リサーチリーダー

APIR主席研究員　関　和広　甲南大学知能情報学部教授

 

研究目的

従来、マクロ経済の動向を把握するには、集計データを用いることが一般的である。しかし、集計データは、リアルアイム性に欠けており、ミクロの経済要因を知るには不十分という課題がある。一方、昨今の情報技術の急速な進展により、国内外の経済活動において生成される大規模なデータ（ビッグデータ）が様々な形で利用可能になり始めている。きわめて豊富な情報を内包しているビッグデータの活用は、マクロ経済のより精緻な情勢判断と予測において、有効であると考えられる。このため、本研究プロジェクトではビッグデータの一つであるテキストデータを利用して、経済の動向を把握することを試みる。

 

研究内容

S-APIR指数（景気関連指数）を推定するため、Transformerを用いた大規模言語モデルを利用する。Transformerは、それ以前に用いられていた回帰的ニューラルネットワーク（RNN）のように単語の順番に入力して学習することはせず、文中の全ての単語を一度に入力することで全ての単語同士の依存関係を学習する。その処理を基本として、S-APIR指数を推定するモデルの精度向上を図る。

 

＜研究体制＞

研究統括

リサーチリーダー

リサーチャー

 

期待される成果と社会還元のイメージ

景気動向を代理する「S-APIR指数」を見ることで、企業の経営判断を行う際の議論に使えるようにする。そして、国や自治体に対しても、政策決定に活用していただくことを検討する。また、本研究の成果の一つとして期待できるデモ・システムを、会員企業に試行的に提供する。システムのユーザー自身が、デモ・システムへ興味ある単語を入力すると、その単語がS-APIR指数にどのような影響を与えているのか知ることができる。例えば、「大阪関西万博」という語を入力した場合、ミクロの波及メカニズム（例、建設需要）までは見ることができないが、大阪関西万博が最終的に景気動向へ正の影響を及ぼすのかどうかを調べるための、きっかけとなる。

リサーチリーダー

APIR主席研究員　関　和広　甲南大学知能情報学部教授

 

研究目的

従来、マクロ経済の動向を把握するには、集計データを用いることが一般的である。しかし、集計データは、リアルアイム性に欠けており、ミクロの経済要因を知るには不十分という課題がある。一方、昨今の情報技術の急速な進展により、国内外の経済活動において生成される大規模なデータ（ビッグデータ）が様々な形で利用可能になり始めている。きわめて豊富な情報を内包しているビッグデータの活用は、マクロ経済のより精緻な情勢判断と予測において、有効であると考えられる。このため、本研究ではビッグデータの一つであるテキストデータを利用して、経済の動向を把握することを試みる。

 

研究内容

S-APIR指数（景気関連指数）を推定するため、リカレント・ニューラル・ネットワーク(Recurrent Neural Network,以下RNN)に加え、Google社が開発した最新の学習モデルであるBERT（Bidirectional Encoder Representations from Transformers）を用いる。BERTは、RNNのように単語の順序を考慮した上では学習することはせず、文中の全ての単語同士の依存関係を学習する。その処理を基本として、S-APIR指数を推定するモデルの精度向上を図る。

 

＜研究体制＞

研究統括

リサーチリーダー

リサーチャー

 

期待される成果と社会還元のイメージ

新聞記事のテキストデータから景況感を推定するモデルを構築し、その出力値をS-APIR指数と称している。これを政府による既存の景況感指数と比較することで、我々のモデルが有する特徴を明らかにする。その結果を踏まえて、「S-APIR指数」を一般に公表していく。

景気動向を代理する「S-APIR指数」を見ることで、企業の経営判断を行う際の議論に使えるようにする。そして、国や自治体に対しても、政策決定に活用して頂くことを検討する。具体的に、本研究の成果の一つとして期待できる「単語のデモ・システム」を、ユーザーへ公開する。ユーザー自身が、デモ・システムへ興味ある単語を入力すると、その単語がS-APIR指数にどのような影響を与えているのか知ることができる。例えば、「東京五輪」という単語を入力した場合、ミクロの波及メカニズム（例、建設需要）までは見ることができないが、東京五輪が最終的に景気動向へ正の影響を及ぼすのかどうかを調べるための、きっかけとなる。

リサーチリーダー

APIR上席研究員　松林 洋一　神戸大学大学院経済学研究科長・経済学部長・教授

 

研究目的

従来、マクロ経済の動向を把握するには、集計データを用いることが一般的である。しかし、集計データは、リアルアイム性に欠けており、ミクロの経済要因を知るには不十分という課題がある。一方、昨今の情報技術の急速な進展により、国内外の経済活動において生成される大規模なデータ（ビッグデータ）が様々な形で利用可能になり始めている。きわめて豊富な情報を内包しているビッグデータの活用は、マクロ経済のより精緻な情勢判断と予測において、有効であると考えられる。このため、本研究ではビッグデータの一つであるテキストデータを利用して、経済の動向を把握することを試みる。

