Does Outcome Measurement Matter for Forecasting? Evidence from Fiscal Vulnerability in Developing Economies

複雑なグローバル経済の世界において、発展途上国の政府はしばしば綱渡りを強いられています。彼らは、学校や病院、インフラへの資金提供の必要性と、限られた税収、変動する通貨価値、そして外国の貸し手に対する負債という現実との間でバランスを取らなければなりません。これらの圧力が高まると、国は「財政的脆弱性」に陥ることがあります。これは、財政が非常に逼迫し、ショックに対応することさえ困難になり、あるいは全面的な危機のリスクさえある状態を指します。何十年もの間、経済学者たちは、こうした危険が実際に起こる前に察知するための早期警戒システムを構築しようと試みてきました。これらのシステムは通常、その国がどれほど負債を抱えているか、経済がどれほどの速さで成長しているか、あるいは稼ぎに対してどれほど支出しているかといった、一連の経済指標に基づいて、いつ問題がやってくるかを予測します。その目的は、危機が避けられなくなる前に、政策立案者に事前の警告を与え、行動を起こさせることにあります。

しかし、これらの警告システムの構築方法には根本的な問題があります。財政的脆弱性は、ダッシュボードの故障ランプのように、指をさして特定できるような単一の事象ではありません。それは多くの異なる要素から成る複雑な状態なのです。警告システムを作成するには、まずこれらの様々な要素をどのように一つのスコアに組み合わせるかを決定しなければなりません。複数の問題が同時にいくつ発生しているかを数えるべきでしょうか？ それとも、各問題の深刻さを測定すべきでしょうか？ あるいは、それらすべてを結びつける隠れたパターンを見つけ出すための統計的手法を用いるべきでしょうか？ この新しい研究は、シンプルかつ極めて重要な問いを投げかけます。「『脆弱性』の定義の仕方が、警告システムの実際の有効性を変えてしまうのか？」という問いです。研究者たちは、その答えは「イエス」であり、その違いがリスクの理解や注視すべき対象の捉え方に深く影響を与えることを明らかにしました。

研究者たちは、1982年から2024年までの期間における127の発展途上経済圏を調査することで、この検証を行いました。彼らは膨大な歴史的データを収集し、政府債務、予算収支、経済成長、インフレ、貿易条件を含む8つの異なる経済的側面を各国のデータとして追跡しました。問題を測定する単一の方法を選ぶ代わりに、彼らは全く同じデータを用いて、3つの異なるバージョンの「脆弱性スコア」を構築しました。第一のバージョンは「幅（breadth）」指標と呼ばれるもので、8つの指標のうち、同時に悪化しているものがいくつあるかを単純にカウントします。もしある国で3つ以上の問題が同時に発生していれば、脆弱であると判定されます。第二のバージョンである「深刻度（severity）」指標は、さらに一歩踏み込みます。これは単に問題を数えるだけでなく、各指標が危険ラインをどれほど下回ったかを測定し、深刻な状況にある国により大きな重みを与えます。第三のバージョンは、統計的手法を用いて、8つの指標を一つの数字に圧縮し、データの最も一般的な動きのパターンを捉えるものです。これは、特定の問題のカウントではなく、支配的なトレンドを反映した要約スコアを作成することを意味します。

これら3つの異なる定義を手にした上で、チームは、翌年にどの国が脆弱になるかを予測するコンピュータモデルを訓練しました。彼らは、現実世界の予測を模した厳格な手法を用いました。つまり、モデルは過去のデータで学習させ、その後、一度も見たことのない将来の年次データを用いてテストされました。これにより、結果が単なる歴史の暗記ではなく、真の予測能力を反映していることが保証されました。結果は驚くべきものでした。これら3つの定義のいずれにおいても、モデルは国々の順位付けを正確に行うという点では非常に優れていました。モデルは、困難に直面する国とそうでない国を、高い精度で区別することができました。しかし、研究者が「これらのモデルは実際に新しい情報を提示しているのか、それとも既に知られていることを繰り返しているだけなのか」と問いかけたとき、物語は一変しました。

