韓国インフレサプライズ

インフレーション・サプライズとは、期待インフレ率（$\pi^e$）と実現インフレ率（$\pi^{realized}$）の差であり、経済主体のインフレ予測が実際の物価動態からどの程度乖離したかを測定する。

この恒等式はフィッシャー方程式から直接導出される。名目金利$i_t$が与えられたとき、事前的実質金利は

、事後的実質金利は

である。名目金利が相殺されるため

同値的に、

正のインフレーション・サプライズは、期待インフレ率が実現インフレ率を上回ったことを意味する。すなわち経済主体が将来の物価上昇を過大推定し、事後的実質金利が事前的実質金利よりも高く実現したことを示す。負のインフレーション・サプライズは、実現インフレ率が期待を上回ったことを意味する。すなわち経済主体が将来の物価上昇を過小推定し、事後的実質金利が予想よりも低く実現したことを示す。

インフレーション・サプライズは、伝統的な統計学における予測誤差（forecast error）とは概念的に区別される。予測誤差は通常$\pi^{realized}_t - \pi^e_t$（実現値−予測値）として定義されるのに対し、ここで定義するインフレーション・サプライズは逆の符号規約（$\pi^e_t - \pi^{realized}_t$）を採用し、実質金利分解との整合性を保持しており、正のサプライズは予想外に引き締め的な実質金融環境に対応する。

インフレーション・サプライズが持続的にゼロ近傍にある場合、インフレ期待は十分にアンカーされている（well-anchored）と評価される。これは中央銀行の物価安定目標の枠組みが信認を確保しており、経済主体の予測モデルが現行のインフレ・レジームに適切に較正されていることを意味する。ゼロからの持続的な乖離は、（i）期待インフレモデルの体系的バイアス、（ii）期待形成過程がまだ織り込んでいない進行中のインフレ・レジーム転換、または（iii）本質的に予測が困難な大規模な一時的供給ショック（例えばエネルギー価格の急騰、グローバル・サプライチェーンの混乱）のいずれかを示唆し得る。

1年期待インフレ率から、統計庁が公表する消費者物価指数（CPI）前年同月比上昇率を差し引いて算出する。

期待インフレ要素（$\pi^{short}_t$）は、KREDデータベースの1年期待インフレ系列（KREXPINF1）であり、3段階のパイプラインを通じて構築される。まずUCSVトレンド・インフレを抽出し（Stock and Watson 2007）、次に韓国銀行消費者動向調査とUCSVトレンドを拡張標本OLSで結合してサーベイ・アンカー付き短期期待値を求め、最後に$\kappa = 1.0$で短期から長期アンカーへの収束をマッピングするNelson-Siegel期間構造モデルを適用する。インフレーション・サプライズには1年の期間のみが使用され、この期間では$\pi^{short}$の加重は63%を維持する。

実現インフレ要素（$\pi^{realized}_t$）は、消費者物価指数（CPI）の前年同月比変動率であり、韓国で利用可能な最も包括的な消費者物価の測定値にして、韓国銀行の物価安定目標制の基本対象変数である。

期待インフレ（KREXPINF1）は週次頻度で得られる一方、実現CPIインフレは月次で公表される。インフレーション・サプライズ系列は、週次期待インフレ観測値の月平均をCPI基準月に整合させることで月次頻度で算出される。これにより、期待インフレの値が、実現インフレが発生していた期間中に経済主体が利用可能であった情報を反映することが保証される。実現CPIデータは統計庁による定期改定の対象であり、インフレーション・サプライズ系列は最新のビンテージを使用するため、統計庁のCPI推計値の更新時に小幅な遡及修正が生じ得る。

インフレーション・サプライズは、現代の金融政策分析における中核概念であるインフレ期待のアンカリング（anchoring）に関する、直接的かつモデル整合的な測定指標である。

名目利回りを期待実質金利と期待インフレに分解する伝統は、Fisher (1930)に始まる貨幣経済学の長い研究系譜に属する。インフレーション・サプライズを資産価格決定の状態変数として扱う現代的アプローチは、Fama and Gibbons (1984)の研究に基づいており、彼らは財務省短期証券（Treasury bill）の事後的実質収益率が期待インフレの変化に関する情報を含むことを示した。Ang, Bekaert, and Wei (2007)は、イールドカーブのインフレ予測力が実質金利経路よりもインフレ期待経路を通じて主に作用することをさらに実証し、インフレーション・サプライズがイールドカーブ・モデルの重要な診断指標であることを確認した。

信認のある物価安定目標制の下では、経済主体のインフレ期待は中央銀行の目標に十分にアンカーされるべきであり、インフレーション・サプライズは持続的なバイアスなくゼロ近傍で変動すべきである。韓国銀行は1998年以降明示的な物価安定目標を維持しており（当初はレンジ、2019年以降は2%のポイント目標に縮小）、インフレーション・サプライズ系列を用いれば、研究者や政策立案者はこの目標の実質的な信認性を評価できる。その評価は合理的無関心（rational inattention）や戦略的バイアスの影響を受け得るサーベイ回答ではなく、金利の期間構造と整合的なモデル内在的期待を通じて行われる。

