Embed Size (px)
Citation preview
企業予想の特性分析－外生的ショック下におけるバイアスと異質性－
弘前大学 栗原 由紀子
2015 年 9 月 3 日 於・首都大学東京
1
第 43 回日本行動計量学会
国内需要の BSI 販売価格の BSI
「好況期には市場全般において楽観的予想となり，不況期には悲観的予想となる」 → 個別企業により，予想の傾向（強気・弱気）は異なる可能性がある 2
はじめに
大企業・製造業
-100
-50
050
100
-100
-50
050
100
-100
-50
050
100
実績1期先予想2機先予想
05Q1 07Q1 09Q1 11Q1 13Q1
shock shock
-100
-50
050
100
-100
-50
050
100
-100
-50
050
100
実績1期先予想2機先予想
05Q1 07Q1 09Q1 11Q1 13Q1
shock shock
予測誤差と損失コストに関する研究 上野・難波（ 2013 ） : 消費動向調査（内閣府）個票の利用 非対称損失関数 LINEX から，消費者は過小予想傾向にあり 年齢や所得により予測値に違いがあることを示す 本研究の目的 法人企業景気予測調査（財務省）の調査票情報（カテゴリカルデータ）より ① 法人企業の予想パフォーマンスと予想誤差の特性を捉える ② 予想誤差から，企業予想の異質性を計測する
3
先行研究
分析対象サンプルと変数 データ : 法人企業景気予測調査（財務省・内閣府）の調査票情報 対象期間 : FY2004Q1 ～ FY2013Q4
※ 判断項目は，実績値， 1 期先予想値， 2 期先予想値が得られている 季節的要因は除いた，実勢として質問している
4
調査項目 比較時点 カテゴリー区分国内需要 前期比 1 減少 , 2 不変 , 3 増加 販売価格 前期比 1 下降 , 2 不変 , 3 上昇
サンプルサイズ 資本金（億円） 従業員数
分析対象サンプルの特徴
5
500
1000
1500
2000
500
1000
1500
2000
05Q1 07Q1 09Q1 11Q1 13Q1
リーマンショック 大震災
( 1499 )全サンプル5 ( 1339 )期パネル11 ( 1096 )期パネル
8090
100
110
120
8090
100
110
120
8090
100
110
120
p0p5p11
05Q1 07Q1 09Q1 11Q1 13Q1
shock shock
1000
1200
1400
1000
1200
1400
1000
1200
1400
p0p5p11
05Q1 07Q1 09Q1 11Q1 13Q1
shock shock
分析対象 : 製造業・大企業（資本金 20 億以上は全数調査）パネル期間 : 5 期以上連続パネル －分析時点から過去に 4 期以上連続回答している 11 期以上連続パネル －分析時点から過去に 11 期以上連続回答している
予想パフォーマンスと予想バイアスの計測
1(-) 2(=) 3(+)
1(-)
2(=)
3(+)
一致率過大予想率過小予想率予想バイアス指標
予想 - 実績値表
Kawasaki & Zimmerman(1986) より ※ 2 期先予想値を用いても同様の分析を行う6
国内需要の予想誤差に関する特性
7
0.0
0.2
0.4
0.6
0.8
1.0
0.0
0.2
0.4
0.6
0.8
1.0
05Q1 07Q1 09Q1 11Q1 13Q1
shock shock
1 ( 0.72 )期先予想2 ( 0.68 )期先予想
-1.0
-0.5
0.0
0.5
1.0
-1.0
-0.5
0.0
0.5
1.0
05Q1 07Q1 09Q1 11Q1 13Q1
shock shock
1 ( 0.13 )期先予想2 ( 0.17 )期先予想
一致率の推移 予想バイアス指標の推移
1 期先予想の一致率は，ショック後に低下し，一致率の回復までに 1 年前後かかっている1 期先予想のバイアスは，ショック後に過大となるが，その後，反動減で過小となる
国内需要の予想誤差に関するパネル的特性
8
05101520253035404550
0 1 2 3 4 5 6 7 8
相対
度数
（%）
8期パネルの一致回数
増加 不変 減少
05101520253035404550
0 1 2 3 4 5 6 7 8
相対
度数
（%）
8期パネルの一致回数
増加 不変 減少
05101520253035404550
0 1 2 3 4 5 6 7 8
相対
度数
（%）
8期パネルの一致回数
増加 不変 減少
05101520253035404550
0 1 2 3 4 5 6 7 8
相対
度数
（%）
