Evaluation of Policy-Relevant Forecasting Advantage of Machine and Deep Learning Models over Classical Econometrics: Evidence from Ghanaian Headline Inflation

技術要約：ガーナにおける政策関連予測の評価

問題提起
本研究は、インフレ・ターゲット体制を採用している小規模で開放的な、コモディティ露出度の高い経済圏において活動する中央銀行にとって極めて重要な問いに取り組んでいる。すなわち、現代的な機械学習（ML）およびディープラーニング（DL）モデルは、ヘッドライン・インフレ率に対して、古典的な計量経済学的ベンチマークよりも真の予測優位性をもたらすのか、という問いである。文献では、モデルの柔軟性が高いほど予測精度が向上するという仮定がしばなしばしば見受けられるが、この仮定は、厳格なリークフリー（情報の漏洩がない）条件下において、真の構造変化を跨ぐガーナのヘッドライン・インフレ率に対して厳密に検証されてこなかった。具体的な文脈として、通貨減価、財政圧力、および世界的なコモディティ・ショックに起因して、前年比インフレ率が約10%から50%超のピークへと上昇した2022年から2023年のガーナの状況を挙げる。課題は、このような極端なボラティリティの中での予測にあり、これは予測が最も重要となる一方で、モデルが最も厳しくテストされるシナリオである。

手法
著者らは、銀行（Bank of Ghana）から提供された280ヶ月分（2000年1月～2023年4月）のデータを用い、金利、マネタリーアグリゲート、国際コモディティ価格を含む24のコアなマクロ・マネタリー変数を含む、厳格な1ステップ先予測行列を構築した。

• データの整合性とリーク制御: 特徴量エンジニアリングのプロトコルを厳格に適用し、データのリークが発生しないようにした。特徴量行列内のすべての予測因子は、予測対象のちょうど1ヶ月前（$t-1$）に利用可能であった情報のみを反映している。これには、ラグ付きのレベル/対数レベル、$t-3$から$t-1$にかけて計算されたターゲットの移動平均、および暦月が含まれる。同時期の回帰変数や、将来の情報（look-ahead information）は一切使用していない。
• 時系列分割: データをシャッフルすることなく、重複のない3つのウィンドウに時系列順に分割した。
  • 学習用 (200ヶ月): 2001年2月～2017年9月。モデルの適合および、ウォークフォワード・クロスバリデーションによるハイパーパラメータ・チューニングに使用。
  • 検証用 (24ヶ月): 2017年10月～2019年9月。チューニングされた候補モデルを、未知のデータ上で比較するためのみに使用。
  • テスト用 (42ヶ月): 2019年10月～2023年4月。モデル選択後に一度だけ接触。このウィンドウは、2022年から2023年のインフレ急増期を含むよう意図的に選択されており、穏やかなホールドアウト期間ではなく「ストレス・テスト」として機能させた。
• 候補モデル: 以下の9つのモデルを評価した。
  1. ベースライン: ランダムウォークおよび季節性ナイーブ（Seasonal Naive）。
  2. 古典的ベンチマーク: 赤池情報量基準（AIC）によって選択され、1ステップ先ごとに再推定されたARIMA(3,1,0)。
  3. 正則化線形モデル: リッジ回帰およびラッソ回帰。
  4. 決定木アンサンブル: ランダムフォレストおよびXGBoost。
  5. カーネル法: ラジアル基底関数（RBF）カーネルを用いたサポートベクター回帰（SVR）。
  6. ディープラーニング: 単一の隠れ層を持つ浅いフィードフォワード・ニューラルネットワーク（MLP）。（注：訓練期間のサンプルサイズが200ヶ月と限定的であるため、過学習を避ける目的で、LSTMのようなより複雑なアーキテクチャは意図的に除外された。）
• 評価指標: パフォーマンスの順位付けは、主にテストセットにおける平方根平均二乗誤差（RMSE）に基づいて行われ、平均絶対誤差（MAE）、平均絶対パーセント誤差（MAPE）、および決定係数（$R^2$）によって補完された。統計的な有意差の判定には、ディールド・マリアノ（Diebold–Mariano）検定を用いた。

主な結果
柔軟なモデルが優位であるという前提に反して、本研究では古典的なARIMA(3,1,0)ベンチマークが、最も低いテストセットRMSE（2.41パーセントポイント）を達成し、ランダムウォーク（2.65）やラッソ（3.41）を僅差で上回った。

