予測モデルの種類と限界とは？意味と試験で問われるポイント｜証券アナリスト2次・市場と経済の分析｜証券アナリスト試験

ひとことで言うと

予測モデルには、過去のデータの動きのくせを使う時系列モデル、経済理論にもとづく構造モデル、先行指標やサーベイを使う指標型の予測、専門家の判断による予測などがあります。
どのモデルも、構造変化・想定外のショック・データ改定・過剰適合などによって外れることがあります。
限界を理解したうえで、複数モデルの組み合わせやシナリオ分析、単純な予測（ベンチマーク）との比較で使うことが大切です。

この記事では、証券アナリスト2次「市場と経済の分析」の学習ポイントのひとつ「予測モデルの種類と限界」について、意味と試験で問われやすいポイントを解説します。

分野	2次市場と経済の分析／経済
大分類	(10) 市場の分析・予測と経済的要因
協会の学習ポイント	予測モデルの種類と手法、予測するうえでの限界について説明できる。

予測モデルの種類と限界とは

経済や市場の予測には、さまざまな手法があります。それぞれ得意な場面と弱点があるため、「どのモデルが一番正しいか」ではなく、「目的と期間に合ったモデルはどれか」「どんなときに外れやすいか」を理解しておくことが重要です。

時系列モデル

AR・ARIMAモデルやVARモデルのように、変数の過去の値から将来を予測する方法です。理論の前提が少なく、短期の予測では比較的良い成績を出しやすい一方、なぜそうなるのかという経済的な説明は弱く、政策が変わったときの効果の分析には向きません。

構造モデル

消費関数や投資関数などを組み合わせたマクロ計量モデルや、家計・企業の最適化行動から組み立てるDSGEモデルなど、経済理論にもとづくモデルです。政策シミュレーションやシナリオ分析に強みがありますが、モデルの仮定が現実と合わないと予測がずれ、作るのにも手間がかかります。

指標型・判断型の予測

景気動向指数の先行系列、イールドカーブの形状、企業や家計へのサーベイなどを使って景気の転換点を探る方法もあります。さらに、エコノミストの経験や定性情報を加味した判断による予測は、モデルが想定していない出来事に柔軟に対応できる反面、主観や行動バイアスが入りやすいという弱点があります。

予測の限界

代表的な限界は次のとおりです。①制度・技術・政策の変化による構造変化で、過去の関係が成り立たなくなる。②政策が変わると人々の行動パターンも変わるため、過去のデータで推定したモデルが使えなくなる（ルーカス批判）。③金融危機・感染症・戦争などの想定外のショック。④GDPなどのデータ改定で出発点がずれる。⑤過去のデータに合わせすぎる過剰適合で、手元のデータでは当てはまりが良くても将来の予測が悪くなる。⑥予測が公表されること自体が行動を変え、予測が自己実現したり外れたりすることもあります。

整理しておきたいポイント

種類	長所	短所・限界
時系列モデル（AR・ARIMA・VAR）	作りやすく短期予測に強い	経済的な解釈が弱い、転換点や構造変化に弱い
構造モデル（マクロ計量・DSGE）	理論的な説明ができ、政策シミュレーションに使える	仮定への依存が大きい、ルーカス批判
指標型（先行指標・サーベイ）	速報性が高く転換点の把握に役立つ	だましのシグナル、指標と景気の関係の変化
判断型（専門家の予測）	定性情報や想定外の出来事を柔軟に反映	主観や行動バイアス、再現性が低い

具体例で確認

ある運用会社が、過去20年間のデータで株式リターンを10個の変数で説明するモデルを作り、手元のデータでは非常に高い当てはまりを得たとします。ところが、実際に運用に使ってみると、「前期と同じ値が続く」と考える単純な予測よりも成績が悪くなりました。

原因として考えられるのは、①たまたま過去に当てはまった変数を選んでしまった過剰適合（データマイニング）、②金融政策の枠組みの変更などによる構造変化です。対策としては、推定に使わなかった期間で成績を確かめるアウト・オブ・サンプル検証、単純なベンチマーク予測との比較、変数を理論的に意味のあるものに絞ること、複数モデルの予測を平均する予測の組み合わせなどがあります。

試験で問われやすいポイント