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。