投資のハイライト
ダイナミックファクターモデリングのアイデア
ダイナミックファクターモデル（DFM）は、近年、マクロデータの追跡・予測問題を解決するために計量経済学でよく利用されており、FRBやECBなど世界の主要地域の金融当局で広く実務に利用されている。 本稿では、ダイナミック・ファクター・モデルの論理的枠組みを用いて、マクロ経済のパフォーマンス状況についてガイダンスを提供するために、様々な高頻度マクロデータを取り込み、インフレ、PMI、GDPを追跡・予測した。
ダイナミックファクターモデルは、基本的に状態空間モデルであり、観測方程式と状態遷移方程式という2つの部分から構成される。 観測方程式の核となる考え方は、大量のマクロデータが少数の暗示的なコファクターによって駆動されていると仮定することである。状態遷移方程式は、暗示的なコファクターが辿る時系列プロセス、すなわちコファクター自体の動的進化を記述し、一般にベクトル自己回帰プロセス（VAR）に従うと考えられている。
ダイナミックファクターモデルの優位性
従来の回帰モデルと比較して、動的因子モデルはデータ処理において以下のような大きな利点がある。 (2) データの「交絡と欠落問題」を解決する (3) 状態遷移の時変特性を反映する (4) インデックス合成の重み付け問題を解決する
ダイナミックファクターモデルの有効性
(1) CPIとPPIそれぞれの前年比伸び率を追跡するための高周波システムを構築する。 フィッティング効果を見ると、ダイナミックファクターモデルはインフレ率のトラッキングを全体的によく説明しており、前年比よりも連鎖率の説明が強く、CPI伸び率よりもPPI伸び率の説明が強いことがわかる。 2022年9月までの1ヶ月間の高頻度データに基づき、CPIとPPIの伸びを1期分外挿したトレーリング予測を提供する。 10月のPPIは前年比1％増、CPIは前年比3％増と予想されています。
(2) PMIとGDPを別々に追跡する高頻度システムを構築する。 PMIとGDP成長率の全体的なフィット感は良好であり、いずれも2020年初頭の疫病の影響を反映していることがわかる。 サンプル外予測では、2022年9月29日にPMIの予測値が50.14、翌日には50.1に更新され、予測値に近い値になっている。 第3四半期のGDP成長率の現行モデル予測は4.1％です。
(3)すべての観測変数をグローバル要因、成長要因、金融要因、インフレ要因の4要素で制約し、100近くの変数を月次頻度に応じて異なる要因でスクリーニングし、季節性を排除するためにすべて前年比として処理する。 モデルの結果、マクロデータから抽出されたインプライド・グロース、マネタリー、インフレ要因は過去の経験に沿ったものであり、さらにグローバルトラッキングや外挿予測に利用できることが示された。
リスク：モデル結果はあくまで参考であり、経済環境の変化がモデル結果に影響を与える可能性があります。