8期パネルの一致回数
増加 不変 減少
0510152025303540
-1
(-1,-0.5]
(-0.5,0) 0
(0,0.5)
[0.5,1) 1
相対
度数
（%）
0510152025303540
-1
(-1,-0.5]
(-0.5,0) 0
(0,0.5)
[0.5,1) 1
相対
度数
（%）
0510152025303540
-1
(-1,-0.5]
(-0.5,0) 0
(0,0.5)
[0.5,1) 1
相対
度数
（%）
0510152025303540
-1
(-1,-0.5]
(-0.5,0) 0
(0,0.5)
[0.5,1) 1
相対
度数
（%）
2004Q3-2006Q1 2008Q1-2009Q4 2010Q3-2012Q2 2011Q4-2013Q リーマン・ショック期 震災期 アベノミクス前後一致率
予想バイアス指標
販売価格の予想誤差に関する特性
9
0.0
0.2
0.4
0.6
0.8
1.0
0.0
0.2
0.4
0.6
0.8
1.0
05Q1 07Q1 09Q1 11Q1 13Q1
shock shock
1 ( 0.81 )期先予想2 ( 0.79 )期先予想
-1.0
-0.5
0.0
0.5
1.0
-1.0
-0.5
0.0
0.5
1.0
05Q1 07Q1 09Q1 11Q1 13Q1
shock shock
1 ( 0.01 )期先予想2 ( -0.05 )期先予想
一致率の推移 予想バイアス指標の推移
1 期先予想の一致率は，ショック後に低下するが，その幅は国内需要ほどではない平常時には過小予想傾向にあるが，ショック期には過大予想傾向となる
10
販売価格の予想誤差に関するパネル的特性
010203040506070
0 1 2 3 4 5 6 7 8
相対
度数
（%）
8期パネルの一致回数
増加 不変 減少
010203040506070
0 1 2 3 4 5 6 7 8相
対度
数（%）
8期パネルの一致回数
増加 不変 減少
010203040506070
0 1 2 3 4 5 6 7 8
相対
度数
（%）
8期パネルの一致回数
増加 不変 減少
010203040506070
0 1 2 3 4 5 6 7 8
相対
度数
（%）
8期パネルの一致回数
増加 不変 減少
0510152025303540
-1
(-1,-0.5]
(-0.5,0) 0
(0,0.5)
[0.5,1) 1
相対
度数
（%）
0510152025303540
-1
(-1,-0.5]
(-0.5,0) 0
(0,0.5)
[0.5,1) 1
相対
度数
（%）
0510152025303540
-1
(-1,-0.5]
(-0.5,0) 0
(0,0.5)
[0.5,1) 1
相対
度数
（%）
0510152025303540
-1
(-1,-0.5]
(-0.5,0) 0
(0,0.5)
[0.5,1) 1
相対
度数
（%）
2004Q3-2006Q1 2008Q1-2009Q4 2010Q3-2012Q2 2011Q4-2013Q一致率一致率
予想バイアス指標
損失関数 Linex(Linear exponential) Loss Function 予測者は，良い予測をするために何らかの損失関数 に従い予測している。その損失関数 L には，予想誤差により発生するコストがウェイトとして含まれている。
予測誤差 : , 非対称損失ウェイト :
ここで， ， t 期の情報損失を最小とする解は， さらに，予測は実績から一定の乖離（）があると仮定する
予測誤差 : ※ 個体の損失に関する非対称性は個体により異なると仮定
予測誤差に関する非対称損失関数
11
過大予想傾向 対称 過小予想傾向
Capistrán & Timmermann (2008), Chang & Hung (2007)
変数の概要
12
法人企業景気予測調査および法人企業統計調査の調査票情報をリンケージ予想誤差 :
属性変数 : log 従業員数，自己資本比率，売上高経常利益率分析期間 : 国内需要 FY2008Q1 ～ FY2009Q4 （リーマンショック 2008Q2-Q3 ） 273社 販売価格 FY2011Q4 ～ FY2013Q3 （アベノミクス 2012Q3 ） 403社 （欠損値は除く）
実績値 𝑋 𝑡𝑋 𝑡− 1
予想値 𝑋 𝑡∗𝑋 𝑡− 1
∗
𝜑 𝑋 𝑡−1
: 期における予想
予想誤差に関する非対称損失の異質性の捕捉Step1. 分散の推定（階層ベイズ推定・順序ロジットモデル） Qui et. al. (2002)
Step2. 非対称損失ウェイトの推定 （階層ベイズ推定・順序ロジットモデル）
