ローカル・プロジェクションでインパルス応答を推定する

インパルス応答関数（IRF）は、定義した変化やショックの後に結果変数がどう推移するかを表します。予想外の利上げに対する産出の反応、日付の明確な発表に対する証券価格の反応、識別されたリスクショックに対するポートフォリオの反応などを調べられます。ホライズンごとの経路から、影響がいつ現れ、いつ最大になり、どのくらい続くかを読み取れます。

「ショック」は定義が必要です。観測された政策金利、市場価格、取引シグナルの動きが、自動的に予想外の構造ショックになるわけではありません。その動きには結果そのものに関する情報が含まれていることもあります。信頼できる識別戦略がなければ、LP係数は条件付きの関連または線形予測であり、因果反応ではありません。

結果変数を \(y_t\)、ショック指標を \(s_t\) とします。ホライズン \(h\) に対する代表的なLPの仕様は次のとおりです。

\[ y_{t+h} = \alpha_h + \beta_h s_t + \sum_{j=1}^{p}\Gamma_{h,j}'W_{t-j} + \varepsilon_{t,h}. \]

ここで \(h\) はショック後の経過期間、\(W_{t-j}\) は選んだラグ統制変数、\(\beta_h\) は関心のある係数です。研究者は \(h=0,1,2,\ldots\) ごとに別の回帰を推定します。\(\hat\beta_h\) を \(h\) に対して描くと反応経路になります。構造ショックを適切に識別できれば、その経路から構造IRFを推定できます。そうでなければ、条件付きの予測投影を表します。

Jordàが提案した方法の核心は、関心のある各期間について回帰を直接推定することです。一つの動学システムを当てはめ、そこから先の期間を繰り返し予測する方法とは異なります。個別の推定は柔軟ですが、一つのシステムが課す滑らかな動学を自動的に共有するわけではありません。

各観測では、ショックが起きた時点 \(t\) と結果を観測する時点 \(t+h\) を対応させます。\(h=0\) ならショックが起きた期間の結果を、\(h=6\) なら6期間後の結果を見ます。同じショック日を基準に従属変数の観測時点だけが変わるため、\(h\) が大きくなると標本末尾で使える行が減ります。経路を一緒に解釈するには、各回帰で同じショック定義と比較可能な統制変数を使います。

\(\beta_h\) の解釈には変数と尺度の明示が必要です。\(s_t=1\) が予想外の25ベーシスポイントの政策金利引き上げを表すなら、\(\beta_h\) はその大きさのショックに対する推定反応です。\(s_t\) をパーセントポイント単位で測る場合は、係数は1パーセントポイントのショックに対する反応になります。ショックの尺度を変えれば、すべての係数も同じ比率で変わります。

従属変数の定義によって、反応が累積か期間ごとかも決まります。正の産出指数を \(Y_t\) とし、次のように定義します。

\[ r_{t,h} = 100\,[\log(Y_{t+h})-\log(Y_{t-1})]. \]

このとき \(r_{t,h}\) はショック前の水準からホライズン \(h\) までの指数の近似的な累積変化率です。月次産出変化のような別の結果変数は、別の問いに答えます。累積した水準反応を「\(h\) 月目だけに起きた変化」と説明しないでください。

対数差に100を掛けた値は、小さな変化では百分率変化の近似として読めます。累積対数差を従属変数にすれば、\(\beta_h\) はショック直前の基準値と \(h\) 期間後の水準差を表します。月次成長率を使えば、各期間の成長率反応を推定します。タイトルや図に「産出の反応」とだけ書くと定義が曖昧になるため、水準、累積変化、期間別変化を区別してください。

月次分析で \(s_t=1\) を予想外の25ベーシスポイントの金利引き上げと定義し、前述の累積産出指標を使うとします。次の数値は説明用の仮定値で、実データからの推定ではありません。区間は点ごとの計算を示すため、各標準誤差に \(1.96\) を掛けています。

この例では、6か月の推定値はショック前の水準より0.60%低く、点ごとの信頼区間はゼロを含みません。12か月の推定値はマイナス幅が小さくなりますが、区間はゼロを含みます。それだけで6か月から12か月に回復したとは言えません。推定値には不確実性があり、ホライズン間でも相関しています。また、区間が重なっているかどうかは、二つのホライズンの推定値の差を検定しません。経路全体について主張するには、適切な差の検定または同時推論が必要です。この数値は政策予測でも、実際の経済についての結果でもありません。

表の6か月の値は、6か月目の一か月間に産出が0.60%減ったという意味ではありません。定義した累積従属変数に基づき、ショック前を基準にした産出指数の推定水準差です。また、12か月の信頼区間がゼロを含むからといって、その時点で効果が消えたと確認できるわけではありません。選んだ標準誤差と点ごとの計算ではゼロを排除できなかった、という意味です。信頼区間は推定値の精度を示すもので、標本や識別の限界をなくすものではありません。

LPは推定方法であり、識別に必要な変動を与えるものではありません。構造モデル、高頻度サプライズ指標、妥当な外部操作変数、または擁護可能な仮定を置いた研究デザインでショックを定義できます。どの方法にも、ショックを他のニュースや結果からのフィードバックと区別できる根拠が必要です。

統制変数は問いの時間順序に沿って選びます。ショック前のラグ変数は、それ以前の状況を考慮できます。ショック後に測定した変数は、ショックに反応している可能性があります。そのような媒介変数を統制すると、総反応の一部を取り除いたり、新たなバイアスを生じさせたりすることがあります。ショック直前に利用できた情報を明示し、それぞれの統制変数を回帰に含める理由を説明してください。

