この​記事で​分かる​こと

  • 日本の研究者3人が、黒田総裁期の3つの政策サプライズを手がかりに量的・質的金融緩和（QQE）の効果を識別し、推計された政策ショックを取り除いた仮想の経路と比べて、2013〜2024年の期間平均で実質GDPを1.0%、インフレ率を0.2%ポイント押し上げたと推計した内容
  • 「叙述的符号制約」という識別の考え方と、従来の方法との違い、推計の限界（68%の信用区間、YCC期を個別に扱っていない、緩和局面のデータ）
  • 利上げ局面の事業計画やALMで、金利シナリオを「なぜ金利が動いたか」で分け、直接の利息負担と景気・為替経由の効果を並べて点検する方法（設例つき）

想定読者：事業計画・中期経営計画のマクロ前提を置く経営企画・FP&A、資金調達と金利リスクを管理する財務部門、銀行のALM・市場部門、マクロ経済を扱うアナリスト
前提知識：長期金利・為替・株価の基本的な関係と、日銀の量的緩和の概要

以下は論点を説明するための架空の場面である。ある製造業の経営企画部で、中期経営計画の前提を見直している。日銀は政策金利を段階的に引き上げており、計画の下振れシナリオに「金利上昇」を入れることになった。担当者は支払利息の増加を試算したが、上司からは「金利が上がると景気や為替はどう動くのか、そこまで見ないと片手落ちだ」と指摘された。では、過去の金融政策は景気や物価を実際にどれだけ動かしたのか。

この問いに答えるのは、見かけより難しい。日銀は景気や物価を見て政策を決めるので、政策と景気が同時に動いても、どちらがどちらを動かしたのかは分からない。本稿が取り上げる論文は、市場が「予想外だった」と受け止めた3つの政策決定を手がかりに、この問題に取り組んだものである。

この記事が主に参照する研究

Shumpei Fujita、Hirokuni Iiboshi、Mototsugu Shintani（2026）「日本の非伝統的金融政策のマクロ経済効果：叙述的符号制約を用いた分析（Macroeconomic effects of unconventional monetary policy in Japan: analysis using narrative sign restrictions）」The Japanese Economic Review 77(4)

  • 公表：2024年10月の日本経済学会秋季大会で報告（論文の謝辞）。編集部が確認した本文の最も早い版は2025年7月版、一橋大学社会科学高等研究院のディスカッションペーパー（HIAS-E-156）が2026年1月。参照した版：掲載誌の版（2026年2月16日オンライン公表、オープンアクセス）。査読：済
  • データ：日本の月次データ（2007年1月〜2024年12月）。実質GDP・物価・10年国債利回り・実効為替レート・日経平均・銀行貸出の6変数
  • 方法：ベイズ推定の構造ベクトル自己回帰（VAR）。3つの政策事象の情報を符号の制約として課し、緩和ショックを識別する（因果の識別を目指す方法）
  • 位置づけ：海外で開発された識別手法を日本のQQEに初めて当てはめ、緩和の効果についての既存の結論を検証した研究（著者による位置づけ）

政策の​効果を​測る​とき、​何が​難しいのか

日本では1999年のゼロ金利政策以降、さまざまな非伝統的な金融政策が採られた。なかでも2013年4月に始まり2024年3月まで続いた量的・​質的金融緩和​（QQE）は、規模が最も大きい1。導入時、日銀はマネタリーベースと長期国債・ETFの保有額を2年間で2倍にし、買い入れる国債の平均残存期間を2倍以上に延ばすと決めた2。

効果を測る標準的な道具は、構造VARと呼ばれる時系列モデルである。複数の経済変数が互いの過去の値にどう反応するかを推計し、そのうえで「予想外の政策の変化（政策ショック）」が起きたとき各変数がその後どう動くかをたどる。この経路をインパルス応答という。難しいのは、モデルの残差から政策ショックだけを取り出す「識別」の段階だ。

伝統的には、変数の並び順で同時点の影響の向きを決めるコレスキー分解が使われてきた。後には、緩和なら金利は下がり物価は上がる、というように応答の符号だけを仮定する符号制約が広まった。ただし符号制約だけでは複数のショックが混ざりやすいという指摘がある。そこで、中央銀行の記録や報道から「この時点の政策は予想外だった」という歴史的な事実（叙述的な証拠）を拾い、制約として加えるのが叙述的符号制約である3。