13𝑛𝑢𝑚𝑏𝑒𝑟 𝑜𝑓 h𝑐 𝑎𝑖𝑛𝑠=2 , 𝑖𝑡𝑒𝑟𝑎𝑡𝑖𝑜𝑛=10000 ,𝑏𝑢𝑟𝑛−𝑖𝑛 𝑠𝑎𝑚𝑝𝑙𝑒=10000
[51,2]
[52,2]
[53,2]
[54,2][55,2]
[56,2]
[57,2][58,2][59,2]
[60,2]
[61,2]
[62,2]
[63,2]
[64,2]
[65,2]
[66,2]
[67,2][68,2]
[69,2]
[70,2]
[71,2][72,2][73,2]
[74,2]
[75,2][76,2]
[77,2][78,2]
[79,2]
[80,2]
[81,2]
[82,2]
[83,2][84,2][85,2]
[86,2]
[87,2]
[88,2]
[89,2]
[90,2][91,2][92,2]
[93,2]
[94,2]
[95,2][96,2]
[97,2]
[98,2][99,2]
[100,2]
box plot: phai[51:100,2]
-2.0
-1.0
0.0
1.0
2.0
[51,1]
[52,1][53,1]
[54,1][55,1]
[56,1][57,1]
[58,1]
[59,1][60,1]
[61,1]
[62,1][63,1][64,1]
[65,1]
[66,1][67,1]
[68,1][69,1]
[70,1]
[71,1]
[72,1][73,1][74,1]
[75,1]
[76,1]
[77,1]
[78,1]
[79,1]
[80,1]
[81,1][82,1]
[83,1][84,1]
[85,1][86,1]
[87,1]
[88,1]
[89,1][90,1]
[91,1]
[92,1]
[93,1]
[94,1]
[95,1][96,1]
[97,1]
[98,1]
[99,1]
[100,1]
box plot: phai[51:100,1]
-1.0
-0.5
0.0
0.5
1.0
1.5
の時点別平均値
結果の概要 国内需要非対称損失ウェイト
2008 Q1 企業 51 ～ 100
2008 Q3 企業 51 ～ 100
過小予想
過大予想
mean sdψ 2008Q1 0.0073 0.1672ψ 2008Q2 - 0.0013 0.1682ψ 2008Q3 - 0.0103 0.1649ψ 2008Q4 0.0291 0.1640ψ 2009Q1 0.0095 0.1539ψ 2009Q2 - 0.0036 0.1644ψ 2009Q3 0.0111 0.1806ψ 2009Q4 0.0037 0.1411
node
結果の概要 国内需要 非対称損失ウェイト ψ
[81,1]
[81,2]
[81,3]
[81,4]
[81,5]
[81,6]
[81,7]
[81,8]
box plot: phai[81,]
-0.6
-0.4
-0.2
0.2
0.4
[70,1]
[70,2][70,3]
[70,4]
[70,5] [70,6]
[70,7] [70,8]
box plot: phai[70,]
-1.0
-0.5
0.0
0.5
1.0
2008
Q1
2008
Q2
2008
Q3
2008
Q4
2009
Q1
2009
Q2
2009
Q3
2009
Q4
2008
Q1
2008
Q2
2008
Q3
2008
Q4
2009
Q1
2009
Q2
2009
Q3
2009
Q4
企業 A 企業 B
結果の概要 国内需要 非対称損失ウェイトと属性の関係
16
従業員数（対数値） 自己資本比率 売上高経常利益率
[1]
[2]
[3] [4]
[5][6]
[7] [8]
box plot: CapitalRatio
-0.5
-0.25
0.0
0.25
0.5
0.75
[1]
[2]
[3]
[4]
[5]
[6]
[7]
[8]
box plot: ProfitSales
-2.0
-1.0
0.0
1.0
2.0
[1]
[2]
[3]
[4]
[5] [6][7]
[8]
box plot: employee
-0.5
0.0
0.5
1.0
2008
Q1
2008
Q2
2008
Q3
2008
Q4
2009
Q1
2009
Q2
2009
Q3
2009
Q4
2008
Q1
2008
Q2
2008
Q3
2008
Q4
2009
Q1
2009
Q2
2009
Q3
2009
Q4
2008
Q1
2008
Q2
2008
Q3
2008
Q4
2009
Q1
2009
Q2
2009
Q3
2009
Q4
企業規模が大きいほど，ショック後の予想誤差は過大傾向 安全性が高い企業ほど，ショック後の予想誤差は過大傾向 収益性の高い企業ほど，ショック後の予想誤差は過小傾向
結果の概要 販売価格 予想誤差と非対称損失ウェイトの分析結果
17
