| 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.
|
| 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.
|