3つの​サプライズを​識別の​手が​かりに​する

論文は、2007年1月から2024年12月の月次データで6変数のVARを推計した。政策の強さを表す変数には、短期金利ではなく10年国債利回りを使う。短期金利がゼロ近くで動かない時期には、長期金利を通じた経路が主な波及経路だとする日銀の研究者らの分析に従ったものだ。物価には、消費者物価指数の​コア指標のうち、食料（酒類を除く）及びエネルギーを除く指数の前年比（消費税の影響を調整）を使い、名目実効為替​レート、日経平均、国内銀行の貸出の伸び率を加えている4。

手がかりにしたのは、報道で「黒田バズーカ」と呼ばれた3つの決定である。2013年4月のQQE導入、2014年10月の拡大、そして2016年1月のマイナス​金利政策の導入だ。2016年1月の決定では、日銀当座預金の一部に−0.1%の金利を適用し、政策委員の賛否は5対4に分かれた5。論文は海外の新聞・通信社の記事を引いて、いずれの決定も市場にとって予想外だったことを示し、発表当日の市場の動きを記録している（表1）6。

表1　識別に使った3つの政策事象と、発表当日の市場の動き

表は横にスクロールできます →

事象制約を置いた月10年国債利回りドル円日経平均
2013年4月4日
QQEの導入		2013年4月−9.5bp2.2円の円安272円（+2.2%）
2014年10月31日
QQEの拡大		2014年11月−2.0bp2.0円の円安755円（+4.8%）
2016年1月29日
マイナス金利の導入		2016年2月−12.5bp1.8円の円安477円（+2.8%）
出所：R1（Fujita, Iiboshi and Shintani 2026）​p.5〜6 に​記された​前日と​当日の値​（10年国債利回り、​東京市場17時の​ドル円、​日経平均の​終値）から​大手町​プレップが​変化幅を​計算。​2014年10月31日の​ドル円は​時刻の​記載が​ない。​「制約を置いた月」は R1 の​式(7)〜(9)の月​（p.9）で、​高頻度の​市場​サプライズ​系列で​大きな​緩和方向の​値が​出た月と​対応する​（p.7）。​当日の​値動きには​政策以外の​材料も​含まれうる。

表1で長期金利の低下幅が最も小さいのは2014年10月の拡大だが、株価の上昇率はこの日が最も大きい。当日の値動きだけで政策の強さは比べられない。そこで論文は、日銀の発表の10分前から20分後までの国債先物の変化から作られた高頻度の「サプライズ」系列とも照らし合わせ、3つの事象に対応する月に大きな緩和方向の値が出ていることを確かめている7。

制約は2種類ある。1つは、2013年4月・2014年11月・2016年2月の3か月に、推計される政策ショックが緩和の向きだったとする符号の制約。もう1つは、2016年2月の長期金利の変動のうち政策ショックの寄与の絶対値が、ほかのすべてのショックの寄与の絶対値の合計より大きいとする制約（論文の呼び方で Type B）である。基準の推計では、応答の符号そのものには制約を置いていない8。応答の向きを仮定せずに結果として確かめる設計になっている点が、標準的な符号制約との違いだ。推計はベイズ法で行い、制約を満たすパラメータの組を5,000本集めて事後分布を近似した9。

研究が​示した​結果：GDPは​3年後に​ピーク、​株価と​為替にも​持続的な​反応

長期金利を10bp（0.1%ポイント）押し下げる緩和ショックに対し、実質GDPは数か月で増え始め、3年後に0.4%でピークを付けてから元の水準へ戻った。インフレ率は1年ほど0.1ポイント程度高まった後に低下した。株価は4年後に4.8%上昇し、為替は4年後に1.1%の円安方向、貸出の伸び率は1年で0.2ポイント程度高まった。図の帯は68%の信用区間で、著者はいずれも「有意に」反応したと書き、為替・資産価格・信用の3つの経路が働いていたと解釈している10。

次に論文は、2013年4月から2024年3月までの実際の動きについて、ほかの実現したショックはそのままにして、推計された政策ショックだけをゼロにした仮想の経路を作った（歴史分解）。政策そのものが無かった世界の推計ではない。この仮想の経路と比べて、実際の実質GDPの水準は期間平均で1.0%、インフレ率は0.2%ポイント高かった。差が最も大きい時点では、GDPで11.1兆円、インフレ率で0.4%ポイントだった。期間平均では為替が−2.5%（円安方向）、株価が11.0%、貸出の伸び率が0.4%ポイント動いたとされる11。

