A fully nonlinear structural vector autoregressive model identified via independent innovation analysis

あなたは、事件の現場に残された「痕跡」だけを頼りに、犯人を突き止めようとしている探偵だと想像してください。目の前にあるのは、散らかった部屋、割れた花瓶、そしてこぼれた飲み物だけです。あなたは、「衝撃（ショック）」が起きたこと、つまり誰かがテーブルにぶつかったことは分かっていますが、それを引き起こした人物の姿は見えません。経済学の世界では、これはよくあるパズルです。経済学者は、**構造ベクトル自己回帰（SVAR）**と呼ばれるモデルを用いて、経済の好況や不況の原因を突き止めようとします。彼らは経済を、目に見えない「衝撃（ショック）」がシステムを襲い、その結果として雇用、価格、生産といった経済の各パーツが反応する巨大な機械のように捉えています。

厄介なことに、この機械はしばしば「非線形」です。車を例に考えてみましょう。アクセルを少し踏めば、速度は少し上がります。しかし、アクセルを床まで踏み抜けば、エンジンは悲鳴を上げ、タイヤは空転し、車は単に「加速する」以上の全く異なる挙動を示すかもしれません。従来の経済モデルは、車が常に同じように（ただ大きく、あるいは静かに）振る舞うことを前提としています。しかし、現実の世界はもっと混沌としています。さらに、これらの「衝撃」は隠されています。これを見つけ出すために、経済学者は通常、データが時間の経過とともにどのように変化するかという手がかりを探します。もしデータの「ノイズ」のパターンが、ある外部要因（天気予報や政治的イベントなど）に基づいて変化するならば、それは隠された原因を明らかにする助けとなります。この論文は、経済が極めて予測不可能な非線形の挙動を示している場合でも、このパズルを解くための新しい手法を深く掘り下げています。

---

機械の中に潜む見えない幽霊たち

ヘルシンキ大学の研究者、サヴィ・ヴィロライネン（Savi Virolainen）は、これら目に見えない経済の幽霊を捕まえるための新しいツールを構築しました。論文のタイトルは「独立革新分析（Independent Innovation Analysis）によって識別される完全非線形構造ベクトル自己回帰モデル」です。非常に長い名前ですので、これを「魔法の仕分け機」の物語として分解してみましょう。

想像してみてください。あなたは、目に見えない材料（構造的ショック）を取り込み、スムージー（石油価格や工場生産量といった、私たちが目にするデータ）を吐き出す巨大なブレンダー（経済）を持っています。問題は、このブレンダーがブラックボックスであることです。あなたはレシピを知らず、材料を見ることもできません。ただ、出来上がったスムージーを見るだけなのです。かつて、経済学者は、このブレンダーが単純な直線的な方法で機能すると仮定することで、材料を推測しようとしました。しかし、もしこのブレンダーが、振る舞い方によってレシピを変えてしまう、混沌とした、ねじれ、回転する機械であったなら、古い手法は通用しません。それらは材料が存在することは教えてくれますが、「どの材料がどれなのか」、あるいは「どのくらいの量があるのか」までは教えてくれないのです。

ヴィロライネンの論文は、このブレンダーをリバースエンジニアリングするための新しい手法を導入しています。その秘策は、**独立革新分析（IIA）と対照学習（Contrastive Learning）**を組み合わせたテクニックです。

仕組みは以下の通りです：

1. 手がかり： この手法は、「マクロ不確実性指数」（将来に対する人々の不安の度合い）のような、物語における「脇役」である「補助変数」を使用します。考え方は、この脇役が変化すると、目に見えない材料の「分布」も変化するというものです。例えば、人々が不安を感じているとき、「石油ショック」という材料はより激しく変動したり、その形状が変わったりするかもしれません。
2. ゲーム： コンピュータは「間違い探し」のゲームを行います。コンピュータは、実際のデータ（スムージー ＋ 脇役）を見て、脇役をランダムにシャッフルした（トランプの束を混ぜるように）偽のバージョンと比較します。コンピュータは、本物のミックスと偽物のミックスを判別できる関数を学習しようとします。
3. 魔法のトリック： これを機能させるために、著者は材料がどのように振る舞うかについて、特定の数学的な「形状」（指数型分布族の構造）を課しています。これはブレンダーに対して、「温度が変わったときに砂糖と小麦粉がどのように振る舞うか、私たちは正確に知っている」と伝えるようなものです。材料にこの特定のルールに従わせることで、コンピュータはついに、隠された材料をスムージーから分離することができるのです。

