【JNSI】日本国民不安センチメント指標
■ 構造：JNSIの定義と目的
JNSI（Japan National Sentiment Index）とは、
「国民の不安・警戒・経済的萎縮の感情」を定量化した心理的経済指標。
▶︎ 目的
•政策の“タイミング”と“深度”を調整するための心理モニタリング装置
•パニック・消費低迷・不況型デフレの“予兆”を先取りする
⸻
■ 仕組み：スコア構成（0〜1.0）
項目
内容
データ源
重み（例）
言語不安度
SNS投稿のネガティブワード出現率
X（旧Twitter）、YouTube、匿名掲示板
40%
検索動向
「破綻」「預金封鎖」「円暴落」などの検索頻度変化
Google Trends
20%
実行行動
ATM出金量、銀行振替、証券売却量などの急増
金融庁＋銀行協会API
20%
アンケート
「今不安を感じていますか？」などの主観調査
内閣府・LINE調査・N=5,000定点
20%
JNSI = 0.4S_1 + 0.2S_2 + 0.2S_3 + 0.2S_4
⸻
■ 使い方：政策判断と自動トリガー
JNSI値
状況
政策示唆
0.0〜0.3
安定圏
通常予算・構造投資中心
0.3〜0.6
潜在不安
一部給付準備・雇用対策拡充
0.6〜0.8
顕在不安
給付・生活支援・利下げなど緊急モード
0.8〜1.0
パニック前兆
説明責任・早期発信・金融介入必須
■ 実例：JNSI＝0.78（架空シナリオ）
•SNSで「年金制度崩壊」が急上昇
•Google検索で「銀行 潰れる」が急増
•LINEアンケートで「不安を感じる」71％
→ JNSI急上昇 → 政府が緊急の給付案＋金融機関安定化パッケージ発表
⸻
■ 課題：
課題
内容
ノイズ
ボット投稿・皮肉・ジョークの処理が難しい
偏り
SNS利用者層に偏り（高齢者の声が反映されにくい）
リアル連携
金融データを匿名かつ即時に取得する法整備が必要
②【SAPR】センチメント連動型予算案編成モデル
⸻
■ 構造：SAPRの定義と目的
**SAPR（Sentiment-Adjusted Public Resource Allocation）**とは、
国民心理（JNSI）に連動して、予算の構成比率と規模を動的に調整するモデル。
⸻
■ 仕組み：基本アルゴリズム
\text{支出加算率} =
\begin{cases}
+20\% & (JNSI > 0.7) \\
+10\% & (0.5 < JNSI \leq 0.7) \\
±0\% & (0.3 < JNSI \leq 0.5) \\
-5\% & (JNSI < 0.3 \text{ かつインフレ圧力}) \\
\end{cases}
•センチメントが高いほど、財政出動を加速
•安定時には構造改革や投資型支出へシフト
⸻
■ 使い方：支出領域別アロケーション調整
分野
通常時
JNSI高騰時
社会保障
20兆円
26兆円（+30%）
雇用助成
2兆円
4兆円（倍増）
地方交付金
地域ごと均等
地域JNSI連動で差をつける
教育支出
学力支援中心
給食・家庭支援など即効性重視
■ 実例：2026年度予算（架空）
•通常予算：100兆円
•JNSI=0.68 → +10兆円の補正枠が自動的に確保
•使途：5兆円→地域給付、3兆円→雇用助成、2兆円→育児世帯支援
⸻
■ 課題：
課題
内容
政治の介入可能性
恣意的な「JNSI操作」を避ける必要あり（AIと第三者管理）
財政規律との整合
赤字拡大とのバランスを定義する必要あり（MMT的制約の再設計）
③【SPIAM】心理センチメントと市場金利・インフレ予想の連動モデル
⸻
■ 構造：SPIAMの目的と定義
**SPIAM（Sentiment-Price-Inflation Adjustment Model）**は、
国民の不安心理（JNSI）が、金利・物価・期待インフレにどのように波及するかを数理的にモデル化するシステム。
⸻
■ 仕組み（2式モデル）
▶︎ 期待インフレ：
\pi^e = \pi_0 - \beta \cdot JNSI
•βは心理感応度（0.5〜0.9など）
