機械学習による海外景気イメージの定量化

経済研究部主任研究員高山武士

（補論）――景気イメージ（定量化）の変換器の作成

言語情報の数値化に本稿では2種類の機械学習（深層学習）の手法を用いた。

1つ目（手法①）は、上述の山本・松尾（2016）⁵や内閣府（2018）⁶を参考に、分散表現（単語のベクトル表現）をＬＳＴＭ（Long Short-Term Memory）を用いて学習させる方法を用いた。文のトークン化（≒単語・形態素化）にはSudachiを用い（学習・推計では原形を利用）、分散表現の作成にはchiVe⁷を利用した⁸。文章の数値化には回帰モデルを利用し、学習データである景気ウォッチャー調査の現状判断を、「悪くなっている」＝0、「やや悪くなっている」＝1、「変わらない」＝2、「やや良くなっている」＝3、「良くなっている」＝4として数値化している。

2つ目（手法②）は、青嶋・中川（2019）⁹や西良・菅・高橋（2020）¹⁰を参考に、分散表現をＢＥＲＴ（Bidirectional Encoder Representation from Transformers）を用いて学習させる方法を用いた。本稿では東北大学および東京大学が公開している事前学習済みモデルとトークナイザを利用¹¹し、景気ウォッチャー調査のデータでファインチューニングを行った。文書の数値化には多値分類モデルを利用し、景気ウォッチャー調査の現状判断を、「悪くなっている」＝0、「やや悪くなっている」＝1、「変わらない」＝2、「やや良くなっている」＝3、「良くなっている」＝4として数値化している。

なお、いずれの手法でも、学習データは12年1月から23年4月までの景気ウォッチャー調査の景気判断理由集のうち「現状」のデータのみ利用し（「先行き」のデータは利用していない）、75％を学習データ、25％を検証データとして用いた。対象となる文章は改行もしくは句点（「。」）で区切り、1文とし、1文ごとに推計値（手法①では回帰値（実数値）、手法②では分類値（0-4のいずれかの値））を算出している。また、15トークンに満たない場合は推計の対象外とした¹²。さらに方法②においては、1文が512トークン以上の長文となる場合にはそれ以降の文を削除している。文章全体の景気イメージは、文章を構成する各文の推計値の単純平均としている。

今回、利用したモデルの精度は方法①では絶対誤差で0.38（学習データ）および0.43（検証データ）、方法②では正答率で85％（学習データ）および63％（検証データ）だった。いずれも上記で紹介した先行研究ほどの精度ではないが、本稿はモデルの精度向上を目的とした分析ではなく、また異なる手法①②で作成した指数が（水準は違うものの）時系列の動きが類似していることから、景気イメージをある程度定量化できていると判断した。