[論文レビュー] Integrating Structural and Reduced-Form Methods in Empirical Finance

Toni M. Whited|arXiv (Cornell University)|May 2, 2022

Monetary Policy and Economic Impact被引用数 7

ひとこと要約

本稿は、因果推論の強化とモデル妥当性の向上を目的として、実証ファイナンス分野における構造的モデルと低次元形式の経済計量手法を統合するフレームワークを提案する。統計的モデルからのパrameter推定値と理論に基づく構造的モデルを組み合わせることで、外部妥当性の向上、標本選択バイアスの是正、観察された関係性の背後にあるメカニズムの明確化が可能になる。このアプローチは、企業ファイナンス、バンクイング、個人ファイナンス分野への応用を通じて実証された。

ABSTRACT

I discuss various ways in which inference based on the estimation of the parameters of statistical models (reduced-form estimation) can be combined with inference based on the estimation of the parameters of economic models (structural estimation). I discuss five basic categories of integration: directly combining the two methods, using statistical models to simplify structural estimation, using structural estimation to extend the validity of reduced-form results, using reduced-form techniques to assess the external validity of structural estimations, and using structural estimation as a sample selection remedy. I illustrate each of these methods with examples from corporate finance, banking, and personal finance.

研究の動機と目的

• 実証ファイナンスにおける構造的アプローチと低次元形式アプローチの間の長年の方法論的対立を是し、解消すること。
• 無作為化実験が存在しない状況下で、これらの手法を統合することで因果推論とモデル妥当性がどのように向上するかを示すこと。
• 企業ファイナンス、バンクイング、個人ファイナンスに適用可能な統合手法の分類法を提示すること。
• データ制限下でも、構造的モデルが低次元形式の結果を拡張できるか、逆に低次元形式が構造的モデルを補完できるかを示すこと。
• 構造的モデルが、標本選択バイアスの是正手段としてどのように機能するかを実証研究に応用して示すこと。

提案手法

• 低次元形式の弾力性と構造的モデルのパrameterを直接組み合わせ、経済的関係の推定を豊かにする。
• 次元削減や重要なパrameterの同定を通じて、複雑な構造的モデルの推定を簡素化する統計的モデルを用いる。
• 異なる仮定下での反実仮想的状況のテストを通じて、構造的推定を用いて低次元形式の結果の外部妥当性を評価する。
• 予測された関係性が観察データに実際に成立するかを検証することで、低次元形式技術を用いて構造的モデルを検証する。
• 二面的マッチングモデルや制御関数アプローチなどの構造的モデルを用いて、回帰分析における標本選択バイアスを是正する。
• 未観測の異質性と内生的選択を伴うモデルにおける同時尤度関数の推定に、マルコフ連鎖モンテカルロ（MCMC）法を用いる。

実験結果

リサーチクエスチョン

• RQ1 低次元形式と構造的モデルをどのように体系的に統合することで、実証ファイナンスにおける因果推論が向上するのか？
• RQ2 観察された低次元形式の関係性の多くが、背後にある構造的メカニズムに起因するのか、それとも選択バイアスに起因するのか、その程度はどの程度か？
• RQ3 データが限られる状況下でも、構造的モデルが低次元形式の発見の外部妥当性を拡張できるか？
• RQ4 企業投資、銀行業、ベンチャーキャピタルに関する研究において、構造的推定が標本選択バイアスをどのように是正できるか？
• RQ5 未観測の摩擦や好みは、金融変数間の観察された関係性をどのように形作っているのか？

主な発見

• 低次元形式回帰の結果、熟練したベンチャーキャピタリストによる投資は、経験の浅い投資家による投資よりも82%成功する可能性が高い。
• 二面的マッチングモデルに基づく反実仮想的分析から、この82%の効果の約3分の1が経験に起因し、残りの部分は企業がVCにマッチングされる際の選択に起因することが明らかになった。
• 分布的仮定を伴うマッチングモデルを用いた構造的推定により、選択方程式と結果方程式を同時に推定でき、プライベート企業研究におけるデータ制限を克服した。
• 構造的および低次元形式手法の統合により、処置効果と選択バイアスを分離することで、より信頼性の高い因果解釈が可能になった。
• ヘックマン型補正やより複雑なマッチングモデルのような、構造的モデルを標本選択バイアスの是正手段として用いることで、回帰結果の妥当性が向上した。
• 理論的メカニズムが観察可能な関係性を通じて検証される場合、低次元形式の結果は構造的モデルの予測を検証する補助的証拠として機能することができる。