Co-Heteroscedasticity Models: Empirical Assessment and Computational Methods

2019年と2020年は、アルゴリズムの改良及び私たちの方法と他の方法との比較をモンテカルロ実験により実施した。その結果、私たちの方法は、BaiとNg(2002)が提案した方法よりもファクター数（number of factors）をより良く推定することがわかった。また、アメリカのマクロデータを用い、私たちのモデルと従来のモデルの予測性能について比較を行った。2021年は、私たちが作成したプログラムのコードに間違いがあることに気づいた。コードの間違いを修正した後、前年度用いたアメリカのマクロデータを用い、再び予測性能を評価した。私たちの方法とこれまでに論文として公表されてきた他の5つのモデルとの比較を行った。その結果、私たちの方法は、すべての予測期間で二番目に優れていることが分かった。論文を修正し、再投稿した。2022年は、単変量モデルについては、Stochastic volatility （確率的ボラティリティ）で積分を行い尤度のための式を導出した。機能的計算を用い尤度を計算する方法を開発した。本手法を用い、単変量モデルで最尤法を用いることが出来た。複数国のインフレーションや為替レートに関するいくつかのデータセットに本手法を応用した。私たちのモデルと他のモデルとの比較を行い、私たちのモデルがよいことが分かった。多変量モデルについては、ジャーナルの査読者により求められた修正を行った。特に、共通因子について解釈をするように試みた。ここでは、共通因子へのショック後のGDPと他のマクロ経済変数の変化を示した。

2019年と2020年は、アルゴリズムの改良及び私たちの方法と他の方法との比較をモンテカルロ実験により実施した。その結果、私たちの方法は、BaiとNg(2002)が提案した方法よりもファクター数（number of factors）をより良く推定することがわかった。また、アメリカのマクロデータを用い、私たちのモデルと従来のモデルの予測性能について比較を行った。2021年は、私たちが作成したプログラムのコードに間違いがあることに気づいた。コードの間違いを修正した後、前年度用いたアメリカのマクロデータを用い、再び予測性能を評価した。私たちの方法とこれまでに論文として公表されてきた他の5つのモデルとの比較を行った。その結果、私たちの方法は、すべての予測期間で二番目に優れていることが分かった。論文を修正し、再投稿した。2022年は、単変量モデルについては、Stochastic volatility （確率的ボラティリティ）で積分を行い尤度のための式を導出した。機能的計算を用い尤度を計算する方法を開発した。本手法を用い、単変量モデルで最尤法を用いることが出来た。複数国のインフレーションや為替レートに関するいくつかのデータセットに本手法を応用した。私たちのモデルと他のモデルとの比較を行い、私たちのモデルがよいことが分かった。多変量モデルについては、ジャーナルの査読者により求められた修正を行った。特に、共通因子について解釈をするように試みた。ここでは、共通因子へのショック後のGDPと他のマクロ経済変数の変化を示した。