研究成果は学術論文、Distributional Vector Autoregression: Eliciting Macro and Financial Dependence、として纏めました。本研究では、経験的マクロ経済学および金融における多変量時系列の動的相互依存性を理解するための重要ツールであるベクトル自己回帰を拡張しました。これにより、多変量分布回帰フレームワークを取り入れ、分布的インパルス応答関数を導入することで、動的な異質性の包括的な視点を提供します。我々は、直観的かつ柔軟な推定方法を提案し、弱い依存性の仮定の下でのその漸近的特性を確立しました。実証分析では、米国におけるGDP成長と金融条件の条件付き共同分布に焦点を当て、特に世界金融危機に注目しています。その結果、金融条件の引き締めがGDP成長と金融条件の多峰性条件付き共同分布につながり、金融条件の緩和が長期的なGDP成長に顕著な影響を与える一方で、世界金融危機中のGDP成長の改善が金融条件に及ぼす影響は限定的であることが示されました。研究成果は、2023年のEconometric Society Meetingで夏季学会で報告されました。また、この研究にそった研究課題に対して、学術研究助成基金の助成を頂きました。
The research findings have been compiled into an academic paper titled "Distributional Vector Autoregression: Eliciting Macro and Financial Dependence". In this study, we extended vector autoregression, an essential tool for understanding the dynamic interdependencies among multivariate time series in empirical macroeconomics and finance. This extension involved incorporating a multivariate distribution regression framework and introducing a distributional impulse response function to provide a comprehensive view of dynamic heterogeneity. We proposed an intuitive and flexible estimation method and established its asymptotic properties under weak dependence assumptions. The empirical analysis focused on the conditional joint distribution of GDP growth and financial conditions in the United States, particularly during the global financial crisis. Our findings indicate that tight financial conditions lead to a multimodal conditional joint distribution of GDP growth and financial conditions, and that easing financial conditions has a significant impact on long-term GDP growth. However, improvements in GDP growth during the global financial crisis have limited effects on financial conditions. The research was presented at the Econometric Society Meeting in the summer of 2023. Additionally, this research project received funding from an academic research grant fund.