図1 QQE期の押し上げ効果の比較図1　QQE期の押し上げ効果：推計の比較政策がなかった場合との差（期間平均）実質GDPの水準（%）R1 長期金利で識別VAR・2013年4月〜24年3月1.0R1 シャドー短期金利で識別同上（頑健性の確認）1.2R2 日銀のQ-JEM構造モデル・2013年〜23年4〜6月1.3〜1.800.51.01.52.0インフレ率（%ポイント）R1 長期金利で識別VAR・2013年4月〜24年3月0.2R1 シャドー短期金利で識別同上（頑健性の確認）0.3R2 日銀のQ-JEM構造モデル・2013年〜23年4〜6月0.5〜0.700.20.40.60.8
出所：R1（Fujita, Iiboshi and Shintani 2026）​p.13・​p.18 の​歴史分解の​期間平均、​R2（Haba et al. 2025, 日銀​WP 25-E-2）​要旨 p.2 の​値を​基に​大手町​プレップ​作成。​R1 は​3つの​事象を​使った​叙述的符号制約に​よる​構造​VARで、​効果は​「推計された政策ショックを取り除いた場合」との​差。​R2 は​日銀の​大型​マクロモデルに​金利・​予想物価の​反実仮想の​経路を​与えた​試算で、​方法・​対象期間が​異なる。​物価の​指標も​異なる​（R1 は​食料〈酒類を​除く〉及び​エネルギーを​除く​CPI、​R2 は​生鮮食品及び​エネルギーを​除く​CPI、​いずれも​前年比）。​R1 の​点は​中央値に​基づく​値で、​区間は​図に​していない。

図1のとおり、この推計は日銀の大型マクロモデル（Q-JEM）を使った別の研究の試算（実質GDP 1.3〜1.8%、物価 0.5〜0.7%ポイント）より小さめだが、著者は両者は概ね整合的だとしている12。方法・期間・物価の指標が違うので、数値の差をそのまま優劣とは読めない。どちらも緩和は生産と物価をプラスの方向に動かしたとしており、比較した期間平均では、GDP水準は1.0〜1.8%、インフレ率は0.2〜0.7%ポイントの押し上げという範囲に収まる。この幅が実務上の押さえどころになる（編集部の整理）。

論文のもう1つの主張は、識別方法の比較である。同じデータでコレスキー分解を使うと、緩和なのに物価が当初下がる「物価パズル」や、円高・株安・貸出の減少という理論と逆の応答が出た。標準的な符号制約では向きは理論どおりになったが、信用区間が広かった（表2）13。

表2　同じデータで識別の方法を変えると、緩和ショックの効果の見え方がどう変わったか

表は横にスクロールできます →

識別の方法置いた仮定結果（緩和ショックへの応答）
再帰的制約（コレスキー分解）変数の順番（GDP・物価→長期金利→為替・株価・貸出）で同時点の影響を決める物価が当初下がる「物価パズル」。為替は円高、株価と貸出は低下（理論と逆）
標準的な符号制約緩和後12か月、長期金利は低下・インフレ率は上昇と仮定方向は理論どおりだが、信用区間が広い
叙述的符号制約（主論文の基準）3つの事象の月にショックが緩和方向。2016年2月の長期金利の変動は主にこのショック方向は理論どおりで、区間は標準的な符号制約より狭い
標準的な符号制約＋叙述的制約上の2つを同時に課す区間は基準並みに狭まる。標準制約を満たす組のうち叙述的制約も満たすのは2.6%
出所：R1 の 3.4節・4.2節​（p.8〜10、p.13〜15）、​図5〜8、​注13の​記述を​基に​大手町​プレップが​整理​（原表の転載ではない）。​受理の​割合は、​100万組の​候補の​うち標準的な​符号制約を​満たした​91,337組に​対する​割合​（注13）。​政策変数は​いずれも​10年国債利回り。​区間は​68%信用区間。

標準的な符号制約だけでは、2016年2月の政策ショックの事後分布の一部が引き締め側に入ってしまう。叙述的制約を加えると分布はすべて緩和側に収まり、応答の区間も狭まった。事象の情報が、ありえない解釈をふるい落とす役割を果たしたことになる14。

