新着Pick
60Picks
Pick に失敗しました

人気 Picker
面白いですね。関連tweet(物価上昇関連tweetと物価下落関連tweet)の日次頻度変化に着目しているんですね。
サーベイベース(正確性は高いが実施頻度が低い)やマーケットベース(頻度は高いがリスクプレミアムや流動性プレミアムが影響する)との連動性がそこそこ高かった上、サーベイベースの予測モデルにTwitterベースのファクターを加えることでin-sample期間、out-of-sample期間ともに予測精度が上がったとのこと。テキストマイニングはもっと幅広い分野でマクロインディケーターとして活用の余地があるんだろうなあと改めて思いました。

https://www.google.com/url?sa=t&source=web&rct=j&url=https://www.bancaditalia.it/pubblicazioni/altri-atti-convegni/2020-bi-frb-nontraditional-data/miccoli_slides.pdf&ved=2ahUKEwjOoOPovu3uAhVZ62EKHYRfBO8QFjABegQIAhAB&usg=AOvVaw0WD_-Z5fGz3jMuehCuoJoT&cshid=1613447277520
現在、各国で類似の取り組みが行われていますが、これもその一つとして、興味深い取り組みではあると思います。

 今や「去年と全く同じ財」を見つけることの方が難しくなっています。仮にそうしたものがあっても(例:最もプレーンなハンバーガー)、それが象徴的に、一時的な価格競争のタマに使われることもあります。
 特に、ハイテク製品は継続的に機能向上が行われるため、「去年と全く同じもの」を見つけるのは容易ではないですし、ヘドニック法などによる品質調整は変数の選択などに恣意性が排除できませんし、そもそも、農産物の質の変化などにまで品質調整をかけることは困難です。さらに、「帰属家賃」のように、その品質調整のやり方次第で物価指数全体に大きな影響を与えるものもあります。
 加えて、情報技術革新のもと、「ポイントカード」のようなボリュームディスカウントや「会員割引」などが多用されるようになっており、古典的な手法によって物価を把握することは、ますます難しくなりつつあります。

 このような「古典的な物価指数で物価動向を把握することの難しさ」は、議鬱革新の下、世界的にますます強く意識されています。だからこそ、多くの国々が新しいデータを用いた物価動向の把握に乗り出しているわけで、そうした努力は重要と思います。

 一方で、これらの取り組みはそれぞれに一長一短があります。ここで紹介されているツイートを使う方法も、一般的なインフレ予想を把握するにはある程度有益でしょうが、同時にデータのクレンジングなどの課題もあります。結局、さまざまな指標にトライするとともに、これらを総合的に見ていく他はない、というのが現段階でのコンセンサスと思います。
ツイッターは匿名性が高いため、悪質なデマや中傷が多いです。そうしたツイートにフィルターをかけて残ったサンプルで物価認識を測るのと、古典的な調査で測るのと、正確性は後者にあるような気がしますが、どうでしょう。
これを日本でやると、購入頻度の高い生活必需品の価格に引っ張られそうな気がします。
そうなると、足元のように原油や穀物価格が高騰する中では、マクロのインフレ率よりも人々の物価認識が高く出る可能性が高いと思います。
テキストマイニングの技術の進展とともに、
TwitterをはじめとするSNSの公開コメントを
「データ」として解析し、経済分析や企業のマーケティング
戦略、投資判断に活用しようとする機運が高まって来ています。
まだまだ試行錯誤中ですが、オルタナティブデータの効果的利用と、利活用に関するルールメイクがこの一年で一気に進むはずで、今回のような「研究」が「実務」に生かされる日は近いと感じています。
前職時代にインフレ率についてはかなり研究したが、インフレに関する指標の種類をざっと分類すると、

・マクロ的な消費者の購買価格データ(いわゆるインフレ指標)
・速報性のある購買データに基づくもの(日本だと東大日次物価指数)
・エネルギー価格。原油価格など。これは数ヶ月〜1年のタイムラグを伴って、ガソリン価格や電気代などに確実に影響を与える

これらは、過去に関するデータということがポイント。

過去のデータはそれはそれで重要なのだが、中央銀行は将来の動向を把握して予防的に政策決定をできるように、人々の「将来の」インフレ予測に関する指標を重視している。

そういった指標としては、
・インフレに関するアンケート調査
・インフレ連動債の価格から導かれるインフレ期待値(ブレイク・イーブン・インフレ率)

があるのだが、前者は、人がアンケート通りに行動しないためか、将来の予測にとってあまり参考にならない。そして、後者は金融市場の参加者に限定された期待値なのでバイアスがある。

今回のイタリア中銀が作った指標というのは、
・実際の購買行動に近いデータ
・消費者の生の声に近く、他の指標よりも一般消費者のインフレ期待を表している可能性が高いデータ

ということで、今までのインフレ指標にないメリットがあると言えそう。
ツイートのような非構造データを使わなくても、BBVAが提携クレカ企業のAPI経由で入手可能なPOSデータで同様のことをやっていたと思います。あるいは郵便番号を入れれば物価水準がでてくるサイトもありますね(例: ワシントンDCの家賃水準は東京より82.9%も高い)
https://www.numbeo.com/cost-of-living/

【追記】物価「認識」が重要だと考えると、確かに需要曲線の予測(高すぎる?お得?)の方向性は出せそうですね
株式会社中国銀行(ちゅうごくぎんこう、英称:The Chugoku Bank, Ltd.)は、岡山県を営業基盤としている地方銀行。本店は岡山市。岡山県の指定金融機関である。広島県(特に備後地方)と香川県の全域にも多くの店舗を展開する。通称中銀(ちゅうぎん)。 ウィキペディア
時価総額
1,656 億円

業績