 

研究内容

本研究で基本となる成果物は、テキストデータから推定された景気関連指数（S-APIR指数）である。指数を推定するため、2020年度から引き続き、人工知能の一種である深層学習を用いる。深層学習のモデルとして、これまでと同様にリカレント・ニューラル・ネットワーク（Recurrent Neural Network、以下RNN）に加え、Google社が開発した最新の学習モデルであるBERT（Bidirectional Encoder Representations from Transformers）を用いる。BERTは、RNNのように単語の順序を考慮した上で学習することはせず、文中の全ての単語同士の依存関係を学習する。その処理を基本として、S-APIR指数の各バージョンを推定するモデルを構築する。

 

＜研究体制＞

研究統括

リサーチリーダー

リサーチャー

 

期待される成果と社会還元のイメージ

新聞記事のテキストデータから景況感を推定するモデルを構築し、その出力値をS-APIR指数と称している。これを政府による既存の景況感指数と比較することで、我々のモデルが有する特徴を明らかにする。その結果を踏まえて、「S-APIR指数」を一般に公表していく。

景気動向を代理する「S-APIR指数」を見ることで、企業の経営判断を行う際の議論に使えるようにする。そして、国や自治体に対しても、政策決定に活用して頂くことを検討する。具体的に、本研究の成果の一つとして期待できる「単語のデモ・システム」を、ユーザーへ公開する。ユーザー自身が、デモ・システムへ興味ある単語を入力すると、その単語がS-APIR指数にどのような影響を与えているのか知ることができる。例えば、「東京五輪」という単語を入力した場合、ミクロの波及メカニズム（例、建設需要）までは見ることができないが、東京五輪が最終的に景気動向へ正の影響を及ぼすのかどうかを調べるための、きっかけとなる。

リサーチリーダー

主席研究員　松林洋一　神戸大学大学院経済学研究科教授

 

研究目的

従来、マクロ経済の動向を把握するには、集計データを用いることが一般的である。しかし、集計データは、リアルアイム性に欠けており、ミクロの経済要因を知るには不十分という課題がある。一方、昨今の情報技術の急速な進展により、国内外の経済活動において生成される大規模なデータ（ビッグデータ）が様々な形で利用可能になり始めている。きわめて豊富な情報を内包しているビッグデータの活用は、マクロ経済のより精緻な情勢判断と予測において、有効であると考えられる。このため、本研究ではビッグデータの一つであるテキストデータに着目して、経済の動向を把握することを試みる。

 

研究内容

2019年度から引き続き、人工知能の一種である深層学習（ニューラルネットワークという人間の脳神経回路を模したモデルを構築し、コンピュータに機械学習させること）を、テキストマイニングに用いる。2020年度も、深層学習における推定モデルの一つである、リカレント・ニューラル・ネットワーク(Recurrent Neural Network,以下RNN)を、基本の分析枠組みとする。そうした分析による出力結果が、本年度の研究の出発点となる「S-APIR指数」である。

①低コスト・低タイムラグ

景況感を代理する既存の指数は、CI一致指数や消費者態度指数のように、多大な労力を投入したアンケート調査から構築されて、月次で報じられている。ところで、経済情勢の要因は一カ月単位ではなく、日々刻々と変化している。ある月の景況感指数を見て、結果的に経済情勢が前月と異なることに気付いたとしても、景気の転換局面が“いつ”であったのか、“その時”に気づくことはできない。本研究は、こうした課題を克服するため、「S-APIR指数」という新しい指数を提案する。この指数は2つの特徴を有する。まず、既存の新聞記事から自動的に出力されるため、多くの人員を必要としない（低コスト）。さらに、日次で報じることができるため、日々起こりうる景気の転換局面を把握することが可能となる（低タイムラグ）。

②S-APIR指数の評価

一般に、“景況感そのもの”を表す指標は存在せず、既存のCI一致指数や消費者態度指数は、あくまでも、“景況感らしきもの”を示した代理指標に過ぎない。本研究が提案するS-APIR指数についても、その出力の過程は異なるものの、同様に景況感の代理指標である。このため、S-APIR指数が景況感らしきものを表す指標として、どういった観点から、どの程度信頼できるものなのか、定量的にその特徴を明らかにする。具体的に、S-APIR指数は、様々なデータに対して、常に安定した入出力を繰り返すモデルであるのか、既存の類似する指数と比べてどういった特徴を有しているのか、という点に着目する。

③S-APIR指数を用いたマクロ経済分析

S-APIR指数を利用して、予期せぬイベントの発生によるマクロ経済への影響を把握することを試みる。対象のイベントとして、世界金融危機（2008年9月15日）、東日本大震災（2011年3月11日）、上海株式市場暴落（2016年1月4日）を視野に入れている。これらのイベントへ注目することにより、負のショックに対して消費者や企業がどう反応するかという観点から、「経済の不確実性」の特徴を示す。