node mean sdψ 2011Q4 0.0094 0.1737ψ 2012Q1 -0.0002 0.1676ψ 2012Q2 -0.0041 0.1920ψ 2012Q3 -0.0012 0.1966ψ 2012Q4 0.0014 0.1863ψ 2013Q1 -0.0061 0.1794ψ 2013Q2 -0.0003 0.1873ψ 2013Q3 0.0006 0.1962
ウェイト Ψ 推定値の時点別平均値
[100,4]
[101,4]
[102,4][103,4]
[104,4]
[105,4]
[106,4][107,4]
[108,4][109,4]
[110,4][111,4]
[112,4]
[113,4]
[114,4]
[115,4]
[116,4]
[117,4]
[118,4][119,4]
[120,4][121,4]
[122,4]
[123,4]
[124,4][125,4][126,4]
[127,4]
[128,4][129,4][130,4][131,4][132,4]
[133,4][134,4][135,4][136,4][137,4]
[138,4]
[139,4]
[140,4]
[141,4][142,4]
[143,4]
[144,4]
[145,4]
[146,4]
[147,4][148,4][149,4][150,4]
box plot: phai[100:150,4]
-1.0
0.0
1.0
2.0
[100,1]
[101,1]
[102,1]
[103,1][104,1]
[105,1]
[106,1][107,1][108,1][109,1][110,1]
[111,1]
[112,1]
[113,1]
[114,1]
[115,1]
[116,1]
[117,1]
[118,1][119,1]
[120,1]
[121,1]
[122,1]
[123,1]
[124,1]
[125,1]
[126,1]
[127,1]
[128,1]
[129,1][130,1][131,1][132,1]
[133,1]
[134,1]
[135,1]
[136,1]
[137,1][138,1]
[139,1]
[140,1][141,1][142,1]
[143,1]
[144,1]
[145,1]
[146,1][147,1]
[148,1][149,1]
[150,1]
box plot: phai[100:150,1]
-1.0
-0.5
0.0
0.5
1.0
[1] [2]
[3][4] [5]
[6] [7]
[8]
box plot: ProfitSales
-0.5
0.0
0.5
1.0
[1]
[2]
[3]
[4]
[5]
[6] [7][8]
box plot: employee
-1.0
-0.5
0.0
0.5
1.0
[1][2]
[3]
[4]
[5] [6][7]
[8]
box plot: CapitalRatio
-1.0
-0.5
0.0
0.5
1.0
結果の概要 販売価格 非対称損失ウェイトと属性の関係
18
従業員数（対数値） 自己資本比率 売上高経常利益率20
11Q
4
2012
Q1
2012
Q2
2012
Q3
2012
Q4
2013
Q1
2013
Q2
2013
Q3
2012 年 11 月中旬（ 2012Q3 ），衆院解散決定時，企業規模が大きいほど，予想誤差は過小傾向にある（予想よりも販売価格は低くない）
2011
Q4
2012
Q1
2012
Q2
2012
Q3
2012
Q4
2013
Q1
2013
Q2
2013
Q3
2011
Q4
2012
Q1
2012
Q2
2012
Q3
2012
Q4
2013
Q1
2013
Q2
2013
Q3
おわりに• 平常時であれば，企業の予想判断はかなり高い確率で一致している。過大・過小予想傾向にそれほど大きな相違はない。• 予期せぬ外生的ショック下においては，過大予想傾向にあり（景気の後追い），実態経済を捕らえられるまでに 1 年近くかかる。• 予期せぬ外生的ショック下において，企業属性により，企業の予想判断の調整プロセスは異なっている。【謝辞】本研究は，「一橋大学経済研究所 共同利用共同研究拠点事業プロジェクト研究 ;立地要因を考慮した企業・事業所活動の経時的特性に関する研究」（研究代表者：法政大学 森博美，平成 26 年度）の成果の一部である。また，本研究は，財務省から「法人企業統計調査 1983 年 4-7 月期～ 2014 年 1-3 月期」および財務省・内閣府から「法人企業景気予測調査 2004 年 4-7 月期～ 2014 年 1-3 月期」の調査票情報の提供を受け，個票データに基づいて分析を行っている。記して関係諸機関への謝辞とします。
19
