Algorithmic Intermediation and the International Transmission of U.S. Monetary Policy

技術要約：アルゴリズムによる仲介と米国金融政策の国際的波及

問題と動機
本論文は、アルゴリズムおよびAI主導のファンド管理の台頭が、米国金融政策の、新興市場への国際的な波及メカニズムを変化させているかどうかを調査している。グローバル・ファイナンシャル・サイクルに関する既存の文献（例：Rey, 2015; Miranda-Agrippino & Rey, 2020）は、米国のショックが世界の資産価格における共通因子を駆動することを記録しているが、仲介業務がこれらのショックを増幅または減衰させる具体的なミクロ的根拠に基づくメカニズムは、依然として「ブラックボックス」のままである。

著者らは、不安定性の源泉はアルゴリズムの存在そのものではなく、ファンド間におけるモデルの類似性であると主張する。アルゴリズムが同一のシグナルやアーキテクチャに依存する場合、相関のある予測誤差を生み出す。ストレス局面において、これらの誤差は互いに強化し合い、資本フローの反応を激化させる。逆に、多様なモデルは誤差を相殺させ、資本フローを安定させる可能性がある。非銀行金融仲介機関（NBFI）が2024年までに世界の金融資産の51%に達し、その中で最も急速な成長を見せているのがアルゴリズム戦略を採用する可能性が高いヘッジファンドや投資ビークルのセクターであることを踏まえると、この区別は極めて重要である。

手法
本論文は、構造的な理論モデルと実証的なパネル分析という二段構えのアプローチを採用している。

1. 理論的枠組み（DSGEモデル）：
   著者らは、二地域（米国中心部と新興市場周辺部）の動学的確率的一般均衡（DSGE）モデルを構築している。核心となるイノベーションは、以下の要素からなる仲介セクターである：

• 伝統的なファンド： 二次的な調整コストに従う、調整の遅い貸し手。
• アルゴリズム・ファンド： 米国の政策ショック（$MP_t$）および現地のファンダメンタルズ（$F_t$）に関するノイズを含むシグナルに基づいて貸し出しを行う、連続体としてのファンド（$j \in [0,1]$）。

モデルでは、**アルゴリズムの均質性（$\phi \in [0,1]$）**という単一のパラメータを導入している。これは、ファンド間で共有される予測誤差の分散の割合として定義される。シグナルは、共通成分（共有された学習データやアーキテクチャに起因するもの）と、固有成分に分解される。

決定的なことに、モデルは状態依存的なシグナルの精度を組み込んでいる（Orlik & Veldkamp, 2024に従う）。現地のシグナルの精度は、ファンダメンタルズが定常状態から乖離する際（すなわち、深刻な景気後退やオーバーヒート時）に悪化する。これにより、増幅の閾値が経済の状態に対して内生的に決定されるメカニズムが創出される。

2. 実証戦略：
   著者らは、2000年第1四半期から2024年第4四半期までの19の新興市場に対する株式ポートフォリオ・フローのパネルを用いて、モデルの中心的な予測を検証している。

• 被説明変数： 四半期ごとの株式ポートフォリオ・フロー（IMF BPM6）。
• 主要な独立変数：
  • 金融ショック ($r_t$): 高頻度の米国金融政策サプライズ（サンフランシスコ連銀USMPD）。
  • アルゴリズム的行動 ($A_{herding}$): $\phi$ のプロキシとして、各国のポジション変化とグローバル・ベンチマーク（BISロケーション・バンキング統計）とのローリング8四半期相関として構築。
  • ストレス局面 ($Crisis_t$): VIX指数が30を超えた場合に1となるダミー変数。
• 定式化：
  $$Y_{it} = \alpha r_t + \beta A_{i,t-1} + \delta Crisis_t + \beta_4 (A \times Crisis) + \beta_5 (r \times A) + \beta_6 (r \times Crisis) + \gamma (r \times A \times Crisis) + \mu_i + \varepsilon_{it}$$
  関心の対象となる係数 $\gamma$ は、ストレス局面においてアルゴリズムによるハーディング（群集行動）が資本流出を増幅させる度合いを捉える。

