書評:Shocks, Crises, and False Alarms: How to Assess True Macroeconomic Risk

2025/4/20

Shocks, Crises, and False Alarms: How to Assess True Macroeconomic Risk Philipp Carlsson-Szlezak, Paul Swartz Shocks, Crises, and False Alarms: How to Assess True Macroeconomic Risk  本書はマクロ経済における近年見られたような、ショック、危機などのリスクを案内します。  マクロ経済のリスクを判断するとき、リスクが実際のショック ...

ReadMore

合衆国の新関税の税率と貿易収支

2025/4/17

2025年4月2日に合衆国の新しい関税の税率が公表されました。現在の貿易収支の状況と導入される関税の税率をまとめます。 合衆国の貿易収支 図1 合衆国の貿易収支2023年(単位:USD million)  図1は、左側が輸出国、右側が輸入国です。マウスポインタを領域の上に置くと、輸出入額(単位:100万USドル)を表示します。 データソースはJETROがまとめている貿易投資年報より参照。 新関税の税率と各国の対米貿易収支 図2 関税税率と対米貿易収支 対米貿易収支は、輸出額から輸入額を減算した値(単位:1 ...

ReadMore

強化学習による因果探索 gCastle因果探索アルゴリズムの検証(3)

2025/3/18

gCastleに実装された探索アルゴリズムの中で、強化学習を使ったアルゴリズムが高い性能を示しています。本稿ではこの探索のための強化学習アルゴリズムを解説します。 強化学習を使った探索  強化学習は一般的にポリシーを学習することを目的に用いられますが、彼らはこれをDAGの探索に使っています。  巡回セールスマンの問題と同様に、d次元のnシーケンスでベストスコアを導くことで、入力データからバイナリの隣接行列の生成を考えます。  隣接行列を出力するためにエンコーダ/デコーダ・モデルを作りますが、エンコーダ自己 ...

ReadMore

CastleBoardの使い方 gCastle因果探索アルゴリズムの検証(2)

2025/3/2

中国のAI技術動向の調査を兼ねて、gCastleに実装された因果探索アルゴリズムを検証しました。gCastleはGUIツールCastleBoardを含んでいますが、パッケージにツールのマニュアル類は添付されていません。そのため、本稿では実際にアルゴリズムを検証するためのCastleBoardの使い方について解説します。 CastleBoardの操作  GUIツールはいくつかの設定項目への入力でテストデータを生成できるため、テストプログラムを組むより簡単にアルゴリズムを検証できます。ツールの機能は主に二つの ...

ReadMore

マイニング・セクターのリスク許容度、関税の影響 (DoubleMLの推論)

2025/3/14

 2025年2月に合衆国の新政権の政策として、鉄鋼とアルミニウムに25%の関税が課されることが決定されました。一方で、ウクライナへのこれまでの支援の対価として、ウクライナの鉱物資源などの天然資源の権益取得が交渉されています。  この関税政策が、原料である鉄鉱石やボーキサイトなどの鉱物資源の採掘を行なっている企業に与える影響について分析します。  分析手段として機械学習を使った推論手法、DoubleML(Double Machine Learning)を用います。このDoubleMLという推論手法と同じ名称 ...

ReadMore

gCastle 因果探索アルゴリズムの検証

2025/2/28

gCastleは、因果探索アルゴリズムが実装された因果の構造を学習するツールチェインです。パッケージは、Webアプリを含んでおり、因果探索アルゴリズムがGUIベースの操作で検証できるようになっています。 gCastle 概要  Huawei社のリサーチラボから提供されています。因果探索アルゴリズムが実装されており、Webアプリを使用してアルゴリズムの動作が検証できます。  GCastleの名称は、Gradient-based Causal Structure Learning pipeline. の頭文字 ...

ReadMore

クレジット・カードの種別と利用額の最適化 YLearnによる因果推論(2)

2025/2/20

YLearn因果推論パッケージを使ったケース・スタディを使ってYLearnの機能を解説します。YLearnの因果推論パイプラインを使ったマーケティング上の分析の一つになります。クレジット・カードのグレードを更新した場合の効果の推論です。 機能と仕様  以下、簡単に機能をまとめ、最後にケーススタディを使って動作を確認します。ケース・スタディでは、Kaggleの実際のデータセットを使います。 DAG グラフと交絡因子  観測されていない変数はconfounding arcとして定義し、下の図1では(黒の点線) ...

