文献

J-GLOBAL ID：201302259909180277   整理番号：13A0980927

サポートベクター回帰を用いた158カ国の国債格付けの再現

Reproduction of Sovereign Bond Ratings for 158 Countries with Support Vector Regression

著者 (5件)： 田辺和俊 ((独)産業技術総合研究所) ,  田辺和俊 (東洋大学) ,  栗田多喜夫 ((独)産業技術総合研究所) ,  西田健次 ((独)産業技術総合研究所) ,  鈴木孝弘 (東洋大学)
資料名： 情報知識学会誌  (Journal of Japan Society of Information and Knowledge)
巻： 23  号： 1  ページ： 70-91 (J-STAGE)  発行年： 2013年 
JST資料番号： L1843A  ISSN： 0917-1436  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 格付け会社が行っている国債の格付けを統一的に再現するモデルを作成するために,2011年4 月末時点での158カ国の国債格付けと44種の経済・政治指標との相関をサポートベクター回帰 (SVR)により一括解析する大規模実験を行った.感度分析により有効な指標を選択し,SVRを最適化した結果,格付けの予測値と設定値のよい一致(平均二乗誤差0.070,決定係数0.925)が得られ,格付け会社が行っている国債格付けを公開の数値データのみから高精度で再現するモデルを作成することができた.解析に用いた各種指標の中では政治指標の寄与がきわめて高いことから,格付け会社が政治的要因を重視していることが判明した.我が国の国債の格付けについては,国内の格付け会社が高目の評価を行っているのに対し,海外の格付け会社は我が国の債務超過を大きく評価して厳しい格付けをしている傾向が明らかになった.格付けと指標との相関は非線形性が高いことから,国債の格付けを再現するモデルを作成するためには,感度分析により有効な指標を選択し,SVR等の非線形解析手法を用いることが不可欠であることが分かった.(著者抄録)

シソーラス用語： *サポートベクトルマシン ,  *回帰分析 ,  *証券 ,  負債 ,  *等級づけ ,  相関 ,  経済分析 ,  感度解析 ,  指標 ,  精度
準シソーラス用語： サポートベクター回帰 ,  国債 ,  格づけ ,  経済指標 ,  感度分析 ,  政治指標 ,  予測精度

分類 (1件)： 人工知能  (JE08000Z)

引用文献 (84件)：

• 時永祥三. 複雑系による経済モデル分析. 2000
• 田辺和俊. Neurosim/L によるニューラルネットワーク入門. 2003
• 岡本大輔. AIによる企業評価. 2006
• HWANG, M. Assessing Sovereign Debt Service Capacity : A Neural Fuzzy System Approach. AMCIS 1998 Proceedings. 1998
• COOPER, J. C. Artificial Neural Networks versus Multivariate Statistics : an Application from Economics. Journal of Applied Statistics. 1999, 26, 8, 909-921

タイトルに関連する用語 (3件)： サポートベクター回帰 ,  国債 ,  格付け