 

研究体制

研究統括

稲田義久　　APIR研究統括兼数量経済分析センター長、甲南大学教授

リサーチリーダー

松林洋一　　APIR主席研究員、神戸大学大学院経済学研究科長・教授

リサーチャー

関　和広　　甲南大学知能情報学部准教授

生田祐介　　大阪産業大学経営学部講師

期待される成果と社会還元のイメージ

新聞記事のテキストデータから景況感を推定するモデルを構築し、その出力値をS-APIR指数と称している。これを政府による既存の景況感指数と比較することで、我々のモデルが有する特徴を明らかにする。その結果を踏まえて、「S-APIR指数」を一般に公表していく。

「S-APIR指数」を見ることで、消費者にとっての景況感を、より深く知ることができるようになる。まずは、企業の経営判断を行う際の議論に使えるようにする。そして、国や自治体に対しても、政策決定に活用して頂くことを検討する。

＜研究会の活動＞

研究会

リサーチリーダー

主席研究員　松林洋一　神戸大学大学院経済学研究科教授

 

研究目的

従来、マクロ経済の動向を把握するには、集計データを用いることが一般的である。しかし、集計データは、リアルアイム性に欠けており、ミクロの経済要因を知るには不十分という課題がある。一方、昨今の情報技術の急速な進展により、国内外の経済活動において生成される大規模なデータ（ビッグデータ）が様々な形で利用可能になり始めている。きわめて豊富な情報を内包しているビッグデータの活用は、マクロ経済のより精緻な情勢判断と予測において、有効であると考えられる。このため、本研究ではビッグデータの一つであるテキストデータに着目して、経済の動向を析出することを試みる。

 

研究内容

2018年度から引き続き、人工知能の一種である深層学習（ニューラルネットワークという人間の脳神経回路を模したモデルを構築し、コンピュータに機械学習させること）を、テキストマイニングに用いる。本年度も、深層学習における推定モデルの一つである、リカレント・ニューラル・ネットワーク(Recurrent Neural Network,以下RNN)を、基本の分析枠組みとする。

 

研究体制

研究統括

稲田義久　　APIR研究統括兼数量経済分析センター長、甲南大学教授

リサーチャー

関　和広　　甲南大学知能情報学部准教授

生田祐介　　大阪産業大学経営学部講師

岡野光洋　　大阪学院大学経済学部准教授

期待される成果と社会還元のイメージ

テキストデータから景況感を推定するモデルを構築する。政府による既存の景況感指数と比較することで、我々のモデルが有する特徴を明らかにする。その成果として「テキスト版景況感指数」を公表する。

「テキスト版景況感指数」を見ることで、消費者にとっての景況感を、より深く知ることができるようになる。まずは、企業の経営判断を行う際の議論に使えるようにする。そして、国や自治体に対しても、政策決定に活用して頂くことを検討する。

リサーチリーダー

主席研究員　松林洋一　神戸大学大学院経済学研究科教授

 

研究目的

従来、マクロ経済の動向を把握するには、集計データを用いることが一般的である。しかし、集計データは、速報性に欠けており、ミクロの経済要因を知るには不十分という課題がある。一方、昨今の情報技術の急速な進展により、国内外の経済活動において生成される大規模なデータ（ビッグデータ）が様々な形で利用可能になり始めている。きわめて豊富な情報を内包しているビッグデータの活用は、マクロ経済のより精緻な情勢判断と予測において、有効であると考えられる。このため、本研究ではビッグデータの一つであるテキストデータに着目して、経済の動向を、速報性をもって析出することを試みる。

本研究では、高頻度（日次ベース）で公表される新聞紙上における経済記事に着目し、同記事のテキスト情報から景況感を析出するという手法(＝テキストマイニング)を用いて、より速報性の高い景況感指標を作成することを試みていく。

 

研究内容

2017年度の研究成果を受け、多様な語彙を持つ経済用語を数量的に解析するために、深層学習、特にリカレント・ニューラル・ネットワーク(RNN)という分析枠組みを用いる。深層学習とは、人間の脳内における多層段階にわたる思考過程を模倣した数理モデルの総称であり、アルゴリズムとデータを用いてコンピュータで実装される。

深層学習を二段階で実施する。第一段階では、コンピュータにテキストデータ（新聞記事）を大量に読み取らせ、そのデータに対する回答（景況感指数）を人間が教える。第二段階では、新しいデータを読み込ませて、正答を出力できるか確かめる。第二段階で正答が出力されなければ、第一段階に立ち戻る。そこで、アルゴリズムの修正やデータの追加を行い、再度第二段階へ進む。所望の結果が得られるまで、第一段階と第二段階のサイクルを繰り返す。

