金研設立40周年記念対談
中央銀行におけるリサーチ

データの作成者および利用者としての中央銀行

若田部 それでは、次にデータについて議論しましょう。政策運営においても政策リサーチにおいても、その基礎はデータにあると言えます。そこでまず、中央銀行はどのようなデータに注目し、収集をしていくべきかについて、考えをお聞かせください。

オルファニデス その点については、本当に色々と考えていることがあります。ですが、まず中央銀行がその草創期から取り組んできたことを歴史的に振り返ってみましょう。

良質なデータはしばしば中央銀行によって作り出されましたし、ほかの機関に先駆けて、中央銀行が新たなコンセプトを発展させ、それを計測してきました。どうしてでしょうか？それは、エビデンスに基づいた政策以外の道はなく、そのためにはしっかりとしたデータが前提となるという認識が中央銀行内部にあったからです。

米国を例にとってみましょう。一国全体を対象とする物価指数は、金融政策を行ううえで不可欠なものです。しかし、Fedが設立された1913年当初は、米国全体をカバーする物価指数は存在しませんでした。そのため、物価指数のほか鉱工業生産指数といった有用な統計の作成を始めたのは実はFedだったのです。物価指数の作成事務が商務省に移管されたのはその後のことでした。

キプロス中央銀行本店。キプロス中銀は、ユーロシステムを構成する中央銀行の一つで、オルファニデス教授は2007年から2012年まで総裁を務めた。

別の例は、ユーロ圏の創設です。ユーロ圏は、いわば抽象的で概念的な存在なので、ユーロ圏全体に関する統計データというものは、当然ながら当初は存在しませんでした。そのため、欧州中央銀行（European Central Bank: ECB）の設立初期や、その前身である欧州通貨機構（European Monetary Institute）では、ユーロ圏の政策運営に資するデータを構築するために多大な努力が捧げられてきました。

最後の例は、物価連動債です。物価連動債からは市場参加者が形成するインフレ予想の情報を抽出できるため、中央銀行にとって非常に強力かつ極めて有用な金融商品です[12]。しかし、場合によっては、新しく物価連動国債市場を作り出す必要があるでしょう。その国の財務省に対して、「このような金融商品の市場が発展すると、非常に有用なデータを得ることが出来ます」と働きかけていくことが必要になるかもしれません。

これらの例が示しているように、中央銀行にとっては有用なデータは多く存在しています。

若田部 ありがとうございます。ではカール、どうでしょうか？

ウォルシュ 政策当局者が直面する不確実性の一つとして、いま現在の経済の状況があげられます。理論モデルでは、経済主体は現時点での経済の状態が分かっているという仮定のもとで、今後どこに向かうべきかという問題を解明しようとしています。しかし実際には、政策当局者は自分がどのような経済状態に立っているのか、いかなる時においても正確には把握してはいません。

このため、より詳細なデータを高頻度で収集することができれば、政策意思決定にとって非常に有益なインプットになると考えています。ニューヨーク連銀が公表している週次経済活動指数は、その好例でしょう[13]。

オルファニデス もう一点、付け加えるとすると、サーベイデータも広義のデータに含められます。サーベイデータは世界各国でもっと取り組みを進めていくべき重要な領域だと考えています。

金融政策においてもっとも重要な論点の一つとして、人々の予想の計測、なかでもインフレ予想の計測があります。しかし、インフレ予想の計測は信じられないほど困難な作業です。なぜなら、インフレ予想は、どの経済主体の予想なのか、例えば家計の予想なのか企業の予想なのかによっても異なりますし、そのほかの様々な要因、例えば、どの消費バスケットを対象としているかや、どのような情報セットを経済主体が持っているかによっても変わってくるためです。

このため、より多くの、より高品質なサーベイデータが利用可能になることで、政策遂行プロセスにおいてより有意義で有益な情報が収集できるようになるでしょう。

世界を見渡してみると、この分野では過去20～30年で大きな進展がみられ、年を追うごとに、より多くのインフレ予想に関するサーベイデータが利用可能になってきています[14]。しかし、私はまだまだ十分ではないと考えています。インフレ予想を理解することの重要性に鑑みると、より多くの資源を投入してインフレ予想に関するデータ収集を進めることは、各国の中央銀行に強く促したいと考えていることの一つです。

カール・E・ウォルシュ
カリフォルニア大学サンタ・クルーズ校 特別名誉教授

ウォルシュ 政策運営の観点では、他にも、経済主体による（消費や設備投資の）異時点間の代替行動に金融政策がどのような影響を与えるか、という重要な論点があります。つまり、例えば、金利動向が家計や企業の行動に対してどう影響を及ぼしているかという点に強い関心を持っています。

この点を分析していくためにはパネルデータが必要になります。こうしたデータセットもどんどん増えており、個々の経済主体の行動を追跡する分析が行いやすくなっています。データがより豊富になるほど様々な重要な問題に取り組む際のデータの有用性も高まっていきます。

予想に関するデータについてですが、サーベイデータは回答者の平均的な予想値以上の情報を持っています。予想のばらつきや偏りといった高次モーメントの情報を含む様々なことをサーベイデータから知ることができます。