研究の​対象・​方法と、​読む​ときの​注意点

頑健性の確認として、歴史分解の制約を弱めた場合、政策変数を長期金利から「シャドー短期金利」（ゼロ制約がなければ付いていたはずの短期金利の推計値）に替えた場合、コロナ禍を除く2007〜2019年に期間を絞った場合も、GDPと物価が上がるという結論は変わらなかった。シャドー短期金利の場合、期間平均の押し上げは実質GDPで1.2%、インフレ率で0.3%ポイントだった15。一方で、次の点は結果を使う前に確認しておきたい。

  • 区間の基準：示されている帯は68%の信用区間で、学術論文でよく見る95%の区間より狭い基準である。
  • QQEを1つのショックとして扱っている：国債買入れの量の効果と、年限の長期化やリスク資産の買入れといった質の効果は分けていない。著者はこれを今後の課題としている16。
  • YCC期の扱い：識別に使った3つの事象は、いずれも2016年9月のイールドカーブ・​コントロール​（YCC）導入より前である17。YCC下では10年金利そのものが操作の対象だったが、それが長期金利を政策変数とする識別にどう影響するかを論文は論じていない（編集部の指摘）。
  • 手法をめぐる議論：叙述的な情報の使い方によって統計的な推論が不安定になりうるという研究もあり、著者は、情報を操作変数として直接使うより符号の制約として使う方が頑健だという立場を紹介している18。
  • データと版：推計のデータは著者への請求で入手可能とされ（脚注16）、編集部は再現を確認していない。2025年7月版と掲載誌の版では一部の数値が異なる（脚注11）。

関連する日銀の研究者の分析は、副作用にも触れている。シャドーレートを使った分析は、QQE後の緩和で長期金利が仮想の経路より平均−1.2%ポイント低かったと推計し、貸出残高は増えたものの貸出金利の低下がそれを上回り、金融機関の収益を押し下げた可能性を指摘した19。Q-JEMの研究も、数値を文字どおりに受け取るべきではなく、金融機関収益や市場機能への副作用はモデルの外にあると断っている20。

大手町​プレップの​考察：推計を​計画の​前提に​持ち込む​ときの​3つの​論点

以下は編集部の見方であり、論文が検証したことではない。

第1に、論文の応答は「予想外の政策変更による長期金利の変化」への反応であって、長期金利が動いたときの一般的な反応ではない。海外金利の上昇、財政への懸念によるタームプレミアムの拡大、景気の強さを映した金利上昇は、同じ10bpでも景気や為替への意味が異なると考えられる。計画の金利シナリオは、まず「なぜ金利が動く想定か」を書き分けておくべきだろう。

第2に、反応には時間差がある。GDPのピークが3年後、株価と為替にも4年後まで続く反応があるという推計は、単年度の感応度分析では翌年度以降に続く影響を捉えきれない可能性を示唆する。中期計画の3〜5年の期間に、効果が遅れて出る形で織り込む方が推計の形に合う。

第3に、論文は緩和局面を対象にしている。モデルは線形なので、推計の上では引き締めの効果は緩和の鏡像になるが、実際の経済が利上げに同じ大きさで反応するかは確かめられていない。インフレ率が高まり、政策金利が上がった現在の局面に当てはめるときは、推計値を目安の1つとして扱い、幅を持たせる必要がある（仮説）。

日本の​実務への​応用：利上げ​局面の​金利シナリオ

日銀は2024年3月に、長短金利操作付きのQQEとマイナス金利政策は役割を果たしたとして、短期金利の操作を主たる手段とする枠組みに移った21。2026年9月には無担保コールレート（オーバーナイト物）の誘導目標を1.25%程度に引き上げている22。金融政策決定会合の結果が予想と食い違えば、長期金利・為替・株価がその日に動く、という構図は緩和期と変わらない。政策金利がどこまで上がるかの置き方は、中立金利の​推計幅を​借入計画の​金利​シナリオに​落とす方法で扱った。

事業会社の財務・経営企画では、予算の​前提​（為替・物価・金利）を置くとき、金利と為替・需要を別々に動かす場合には、前提どうしの整合を確かめたい。論文は、緩和ショックに対して円安とGDP増加が同時に生じると推計しており、変数の​相関を​考慮した​シナリオ設計の根拠の1つになる。有価証券報告書等で為替感応度を開示している企業なら、金利シナリオと為替シナリオの整合を説明しやすくなる。

