【シミュレーションの評価🌈】ARCH-MとGARCHモデルの円レートへの適用可能性：計量経済学✨No.23

2023年9月10日 13:18

Introduction：計量経済学への挑戦🔥

経済学部に通う私も
いよいよ大学「学部」最終年になり
学問に全力を注ぐ時間も限られてきました👍

「知は力なり」という言葉を信じて
残りの大学生生活を満喫したいと思います

学部レベルのマクロ経済学は
個人的によく理解できたつもりです

しかしながら、本当の経済の動向を理解するには、学部レベルの知識ではお話になりません😥
また、正しい計量経済学の知識やデータ分析のリテラシーを会得しなければなりません💦

現実の経済データを、理論モデルと当てはめ
正しい計量手法によって実証分析できる力を醸成したら
きっと将来どこかで活躍できる人財になれる可能性を高めることに繋がると思います

実際の経済動向や政治と結びつけながら
応用できる能力がなければ
知識を持つ意義も小さくなってしまいます💦

何事もアウトプット前提のインプットが
大事であると、noteで毎日発信してきました

これは、どのような内容で
あっても当てはまります👍

先行研究の論文を一概に読んでも
記憶に残っていなかったり
大切な観点を忘れてしまっていたりしたら
学習の進捗は滞ってしまうと思います

だからこそ、この「note」をフル活用して
自分の知識を1％でも、定着させ
誰にでもわかりやすい解説をアウトプットできるように努めていきたいと思います

私がこれからアウトプットする
計量経済学において最重要なパートである
時系列分析のモデル理論解説を
どうぞ最後まで、ご愛読ください📖

本投稿作成における参考文献は以下の通りです

なぜ、計量経済学を学ぶのか？？

計量経済学が時系列解析法を「理論なき計測」として退けるところからスタートしたことでよく知られているのです

1930年に創立された計量経済学会の規約第1条では、計量経済学は「理論的数量的アプローチと経験数量的アプローチの統一」と定義されていました📝

また、R・フリッシュによる『エコノメトリカ』創刊の辞では、「統計学、経済学、数学の三者の統合」と定義されているのです👍

このような定義においては、当時のハーバード景気予測に代表される時系列解析法への批判が強く意識されていたとされています

すなわち、それが29年の大恐慌の予測に失敗したのは，経済理論を無視し、時系列データの形式的な解析のみに終始したからであったということです

今後はそうした「理論なき計測」の立場を退け、「理論に基づく計測」を重視していかなければならない、という見解の重要性が増しています
このような歴史を経て、計量経済学はスタートをきったのでした

そして、何よりマクロ経済変数は
その多くが互いに影響を及ぼし合う相互依存の関係にあり、また過去の変化の影響が持続するという傾向を持ちます

これらの動向を分析したり、将来を予測したりできるようになるためには、計量経済学、ひいては「時系列分析」に対する理論や正しい実証手法への理解が必要不可欠となります

「計量経済学」シリーズの投稿では、こうしたマクロ時系列変数の実証分析に必要な計量理論と手法を習得することを目的とします

これから私がアウトプットする
時系列マクロ経済分析に関する内容について
どうぞ最後までご愛読くださいね💖

前回のお復習い✨

ARCH-Mモデル

ARCH-Mは時系列データの収益率の平均が、自らの条件付き分散に依存するという関係を導入するモデルになります
なおリスクは、金融資産の収益の分散で測られることになります
ARCH(1)-Mモデルは、以下で与えられます

$$
\\ARCH{\scriptsize{-}}M\\ \\s_t -s_{t-1}=rp_t+u_t \cdot\cdot\cdot(5)\\
\\rp_t=g+d h_t, d> 0\cdot\cdot\cdot(6)\\ \\u_t=v_t \sqrt{h_t}\cdot\cdot\cdot(7)\\ \\h_t=\alpha_0+\alpha_1 u_{t-1}^2\cdot\cdot\cdot(8)\\ \\\therefore,v_t \backsim White Noise E(v_t)=0,V(v_t)=1
$$

