[論文レビュー] Visualizing Long Term Economic Relationships With Cointegration Maps

Renato Vicente, Carlos de B. Pereira+2 more|arXiv (Cornell University)|Jan 5, 2007

Complex Systems and Time Series Analysis参考文献 2被引用数 1

ひとこと要約

本稿では、長期的な経済的関係を定量化するためのベイジアン・コインtegration距離を導入し、クラスタリングのためのSPINベースの地図でこれらを可視化し、米国の金利、インフレ率、GDP成長率に応用することで、マクロ経済時系列の間で安定した長期的関係が存在することを明らかにした。

ABSTRACT

We employ the Bayesian framework to define a cointegration distance aimed to represent long term relationships between time series. For visualization and clustering of these relationships we calculate a distance matrix and introduce a map based on the Sorting Points Into Neighborhoods (SPIN) technique, which has been previously used to analyze large data sets from DNA arrays. We exemplify the technique in three data sets: US interest rates, monthly inflation rates and gross domestic product growth rates.

研究の動機と目的

• 時系列間の長期的関係を測定するためのベイジアンフレームワークの構築を目的とする。
• 高次元経済データにおける複雑なコインテグレーション構造の可視化という課題に対処することを目的とする。
• 新しい可視化技術を通じて、コインテグレートされた関係のクラスタリングと探索を可能にすることを目的とする。
• 本手法の実世界のマクロ経済時系列への応用の有効性を示すこと：米国の金利、インフレ率、GDP成長率。

提案手法

• 本稿では、時系列間の長期的依存関係を定量化するため、ベイジアンフレームワークを用いたコインテグレーション距離を定義する。
• ペアワイズの関係を表すために、コインテグレーション距離に基づく距離行列を計算する。
• 距離行列にSPIN（Neighborhoodsに点をソートする）アルゴリズムを適用し、低次元の地図を生成することで、可視化とクラスタリングを実現する。
• 本手法により、類似した長期的ダイナミクスを持つ時系列のグループの特定が可能になる。
• ベイジアン・コインテグレーション推定からの後確率分布を活用することで、頑健な距離測定を保証する。
• 得られた地図は、局所的な近隣構造を保持しており、コインテグレートされたクラスタの解釈を容易にする。

実験結果

リサーチクエスチョン

• RQ1 ベイジアンアプローチを用いて、時系列間の長期的経済的関係を定量的に測定する方法は何か？
• RQ2 SPINベースの可視化は、コインテグレートされた経済時系列のクラスタを効果的に明らかにできるか？
• RQ3 本手法を用いて分析した場合、米国の金利、インフレ率、GDP成長率にどのような安定した長期的関係が現れるか？
• RQ4 従来の手法と比較して、コインテグレーション距離は、持続的な経済的連関をどれほど正確に捉えられるか？

主な発見

• ベイジアン・コインテグレーション距離は、マクロ経済時系列における持続的な長期的関係を効果的に捉えている。
• SPIN地図は、コインテグレートされた系列の可視化とクラスタリングを効果的に行い、データに意味のあるグループ化を明らかにしている。
• 本手法は、米国の金利、インフレ率、GDP成長率の間で一貫性のあるクラスタを同定しており、共通の長期的ダイナミクスを示している。
• 可視化により、ノイズが多いか高次元の経済データであっても、安定したコインテグレーション構造が明らかになった。
• 事前にグループ構造に関する仮定を必要とせず、コインテグレーションパターンの解釈可能な探索が可能である。
• 本手法は、実世界のマクロ経済データセットを分析する上で、頑健性とスケーラビリティを示している。