銀行のALMでは、論文が示した貸出の伸びの反応と、日銀の研究者が指摘した利ざやへの影響が、逆向きに働きうる点が論点になる。利上げ局面では、貸出の伸びが鈍る一方で利ざやは改善しうる。金利​リスク​管理の収益シミュレーションで、残高と利回りを独立に動かしていないかを確かめたい（編集部の推論）。

学習用の​設例：利息負担と​景気・​為替経由の​効果を​並べる

学習用の設例（架空）

  • Y社（架空の製造業）：売上高2,000億円。売上は実質GDPに対して1.5倍の弾性で動き、限界利益率は30%とする
  • 外貨建ての純受取（外貨建て売上から外貨建て費用を引いた額）は円換算300億円
  • 今後の借換えと変動金利の借入400億円は、長期金利と同じ幅で金利が動くとする
  • 政策要因で長期金利が予想外に10bp・25bp・50bp上がる3つのシナリオを置き、論文の基準の推計の中央値（10bp低下に対しGDPは3年後0.4%、為替は4年後1.1%円安）を、符号を反転して上昇幅に比例させる（編集部の仮定）

25bpのシナリオでは、実質GDPは3年後に−1.0%、Y社の売上は−30.0億円、限界利益は−9.0億円変化する。為替は4年後に2.75%円高となり、外貨建ての純受取の円換算額が−8.3億円変わる。これに対し、借入の支払利息は1年目から年1.0億円増え、利益への影響は毎年−1.0億円である。需要経由の3年後の値（−9.0億円）、為替経由の4年後の値（−8.3億円）は、それぞれ年間の利息の影響より大きい（図2）。設例は初年度の需要・為替の影響を計算していないので、1年目の大小は判断しない。3つの値は時点が異なり、需要経由と為替経由には重なりもありうるので、足し合わせて年度利益や累積の損失とは読まない。

図2 設例 金利上昇ショックの間接効果と利息図2　設例：金利上昇ショックの間接効果と利息Y社（架空）の利益への影響（億円）政策要因で長期金利が予想外に上がった場合長期金利 +10bp需要経由（3年後）−3.6為替経由（4年後）−3.3利息増加による利益への影響（1年分）−0.4長期金利 +25bp需要経由（3年後）−9.0為替経由（4年後）−8.3利息増加による利益への影響（1年分）−1.0長期金利 +50bp需要経由（3年後）−18.0為替経由（4年後）−16.5利息増加による利益への影響（1年分）−2.00−10−20−30利益の変化（億円、マイナスは減益）
出所：学習用の​仮定に​基づき大手町​プレップ作成​（Y社は架空。単位は億円）。​売上高2,000、​売上の​実質​GDP​弾性値1.5、​限界利益率30%、​外貨建ての​純受取300、​長期金利と​同じ幅で​金利が​動く​借入400。​R1 の​基準の​推計​（長期金利10bp​低下に​対し、​実質GDPは​3年後に​0.4%、​為替は​4年後に​1.1%円安）の​中央値を、​符号を​反転し​上昇幅に​比例して​拡大した​（編集部の​仮定。​論文は​利上げ局面を​推計していない）。​3つの​効果は​時点が​異なり、​合計しても​特定の​年度の​利益には​ならない。​需要経由の​効果には​為替の​景気への​影響も​含まれうる。

この大小関係は仮定しだいで大きく変わる。売上の景気弾性が低い企業、外貨建ての受取が小さい企業、借入の多い企業では、利息負担の方が重くなる。比例で拡大した仮定のため、上昇幅を変えても3つの値の大小関係は変わらない点にも注意したい。設例が示したいのは、利息だけを試算した下振れシナリオが、時間差を持って現れる間接効果を見落としうるという構造である。ベース・下振れのケースの組み方そのものは、経営企画向けの​シナリオプランニングの​解説が参考になる。