ここで、rpはリスクプレミアムで
rp(t)は収益率の系列s(t)－s(t-1)の平均に
等しいことを想定します

リスクプレミアムは、条件つき分散h(t)の
増加関数で、分散が大きくなるほど
リスクプレミアムは増大することになります

GARCHモデル

条件付き分散が、ARMA過程に従うようにARCH(q)モデルを一般化するように拡張した
学者がBollerslevです

彼により登場したのが
GARCH(p,q)モデルになります👍

GARCHの基本とされるGARCH(1,1)は
以下の式体系で与えられます

$$
\\GARCH(1,1) Model\\ \\s_t=s_{t-1}+u_t \cdot\cdot\cdot(9)\\ \\u_t=v_t \sqrt{h_t}\cdot\cdot\cdot(10)\\ \\h_t=\alpha_0+\alpha_1 u_{t-1}^2+\beta_1h_{t-1} \cdot\cdot\cdot(11)\\ \\ \therefore\alpha_0 > 0,\alpha_1+\beta_1 < 1 \cdot\cdot\cdot(12)\\ \\v_t \backsim White Noise E(v_t)=0, V(v_t)=1
$$

これまでの投稿で、何度も確認してきましたがGARCHモデルでは、今期の分散は、過去の分散と過去の残差の2乗に依存するということを想定します

なお、GARCH(p ,q) で、pは分散の次数
qは残差の2乗の次数となります
加えて、上のGARCH(1,1)モデルで
b1=0のケースでは、ARCH(1)に帰着することになります

シミュレーションの評価🌈

ベースとなるホワイトノイズが
N(0,1)タイプならすべてのモデルが
分散の不均一の性質と尖度の上昇という特質を説明することができました

しかし、実際の円レートの残差に近いN(0,0.0067)のホワイトノイズを前提としたシミュレーションでは
ARCHモデルは事実上ランダムウォークと区別できないことが明らかです👀

これは、ARCHの次数を上げても
結果は同様となったと報告されています

他方、ARCH-MとGARCHモデルは
小さな分散のホワイトノイズの場合でも共にランダムウォークの区別可能です

ただし、ARCH-Mは、収益率の平均が
増加する要因が大きくなり過ぎて為替レートの説明には不適であることがわかりますね👍

その一方、GARCHは、ARCHやARCH-Mに
比べて、小さな分散のホワイトノイズの
場合でも、分散の上昇と僅かながらでも
尖度の上昇を認めることができたのです

このことを考えると、やはり為替介入政策が
もたらす為替レートへのインパクトや
ボラティリティを計測するには
GARCHモデルおよびコンポーネントGARCHモデルがエッセンシャルであるということが
見えてくるでしょう🥰

本日の解説は、ここまでとします👍

次回も引き続き、計量経済学に関するテーマを徹底的に考察していきたいと思います

マクロ経済学をより理解する手法としての
計量経済学ならびに時系列分析の知識を
一緒に獲得していきましょう🔥

付録：私の卒論研究テーマについて🔖

私は「為替介入の実証分析」をテーマに
卒業論文を執筆しようと考えています📝

日本経済を考えたときに、為替レートによって
貿易取引や経常収支が変化したり
株や証券、債権といった金融資産の収益率が
変化したりと日本経済と為替レートとは
切っても切れない縁があるのです💝
（円💴だけに･･･）

経済ショックによって
為替レートが変化すると
その影響は私たちの生活に大きく影響します

だからこそ、為替レートの安定性を
担保するような為替介入はマクロ経済政策に
おいても非常に重要な意義を持っていると
推測しています

決して学部生が楽して執筆できる簡単なテーマを選択しているわけでは無いと信じています

ただ、この卒業論文をやり切ることが
私の学生生活の集大成となることは事実なので
最後までコツコツと取り組んで参ります🔥

今後も経済学理論集ならびに
社会課題に対する経済学的視点による説明など
有意義な内容を発信できるように努めてまいりますので、今後とも宜しくお願いします🥺

最後までご愛読いただき誠に有難うございました！

あくまで、私の見解や思ったことを
まとめさせていただいてますが
その点に関しまして、ご了承ください🙏

この投稿をみてくださった方が
ほんの小さな事でも学びがあった！
考え方の引き出しが増えた！
読書から学べることが多い！
などなど、プラスの収穫があったのであれば

大変嬉しく思いますし、投稿作成の冥利に尽きます！！
お気軽にコメント、いいね「スキ」💖
そして、お差し支えなければ
フォロー＆シェアをお願いしたいです👍

今後とも何卒よろしくお願いいたします！

この記事が参加している募集

エスコンフィールド行ってみた

235件

この記事が気に入ったらサポートをしてみませんか？