ML、スリランカ送金を高精度予測

研究の概要

コロンボ大学などスリランカの研究チームは、1994年から2025年にわたる384カ月分の送金・移住データを統合した時系列データセットを構築し、探索的データ分析と機械学習を組み合わせた予測フレームワークを開発した。

分析では、ADF検定で定常性を確認したうえでJohansen共和分検定とVAR/VECMモデルを適用し、変数間の長期均衡関係を特定した。さらに教師あり学習モデルとして複数のアルゴリズムを比較した結果、リッジ回帰による多変量モデルが最高性能を示した。年換算RMSEはUSD 4億9,480万と、従来型のSARIMAモデルと比較して73.8%の精度向上を達成している。

最も重要な知見は、送金額の変動を左右する主因が国内経済指標ではなく、為替レートと国際原油価格という外部マクロ変数であることが統計的に確認された点だ。インパルス応答分析によれば、通貨安ショックと原油高ショックは送金に非対称な影響を与える。自国通貨の減価は海外労働者にとって送金額の実質的価値を高めるため送金増加を促す一方、原油高は中東・湾岸諸国における雇用環境を悪化させ送金減少につながる構造が明らかになった。安定シナリオ下における2026年の送金予測額はUSD 90億100万と試算される。

ビジネスへの示唆

この研究が示す予測モデルとメカニズム解明は、複数の産業・部門に直接的な実務的含意を持つ。

金融機関・外国為替ブローカーにとって、為替変動と送金フローの関係を定量化したモデルは、外貨資金調達計画と流動性管理の高度化に活用できる。送金受取額の予測精度が向上すれば、外貨準備高の最適化やヘッジコストの削減といったKPI改善が期待される。

フィンテック・送金サービス企業においては、原油価格や為替の先行指標を組み込んだ需要予測システムの構築が可能になる。送金繁忙期・閑散期をより正確に見通せれば、手数料戦略の最適化やキャパシティ管理の効率化につながる。

• 影響を受ける主な部門・KPI：
• 銀行リスク管理部門：外貨流動性カバレッジ比率
• 送金事業者：送金件数予測誤差率、手数料収益
• 保険会社：海外就労者向け商品の引受リスク評価
• 国際人材紹介会社：派遣先国・職種ポートフォリオ戦略

国際人材紹介事業を手がける企業にとっては、原油価格が湾岸諸国の雇用吸収力に与える影響が定量化されたことで、派遣国・職種の分散戦略をデータに基づいて立案できるようになる。特にスリランカのような労働力輸出国を対象とする採用・人材派遣ビジネスでは、マクロ指標と送金フローの連動モデルを活用することで、海外就労者向けの金融商品設計や住宅ローン審査モデルの改善にも応用できる。

今後の展望

研究チームは、フォーマルな金融チャネルの活用促進と熟練労働者の移住拡大が送金の構造的安定性を高めると提言している。この視点はスリランカ固有の問題にとどまらず、フィリピン・バングラデシュ・インドなど送金依存度の高い新興国市場を抱える多国籍企業や政策立案者にとっても示唆に富む。

今後の課題として、モデルへのリアルタイムデータ統合や地政学リスク変数の組み込みが挙げられる。機械学習による送金予測の精度が実用水準に達しつつある今、民間金融機関が類似手法を自社の新興国ビジネスに応用するうえでの技術的障壁は着実に低下している。