A Structural Matrix Autoregression Framework for International Spillovers

技術要約：国際的なスピルオーバーのための構造的行列自己回帰フレームワーク

問題提起
本論文は、大規模な多国間システムへと構造ベクトル自己回帰（SVAR）を拡張する際の根本的な課題に取り組んでいる。SVARはマクロ経済ショックとその動学的効果を特定するための標準的なツールであるが、国際的なデータに適用する場合、「次元の呪い」に直面する。国の数が増えるにつれて、システムの次元と未知のパラメータ数は二次関数的に増加し、深刻な過剰パラメータ化、計算コストの高騰、そして非現実的な識別制約の増殖を招く。既存の代替手法である動的因子モデル（DFM）やグローバルVAR（GVAR）は、計算上の扱いやすさは提供するものの、制約的な仮定を課している。具体的には、DFMは通常、共通のショックに焦点を当て、国固有の構造的ショックには焦着しない。一方、GVARは、同時期の国間イノベーションが無相関であることを想定することが多く、構造的なスピルオーバーの識別を制限してしまう。

手法
著者らは、国際的なマクロ経済データの自然な行列構造（一方が経済変数、他方が国を表す）を活用した、**ベイズ構造的行列自己回帰（BSMAR）**フレームワークを提案している。

1. モデル構造： データを単一の高次元システムへとベクトル化する代わりに、本モデルはデータを $n \times k$ の行列 $Y_t$（$n$ は変数、$k$ は国）として扱う。簡約形式の動学は、行列自己回帰（MAR）プロセスに従う：
   $$Y_t = \sum_{\ell=1}^p A_\ell Y_{t-\ell} B'_\ell + U_t$$
   ここで、$A_\ell$ は変数間の動的な相互作用を捉え、$B_\ell$ は国間の動的な相互作用を捉える。誤差項 $U_t$ は行列正規分布に従い、行（$\Sigma_r$）成分と列（$\Sigma_c$）成分に共分散構造を分離する。

2. 構造的識別： 核となる革新は、構造的表現にある。構造的インパクト行列 $B_0$ は、クロネッカー積分解に制限される：
   $$B_0 = B_c \otimes B_r$$

   • $B_r$ ($n \times n$) は、ユニット内（例：GDPとCPIの間の供給・需要関係）における同時期の関係を捉える。
   • $B_c$ ($k \times k$) は、国間の同時期の伝達メカニズム（スピルオーバー）を捉える。
     この分解により、無制約のSVARにおける $O((nk)^2)$ 個の構造パラメータから、$O(n^2 + k^2)$ 個へと削減され、過剰パラメータ化を劇的に緩和する。

3. 識別戦略： 本フレームワークは、分解された行列に適用される広範な識別制約（ゼロ制約、符号制約、大きさ/順位制約、およびソフト制約）を受け入れる。

   • ハード制約： ゼロ制約（例：小規模経済は大規模経済に同時期に影響を与えない）や符号制約が直接課される。
   • ソフト制約： 著者らはソフト符号制約（特定の符号を中心としたガウス事前分布）を採用しており、これにより、事前分布が尤度と強く矛盾する場合でも、ハードな制約による硬直性を避けつつ、偏差を許容することができる。
   • 正規化： クロネッカー積におけるスケールの不定性は、特定の対角要素を1に固定することで解決される。

4. ベイズ推定： 結合事後分布から標本を抽出するためにギブスサンプラーが開発された。

   • 自己回帰係数（$A, B$）および収縮パラメータ（$\kappa$）は、共役ガウス分布および一般化逆ガウス（GIG）分布を通じて更新される。
   • 構造パラメータ（$\theta = \text{vec}(B_r), \text{vec}(B_c)$）は、**楕円スライスサンプリング（ESS）**を用いてサンプリングされる。このアルゴリズムは、ガウス事前分布と任意の尤度を組み合わせたターゲットに対して最適化されており、メトロポリス・ヘイスティングスのチューニングを必要とせずに、符号制約や大きさの優位性を含む複雑な識別集合を扱うことができる。

主な貢献

• 次元削減： 本論文は、変数依存性と国依存性を分離することで、大規模な構造システムの推定を計算可能にする、簡潔な表現を提供している。
• 柔軟な識別： 行列値時系列モデルの文献を拡張し、国内における同時期の構造的関係と、国間のスピルオーバーを同時に識別できる「構造的」フレームワークを開発した。
• アルゴリズムの革新： クロネッカー構造の識別と、ソフトおよびハードの制約（大きさの優位性を含む）を統合したベイズサンプリングアルゴリズムの開発は、高次元の構造的推論に対する実用的な解法を提供する。

実証結果
本フレームワークは、15のOECD諸国の四半期データ（1998Q1–2019Q4）に適用され、30の国固有の構造ショック（各経済における1つの供給ショックと1つの需要ショック）を特定している。

• ショックの伝達： 結果は、国際的なショック伝達における大幅な異質性を明らかにしている。米国は主要な純伝達者として浮上し、一方で小規模経済は一般に純受信者となっている。
• 需要 vs 供給： 需要ショックは、供給ショックよりも顕著に国間スピルオーバーを発生させる役割を果たしている。
• パンデミック後のインフレ： 2020年から2024年までの期間に関するアウト・オブ・サンプルでの歴史的分解は、COVID-19パンデミック後のインフレ急増が主に需要ショックによって引き起こされたことを示している。米国では、当初は国内の需要ショックが主要な要因であったが、その後、外国の需要ショックがより顕著になった。英国は、外国からの寄与が大きくなるなど、より多様なパターンを示した。
• 分散分解： ほとんどの国において国内ショックが予測誤差分散（FEVD）の大部分を説明しているものの、集計された需要スピルオーバーが国際的な伝達の重要なチャネルであることが確認された。

意義と主張
本論文は、統一された構造的フレームワーク内でこれほど多くの国々を対象に、同時期の構造的スピルオーバーを特定した最初の研究であると主張している。データが行列構造を持つことを利用することで、研究者は計算の実現可能性と、国固有の構造的スピルオーバーを識別する能力との間のトレードオフを克服できると論じている。これらの知見は、国際的なマクロ経済変動、特にパンデミック後のインフレ急増を駆動する上で、需要ショックが中心的な役割を果たしていることを強調しており、グローバルな経済的相互依存に対する洗練された構造的視点を提供している。著者らは、現在の仕様は分離性（すべての国に対して単一の行列を用いること）を仮定しているが、将来的な拡張によって、より小さなパネルに対してこれらの制限を緩和できる可能性があると述べている。ただし、そのような柔軟性は、高次元における推定の不確実性の増大というコストを伴う。