GNNを用いたショック伝播の予測と異質性の特定

産業経済プログラム（第六期：2024〜2028年度）
「企業金融・企業行動ダイナミクス研究会」プロジェクト

自然災害、金融危機、感染症、地政学的リスクなどの大規模ショックは、直接影響を受けた企業だけでなく、取引関係を通じて他の企業にも波及する。近年の経済学研究は、この企業間取引ネットワークを通じたショックの波及が、マクロ経済変動を理解する上でも重要であることを示してきた。しかし、その理論的な重要性は広く認識されている一方、実際の政策対応で必要となるような「どの企業に、どの経路で、どの程度影響が広がるか」を事前に予測する手法は、まだ十分に確立されていない。その大きな理由は、企業や取引関係がきわめて異質だからである。

ショックは取引先企業に均等に伝播するわけではなく、強く波及する場合とそうでない場合がある。
例えば、輸出が急減したリーマンショックのようなケースでは、企業が代替的な販売先を見つけられるか否かによって影響の広がりは大きく異なる。また、東日本大震災のような供給ショックでは、供給財の代替可能性が伝播範囲を左右する。つまり、ショックによって生産が出来なくなった財が、他の財で代替できるのであれば、その影響は軽微だが、その企業しか作れないような財で、他に代替が出来ないのであれば、影響は大きいかもしれない。財の特殊性や取引関係の重要性、新規販売先の見つけやすさというような要素をすべて通常の統計モデルで測定することは現実的には難しく、その結果、将来のショックの波及を高精度で予測することは実現していないのである。

この問題に対して、本研究では Graph Neural Network (GNN) を用いた機械学習のアプローチを用いる。GNNは、各企業の属性情報だけでなく、1次の取引先に加え、2次、3次 ... の取引先の情報を集約して予測を行うモデルであり、ネットワークの情報や層的なつながりをモデルに取り込める。ノード表現を近隣ノードの情報を用いて更新していく過程は、ショックが取引ネットワーク上を伝播するメカニズムと自然に対応している。本研究では、こうした枠組みの中でも Graph Attention Network (GAT) を用いる。
GATは、情報を集約する際にどの取引先をどの程度重視するかも学習するため、予測精度だけでなく、学習済みモデルの解析を通じてショック伝播に重要な企業や取引リンクを特定できるという利点を持つ。本研究ではこのモデルの具体的な適用対象として、リーマンショック時の輸出急減が日本国内の非輸出企業へどのように波及したかを取り上げる。つまり、輸出企業の売上急減を前提として、リーマンショック時の非輸出企業の売上成長率を、その企業の情報と取引先の情報から予測する。

学習済モデルのテストデータでの結果は、以下の通りである。図1では、テストデータの売上成長率の値と学習済モデルからの予測値をプロットしている（完璧な予測であれば 45度線にプロットされる）。
また、テストデータでの決定係数は0.286 である。これらの結果は、モデルが企業成長率のばらつきの中で一定程度の傾向を捉えていることを示している。一般に企業成長率の予測は難しく、特にリーマンショックのような大規模ショックの時は、同じネットワーク上にある企業でも影響の強さは大きく異なる。しかし、そうした中でも、これらの結果が示すように、モデルが一定の説明力を有することは、売上成長率のばらつきの一部が予測可能なことを示している。また、GATの特徴である、どの取引先が予測に重要であるかを学習済モデルから調べたところ、予測に重要な取引先の多くは仕入先ではなく販売先であった。これは、日本においては、リーマンショックが輸出急減による需要ショックの波及であるとするこれまでの研究の知見と整合的である。

本研究は、企業間取引データと機械学習を組み合わせ、ショック波及を予測・可視化するための初期的な試みである。本モデルだけで将来の大規模ショックの影響を完全にシミュレーションできるわけではないが、企業や取引関係の異質性やショック波及メカニズムの複雑さを考えると、大規模データと機械学習を組み合わせたアプローチは、今後の政策分析において大きな可能性を持つ。今後、供給ショック、感染症ショック、輸入途絶などの異なるタイプのショックへの拡張や、より粒度の高いデータを用いることで、より精度の高く、実務にも資する分析基盤へ発展することが期待される。