韓国トレンドインフレ率

トレンドインフレ率（trend inflation）はインフレの長期的・永続的な成分であり、一時的な供給ショック、季節変動、ベース効果、測定ノイズを除去した後に残る基調的な物価上昇率である。観測インフレ率が中長期的に収束していく経済の「定常状態（steady-state）」インフレ率と解釈できる。

観測インフレは区別される2つの成分を含む。一つは金融政策の信頼性、期待のアンカリング、構造的経済要因により緩やかに変化するトレンドであり、もう一つは供給ショック（原油価格、食料品価格、為替パススルー）、税制変更、測定上の特異性に起因する変動的な一時成分である。トレンドは市場で直接観測されない潜在成分であるため、非観測成分モデルにより抽出する。

トレンドインフレの上昇は基調的な物価圧力の強まりを、低下はその緩和を示す。信頼性のある物価安定目標体制の下でトレンドインフレは時間の経過とともに公表目標に収束し、目標からの持続的な乖離は中央銀行の信頼性の侵食、価格設定行動の構造的変化、または金融政策では容易に相殺できない供給側要因を示唆し得る（Carvalho et al. 2023）。

ヘッドラインCPI前年同月比（1999年1月以降）から、Stock and Watson (2007)の非観測成分確率的ボラティリティ（UCSV）モデルによりトレンドインフレ率を抽出する。

(1) 状態空間設定. 観測方程式とトレンド方程式を次の状態空間で表現する：

対数ボラティリティ過程は以下に従う：

ここで $\tau_t$ はトレンドインフレ率、$h_t$ は観測対数ボラティリティ、$g_t$ はトレンドイノベーション対数ボラティリティである。

(2) Gibbsサンプリング. Chan and Jeliazkov (2009)の精度ベースGibbsサンプラーを使用し、精度行列の三重対角構造を活用して $O(T)$ でサンプリングを行う。非線形SV観測方程式はOmori et al. (2005)の $\log(\chi^2(1))$ に対する10成分ガウス混合近似により線形化する。5つのGibbsブロックを巡回し、精度ベースサンプリングにより $\tau_{1:T}$ を、KSC混合により $h_{1:T}$ と $g_{1:T}$ を、多項分布により混合指示変数を、逆ガンマ共役事前分布により $\sigma^2_h, \sigma^2_g$ を抽出する。

(3) MCMC設定. バーンイン2,000回、事後サンプル5,000個、IG事前分布 $\nu_0 = 10$、$E[\sigma^2] = 0.02$、拡散的初期状態分散 $V_0 = 10.0$ を使用する。トレンドは季節性の平滑化のため12ヶ月移動平均で初期化する。

トレンドインフレは、政策金利ルールのインフレギャップを一時的ショックに歪められずに測定するベンチマークを与える。Taylor (1993)ルールとその現代的拡張では、適正政策金利はインフレギャップ、すなわち現在のインフレの目標からの乖離に反応する。ヘッドラインインフレの代わりにトレンドインフレを用いてこのギャップを算出すれば構造的にクリーンな尺度が得られ、現在の基準金利が中期的インフレの軌道に対して適切かを評価できる。

トレンドインフレの変化は金融政策レジームの転換と関連する。この概念はマクロ経済時系列の永続・一時分解に端を発し、Beveridge and Nelson (1981)がインフレに適用し、Stock and Watson (2007)が精緻化した。Cogley and Sargent (2005)およびCogley, Primiceri, and Sargent (2010)はトレンドインフレの推移が政策レジームの変化と連動することを示した。トレンドインフレが高く上昇していた時期（例えば米国の1970年代）に金融政策はインフレに十分に反応せず、Taylor原則（$\partial i / \partial \pi > 1$）に違反し、インフレが自己強化的に上昇した。その後のボルカー・ディスインフレとGreat Moderation期のトレンドインフレの低下は物価安定に対する信頼性のある政策コミットメントを反映した。

韓国のトレンドインフレの動学は複数の構造的要因により形成されてきた。工業化期の急速な生産性上昇はディスインフレ効果をもたらし、1997〜98年の通貨危機は急激だが一時的なインフレ急騰を引き起こし、1998年の公式インフレターゲティングの導入以降、韓国のインフレは先進国水準へ漸進的に収束した。2020年以降のサプライチェーン混乱とエネルギー価格ショックによるグローバルなインフレ急騰は韓国のトレンドインフレのアンカリングを試練にさらした。

トレンドインフレはまた「コア」インフレギャップの算出や金融環境指数（FCI）のインフレ成分の補正のための適切なベンチマークを与える。Chan, Koop, and Potter (2013)はUCSVトレンドが伝統的なコア測定値（刈込平均、加重中央値、食料品・エネルギー除外）よりも将来のヘッドラインインフレ予測において優れた性能を発揮することを示したが、これは固定カテゴリーを機械的に除外するのではなく様々な種類の一時的ショックを適応的にフィルタリングするためである。