ReadMore

YLearnによる因果推論(1) 概要とセットアップ

2025/2/20

 因果推論はAIシステムが、イベント間の真の因果関係をよりよく理解する助けになります。中国製のLLMが最近、話題(注1)になっていたので、データサイエンス分野で中国の因果推論に関する取り組みとツールについて評価します。  因果推論や因果探索のツールとして、Huaweiが提供しているgCastleと、因果探索・因果推論ツール、ylearnを使います。gCastleはPyTorchで実装された因果探索パッケージです。因果関係に関連した代表的なアルゴリズムが実装されて、検証ツールが提供されています。Huawei ...

ReadMore

Jupyter-notebookがAnaconda Navigatorから起動できない問題

2025/2/6

新しいAnaconda Navigatorをインストールしたところ、jupyter-notebook(7.3.2)がNavigatorから起動できない問題がありました。 Navigatorのエラーメッセージは、次のようになっています。 【The file /Users/xxx/anaconda3/bin/Jupyter_mac.command does not exist.】 jupyter_mac.command does not exist.  問題は、インストールまたはNavigatorが参照してい ...

ReadMore

Apple Silicon Mac 用 Anacondaバージョン更新・インストール

2025/2/5

Apple Silicon用に新しいバージョンのAnacondaがリリースされていたので、Navigatorの更新を兼ねてインストールします。 (Mac OSの更新(Sequoia15.3)によって、使用中のNavigatorが起動しなくなったため) Anaconda Navigatorのインストール  以下のAnacondaのサイトにアクセスします。最近のAIに対する、人と資本、計算リソースの流れを反映した画面に様変わりしています。 https://www.anaconda.com  【1】画面左上のP ...

ReadMore

ファイナンス 書評 経済・産業

書評:May Contain Lies -嘘を含んでいるかもしれない

May Contain Lies: How stories, statistics and studies exploit our biases - and what we can do about it.

Alex Edmans

嘘を含んでいるかもしれない:どのようにストーリー、統計、調査研究が私たちのバイアスにつけ込むか、私たちがそれについてできること。

嘘を含んでいるかもしれない

 著者は、私たちの日々の生活に影響する誤った情報が氾濫している複雑な現代社会において、より賢明に考え、正しい判断を行う上でのノウハウをわかりやすくまとめています。

 心理的なバイアスは人の判断に影響します。

 筆者は以下の短いエッセイで著書の言説を引用しましたが、著者は、”言説は事実ではない”という章を設けて引用自体も問題の一つとなりうることを示しています。

 なぜならそれは不正確かもしれない。引用は文脈の範囲外かもしれない。そのような引用はセンテンスの一部であるか、チャートからバーを切り出したものかもしれない。

 コンテキストから一部を切り出した場合、著者の本意とは異なる内容を示す場合もあります。著者は本書において、そうした錯誤を生じさせる原因をリストにあげて解説しています。

 著者は自らの体験から以下の二つのことを学びます。

  1. 私たちはほとんどどのような意見であっても、たとえそれに欠陥があって、後にその偽りが剥げることがあっても、その意見をサポートするレポートを書くことができます。時事問題への関心は多くの研究を惹きつけるため、あなたはそれらから選ぶことができます。その証明として、”研究結果は〜と示します。研究では…がわかっています。”のようなフレーズを安っぽく使います。
  2. 政府の報告のような私たちが信頼できると考えているソースは、まだ信頼できないかもしれません。政策立案者、コンサルタント、学者によるものあっても、どのような報告も人によって記述され、そして人間はバイアスを持つのです。

 著者は事例を通して、私たちが影響されているバイアスを明らかにします。多くの例は私たちがいかにリサーチから影響を受けているかを示します。私たちは、たとえ学術的な論文を読まないとしても、ブラウザで選択し、SNSで共有されている記事を開くことで、リサーチに関して読んでいます。専門家の意見を聞くときはいつでも、インフレーションがなぜそう高いのか、子供にどのように教えるか、私たちはリサーチに関して尋ねています。