•JNSI上昇 → 人々が将来の物価上昇を疑い始める → インフレ期待が低下
⸻
▶︎ 長期金利：
\text{Yield}_{10y} = r + \pi^e + \sigma(JNSI)
•\sigma(JNSI)：リスクプレミアム（不確実性）→金融市場の不安増加で上昇
•JNSIが高い場合、期待インフレは下がるが実質金利は上がる（→景気抑制）
⸻
■ 使い方：
状況
インフレ期待
長期金利
政策方向性
JNSI＝0.2
安定
低位安定
金融緩和＋財政出動
JNSI＝0.6
不安定
上昇傾向
緊急金融安定化＋給付で安心感誘導
JNSI＝0.9
不信任の兆候
リスクプレミアム急増
日銀・財務省による緊急共同声明・買いオペ強化
■ 実例：日本版YCC崩壊危機の予測補助（想定）
•JNSI上昇 → 長期金利が期待を超えて上昇
•期待インフレが低迷し、実質金利が急上昇 → 景気悪化
•SPIAMが“アラート”を出し、政策決定会合前に可視化
⸻
■ 課題：
課題
内容
金融市場とのタイムラグ
心理変化と市場金利の“逆方向連動”がありうる
過信リスク
指数が正しくても、現実の政策対応が遅れれば意味がない
実証データの不足
センチメントと金利の因果関係はまだ研究段階である（ただし非常に注目されている）
総括：3モデルでできること
モデル
機能
政策応用
JNSI
心理のリアルタイム可視化
給付や説明の“タイミング判断”
SAPR
支出配分の自動調整
年間予算の“柔軟設計”
SPIAM
金利・インフレ予測
金融政策や債券市場との調整判断
① 技術面の現実性：ほぼ実現可能
項目
評価
理由
SNS・検索データ解析
◎
既に企業・学術・政府機関で実装中（例：LINE調査、Google Trends、AI感情分析）
データ統合基盤
◯
オープンデータ＋民間APIを用いれば構築可能（要一元化）
数理モデル構築
◎
金融工学や行動経済学に基づき、既存の資産価格モデルとの統合が容易
センチメント可視化
◎
Python, R, Tableau などで即実装可
自動予算連動モデル
◯
政府の予算案作成フレームに組み込むには時間が必要だが、ロジック自体は確立済み
② 制度面の現実性：一部障害あり
項目
課題
状況
プライバシー保護
SNSや銀行データの即時利用は制限あり
仮名化・統計化が必須条件
予算制度
日本の国家予算は年次固定であり、柔軟運用が難しい
「補正予算」「交付金」枠で部分的実現は可能
金融政策連動
金利政策は日銀独立性に基づくため、センチメント連動は慎重
ただし、YCC導入など先行例あり
総合：法制度や省庁間調整が必要だが、「部分実装」や「地方自治体モデル」から始めれば現実的
③ 海外実例・先行研究：複数存在
国・組織
類似モデル
内容
FRB（米連邦準備制度）
Nowcastingモデル
TwitterやGoogle Trendsを使って消費予測をリアルタイム化
ECB（欧州中央銀行）
Sentiment-Enhanced Inflation Models
感情AIで期待インフレ推定
中国政府
WeChat・Weibo分析
世論センチメントと政策介入タイミングを自動連動で設計
学術界
Harvard・MIT
経済的センチメントと物価・金利の連動性研究が進行中
結論：現実性の総合評価
評価軸
現実性
技術面
★★★★★（ほぼ実現可能）
制度面
★★★☆☆（一部制度調整必要）
応用面
★★★★☆（段階的導入は可能）
実装シナリオの提案（例）
フェーズ
内容
期間
フェーズ1
地域センチメント（JNSI）＋給付実験
地方自治体×大学（半年）
フェーズ2
SAPRによる一部補正予算連動
内閣府・経産省（1年）
フェーズ3
SPIAMを財務省／日銀システムと接続
2年〜
■ 結論：経済は「数字」と「心理」の両輪で動く
「マネタリーベースは増やせても、消費マインドはコントロールできない」
→ だからこそ、“心理を測り、予測し、反映する”政策が必要である。
センチメントを国家運営の変数として導入することは、次世代の経済運営における倫理的かつ合理的要請である。
