サイトマップ
お問い合わせ
English
私募投資顧問部 副部長 上席主任研究員
米倉 勝弘
キャップレート推計モデルの予測精度向上へ向けて～ ディープニューラルネットワークを用いたモデル構築の試行 ～
要約・概要
- 本稿では、キャップレートの予測精度向上を目的にディープニューラルネットワーク（Deep Neural Network）を用いた推計モデルの構築を試みた。重回帰モデルによる予測結果と比較したところ、ディープニューラルネットワークモデルのRMSEは重回帰モデルのRSMEを下回っており、予測精度が向上していることが確認できた。今後は、ニューラルネットワークを拡張した再起型ニューラルネットワーク（RNN）や長短期記憶ニューラルネットワーク（LSTM）を適用することにより、時系列的な分析を進めることを考えている。
- ディープニューラルネットワークを用いたモデルは、データ数が豊富にあり、非線形的関係や交互作用の影響を反映したい場合、複数の目的変数を扱う場合などにおいて特に有用である。キャップレートの推計モデルにおいては、画像データなどを取り入れることで、予測精度の更なる向上が期待できる。ディープニューラルネットワークモデルに対する世の中の理解が進めば、その精度の高さから、メインモデルの結果の精度確認や、メインモデルの結果を幅で捉える際のサブモデルとして、ディープニューラルネットワークモデルを使用することも考えられるのではないだろうか。