この論文が実際に明らかにしたこと

この論文は大きな主張をしています。それは、経済がどれほど奇妙で非線形な動きを見せていても、これらの隠された経済的ショックを特定できるようになったということです。

かつて、同様の手法は材料が存在することまでは示せましたが、重大な問題に直面していました。それは、「砂糖」という材料が、実は「変な形に押しつぶされた小麦粉」ではないと言い切れないということでした。数学的には、材料をねじ曲げる方法は無限に存在するため、それらに真の経済的な意味を与えることが不可能だったのです。

ヴィロライネンの画期的な点は、脇役の変化に対する材料の振る舞いに特定の「ロジスティック」なルールを用いることで、それらの無限の「ねじれ」を排除したことです。論文では、この条件下では、未知として残るのは材料の順番（どれが最初か）と方向（正か負か）だけであることを証明しています。これは極めて重要です。なぜなら、これによりショックに「石油価格ショック」や「需要ショック」といった、真の経済的意味をラベル付けできるようになるからです。

ショックが特定されると、論文ではフィードフォワード・ニューラルネットワーク（一種のAI）を使用して、ブレンダーがどのように機能するかを正確にマッピングします。ニューラルネットワークは「ユニバーサル近似器」であるため、どれほど複雑にねじれていても、あらゆる関係性の形を学習することができます。これにより、負の石油ショックが正のショックとは異なる形で経済にダメージを与えるといった、複雑なダイナミクスを捉えることが可能になります。

実世界のテスト：石油と産業

この新しいツールが実際に機能するかどうかを確認するため、著者は実世界の謎、すなわち**「石油価格のショックが米国の鉱工業生産にどのように影響するか？」**をテストしました。

この研究では、1974年2月から2026年1月まで（624ヶ月間）の月次データを使用しました。そして、ショックを特定するための「脇役」として「マクロ不確シティー指数」を用いました。

シミュレーションと実世界のデータが示した内容は以下の通りです：

• 非対称性： 石油ショックの影響は、両方向で同じではありません。論文によれば、負の石油価格ショック（価格の下落）は、正のショック（価格の上昇）よりも、鉱工業生産に対してわずかに強い影響を与えるようです。これは、1973年以降の典型的な規模のショックについては差がないとした古い研究の結果とは矛盾しています。
• 状態依存性： 経済は、その時の「気分」によって反応が異なります。鉱工業生産の成長率が低いとき（経済が停滞しているとき）、石油価格ショックは、生産成長率が高いときよりも強い影響を及ぼしました。
• 「不確実性」の要因： 本研究は、マクロ経済の不確実性が高い時期には、石油ショックの「分散」（広がりや激しさ）が増大することを裏付けました。モデルは、不確実性が高まるにつれて、これらのショックの形状がどのように変化するかを正確に捉えました。

結論

この論文は、経済を永遠に解決したと主張しているわけではありません。理論的に機能し、シミュレーションと実データにおいて有望な結果を示す統計的に識別されたフレームワークを提示しています。

コンピュータ・シミュレーション（モンテカルロ実験）において、この手法は、データが乱雑であったり、理論的なルールと完全に一致していなかったりする場合でも、隠されたショックを高精度（真のショックとの相関が約87%から90%）で復元しました。著者は、復元精度は良好であるものの、サンプルサイズが大きくなるにつれて改善の速度は緩やかになる（つまり、より多くのデータが助けにはなるが、手法自体はすでにかなり堅牢である）と述べています。

論文は、iiasvarというRパッケージとして実装されたこの新しいフレームワークにより、経済学者がついに経済という非線形のブラックボックスの中を覗き見ることが可能になったと結論付けています。経済は、石油価格に関して、良いニュースよりも悪いニュースに対して敏感であり、すでに苦境にあるときはより激しく反応することを示唆しています。これは、混沌とした非線形のシステムにおいても、正しいゲームのルールを知っていれば、その「幽霊」を捕まえることができるということを証明しており、私たちの金融界を動かす隠れた力を理解するための強力な新しいレンズなのです。