ABSTRUCT
リサーチリーダー
APIR主席研究員 関 和広 甲南大学知能情報学部教授
研究目的
従来、マクロ経済の動向を把握するには、集計データを用いることが一般的である。しかし、集計データは、リアルアイム性に欠けており、ミクロの経済要因を知るには不十分という課題がある。一方、昨今の情報技術の急速な進展により、国内外の経済活動において生成される大規模なデータ（ビッグデータ）が様々な形で利用可能になり始めている。きわめて豊富な情報を内包しているビッグデータの活用は、マクロ経済のより精緻な情勢判断と予測において、有効であると考えられる。このため、本研究ではビッグデータの一つであるテキストデータを利用して、経済の動向を把握することを試みる。
研究内容
S-APIR指数（景気関連指数）を推定するため、リカレント・ニューラル・ネットワーク(Recurrent Neural Network,以下RNN)に加え、Google社が開発した最新の学習モデルであるBERT（Bidirectional Encoder Representations from Transformers）を用いる。BERTは、RNNのように単語の順序を考慮した上では学習することはせず、文中の全ての単語同士の依存関係を学習する。その処理を基本として、S-APIR指数を推定するモデルの精度向上を図る。
研究体制
研究統括
リサーチリーダー
リサーチャー
期待される成果と社会還元のイメージ
新聞記事のテキストデータから景況感を推定するモデルを構築し、その出力値をS-APIR指数と称している。これを政府による既存の景況感指数と比較することで、我々のモデルが有する特徴を明らかにする。その結果を踏まえて、「S-APIR指数」を一般に公表していく。
景気動向を代理する「S-APIR指数」を見ることで、企業の経営判断を行う際の議論に使えるようにする。そして、国や自治体に対しても、政策決定に活用して頂くことを検討する。具体的に、本研究の成果の一つとして期待できる「単語のデモ・システム」を、ユーザーへ公開する。ユーザー自身が、デモ・システムへ興味ある単語を入力すると、その単語がS-APIR指数にどのような影響を与えているのか知ることができる。例えば、「東京五輪」という単語を入力した場合、ミクロの波及メカニズム（例、建設需要）までは見ることができないが、東京五輪が最終的に景気動向へ正の影響を及ぼすのかどうかを調べるための、きっかけとなる。
