2023年06月27日

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

文字サイズ

■要旨
 
  • 本稿では、山本・松尾(2016)を参考に、機械学習(深層学習)による方法を用いて日本語で得られる海外の情報を景気のイメージとして定量化し、その特徴を考察した。
     
  • 海外の情報を定量化するにあたって、現地語の情報をそのまま直接景気イメージに変換できれば、日本語情報を利用する必要はない。ただし、「変換器」を作成する際の学習用のデータセットを用意することは簡単ではない。
     
  • 日本語情報の変換では、「日本語情報」と(数値化可能な)景気判断がセットになった「景気ウォッチャー調査」を学習用データセットとして利用できる。そこで本稿では、比較的偏りがないと思われる情報源(内閣府の「世界経済の潮流」)をインプットとして利用して景気イメージ(定量化)を作成した。
     
  • 得られた主な結果は以下の通りである。
 

・景気イメージを定量化したものは、全体として見ればそれほど違和感がないように思われる。また、そもそもインプットである日本語情報について、偏りがなさそうなものを選別したこともあって米国、欧州、中国といった特定地域の景気イメージ(定量化)が楽観的あるいは悲観的なものに偏っていることもなかった。

・ただし、景気イメージは、必ずしも既存の統計で把握できる企業や消費者の景況感(OECDが公表するBCIやCCI)と類似しているとは言えない。そもそも今回の景気イメージの定量化では、企業や消費者の景況感をトレースすることを目的としていなかったが、インプット情報を限定して、例えば、日本語情報を「企業」や「消費者」で分類したのち、それぞれを定量化すれば、各景況感の動きと類似する可能性がある。

・景気イメージ(定量化)は、幅広い経済主体・テーマに関する指標、総合的な景気動向を捉えるツールと捉えることもできるため、より洗練させれば、経済分析に利用する余地もあるように思われる。インプット情報をSNSやニュース、インターネット情報から抽出して景気イメージを作成すれば、速報性に優れた景気イメージを作成できる可能性がある。このほか、異なるカテゴリに区分したり、経済主体別に細分化したりして、景気イメージの変動を分析することもできるだろう。また、定量化した景気イメージの数値を追うだけでなく、インプットであるテキストまでさかのぼってその理由を分析するといった活用法も考えられる。

「世界経済の潮流」の景気イメージと景況感指数

(2023年06月27日「基礎研レポート」)

Xでシェアする Facebookでシェアする

経済研究部   主任研究員

高山 武士 (たかやま たけし)

研究・専門分野
欧州経済、世界経済

経歴
  • 【職歴】
     2006年 日本生命保険相互会社入社(資金証券部)
     2009年 日本経済研究センターへ派遣
     2010年 米国カンファレンスボードへ派遣
     2011年 ニッセイ基礎研究所(アジア・新興国経済担当)
     2014年 同、米国経済担当
     2014年 日本生命保険相互会社(証券管理部)
     2020年 ニッセイ基礎研究所
     2023年より現職

     ・SBIR(Small Business Innovation Research)制度に係る内閣府スタートアップ
      アドバイザー(2024年4月~)

    【加入団体等】
     ・日本証券アナリスト協会 検定会員

公式SNSアカウント

新着レポートを随時お届け!
日々の情報収集にぜひご活用ください。

週間アクセスランキング

レポート紹介

【機械学習による海外景気イメージの定量化】【シンクタンク】ニッセイ基礎研究所は、保険・年金・社会保障、経済・金融・不動産、暮らし・高齢社会、経営・ビジネスなどの各専門領域の研究員を抱え、様々な情報提供を行っています。

機械学習による海外景気イメージの定量化のレポート Topへ