• パフォーマンスの階層: すべての非線形機械学習モデル（リッジ、ランダムフォレスト、XGBoost、SVR、およびニューラルネットワーク）は、アウトオブサンプルにおいてベースラインを下回った。季節性ナイーブ・ベースラインは、急増期における単純な12ヶ月周期の季節性の欠如を反映し、最も低いパフォーマンス（RMSE 15.08）を示した。
• 統計的有意性: ディールド・マリアノ検定の結果、ARIMAのランダムウォークおよびラッソに対する優位性は統計的に有意ではなかった（$p > 0.05$）。しかし、ARMIAの他のすべての非線形モデルに対する優位性は統計的に有意であった。
• 過学習の診断: 柔軟なモデルにおいて、訓練時とテスト時のパフォーマンスの間に顕著なコントラストが観察された。例えば、XGBoostは訓練時のRMSEがほぼ完璧な0.03であったが、テスト時には9.04まで悪化した。同様に、ランダムフォレストも大きな乖離（0.83から7.58）を示した。これは、これらのモデルが一般的な構造を学習するのではなく、訓練期間の特異性を記憶してしまったことを示している。
• 構造変化への対応: 2022年から2023年のインフレ急増期において、ARIMAおよびランダムウォーク・モデルは実際のインフレ経路を最も密接に追跡しており、急激な上昇に対して僅かに遅れる程度であった。対照的に、機械学習モデルは実際の値から大きく乖離し、多くの場合、ピークを過小評価した（例：2022年12月の実数値54.1%に対し、ラッソは45.7%と予測した）。

主要な貢献

1. 方法論的厳密性: 本研究は、同時期の情報を含まず、ウォークフォワード検証を利用した、リークフリーかつ1ステップ先の予測設計を確立した。これは、インサンプルでの分解や好都合なホールドアウト期間に依存しがちな従来の文献におけるギャップに対処するものである。
2. 敵対的ストレス・テスト: 2022年から2023年のインフレ急増期に焦点を当ててモデルを評価することで、本研究は、穏やかな経済局面ではなく、真の構造変化の中でモデルがどのように機能するかについての証拠を提供している。
3. モデルの複雑性に関する実証的証拠: 本論文は、高度に持続的な系列（今回の場合は訓練期間200ヶ月という小規模なサンプルにおけるヘッドライン・インフレ率）において、柔軟性の高い高容量モデルよりも、単純で制約のあるモデル（ARIMA、ランダムウォーク）の方が、ストレス下においてより緩やかに劣化するという強力な証拠を提示している。

意義と主張
著者らは、これが単なる仕様の失敗ではなく、真に政策に関連する発見であると主張している。彼らは、ヘッドライン・インフレ率は非常に持続性が高く、その持続性を最もよく活用するモデル（ARIMA、ランダムウォーク）が、構造変化に直面した際、機能的な柔軟性が最大のモデルよりも優れた性能を示すと論じている。

• 政策的含意: ガーナ銀行および同様の機関にとって、本研究は、運用上の予測において必ずしも利用可能な最も洗練された手法をデフォルトにする必要はないことを示唆している。適切に指定され、透明性が高く、低コストなARIMAモデルは、テストされたML代替案と比較して、1ステップ先のヘッドライン・インフレ率予測における優れた主要な選択肢であり続ける。
• 機械学習の役割: 著者らは、MLに役割がないと主張しているのではなく、主要な予測生成器としてではなく、補助的なクロスチェックやアンサンブルの入力として使用すべきであると示唆している。彼らは、より豊かな、あるいは高頻度の特徴量セット、レジームを認識するアーキテクチャ、または古典的なトレンド成分とMLの残差を組み合わせたハイブリッドモデルに適用された場合に、MLが価値を付加できる可能性があると考えている。
• 限界: 著者らは、ディープラーニングにはサンプルサイズが限定的であること、特徴量が公開統計（期待値調査やテキストデータを除く）に限定されていること、および評価が密度や区間較正ではなく点予測に焦点を当てていることを挙げ、結論を謙虚に限定している。また、彼らの結論はテストされた浅いニューラルネットワークに適用されるものであり、すべてのディープアーキテクチャや異なるインフレ構成要素（食品インフレやコアインフレなど）に一般化できるものではない可能性があることも認めている。