Sovereign Debt Contagion & Geopolitical Risk

ソブリン債務の伝染と地政学 MCP サーバー

ApifyForge で表示 | Apify Store で使用

---

クイックスタート

MCP クライアント（Claude Desktop、Cursor、Windsurf）に追加します：

{
  "mcpServers": {
    "sovereign-debt-contagion-geopolitical-mcp": {
      "url": "https://ryanclinton--sovereign-debt-contagion-geopolitical-mcp.apify.actor/mcp"
    }
  }
}

---

ソブリン債務の伝染モデリングと地政学的リスク分析を、AI エージェントが直接呼び出せる単一の MCP サーバーで利用できるようになりました。このサーバーは、IMF、World Bank、OECD、Eurostat、FRED、BLS、UN COMTRADE、為替レートフィード、CoinGecko、OFAC、OpenSanctions、Interpol、World Bank Projects、Grants.gov、USAspending、GDACSという18の国際ソースからのライブデータを統合する8つの定量的金融ツールを、Claude、Cursor、およびMCP互換のあらゆるクライアントに提供します。その結果、生のマクロ経済データから危機確率スコア、伝染チェーン、転換点の検出、地政学的な連携マップまでを自動化する、完全なパイプラインが実現します。

このサーバーは、ネットワーク構造を分析する4次テンソルCP分解、連立ソブリン債務SDEのEuler-Maruyamaモンテカルロシミュレーション、ヤコビアンに基づく分岐解析、HHIで加重した商品脆弱性分析と95パーセンタイルVaR、Hamiltonフィルターによるマルコフ転換型通貨危機検出、修正版IMF準備高適正度評価指標、SVDによる地政学的位置づけの潜在空間理想点推定という、7つの異なる定量的アルゴリズムを実装しています。各ツールは関連するデータ収集アクターを並列で実行し、ライブデータに基づいてモデルを調整して、数秒で構造化された分析結果を返します。

どのようなデータにアクセスできますか？

データ項目	ソース	値の例
📊 債務対GDP比、成長率、金利	IMF World Economic Outlook	Argentina：債務/GDP比89.4%
🌐 開発指標、ガバナンススコア	World Bank	GRのガバナンス百分位：61.2
📈 国際経済統計	OECD	Germanyの基礎的財政収支：GDP比+1.2%
🇪🇺 EUの財政・金融統計	Eurostat	ITの一般政府債務：144.7%
🏦 米国の金融指標（FEDFUNDS、GDP、GFDEBTN）	FRED	FF金利：5.33%
👷 CPIと失業率の時系列データ	BLS	US CPI：3.2%、失業率：3.7%
🚢 商品別の二国間貿易フロー	UN COMTRADE	US-CNの物品貿易：$575B
💱 リアルタイム為替レート	Exchange Rate Tracker	USD/ARS：839.5
📉 過去の為替時系列データ	Exchange Rate History	TRYの12か月間の下落率：38%
🏛️ ECB参照レート（EUR／主要通貨ペア）	ECB Rates	EUR/USD：1.0847
₿ 暗号資産の価格と取引量	CoinGecko	BTCの取引量急増：+240%（VE）
🚫 OFAC制裁対象および資産凍結対象	OFAC	RUの政府系制裁対象：412
🌍 世界の制裁対象者およびPEP登録情報	OpenSanctions	CNの国有企業：89件
🔴 Interpolの赤手配書および逃亡者	Interpol	有効な手配書：7,241
🏗️ World Bankの開発プロジェクト援助	World Bank Projects	EGの拠出確約額：$2.1B
💰 米国連邦助成金（対外援助）	Grants.gov	USAIDの助成金：1,847
🇺🇸 連邦支出および対外援助	USAspending	2024年度の対外援助：$62B
🌊 世界の災害警報およびリスク事象	GDACS	PKの洪水深刻度：オレンジ

