明した。これは研究計画段階の事前見積時点でデータ提供業者からの説明が無かった部分の影響によるものである。これを受けて、2018年度中の研究作業では、当初利用を想定していたサーベイデータを代替する情報を利用した。2018年度に次年度使用額として繰り越した資金も利用することで2019年度に同サーベイデータの契約料を支払うことができた。同様に2019年度から2020年度に資金を繰り越すことで2020年度にも同サーベイデータの契約料を支払うことが可能となる。このように、今回の次年度使用額の発生は、前年度同様、最も望ましいデータの利用を可能とするために意図的に行ったものである。
|