 

リサーチャー

関　和弘　　甲南大学知能情報学部准教授

岡野光洋　　大阪学院大学経済学部講師

生田祐介　　APIR研究員

木下祐輔　　APIR調査役・研究員

 

期待される成果と社会還元のイメージ

テキストデータを利用した、新しい景況感指標のプロトタイプを開発する。このプロトタイプを、APIRが毎月公表している「APIR Economic Insight Monthly」などへ掲載することも予定している。

新しい景況感指数を見ることによって、企業は家計(消費者)の景況感(経済マインド)を、より早くより正確に知ることができるようになる。こうした情報は、自社にとって最適な経営戦略の立案や、マーケティング戦略の実施に役立つはずである。また、政策当局においても、従来の数量的な経済変数だけではなく、テキストデータによる新たな指標に基づき、柔軟かつ精緻な情勢判断を行い、政策決定に生かすことが可能になるであろう。

 

＜研究会の活動＞

研究会

・2018年9月　　　第1回研究会開催(予定)

・2018年11月　　 第2回研究会開催(予定)

・2019年3月　　 第3回研究会開催(予定)

リサーチリーダー

主席研究員　松林洋一　神戸大学大学院経済学研究科教授

 

研究目的

昨今の情報技術（Information Technology）の急速な進展により、国内外の経済活動において生成される大規模なデータ（ビッグデータ）が様々な形で利用可能となり始めている。きわめて豊富な情報を内包しているビッグデータの活用は、マクロ経済のより精緻な情勢判断と予測において、必要不可欠であると考えられる。

研究内容

本研究プロジェクトでは、ビッグデータの分析手法の一つであるテキストマイニングに注目し、２つの研究成果が得られることを予定している。第１は、日本銀行による「景気動向調査」のデータ・マイニングの手法の高度化と改善である。第２は、関西の特徴を出せるようなデータ・マイニング手法の開発である。

上記２つの分析視点をもとに以下の分析を試みていくことにする。「１．データ・マイニングの手法の高度化と改善」では、他の（日銀以外の）データ・マイニング手法の調査により、現在の日銀分析手法の評価、および、改善を行うことにする。さらにネットワーク分析手法の高度化（ネットワーク構造の通時的な構造変化の探索）を試みることにする。「２．関西独自のテキストマイニング開発」では、現在の日銀手法で関西の特性が出せるかの有効性を確認するとともに、関西の特徴を出せるようなデータ・マイニング手法の開発を行っていくことにする。

第１のポイントは、データ・マイニング手法において核ともいえる「ネットワーク分析」（言語間の相互連関の構造）に関する手法の高度化である。テキストマイニングでは、ある時期の経済活動を規定する諸要因の関係（例えば原油価格と景気など）が、頻出する語彙（テキスト）の相互連関構造＝ネットワークとして描写される。このネットワークの構造は通時的に変化するはずであり、構造変化を解析的にしていくことは極めて興味深い試みである。第２のポイントは、関西独自のテキストマイニングの開発である。関西経済の特徴をテキストマイニングによって析出していくためには、データソースの探索が不可欠である。日本銀行では内閣府の「景気ウォッチャー」をベースとして分析が行われているが、本研究プロジェクトではより広範な情報ソース（業界紙など）にもとづいて、関西経済の特徴を浮き彫りにしていくことにする。

統括

稲田義久　APIR数量経済分析ｾﾝﾀｰ ｾﾝﾀｰ長

 

リサーチャー

青山秀明　APIR上席研究員、京都大学教授

池田雄一　京都大学教授

生田祐介　APIR研究員

木下裕輔　APIR研究員兼調査役

 

期待される成果と社会還元のイメージ

「１．データ・マイニングの手法の高度化と改善」では、経済構造の変化をテキストマイニングの枠組みにおいて的確に抽出することができるネットワーク分析の開発を進めていき、その手法の適用可能性を探っていくことにする。「２．関西独自のテキストマイニング開発」では、主要日刊紙の関西欄に記載されている記事、関西圏の業界紙に掲載されている記事をもとにテキストマイニングの手法を用いて、関西経済の特徴を定量的、定性的に把握することにする。

テキストマイニングの手法を用いて関西経済の情勢判断（現状）と足元予測（先行き）を、これまでの手法とは異なる形で定期的に公表していくことができる。こうした成果は、企業の経営戦略（関西経済の現状把握やマーケティング戦略）において有力な情報源となりえるはずである。また関西の政策当局においても、従来の数量ベースの経済変数だけではなく、テキストマニングによる新たな指標に基づいてより柔軟かつ精緻な情勢判を行うことができるはずである。

 

＜研究会の活動＞

研究会

・2017年4月7日　　キックオフミーティング開催

・2017年6月30日　　第1回研究会開催