MCP ツール

ツール	アルゴリズム	最適な用途	概算コスト
build_sovereign_exposure_network	4次テンソル CP 分解（ALS）	初期ネットワークの構築、シミュレーションの前提条件	1回あたり $0.05
simulate_debt_crisis_cascade	オイラー・丸山法による連成 SDE モンテカルロ法（最大 10,000 経路）	デフォルト確率、伝染連鎖、システミックリスクスコア	1回あたり $0.055
detect_bifurcation_points	累乗法によるヤコビアン固有値の計算、サドルノード／ホップ／トランスクリティカルの分類	ティッピングポイントへの近さ、パラメーター感度	1回あたり $0.05
compute_commodity_vulnerability	輸出品目構成の HHI × 95パーセンタイル VaR を、GDP に占める商品輸出の割合でスケーリング	オランダ病、資源の呪い、商品ショックへのエクスポージャー	1回あたり $0.045
detect_currency_crisis_signal	マルコフ・スイッチング型の2レジームモデル（ハミルトンフィルター）、EMP 指数	通貨危機の早期警告、資本逃避の検出	1回あたり $0.045
assess_reserve_adequacy	危機確率と地政学的連携を考慮して調整した IMF ARA	IMF 方式の外貨準備バッファ評価	1回あたり $0.04
map_geopolitical_alignment	SVD による潜在空間の理想点推定（DW-NOMINATE 方式）	ブロック分類、地政学的距離行列	1回あたり $0.05
generate_sovereign_risk_report	複合リスクスコアと推奨事項を含む、7つのアルゴリズムによる完全なパイプライン	ポートフォリオのストレステスト、包括的なソブリン評価	1回あたり $0.05

Sovereign Debt Contagion & Geopolitical MCP Server を利用する理由

ソブリンリスクモデルを手作業で構築するには、十数件の国際データベースからデータを集め、通貨と期間を正規化し、SDE の離散化コードを記述し、テンソル分解を実装し、分岐図を解釈する必要があります。定量アナリストが数週間かけて取り組むプロジェクトであり、年間 20,000～30,000 ドルの費用がかかる Bloomberg Terminal または Refinitiv のライセンスも必要です。

この MCP サーバーなら、こうした作業をすべて省けます。AI エージェントが単一のツールを呼び出すと、サーバーが18の公開ソースから並列に最新データを取得し、調整済みモデルを実行して、構造化された分析結果を返します。データソースの手配は不要です。数値計算法の実装も不要です。サブスクリプションも必要ありません。

• スケジュール設定 — Apify に組み込まれたタスクスケジューラーを使って、国別ポートフォリオのソブリンモニタリングを毎日または毎週実行できます
• API アクセス — Claude や Cursor を含む、Python、JavaScript、または MCP 対応クライアントからサーバーを呼び出せます
• 並列データ収集 — 18のアクターがすべて同時に実行されます。データ収集全体の所要時間は、合計時間ではなく、最も遅い単一ソースの所要時間で決まります
• モニタリング — Apify の通知システムを使って、実行に失敗した際に Slack またはメールで通知するよう設定できます
• 連携 — Zapier、Make、Google Sheets、または Webhook に結果を接続し、後続のレポート作成パイプラインで利用できます