持続的な負のサプライズ（エネルギー価格、サプライチェーンのボトルネック、パンデミック後の需要回復に牽引された2022〜2023年のグローバル・インフレ急騰期に観察されたように）は、期待インフレが実際の物価上昇に体系的に追いついていないことを示す。このパターンは、適応的学習（adaptive learning）文献（Orphanides and Williams 2005）と整合的に、期待形成過程が新たなインフレ・レジームへの適応に時間を要していることを示唆するか、あるいはUCSVトレンド・インフレ推定値が一時的なインフレ・ショックに対して適切に懐疑的であり、それらが持続する可能性が低いと正しく識別していることを示唆する。これら二つの解釈を区別するには、その後の実現インフレの軌跡を観察する必要がある。逆に、持続的な正のサプライズは、インフレが予想よりも体系的に低かったことを示唆し、金融政策が基調的な物価動態に対して過度に引き締め的である可能性、あるいはディスインフレ要因（例えば技術進歩、グローバリゼーション、人口構造変化）がモデルの予想よりも強いことを含意する。

インフレーション・サプライズは、金融政策の波及経路（transmission mechanism）の診断ツールとしても機能する。韓国銀行がインフレに対抗して基準金利を引き上げる際、意図された効果は総需要を減少させ実現インフレを目標に回帰させることである。利上げにもかかわらず負のインフレーション・サプライズが持続する場合、当該インフレが主に供給主導的であり需要側の政策手段に対する感応度が低いことを示唆し得る。これはポストCOVIDインフレ局面において中央銀行の議論の中心にあった区別である。

ニューケインジアン・フィリップス曲線の枠組みにおいて、インフレのサプライズ要素は産出ギャップおよび限界費用の動態と関連する。サプライズ要素を分離することにより、研究者はフィリップス曲線の傾きをより精緻に推定し、韓国のインフレ動態におけるフォワード・ルッキング（forward-looking）対バックワード・ルッキング（backward-looking）行動の比重を評価できる。

ここで用いた方法論（UCSVベースのトレンド・インフレとサーベイ・アンカリングの結合）は、クリーブランド連邦準備銀行（Haubrich, Pennacchi, and Ritchken 2012）およびニューヨーク連邦準備銀行のACMフレームワークで用いられるアプローチと直接比較可能である。このことは、KREDのインフレーション・サプライズ系列が先進国間のインフレ期待アンカリングに関する国際比較研究に適していることを意味する。

インフレーション・サプライズ系列の平均または分散における構造変化（structural break）は、インフレ・レジームの転換を示唆し得る。平均がゼロ近傍から持続的な負の値へ移行すれば、インフレ・レジームの到来を示唆する可能性があり、平均がゼロに留まっていても分散の変化はインフレ不確実性の増大を示し得る。こうしたレジーム診断は、Faust and Wright (2013)のインフレ予測文献で分析されているように、マクロ経済予測と金融政策戦略の再検討の双方に関連する。

インフレーション・サプライズは、債券ポートフォリオ管理、リスク評価およびデリバティブの価格決定に直接的に応用される。

債券投資家にとって、インフレーション・サプライズは名目国債利回りに内在するインフレ・リスクプレミアムの方向と大きさを評価する上で有用である。インフレ・リスクプレミアム（投資家が将来のインフレ不確実性を負担する対価として要求する追加的補償）は直接観測不可能であるが、インフレーション・サプライズの履歴およびボラティリティと密接に関連する。持続的な負のサプライズ（実現インフレが期待を上回る）は、投資家がインフレ不確実性の評価を修正しより大きな補償を要求するため、インフレ・リスクプレミアムに上方圧力を加える。これはリスクプレミアムの上昇が利回りを押し上げ価格を押し下げることで、名目債券の超過収益率を圧縮する。逆に、持続的な正のサプライズ（実現インフレが期待を下回る）はインフレ・リスクプレミアムを圧縮し、名目債券の価値を支える傾向がある。

インフレーション・サプライズとリスクプレミアムの関係は非対称的であり、負のサプライズ（予想外のインフレ）は、同規模の正のサプライズよりもリスクプレミアムに大きな影響を与える傾向があり、インフレ・リスク選好のよく知られた非対称性を反映している（Buraschi and Jiltsov 2005）。この非対称性は、外国人投資家の参加がインフレ期待に対する利回り感応度を増幅する韓国国債（KTB）市場において特に重要である。