 いくつかのケースで誤った情報は致命的になります。

 コロナパンデミックの時に、USAの大統領だったドナルド・トランプ氏は,hydroxychloroquineが治療になること、薬の歴史的なゲームチェンジャーになるとツィートしました。ある女性は、魚の水槽のクリーナーのラベルに’chrloroquine’の記載があるのに気づきました。彼女と夫は、ウィルスから保護されることを望み、それを飲みました。女性は危篤になった後、助かりましたが、夫は病院で亡くなりました。

 この例のソリューションはシンプルです。事実を確認すること。それを飲む前に薬品が安全なことを確認することは明白でしょう。

 知識を持つだけでは不十分で、それをいつ使うか、どのように使うか知る必要があります。バイアスは、私たちの知識を忘却させる原因になります。

 本書は三つのパートからなっています。バイアス、問題、そのソリューションです。

 まず判断を誤りに導くバイアスに関して解説し、問題のパートで推論の梯子という概念が導入されます。著者は、判断や推論における全体の問題に関して、六つの梯子を設けています。それは、

  • 証明
  • 証拠
  • データ
  • 事実
  • 言説(statement)

という階段を登っていくことです。梯子の各ステップに一つの章を割いて、そのステップで錯誤を導く問題を解説しています。最後のパートでこれらの問題に対するソリューションとして、より賢明に考えるための方策を提示しています。

 バイアスに関しては二つの心理的なバイアス、確証バイアスと白黒思考について記します。情報を誤解させる二つの大きな要因です。著者はいくつかの実証的な事例を挙げて、確証バイアスを明らかにしていきます。

 シリコンバレーバンクのケースを見てましょう。

 預かり金を2019年から2021年の間に3倍に増やした。彼らは余剰資金を、平時では安全資産であるUS T-Bondsにおいた。しかし、彼らの内部モデルでは、金利が上昇すれば、深刻な損失が発生することを予期していた。この警告に留意するより、エグゼクティブたちは、最小のリスクを予期するようにモデルの仮定を変更した。彼らはそれが、彼らの好みでないモデルだとわかると、それを破棄した。SVBは2023年に破綻した。

 著者は簡単な質問をすることでバイアスされた解釈を見つける方法を提示しています。

確証バイアス

  • 確証バイアスは、バイアスされた解釈を導きます。これは二つの状態(forms)から現れます。
    • 未熟な認識:事実確認なし、あるいは他の解説があるか尋ねることなしに、私たちが好むものを信じます。
    • 見方の狭い懐疑論:他の説明を考慮することなし、私たちが好まない要求を拒否します。
  • 確証バイアスを見つけるためには、この状態が真実であることを望んでいるか?と質問してください。
    • イエスであれば、未熟な認識に気を配り、対抗する理論があるか尋ねてください。
    • ノーであれば、盲目的な懐疑論に気を配り、真剣に承認してください。
  • 確証バイアスは私たちの中に組み込まれています。言説は、fight-or-fright 反応を誘発する脳の部位、アミダラ(amygdala)の応答に委ねないこと1
  • 双方の人々が、まだ相違する結論に導くために、同じデータに注目することができます。彼らは、見たいものを見ます。事実をテーブルの上に置くことは、対立意見に導くかもしれません。人々の見方は、対立が少なくなるどころか、さらにいっそう対立的になります。
  • 確証バイアスは、バイアスされた探索もまた導きます。私たちは、認めたくないソースに目を閉じます。そして見つけたいことを見つけます。仮説をサポートする最も良い方法は、それを否定することを試みること、矛盾することを試みることです。
  • 知識は私たちのバイアスをより気づかせるものではありません。代わりに、積極的な推論に従事させることによって、もっと影響を受けやすくさせます。バイアスされた探索によって、問題はより一層悪化します。

 確証バイアスは拡散しますが、私たちが直面する情報の全てのケースに適用されるものではありません。認知がなければ、確証バイアスはありません。そのため、クリアな頭でこれらの問題に取り組むことができます。