特徴

• 4次テンソルネットワークの構築 — 18のソースから T[creditor][debtor][exposure_type][time] を構築し、交互最小二乗法による CP 分解（T ≈ Σ_r λ_r · a_r ⊗ b_r ⊗ c_r ⊗ d_r）を通じて、潜在的なクロスエクスポージャー構造を明らかにします
• 伝染ショックを伴うオイラー・丸山モンテカルロ法 — 最大10,000本のパスを用いて、連成 SDE 系 dd(t) = (r(t) − g(t))d(t)dt + pb(t)dt + σ_d·d(t)·dW(t) を離散化します。国 j が危機閾値を超えると、債権国 i に伝染ショック r_i += exposure_ij × severity_j を注入します
• 分岐分類 — 現在の固定点でヤコビアンを計算し、べき乗法で支配的な固有値を求めた後、金利スプレッドのパラメーターを走査して転換点を特定し、サドルノード、ホップ、またはトランスクリティカルとして分類します
• HHI × VaR による商品脆弱性分析 — 商品輸出バスケットのハーフィンダール・ハーシュマン指数に、商品別の対数正規分布による95パーセンタイル VaR を乗じ、対 GDP 商品輸出額でスケーリングします。4段階のリスクレベル（LOW / MEDIUM / HIGH / CRITICAL）を出力します
• マルコフ切り替えによる通貨危機検出 — ハミルトン前向き再帰を用いた2レジームモデルです。為替市場圧力指数 EMP = Δe/e − (σ_e/σ_r)(ΔR/R) + (σ_e/σ_i)Δi を加味します。暗号資産の取引量急増を補助的な資本逃避指標として使用し、P(crisis) > 0.70 で危機フラグを設定します
• IMF ARA の準備高適正度の修正版 — RA = reserves / (0.3×STD + 0.2×portfolio + 0.1×M2 + 0.1×exports)。現在の危機確率と、主要な基軸通貨発行国との潜在空間上の近接性から導出した地政学的連携スコアに基づいて調整します
• 潜在空間による地政学的連携分析 — 国別特徴行列（貿易フロー、制裁の共起、援助関係）に対し、べき乗法とデフレーションによる SVD を適用し、DW-NOMINATE に類似した低次元の理想点推定値を算出します。各国を US_ALIGNED、EU_ALIGNED、CN_ALIGNED、または NON_ALIGNED のブロックに分類します
• 複合的なソブリンリスクレポート — 7つのアルゴリズムを統合し、overallSystemicRisk スコア（0～1）、レターグレード（A～F）、リスク要因の順位、および実行可能な推奨事項を出力します
• シードによる決定論的な数値計算 — 国識別子をシードとする Mulberry32 PRNG を使用します。同一の入力であれば、実行間で結果を再現できます
• 支出上限の適用 — 各ツールは実行前に Actor.charge() を確認し、実行予算に達すると正常に停止します
• 18アクターによる並列オーケストレーション — runActorsParallel() は Promise.all() を通じてすべてのアクター呼び出しを実行します。個々のアクターの呼び出しに失敗した場合は、パイプラインをクラッシュさせずに空の配列を返します

ソブリン債務の伝染分析におけるユースケース

ソブリンリスク・ポートフォリオのストレステスト

新興市場のソブリン債を保有する債券ポートフォリオマネージャーは、相関したデフォルトリスクを定量化する必要があります。このツールは、任意の国のバスケットを対象にモンテカルロ SDE シミュレーションを実行し、国別のデフォルト確率、予想デフォルト時点、およびポートフォリオ全体に危機を伝播させる具体的な連鎖を返します。

転換点とシステミックな脆弱性の検出

政策立案者や機関投資家に助言するマクロリスクアナリストは、ソブリンシステムが連鎖的な破綻にどれほど近いかを把握する必要があります。分岐分析ツールは、現在のシステム状態におけるヤコビアン固有値を計算し、パラメーター空間を走査して、システムを安定均衡から危機均衡へ移行させる正確な金利スプレッドまたは成長ショックを特定します。

商品依存型経済の評価

資源豊富な国を評価するソブリン信用アナリストや開発金融機関は、商品価格ショックへのエクスポージャーを定量化する必要があります。HHI × VaR 脆弱性分析ツールは、オランダ病リスク、資源の呪いのダイナミクス、そして最も大きな不安定化をもたらす単一の商品ショックを特定します。

通貨危機の早期警戒

新興国市場の為替安定性を監視する中央銀行の調査部門や国際金融機関は、マルコフ・スイッチング型通貨ツールを利用して、為替市場圧力指数と資本逃避の代替指標としての暗号資産取引量を組み合わせ、レジーム転換確率をリアルタイムで追跡できます。

地政学的な連携と制裁リスクのマッピング

国別リスクを管理する地政学リスクコンサルティング会社や企業の財務チームは、外交的な連携がソブリンの強靭性にどのような影響を与えるかを把握する必要があります。SVD ベースの理想点ツールは、各国を 2D の地政学的潜在空間に配置し、陣営への所属を割り当て、外貨準備の充足度調整に直接反映できる孤立度スコアを算出します。

