Core Concepts
国際貿易ネットワークの特性を機械学習モデルに組み込むことで、経済成長予測の精度を大幅に向上させることができる。
Abstract
本研究は、機械学習手法を用いて国内総生産(GDP)成長率の予測を行うものである。従来の経済指標に加えて、商品別の国際貿易ネットワークの特性を説明変数として導入することで、予測精度を大幅に向上させることができることを示している。
具体的には以下の点が明らかになった:
2010年から2022年にかけて、主要な商品別貿易ネットワークでは、2016-2018年を境に、ネットワークの密度や同質性が大きく変化している。これは同時期の貿易政策の不確実性の高まりと関連していると考えられる。
主要国の中心性ランキングを分析したところ、米国、中国、ドイツが一貫して上位に位置しているが、インドやタイの順位変動が大きいことが分かった。
機械学習モデルの比較分析の結果、ランダムフォレスト、XGBoost、k-nearest neighborsが最も優れた予測性能を示した。これらのモデルでは、貿易ネットワークの特性に関する指標が予測に重要な役割を果たしていることが明らかになった。
特に鉱物資源の貿易ネットワークの密度が、経済成長予測に大きな影響を及ぼすことが分かった。ただし、ネットワーク密度が一定の閾値を超えると、経済成長への影響が逆転することも明らかになった。
以上の知見は、経済政策立案や投資判断において重要な示唆を与えるものと考えられる。
Stats
貿易ネットワークの密度が高いほど、経済成長予測に好影響を及ぼす。
鉱物資源の貿易ネットワークの密度が一定の閾値を超えると、経済成長予測に悪影響を及ぼす。
直近の経済成長率、人口成長率、第一次産業の影響力が経済成長予測に重要な役割を果たす。
Quotes
"貿易ネットワークの特性を機械学習モデルに組み込むことで、経済成長予測の精度を大幅に向上させることができる。"
"鉱物資源の貿易ネットワークの密度が一定の閾値を超えると、経済成長予測に悪影響を及ぼす。"