UCSVモデルがトレンドと一時成分の双方に時変ボラティリティを許容する点は、トレンド抽出において実証的に重要である。インフレのボラティリティは1970年代の大インフレ（Great Inflation）から大安定（Great Moderation）、コロナ後のインフレ急騰に至るまでレジーム間で大きく変化し、一定ボラティリティを課すモデルはレジーム転換期に偏ったトレンド推定値をもたらす。さらにモデルの確率的ボラティリティ構造は追加的な情報次元を与え、推定されたトレンドイノベーション分散（$\exp(g_t)$）はインフレレジーム自体に対する不確実性の程度を測定する。高いトレンドイノベーション・ボラティリティはインフレレジームが転換し得ることを示唆し、金融政策の遂行とコミュニケーションに含意を持つ。

トレンドインフレの変化は長期インフレ期待のシフトを示唆し、名目債券利回り、実質リターンの見通し、物価連動資産のバリュエーションに直接的な影響を及ぼす。

債券投資家にとってトレンドインフレは名目利回りの長期水準を決定づける中心的な要因である。韓国および他の先進国で1990年代後半から2010年代にかけて観察されたトレンドインフレの趨勢的低下は均衡債券利回りの構造的な下方シフトと関連する。Cieslak and Povala (2015)はインフレをトレンドと循環成分に分解すれば債券利回りの予測力が実質的に向上することを示したが、これはトレンド成分が長期リターンを生み出す利回り水準の永続的変化を捉えるためである。

UCSVモデルの確率的ボラティリティ構造はインフレ不確実性の自然な尺度を与え、これ自体が債券市場で価格付けされるリスクファクターである。Wright (2011)はインフレ不確実性がタームプレミアムと正の相関を持つことを示した。インフレレジームが不確実な時に投資家は名目債券の保有に対してより高い補償を要求する。UCSVの時変ボラティリティ推定値はしたがってタームプレミアムモデルやインフレリスクプレミアム推定の入力変数として活用し得る。

資産配分においてトレンドインフレは各資産クラスの実質リターン見通しに関する情報を与える。トレンドインフレが上昇する時、名目債券は逆風（利回り上昇に伴う資本損失）に直面する一方、コモディティ、不動産、物価保護証券は相対的に優れたパフォーマンスを示す傾向がある。逆にトレンドインフレの低下は長期名目債券と割引率低下の恩恵を受けるグロース株に有利である。

米国のTIPS市場とは異なり物価連動国債市場が存在しない韓国では、UCSVのようなモデルベースのトレンドインフレ推定値が長期インフレ期待に対する唯一の体系的な尺度となる。これは市場内在のブレークイーブン・インフレ率のベンチマークなしにインフレリスク・エクスポージャーを評価する必要がある韓国の機関投資家にとってKREDトレンドインフレ時系列を特に価値あるものとしている。

KRTRINFはStock-Watson非観測成分確率的ボラティリティ物価モデルの恒久成分であり、標本全体にわたる双方向ギブス平滑器で抽出したトレンドである。1991-01-01から2026-05-01までの425個の月次観測値について、測定される系列相関はデータ生成過程ではなく平滑器のゲインによって支配されるため、ここで対象とするのはデータの積分次数ではなく平滑経路の持続性の要約である。

したがって、積分次数の判定検定群は意図的に実施しない。Said and Dickey (1984)のラグ補強を適用したDickey and Fuller (1979)の拡張単位根回帰、ノンパラメトリックなPhillips and Perron (1988)検定、KPSS定常性検定 (Kwiatkowski et al. 1992)、効率的なGLS除去検定 (Elliott, Rothenberg, and Stock 1996)、Ng and Perron (2001)の修正検定はすべて除外するが、これは対称な双方向フィルターが積分検定の読み取る持続性を作り出し、潜在状態のランダムウォーク対定数の性格が尤度によって点別に識別されないためである (Stock and Watson 1998; Orphanides and van Norden 2002)。Bai and Perron (1998)の水準平均の断絶探索も実施しないが、その漸近理論は定常な対象を要し、フィルターで持続化された経路は見かけ上分割されるためである (Perron 1989)。

行列が規定する代替物は、平滑された系列の属性として明示される記述的な持続性の要約である。ラグ1の自己相関は0.970であり、含意される半減期は22.52か月である。これは平滑経路がどれほど緩やかに減衰するかの記述にすぎず、積分次数の主張を含まない。UCSVトレンドが標本全体から導出され、ローダーが実行のたびに状態履歴を書き換えるため、任意の過去の月の平滑成分はビンテージにわたり改定され、改定の大きさを定量化する保存済みのビンテージ・パネルは存在しない (Orphanides and van Norden 2002)。

積分次数は、結論の出ない検定のためではなく規定により付与しない。ラグ1の係数は1近傍のよく知られた下方への小標本バイアスを持つため、半減期は下方に偏る記述的な数値であり、その中央値不偏区間はAndrews (1993)の格子に従い、Ljung and Box (1978)のポートマントーが記録するラグ1の自己相関は過程に関する証拠ではなくフィルターゲインの産物である。モデルが含意する内容は発見ではなく仮定として誠実なものであり、すなわち革新分散が精度ベースのギブス・サンプラーで標本全体から導出される確率トレンドの恒久成分であって、その1近傍の持続性は双方向平滑器のものであり、Stock and Watson (1998)の中央値不偏の識別論理がその持続性を積分次数として読ませない。