主な結果

1. 理論的命題：

   • 命題1（均質性下での増幅）： 均質性は、金融ショックに対する総体的な貸付反応の「平均」ではなく、「分散」を増幅させる。相関のある誤差は集計されても存続し、反応のボラティリティを $\sqrt{\phi}$ 倍にスケールさせる。
   • 命題2（異質性下での減衰）： $\phi \to 0$（多様なモデル）の場合、予測誤差は相殺され、アルゴリズム・セクターは完全に情報を得た安定的な仲介者となる。
   • 命題3（状態依存的閾値）： 減衰と増幅を分ける閾値 $\phi^*$ が存在する。この閾値は状態依存的であり、ファンダメンタルズが悪化する（$\Delta F$ が上昇する）につれて低下する。したがって、平穏な時期にはフローを安定させるアルゴリズム・セクターが、$\phi$ 自体に変化がなくとも、単に閾値が現在の均質性のレベルを下回ることで、危機時にはフローを増幅させる可能性がある。

2. 実証的知見：

   • 状態依存的な増幅： 三重相互作用の係数 $\gamma$ は負であり、統計的に有意である（ベースラインにおいて5%水準）。これは、アルゴリズムによるハーディングが、高ボラティリティ（ストレス）局面において、緊縮的な米国ショックに伴う資本流出を増幅させることを裏付けている。
   • 平穏な時期における影響なし： 二重相互作用（$r_t \times A_{herding}$）は平穏な時期には有意ではなく、これは、均質性がファンダメンタルズが安定している場合には波及を増幅させないというモデルの予測を支持している。
   • 頑健性： $\gamma$ の負の符号は、クラスタリングの変更、外れ値の除去、特定の国（中国など）や危機局面（2020年COVIDなど）の除外を含む12の仕様のバッテリー全体で保持されている。
   • 限界： 結果の統計的有意性は、(1) ストレス局面をVIX（連続的な指標）で定義するか、あるいは暦年（ステップ関数）で定義するか、および (2) 2008–09年の世界金融危機を含めるかという、2つの設計上の選択に敏感である。2008–09年の危機を除外した場合、係数は依然として負で大きいものの、統計的有意性は失われる。著者らは、これは状態依存的なメカニズムにとって最も情報量の多いストレス局面を失ったことによる結果であるとしている。

意義と貢献
本論文は、主に3つの貢献をしている：

1. グローバル・ファイナンシャル・サイクルのミクロ的根拠の提示： 仲介をブラックボックスとして扱う従来の文献とは異なり、本論文は、なぜ米国の金融政策の波及強度が時期やレジームによって異なるのかを、相関する予測誤差の集計というミクロ的根拠に基づいたメカニズムを通じて説明している。
2. 行動的リスク vs 制度的リスク： 著者らは、増幅のリスクが非銀行仲介機関の制度的な規模ではなく、行動的な相関（モデルの均質性）にあることを示している。大規模なNBFIセクターが本質的に脆弱であるわけではなく、モデルが収束したときにのみ脆弱となるのである。
3. 状態依存的な符号の反転： アルゴリズムの採用とリスクの間の単調な関係を仮定する文献（例：Meng & Chen, 2026; Qiu & Han, 2026）とは異なり、本論文は質的な符号の反転を特定している。同じアルゴリズム・セクターであっても、ファンダメンタルズが健全なときはフローを安定させ、ファンダメンタルズが悪化するとフローを増幅させる。

政策的含意
著者らは、現在のマクロプルデンシャル枠組みが、機関の規模や集中度に焦点を当てていることは、アルゴリズムによる仲介がもたらすリスクと乖離していると主張している。

• 多様性の規制： 政策は、非銀行仲介の規模を制限することではなく、モデルの多様性を維持することに焦点を当てるべきである。共通のプラットフォームへの集約を強制するような、セクターの規模を制限する規制は、意図せず脆弱性を高める可能性がある。
• 標準化の回避： 共通のリスクモデルやストレスシナリオを義務付けることは、$\phi$ を増大させ増幅因子を高めることになるため、逆効果となり得る。
• カウンター・シクリカルな管理： 増幅の閾値は危機中に低下するため、監督当局はモデルの均質性を状態依存的な閾値に対して評価しなければならない。多様なモデルを奨励すべき最適な時期は、模倣のインセンティブによって多様性が侵食される前の、平穏な時期である。

結論として、AIによって国際金融システムがより脆弱になる必要はない。その結果は、モデルの多様性に依存する。政策の優先事項は、この多様性を観測可能にし、それをカウンター・シクリカルに守ることである。