【参考文献】上野有子・難波了一（ 2013 ），「我が国家計のインフレ期待形成における異質性とバイアス」， ESRI Discussion Paper Series, No.300, pp.1-
37.加納悟 (2006) ，『マクロ経済分析とサーベイデータ』，岩波書店．栗原由紀子 (2012) ，『疑似景況パネルによる予測パフォーマンスの計測－マハラノビス・マッチングの適用から－』，法政大学日本統計研究所，オケージョナル・ペーパー， No.35 ， pp.1-38.栗原由紀子・坂田幸繁（ 2015 ），「企業判断の情報特性と期待形成モデルの比較―法人企業景気予測調査および法人企業統計調査のリンケージデータから―」，統計研究参考資料， No.116 ，法制大学日本統計研究所 .坂田幸繁 (2001) ，「景況データのミクロベースの回答特性とその予測的利用について」，『中央大学経済研究所年報』，第 32-2号， pp.63-80.資料（ 2011 ）「資料法人企業統計調査の変遷と概要」，『フィナンシャル・レビュー』， 107号， pp.97-120.志築徹朗・武藤恭彦 (1981) ，『合理的期待とマネタリズム』，日本経済新聞社．丹後俊郎（ 2011 ），『ベイジアン統計解析の実際』，朝倉書店 .馬場正雄 (1961) ，『景気予測と企業行動』，創文社．馬場正雄 (1968) ，「第 5章 事前データによる予測」，内田忠夫･辻村江太郎･宮沢健一･宮下藤太郎編『近代経済学講座 2 計量分析篇 予測と政策』，有斐閣．原田信行 (2007), 「中小企業の景気と景況感」，浅子和美・宮川努編『日本経済の構造変化と景気循環』，東京大学出版会 .
Chang, Y.C. & W.L. Hung (2007), “LINEX Loss Function with Applications to Determining the Optimum Process Parameters,” Quality & Quantity, No.41, pp.291-301.
Capistrán, C. & A. Timmermman(2008), “Disagreement Biases in Inflation Expectation,” Journal of Money, Credit and Banking, vol.41, no.2-3, pp.1-39.
Kawasaki,S & K.F.Zimmermann(1981), “Measuring relationships in the log-linear probability model by some compact measures of association,” Statistische Hefte, 22, 82-109．
Kawasaki ， S. & K.F.Zimmermann(1986) ， “ Testing the rationality of price expectations for manufacturing firms ，” Applied Economics ， 18 ， 1335-1347．
König ， H. ， M.Nerlove ， and G.Oudiz(1981) ， “ On the formation of price expectations: An analysis of Business Test Data by Log-Linear Probability Models ，” European Economic Review ， 16 ， 103-138．
Nerlove,M.(1983), “Expectations, plans, and realizations in theory and practice,” Econometrica, 51, 1251-1279 ．Qui, Z. P. X.-K. Song & M. Tang (2002), “Bayesian Hierarchical Models for Multi-Level Repeated Ordinal Data Using WinBUGS,” Journalof
Biopharmaceutical Statistics, Vol.12, No.2, pp.121-135.Theil,H.(1961), Economic forecasts and policy, Amsterdam: North-Holland. ( 岡本哲治訳 (1964)『経済の予測と政策』，創文社． )Zimmermann,K.F.(1997), “Analysis of Business Surveys,” Handbook of applied econometrics, 407-441． 20