例えば、インフレ予想のアンカーが外れ始めたときには、まず予想分布の偏りにその徴候が現れるという複数の指摘があります。人々のインフレ予想が本当にアンカーされているかをより的確に議論するために様々な活用方法を提供しうるため、こうした情報は全て非常に有益です。

<次ページ：データは多ければ多いほどよいのか？>

データは多ければ多いほどよいのか？

若田部 人々の予想に関するサーベイデータの重要性について私も全面的に同意します。

若田部昌澄
日本銀行 副総裁

さて、サーベイデータ以外でも高粒度データの普及や計算能力の向上を目の当たりにしています。エビデンスに基づいた金融政策運営を目指していくこともかなりの程度できるようになってきているのかもしれません。この点についてはどのようにお考えでしょうか？

ウォルシュ データは多ければ多いほどよい、という主張には誰しも賛成するでしょう。私はむしろ、どういったデータが役立つ知識をもたらしうるのかということが本当の問題なのだと考えています。データからは、無数のミクロ経済学的な事実を明らかにすることが出来ますが、そのうちどのようなものが有益でしょうか。

これまでの話の通り、経済主体の予想は極めて重要なものです。このため、個別の家計や企業の予想データを集めることは非常に重要です。同様に、企業の見方が家計の見方とどう違うかといった点を理解することも有益です。

しかし、マクロ経済の動向を考えるうえでカギとなるのは、誰の予想が重要なのかということです。究極的には、中央銀行の目標はマクロ集計量で定義されます。それゆえ、マクロ集計レベルでの目的達成にデータがいかに役に立つかを考える必要があります。

世の中には多数の豊富で有用なデータセットが存在しており、応用ミクロ経済学者はそのようなデータを使って、「擬似的にコントロールされた実験」から様々な分析結果を得ています。もっとも、こうした結果がマクロ経済を考えるうえでどの程度有用なのかは、ミクロ経済学の領域ほど明確ではありません。実際、個々の経済主体レベルでの行動の違いが意味するところをマクロ経済への含意に変換することは困難な課題です。

例えば、労働者が賃金の変化にどう反応するか、専門用語でいえば労働供給の賃金弾力性は、あらゆるマクロ経済学モデルにおいて非常に重要なパラメータです。もちろん、労働経済学者による労働供給関数の推計結果は大量にあります。もっとも、これは理由があってのことですが、こうした推計はコントロールされた実験、すなわち、ある一つの集団だけが影響を受けて他の人々は影響を受けないという状況に着目して推計が行われています。例を挙げると、タクシー運転手の行動がタクシー料金の変化にどう反応するかといった分析を行っているわけです。

金研では毎年、英文機関誌『Monetary and Economic Studies (MES) 』を発行している。MESには、金研スタッフや客員研究員による研究成果や、国際コンファランスでの講演論文などが掲載されている。 (MES掲載論文一覧へ)

しかしながら、金融政策を考えるうえで関係するのは、マクロレベルの賃金弾力性です。このため、応用ミクロ経済学による実証研究結果をどのようにマクロ集計量に対応させていくのかというとても厄介な問題を考える必要があります。

残念ながら、ミクロからマクロへの集計は非常に難しい問題です。このため、私たちマクロ経済学者は、個々の家計に関するモデルを書き下したうえで、なぜか同じ関係がマクロの集計レベルでも成り立つと単純に仮定するということが往々にしてあります。しかし、この仮定をサポートする理論はほとんどありません。それゆえ、この仮定は極めて強い仮定なのです。

このような事情から、情報が豊富な個票データをもとに現在の経済の状態や物価動向についての指標を作成するといったことのほうが、より政策運営に役立つのではないかと考えています。

オルファニデス 別の論点として、データを収集するのはとてもコストがかかるということを意識する必要があります。ただやみくもにデータ収集に経営資源を投じては駄目で、データ収集にかかる費用便益分析を行っていく必要があると考えます。

もっとも、技術進歩によって、様々な領域でデータ収集コストが下がってきているのも事実です。その結果、価格データの収集といった面で改善がみられています。例えば、日次で物価動向を計測できるようになる日もそう遠くはないだろうと考えています。

ウォルシュ 計測に関連した話でもう一つ注意しなければならないことがあります。それは、より高頻度でデータをサンプリングすると、シグナル（有用な情報）対比で、ノイズ（調べたい現象に対して無用な情報、あるいは計測誤差）が大きくなってしまう可能性があることです。言い換えると、より多くのデータが利用できるのはよいことなのですが、政策当局者にとって有用な知識を得るためにはデータの利用法について慎重に考えなければなりません。

オルファニデス その通りですね。データは不完全であるということに私たちは意識的になる必要があります。物価の例でも、指数理論や品質調整といった論点があります。データの計測誤差についても考慮しなければいけません。どうしても消し去ることのできない計測誤差というのは今後も残り続けます。しかし、より多くのデータを収集できるようになってきていますし、この点でも改善を進めていくことができるでしょう。

若田部 様々な素晴らしいご提言をありがとうございます。今回の議論を通して、よりよい政策運営のために、理論とデータ、そしてジャッジメントをどう活用するかについて多くの洞察を得ることができました。

<第３回「コミュニケーションにおいて中央銀行リサーチが果たす役割」に続く>