明日から​使える​確認項目

  1. 計画の金利シナリオごとに、金利が動く理由（政策サプライズ／海外金利／財政・タームプレミアム／景気の強さ）を1行で書いているか。理由が違うのに、同じ為替・需要の前提を使い回していないか。
  2. 金利上昇の影響を、直接の利息負担・需要経由・為替経由の3つに分け、効果が出る時点（1年目・3年目・4年目など）を表で並べているか。
  3. 外部の推計値を引用するとき、識別の方法（コレスキー分解か、符号制約か、叙述的制約か）、区間の基準（68%か95%か）、推計の対象期間（緩和局面か）を脚注に書いているか。
  4. 銀行のALMや取引銀行の分析で、貸出残高の伸びと利ざやを同じシナリオから動かしているか。片方だけを動かしていないか。
  5. 政策金利の変更が予想と違った日の、長期金利・為替・株価の動きを記録し、自社の前提の見直しに使う手順があるか（表1のような記録が、次の計画の前提の材料になる）。

よく​ある​質問

量的緩和で​GDPが​1%増えたのなら、​利上げで​1%減ると​考えて​よいですか。

そのようには​言えません。​論文は​緩和局面の​データで、​予想外の​緩和​ショックの​効果を​推計しています。​モデルが​線形なので​計算上は​逆向きの​効果を​出せますが、​利上げに​経済が​同じ​大きさで​反応するかは​検証されていません。​目安と​して​使う​場合も​幅を​持たせる​ことを​おすすめします。

​叙述的符号制約は、​高頻度​データを​使う​方法と​何が​違うのですか。

高頻度の​方法は、​発表前後の​数十分の​金利先物の​変化を​政策​ショックの​代わりに​使います。​叙述的符号制約は、​報道や​記録から​「この月の政策は予想外の緩和だった」と​いう​向きと​重要度だけを​制約と​して​課します。​論文は​高頻度の​系列を、​選んだ​事象が​妥当か​どうかの​確認に​使っています。

まとめ

Fujita、Iiboshi、Shintaniの研究は、黒田総裁期の3つの政策サプライズを制約として使い、QQEが実質GDPを期間平均1.0%、インフレ率を0.2%ポイント押し上げたと推計した（政策ショックを取り除いた仮想の経路との比較）。従来の識別方法で出ていた理論と逆の応答が消え、推計の幅も狭まった点が手法上の貢献である。ただし対象は緩和局面で、区間は68%の基準であり、量と質の効果も分けていない。利上げ局面の計画に使うなら、金利が動く理由を分け、直接の利息と遅れて出る間接効果を並べて点検するのが現実的な使い方だろう。