\(\hat\beta_h\) が有意でも、予想外に見える出来事が外生ショックになるわけではありません。事前の予想、同時発表、測定誤差、政策ルールの変更、標本選択を確認します。金融では、重複するニュースや共通ショックによって、対象の出来事が原因でなくても結果が同時に動くことがあります。

外部操作変数を使う場合は、それが対象のショックと関連することに加え、結果に影響する別の経路がないという排除制約を説明してください。高頻度サプライズ指標でも、発表時刻の窓にどのニュースが混在するか、価格が情報をどれほど速く反映するかを確かめます。まずショックの識別論理を定め、その後で反応を推定するLPを選びます。回帰の適合度が高いことやp値が小さいことだけでは、識別仮定は立証されません。

LPとベクトル自己回帰（VAR）は、IRFを推定する競合手法として紹介されることがあります。Plagborg-MøllerとWolfは、情報と識別をそろえ、ラグ構造を無制約とする条件のもとで、二つの方法が同じ母集団反応を推定できることを示しています。これは共通の推定対象についての結果です。有限標本で推定値が必ず一致することや、すべてのLPとVARが同じ制約を使うことを意味しません。

ラグを固定数 \(p\) 個にすると、ホライズン \(h\leq p\) では反応の推定対象が近似的に一致する一方、より先のホライズンでは差が出ることがあります。有限標本では、LPは各ホライズンを直接推定するため変動が大きくなることがあり、VARは共同の動学モデルを使って経路を滑らかにできます。その構造は適切なら役立ちますが、制約が不適切なら誤解を招きます。手法の名前だけで常に優劣を決めることはできません。

「LPは頑健でVARは効率的」と決めつけず、使われている動学制約を確認してください。十分に柔軟な共通仕様では母集団の推定対象が同じでも、実際の標本でラグ数や情報集合が異なれば推定経路と精度は変わります。係数の大きさを直接比較するにはショックの正規化もそろえる必要があります。比較時には手法名だけでなく、ショックの単位、含めた変数、ラグ数、標本、識別制約を並べて記録します。

各 \(h\) の回帰から推定値と不確実性の尺度が得られます。\(h\) が大きくなると、標本末尾で \(y_{t+h}\) を観測できず、利用できる観測数が減ることがあります。複数期間先の結果は重なるため、残差やホライズン間の推定値が依存することもあります。標準誤差やブートストラップは、デザインと推論対象に合わせる必要があります。

点ごとの95%信頼区間は、一つのホライズンごとに作ります。反応曲線全体を95%の割合で覆う保証はありません。経路全体について主張するなら、同時信頼帯という別の推定対象を使って報告します。Montiel OleaとPlagborg-Møllerは、特定の条件下におけるラグ拡張LPの有用な結果を示していますが、どの回帰にも標準誤差の手順をそのまま当てはめたり、診断を省略したりしてよいわけではありません。彼らの単位根の設定では、標本規模に比例して大きくなるホライズンは、述べられた結果の対象に含まれません。統制変数、ホライズン範囲、共分散推定またはブートストラップの方法、区間が点ごとか同時かを明記してください。

多段階の結果は期間が重なるため、残差に自己相関が生じることがあります。だからといって、すべてのLPに同じHACラグを使えば解決するとは限りません。推論研究が扱うラグ拡張LPは、システム変数の過去値を含む特定の回帰設定と条件に基づいています。一般の実証分析では、標準誤差の選択が推定量、時系列の持続性、標本長、対象ホライズンに合う理由を説明してください。長いホライズンで区間が広がるのは、計算ミスではなく利用できる観測数や情報量が減るためかもしれません。

景気後退の指標など観測された状態とショックの交互作用を入れて、状態によって反応が異なるかを調べられます。複数の結果変数、ショックの大きさ、部分標本を分析することもできます。拡張ごとに推定対象が変わり、利用できる観測数も異なります。標本を分割すると、とくに長いホライズンで不確実性が大きくなることがあります。

可能であれば、重要なホライズンや状態を事前に決めてください。多くの結果変数、ラグ、標本、ショック定義を試した場合は、その探索過程を報告し、選んだ経路だけが唯一の分析だったかのように示さないでください。ホライズン間を平滑化すると図は読みやすくなりますが、追加の制約や調整方法が入ります。平滑化曲線も示すなら、平滑化前の推定値と方法を併記します。

結果変数、頻度、変換、ショックの定義と単位、ホライズン範囲、標本期間、統制変数、欠測値の扱いを示します。回帰式とは別に識別仮定を説明してください。各ホライズンの係数と不確実性を報告するか、単位と区間の定義が読み取れる図を示します。

ラグの長さ、共分散推定量またはブートストラップ、点ごとと同時のどちらの区間を使ったかなど、推定と推論の手順を明記します。擁護可能な代替ショック指標、ラグ数、標本期間を使った感度分析も示してください。IRFは特定の識別されたショックと結果変数を要約するモデルベースの指標であり、売買シグナルでも将来リターンの保証でもありません。

Jordàのローカル・プロジェクションの原論文は、ホライズンごとの推定方法を紹介しています。Plagborg-MøllerとWolfのLPとVARの同値性に関する結果は、共通の母集団推定対象と有限ラグの場合の違いを明らかにしています。Montiel OleaとPlagborg-Møllerの推論分析は、条件を明示したうえでラグ拡張LPの信頼区間を扱っています。関連するガイドとして、金融イベントスタディと異常リターン、頑健標準誤差とHAC、差の差法とイベント時点の設計も参照してください。