 確証バイアスともう一方のバイアス、白黒思考は、私たちが、そのトピックに事前の視点がない時ですら、常に何かをいいか悪いかで見なすことにあります。その思考を検出するためには、:その状態は全ての設定に適用可能と主張できるか尋ねてください。

 二つのバイアスが情報を解釈するとき、私たちは不注意な失敗の原因となることについて議論します。確証バイアスは、私たちに事前の視点があるときに適用し、白黒思考はそれがないときに現れます。これ等のバイアスは相互に補強します。

 2番目の"問題"の章で著者は二つのバイアスから発生する異なる問題を探ります。私たちは、事実のための言説、データのための事実、証拠のためのデータ、証明のための証拠について錯誤します。

 私たちが間違った推論の梯子を上らないことを確認するために、いくつかの簡単な質問を紹介し、Appendixに簡単なチェックリストとして、それ等がまとめてあります。

推論の梯子

 推論の梯子とは、言説( statement )、事実( Fact )、データ、証拠、証明、という階段を登っていくことでした。これらそれぞれの階段を登る際に錯誤を生じさせる原因を事例を交えて解説しています。各章の章末に各ステップにおける錯誤原因とそれを明らかにするための簡単な質問がまとめてあります。

 たとえば、事実からデータの階段を登る際の、バイアスから発生する錯誤の問題に関して、著者がまとめている結果を抜粋すると、

事実はデータではない

事実はデータではない。それは代表していないかもしれない。たとえストーリーやケーススタディ、逸話が本当でも例外事象かもしれないので、一般的な結論を導けない。

  • 間違った物語(narative fallacy)は、それが存在しないのに、因果関係がわかることを意味する。たとえ、同じ事実に他の説明が適合する時であっても、成功のためにストーリーのような理由を受け入れる。
    • 著者は二つのバイアスを利用してそのような最適なストーリーでも作り出すことができる。
    • 人々は、たとえ、それが幸運に基づくものであっても、彼らの成功を証明するための理由を考案する。
  • 以下のステップを要件として因果関係を理解すること
    • 仮説で始める:所与の入力が所与の出力に影響する。
    • それ等の出力と無関係の、入力のケースをテストサンプルの代表に収集する。
    • それ等の出力と無関係の、入力のないケースでコントロールサンプルの代表を収集する。
    • 両方のサンプルの出力の平均を計算し、相違を見つける。
    • 相違が統計的に特徴的かチェックする。相違が幸運に基づくものにならないように、規模とサンプルサイズは十分に大きくする。

ソリューション

 最後の章で問題に対するソリューションを記述しています。

 これらの問題に関するソリューションは、個人レベルから組織レベル、社会レベルへ三つに大別してよりよく考えるように取り組むことを提案しています。

  • 個人として賢明に考えること。
  • もっと賢明に考えるる組織を作ること
  • より賢明に考える社会を作ること

 この中で著者が提案する組織的な努力に関するソリューションのエッセンスを抜粋すると

より賢明に考える組織を作ること

  • より賢明な組織の構築は、順応しようとする集団思考に打ち勝つことを含みます。
  • 集団思考に打ち勝つことは、民主的な多様性だけでなく、それ等の知識の集まりに実際に段階を踏むこと。認識してスタッフを集めるチームづくりを含みます。
  • 形式的な手続きは以下のことを含みます。
    • 問題解決のためのブレーンストーミング:特別な一つに終点を当てる前に、すべての利用可能なオプションを実行する。
    • 問題発見のためにブルースカイ思考、予算または技術的な実現性によって拘束されない。
    • 静寂した開始、議題と論文は、会議の開始時にだけリリースされること。会議が開始すると、最初に年少から話すこと。
    • 重要な決定では、部屋の温度をとるよりむしろ匿名で決をとることなどです。

 Appendixにさらに賢明に考えるためのチェックリストが収録されています。

 このチェックリストは、不注意な失敗を避け、誤った推論を導かないために、簡単な質問を通して誤りを確認できるものなっています。

  1. Thinking fast and slowの反射的な思考です。ダニエル・カーネマン「ファスト&スロー あなたの意思はどのように決まるか?」 ↩︎

-ファイナンス, 書評, 経済・産業
-