次に​読む

脚注

  1. R1（掲載誌の版, 2026年2月）p.2（1節）。ゼロ金利政策（1999年2月〜2000年8月）、量的緩和（2001年3月〜2006年3月）、QQE（2013年4月〜2024年3月）を挙げ、QQEを日本の歴史上最大の金融緩和と位置づける。R1 のページは掲載誌の版の PDF の物理ページ（印刷ページは614を足した数。以下同じ）。↩
  2. R4（日本銀行「『量的・質的金融緩和』の導入について」2013年4月4日）p.1。↩
  3. R1 p.4〜5（2節）。符号制約は Uhlig（2005）、叙述的アプローチは Romer and Romer（1989・2004）、叙述的符号制約は Antolín-Díaz and Rubio-Ramírez（2018）による。符号制約だけでは複数のショックが混ざりやすいという指摘は Wolf（2020）で、本稿は R1 の紹介に基づく（原典は未確認）。↩
  4. R1 p.7〜8（3.3節）・表1（p.21）。月次実質GDPは日本経済研究センター、10年国債利回りは内閣府、実効為替レートと貸出は日本銀行の系列。ラグは2。長期金利を政策変数とする根拠は Hirata et al.（2024、本稿の R3）とされる（R1 p.8、注8）。↩
  5. R5（日本銀行「『マイナス金利付き量的・質的金融緩和』の導入」2016年1月29日）p.1。金利の導入は賛成5・反対4。↩
  6. R1 p.5〜6（3.1節）。英語の報道（Financial Times、Bloomberg）と日本経済新聞の記事を引用する。日本語の資料による叙述的証拠はオンライン付録にあるとされるが、本稿は付録を確認していない。表1の変化幅は R1 の前日と当日の値から大手町プレップが計算した。↩
  7. R1 p.6〜7（3.1節・図1）。Kubota and Shintani（2022）が作成した、日銀の声明公表の10分前から20分後までの10年国債先物の変化による月次の系列。リーマン・ショック後を除くと2016年2月が最大の緩和方向、次いで2013年4月で、2014年11月にも緩和方向の値がある。↩
  8. R1 p.8〜10（3.4節、式7〜10、表2 p.22）。基準の推計では応答の符号への制約（標準的な符号制約）と組み合わせていない（p.10）。↩
  9. R1 p.10（3.5節、注9・注10）。ミネソタ型の事前分布、直交行列は一様分布（ハール測度）から抽出。条件付き・無条件の尤度の両方で評価し、結果は頑健として無条件尤度の結果を報告している。↩
  10. R1 p.10〜11（4.1節・図2）。値は事後分布の中央値で、帯は68%の等裾信用区間。インフレ率と貸出の伸び率の変化を論文は「0.1%」「0.2%」と表記しており、変化率の差なので本稿は「ポイント」と書いた。3つの経路の解釈は p.11・p.23（5節）。↩
  11. R1 p.13（4.1節・図3・図4）。歴史分解は2013年4月〜2024年3月（注11）。2025年7月版（GLECS 会議用ペーパー p.15）では、GDPの最大の差が10.8兆円、為替−2.6%、株価10.9%、貸出の伸び率0.3%で、掲載誌の版と一部異なる。本稿は掲載誌の版の値を使った。↩
  12. R1 p.13（注12）、R2（日本銀行ワーキングペーパー 25-E-2, 2025年2月）p.2（要旨）。R2 は2013年のQQE導入から2023年4〜6月期までの平均で、物価は生鮮食品及びエネルギーを除くCPIの前年比。↩
  13. R1 p.13〜14（4.2節・図5・図6）。標準的な符号制約は、緩和ショック後12か月間、長期金利が低下しインフレ率が上昇すると仮定する（Schenkelberg and Watzka 2013 に従う）。↩
  14. R1 p.14〜15（4.2節・図7・図8・注13）。100万組の候補のうち標準的な符号制約を満たすのは91,337組で、そのうち式7〜10 を個別に満たすのは 55.1%・60.1%・88.8%・13.4%、同時に満たすのは 2.6%。↩
  15. R1 p.16〜19（4.3節・図9〜14）。シャドー短期金利は Krippner（2020）の推計値。歴史分解の最大の差は GDP 14.6兆円、インフレ率 0.7%ポイント（p.18）。部分標本では中央値に差があるものの信用区間は大きく重なると著者は述べる（p.19）。↩
  16. R1 p.23（5節）。量の緩和と質の緩和の効果が異なりうるという指摘は Koeda（2019）と Nakashima et al.（2024）による。データは著者への請求で入手可能（p.23、Data availability）。↩
  17. R6（日本銀行「金融緩和強化のための新しい枠組み：『長短金利操作付き量的・質的金融緩和』」2016年9月21日）p.1。3つの事象の日付は R1 p.2・p.5〜6。↩
  18. R1 p.4（2節）。Giacomini et al.（2022）は叙述的な代理変数を操作変数として直接使うと、対象期間が十分多くない限り推論が無効になりうるとし、叙述的符号制約の方が頑健な基礎を与えると論じる（R1 による紹介。原典は未確認）。事前分布の選び方への懸念（Baumeister and Hamilton 2015）と、強い叙述的制約のもとでは影響が小さいとする Inoue and Kilian（2025）の議論も紹介されている（p.5）。↩
  19. R3（日本銀行ワーキングペーパー 24-E-21, 2024年12月）p.21〜22（4.4.2〜4.4.3節）、p.25〜26（5節）。2000年以降のデータによる因子拡張型VAR（FAVAR）とシャドーレートを使った反実仮想。長期金利の差 −1.2%ポイントはQQE後の平均。↩
  20. R2 p.23（5節）。↩
  21. R7（日本銀行「金融政策の枠組みの見直しについて」2024年3月19日）p.1。長期国債の買入れは、それまでと概ね同程度の金額で継続するとした。↩
  22. R8（日本銀行「金融市場調節方針の変更について」2026年9月18日）p.1。賛成7・反対2。↩

参考文献​（2026年10月確認）

※本記事は教育目的の一般的な解説であり、投資助言・法務・税務の助言ではありません。研究結果は各論文の対象・期間・方法の範囲で得られたもので、日本の個別企業・案件にそのまま当てはまるとは限りません。設例は学習用の架空の数値です。アイキャッチ画像は生成AIによるイメージです。