この発見の鍵は、「持続性（persistence）」という概念にあります。経済状況が overnight（一晩）で変わることは滅多にありません。もしある国が今日困難な状況にあるならば、基礎となる問題（高い債務や低成長など）を解決するには時間がかかるため、明日も困難な状況にある可能性が非常に高いのです。「昨年の状況が今年も続く」と仮定する単純な予測は、多くの場合、非常に強力な基準値（ベースライン）となります。研究者たちは、自分たちの複雑なモデルを、この単純な「持続性」のベンチマークと比較しました。その結果、「幅」および「深刻度」の指標については、複雑なモデルが小さくとも実質的な改善をもたらすことが分かりました。これらのモデルは、単純な「前年のルール」が見逃していた、新たな脆弱性の事例を予測するための追加情報を提供していたのです。しかし、第三の指標である統計的要約については、話が全く異なりました。複雑なモデルは、単純な持続性のルールよりも優れた性能を示すことはありませんでした。実際、前年のスコアがあまりにも情報量を持っていたため、他のすべての経済データを追加しても、検出可能なメリットは得られませんでした。統計的モデルの高い精度は、それが新しいリスクを予測する優れた予測器であったからではなく、既存の状態を追跡することに非常に長けていたからに過ぎなかったのです。

この区別は、警告システムの価値を理解する上で深い示唆を与えています。本研究は、あるモデルが将来を予測する上で非常に優れたスコアを叩き出し、紙の上では非常に印象的に見えたとしても、実際には新しいことを何も教えてくれていない可能性があることを示唆しています。もし脆弱性の定義が、極めて「持続的」なものとして定義されているならば、最良の予測因子は単に「過去」となります。研究者たちはまた、モデルが、ある国が最初に困難に陥る瞬間、すなわち「発生（onset）」を特定できるかどうかについても調査しました。ここで再び、「幅」の指標が際立ちました。「幅」を用いたモデルは、単純な持続性のルールを上回る精度で、新たな脆弱性の事例を特定することができたのです。しかし、他の定義では、この早期警告を行うことに苦戦しました。それらは、国が「まだ困難な状態にある」ことを伝えることには長けていましたが、「これから困難に陥りそうだ」と警告することには不得手だったのです。

おそらく最も驚くべき発見は、これらの異なる定義が、最も注意を払うべき国のリストをどのように変えてしまうかという点です。研究者が国々を最も脆弱なものから順にランク付けした際、「幅」と「深刻度」の指標によって生成されたリストはかなり似通っていました。しかし、統計的要約によって生成されたリストは、それらとは全く異なるものでした。ある定義の下で危険リストのトップに現れた国が、別の定義の下では中間や下位に沈むこともありました。これは、脆弱性の測定方法の選択が、国際機関や政策立案者によってどの国が重点的な監視対象とされるかに直接影響を与えることを意味します。ある定義の下では優先度の高い国と見なされ、別の定義の下では優先度の低い国と見なされることがあり、それにもかかわらず、用いられている基礎的な経済データは同一なのです。

また、本研究は、どの経済的要因がこれらの予測を駆動しているのかについても調査しました。「幅」と「深刻度」の指標においては、政府の予算収支と総債務が最も重要なシグナルとなりました。これらは財政健全性の古典的な指標です。しかし、インフレや貿易収支といった他の要因の重要性は、使用される定義によって変化しました。このことは、リスクの測定方法が、私たちが経済のどの部分に注意を向けるかを変えてしまうという考えを裏付けています。真空状態においてある指標が他よりも重要なのではなく、それらを一つのスコアへと組み合わせる方法によって、その重要性が決まるのです。

結局のところ、この研究は、経済予測の世界において、「どのように測定するか？」という問いは、「予測できるか？」と同じくらい重要であることを思い出させてくれます。この研究は、機械学習や複雑なアルゴリズムが無用であると主張しているわけではありません。むしろ、それらの価値は自動的に付与されるものではないことを示しています。洗練されたモデルの価値は、それが解決しようとしている問題の「定義」次第なのです。もし脆弱性の定義が過去にあまりにも密接に関連しているならば、モデルは単に過去を繰り返すだけになります。もし定義が、より広範な同時発生的問題を捉えているならば、モデルは新しいシグナルを見つけ出すことができます。政策立案者や経済学者にとって、教訓は明確です。予測を信頼する前に、そのリスクがどのように定義されたのかを理解しなければなりません。同じデータであっても、どのようなレンズを通して見るかによって全く異なる物語を語ります。そして、そのレンズの選択こそが、予測の正確さだけでなく、どの国が危険にさらされているかという判断そのものを決定するのです。