教員紹介

茂木 快治

HOME > 教員紹介 > 講座別一覧 > 計量・統計分析 > 茂木 快治

茂木 快治 MOTEGI Kaiji 講師

E-mail

Office hours

予めメールにてアポイントメントを取ってください。

URL

http://www2.kobe-u.ac.jp/~motegi

研究テーマ

計量経済学、時系列分析、応用マクロ経済学

私の専門分野は、経済の時系列データの統計的分析です。生産量、失業率、株価など、様々な経済変数の時系列的な変動パターンを解明し、将来予測やリスク管理に役立てることが根本的な目的です。その中でも特に次の2つの分野に力を入れています。

1.観測頻度の相異なる時系列データの分析

従来の統計的手法は、分析対象の時系列データの観測頻度が統一されていないと実行不可能でした。例えば、日本の失業率のデータは毎月公表されるのに対して、国内総生産(Gross Domestic Product, GDP)のデータは3か月に一度しか公表されません。そのため、両者の相互関係を分析する場合、月次の失業率のデータを四半期ベースに集計する必要がありました。このようなデータの集計化は情報の損失を招き、分析精度を低下させます。月次データは月次のまま、四半期データは四半期のまま、すべての情報を余すところなく使い切れば、より高い統計的精度を実現できるはずです。このような研究は2004年頃から欧米で始められ、現在では"Mixed Data Sampling (MIDAS, マイダス)" や "Mixed Frequency" という名で広く知られています。近年、多数の研究者が、MIDASの有効性を報告しています。

私は2009年8月から2014年5月まで、米国のノースカロライナ大学チャペルヒル校の経済学部博士課程で学びました。その頃から現在に至るまで、MIDAS の理論研究や実証分析を続けています。特に、複数の観測頻度が混在する状況下のグランジャー因果性(予測力向上可能性)を定義し、その検定方法を考案しました。MIDAS は日本でまだ十分に認知されていない分野ですし、今後の研究発展の余地は大いに残されていると考えます。

2014年12月、スペイン・バルセロナにて25th EC2 Conference が開催され、私はMIDASに関するポスター発表を行いました。

2.ホワイトノイズ検定の開発と応用

ある変数の過去の値と将来の値との間に相関関係が存在しないとき、その変数はホワイトノイズ(white noise)であると言われます。ある変数がホワイトノイズであるか否かを検定することは、初歩的な問題と捉えられがちですが、実は必ずしも容易なことではありません。なぜならば、ホワイトノイズ性は系列独立性(serial independence)よりもかなり弱い条件であり、その下では仮説検定の理論を構築することが難しいからです。

私は2015年頃からホワイトノイズ検定の開発に取り組んでおり、相関係数の最大値に基づく新たな検定方法を提案しています。シミュレーション実験の結果によると、新たな検定は従来の検定と比べて、大きなラグを伴う系列相関を検出しやすいことが判明しました。また、本研究のひとつの応用として、株式市場の弱効率性の検証(すなわち株価変化率のホワイトノイズ性の検定)も行っています。

2016年9月、ニューヨークのコロンビア大学にてNBER-NSF Time Series Conference が開催され、私はホワイトノイズ検定に関するポスター発表を行いました。      

講義・ゼミの内容

【学部講義】
開講していない

【大学院講義】
“Analysis of Stationary Time Series” & “Analysis of Nonstationary Time Series”
本講義は、時系列分析の理論に関する修士向け英語科目です。本講義の目標は、経済時系列データの予測可能性や相互依存関係に関する理解を深め、時系列データの正しい分析方法を身に付けることです。基本的に理論重視の授業構成ですが、時間の許す限りシミュレーション実験や実証分析の例も紹介します。教科書は、Walter Enders "Applied Econometric Time Series", Wiley (2014, 4th edition) です。

2017年度第1クォーター開講の“Analysis of Stationary Time Series”では、autoregressive moving average (ARMA), generalized autoregressive conditional heteroskedasticity (GARCH), vector autoregression (VAR) など、定常時系列について学びます。

2017年度第3クォーター開講の“Analysis of Nonstationary Time Series”では、単位根(unit root), 見せかけの回帰(spurious regression), 共和分(cointegration), 多変量誤差修正モデル(vector error correction model, VECM)など、非定常時系列について学びます。

なお、本講義の教材の一部は教員個人ウェブサイトで公開しています。各自参照し、予習・復習に役立ててください。

     

     

     

2016年度第3クォーター開講の”Time Series Analysis”の授業風景です。

メッセージ

時系列分析の理論と応用を学ぶことは、楽しく有意義なことであると考えます。経済予測の精度を高めたり、今まで知られていなかった変数間の相互関係を発見したりすることは、学問的にも社会的にも有益な貢献となります。私自身も皆さんと共に時系列分析の醍醐味を感じつつ、より一層研究に励みたいと思います。

主要業績
  • 「書籍」
    1. 山下元監修, 瀧澤武信編著, 稲井田次郎, 上江洲弘明, 奥田良治, 金川秀也, 清水誠一, 鍾恂恂, 新海公昭, 富田真聡, 津田栄, 永島謙一, 橋口泰武, 茂木快治, 森岡正臣著 (2010), 『ファジィ理論―基礎と応用』, 共立出版株式会社.  2011年度日本知能情報ファジィ学会「著述賞」受賞.

    「受理された論文」
    1. E. Ghysels, J. B. Hill, and K. Motegi (2016). Testing for Granger Causality with Mixed Frequency Data. Journal of Econometrics, vol. 192, pp. 207-230. 

    「ワーキングペーパー」
    1. E. Ghysels, J. B. Hill, and K. Motegi (2017). Testing a Large Set of Zero Restrictions in Regression Models, with an Application to Mixed Frequency Granger Causality.
    2. J. B. Hill and K. Motegi (2017). A Max-Correlation White Noise Test for Weakly Dependent Time Series.
    3. J. B. Hill and K. Motegi (2017). Testing for White Noise Hypothesis of Stock Returns.
    4. K. Motegi and A. Sadahiro (2017). Sluggish Private Investment in Japan's Lost Decade: Mixed Frequency Vector Autoregression Approach.
    5. S. Hamori, K. Motegi, and Z. Zhang (2017). Semiparametric Estimation of Copula by Calibration Weighting under Missing Data.
    6. K. Motegi and A. Sadahiro (2015). Testing for Money Illusion Hypothesis in Aggregate Consumption: Mixed Data Sampling Approach.

神戸大学研究者紹介システム

全学データベースへのリンク

PAGE TOP ↑