インフレーション・サプライズの大きさとボラティリティは、インフレ・ヘッジ・ポジションの適正な規模を設定する際の判断材料となる。インフレーション・サプライズ系列の分散が上昇している場合（高いインフレ不確実性を示す場合）、機関投資家が物価連動国債（물가연동국채）、コモディティ、不動産投資信託（REITs）およびその他の実物資産を含むインフレ・ヘッジ資産への配分を拡大することが合理的となる。韓国の文脈では、物価連動KTB市場の流動性は相対的に低く、直接的なヘッジ手段が限られている。したがってインフレーション・サプライズ系列は、市場内在的なブレークイーブン・インフレ率の利用可能性に依存しない、モデルベースの代替的インフレ・ヘッジ・シグナルとなる。

債券ポートフォリオ・マネージャーは、インフレーション・サプライズをデュレーション管理戦略の入力変数として活用できる。持続的な負のサプライズへの転換は、インフレ・リスクプレミアムの調整に伴い名目利回りがさらに上昇し得ることを示唆し、ポートフォリオ・デュレーションの短縮が妥当となる。インフレーション・サプライズの変化率（サプライズが時間とともにより負になっているか、より負でなくなっているか）は、リスクプレミアム調整の方向に関する先行指標となる。

インフレーション・サプライズはタームプレミアムの分解と相互作用し、イールドカーブのトレーディング戦略に資する。負のインフレーション・サプライズがタームプレミアムの上昇（KRTPシリーズ）と同時に発生する場合、イールドカーブのスティープニング（steepening）は成長期待の変化ではなくインフレ・リスクの再価格付けによるものであることを示唆する。この区別はカーブ・フラットナー（flattener）対スティープナー（steepener）ポジションに対して異なる含意を持つ。インフレーション・サプライズをリスク中立瞬間フォワードレート（KRIFRシリーズ）と組み合わせることで、トレーダーはイールドカーブの変動を期待主導要素とリスクプレミアム主導要素に分解できる。

インフレーション・サプライズは主に債券指標であるが、クロスアセット（cross-asset）の含意を持つ。持続的な負のインフレーション・サプライズは、投入コストの増加を転嫁できない企業の利益率を侵食し、インフレ感応度の高いセクターの信用スプレッドと株式バリュエーションに影響を与える。インフレーション・サプライズ系列は、セクター・ローテーション・モデルおよび信用スプレッド予測フレームワークの条件変数（conditioning variable）として活用できる。

インフレーション・サプライズ系列は、韓国銀行のコミュニケーションの市場への影響を評価するためにも活用できる。金融通貨委員会の会合およびインフレ報告書の公表前後でインフレーション・サプライズがどのように推移するかを観察することにより、研究者は中央銀行のコミュニケーションがインフレ期待を効果的に誘導しているかを評価できる。これはフォワード・ガイダンス時代における金融政策の有効性に関する重要な次元である。

KRINFSR はインフレ・サプライズであり、実現インフレから期待インフレを引いた前年同月比基準の予測誤差として、2001-08-31 から 2026-05-31 までの月次298観測値に対して定数・トレンド設定で検定する。Said and Dickey (1984) のラグ拡張を適用した Dickey and Fuller (1979) の拡張検定は p = 0.205 で単位根を棄却できず、KPSS 検定は p < 0.01 で水準定常性を棄却するため (Kwiatkowski et al. 1992)、帰無仮説が互いに反対のこの対は明確な定常性に反して合致する一方、Phillips and Perron (1988) 検定のみが食い違い、p = 0.012 で単位根を棄却する。その食い違いは単位根に近い移動平均誤差のもとで偽りの定常性へ過大に棄却するという、フィリップス・ペロンの知られた弱点であるため (Ng and Perron 2001)、明確な積分次数は付与されず、合致する ADF と KPSS の読みは定常性に反する側へ傾く。

候補となる定常な対象である水準に対して Ljung and Box (1978) のポートマントーはラグ12とラグ24でいずれも p = 0.000 で無自己相関の帰無仮説を棄却する。この比率が候補となる定常な対象であるため水準の断絶探索が適切な平均シフト診断であり (Perron 1989)、Bai and Perron (1998) の手続きを Bai and Perron (2003) のアルゴリズムで計算すると、2008-05-31、2012-01-31、2015-10-30、2021-02-28 の四つの平均シフトが特定される。

前年同月比の構成そのものが HEGY の調べる季節単位根を除去する季節差分フィルタであるため、HEGY および Canova-Hansen の季節単位根検定は意図的に実施しなかった。変換がすでに消去した季節単位根を検定することは循環的だからである (Hylleberg et al. 1990; Canova and Hansen 1995; Ghysels and Osborn 2001)。代わりに残存および進化する季節性の診断を比率の一階差分に対して計算して報告する。QS 統計量は p = 0.000 で残存季節性を棄却する一方、季節ダミーの F 検定は p = 0.994 で棄却できないため、前年同月比フィルタは安定した決定的季節パターンを消去しつつ、漂動する季節性の診断が検出する残存季節自己相関を残している。