投資・融資における国別リスクのデューデリジェンス

国別リスクのデューデリジェンスを行う開発銀行、輸出信用機関、国境を越えた融資機関は、generate_sovereign_risk_report ツールを実行して、複合的なシステミックリスクスコア、リスク評価、優先順位付きの提言を取得できます。債務の動向、通貨リスク、コモディティへのエクスポージャー、外貨準備のバッファー、地政学的な立ち位置を一度の呼び出しで確認できます。

この MCP サーバーへの接続方法

サーバーは Apify Standby モードで動作し、/mcp に MCP エンドポイントを公開します。一度接続すれば、AI エージェントから必要に応じて 8 つすべてのツールを呼び出せます。

ステップ 1：Apify API トークンを取得する

Apify Console > Settings > Integrations にアクセスし、API トークンをコピーします。

ステップ 2：MCP クライアントに追加する

Claude Desktop — claude_desktop_config.json に追加します。

{
  "mcpServers": {
    "sovereign-debt-contagion-geopolitical": {
      "url": "https://sovereign-debt-contagion-geopolitical-mcp.apify.actor/mcp",
      "headers": {
        "Authorization": "Bearer YOUR_APIFY_TOKEN"
      }
    }
  }
}

Cursor — Cursor の MCP 設定に追加します。

{
  "mcpServers": {
    "sovereign-debt-contagion-geopolitical": {
      "url": "https://sovereign-debt-contagion-geopolitical-mcp.apify.actor/mcp",
      "headers": {
        "Authorization": "Bearer YOUR_APIFY_TOKEN"
      }
    }
  }
}

その他の MCP クライアント — URL https://sovereign-debt-contagion-geopolitical-mcp.apify.actor/mcp を使用し、Authorization: Bearer ヘッダーにトークンを設定します。

ステップ 3：最初の分析を実行する

AI エージェントに次のように依頼します。「ソブリン債務伝染 MCP サーバーを使って、ギリシャ、イタリア、アルゼンチンのソブリン債務伝染リスクを分析してください」 — エージェントは build_sovereign_exposure_network を呼び出した後、simulate_debt_crisis_cascade を呼び出し、構造化された結果を返します。

MCP ツールのパラメーター

build_sovereign_exposure_network

パラメーター	型	必須	デフォルト	説明
countries	string[]	はい	—	ISO 国コード（例：["GR", "IT", "AR", "TR"]）
query	string	いいえ	countries を結合	経済データを検索するための追加クエリ
tensor_rank	number	いいえ	5	CP 分解のランク R。値を大きくすると、より多くの潜在構造を捉えます（1-10）

simulate_debt_crisis_cascade

パラメーター	型	必須	デフォルト	説明
countries	string[]	はい	—	シミュレーション対象の ISO 国コード
query	string	いいえ	countries を結合	キャリブレーション用の経済データクエリ
time_horizon	number	いいえ	10	シミュレーション期間（年）
monte_carlo_paths	number	いいえ	10000	モンテカルロ経路の数（最大 10,000）
critical_debt_pct	number	いいえ	150	デフォルトに至る債務対 GDP 比率のしきい値（%）
distress_threshold_pct	number	いいえ	100	伝染ショックを引き起こす債務対 GDP 比率のしきい値（%）

detect_bifurcation_points

パラメーター	型	必須	デフォルト	説明
countries	string[]	はい	—	分析対象の ISO 国コード
query	string	いいえ	countries を結合	システムのキャリブレーション用経済データクエリ

compute_commodity_vulnerability

パラメーター	型	必須	デフォルト	説明
countries	string[]	はい	—	分析対象の ISO 国コード
query	string	いいえ	自動生成	貿易データクエリ（例："oil copper exports"）

detect_currency_crisis_signal

パラメーター	型	必須	デフォルト	説明
countries	string[]	はい	—	監視する ISO 国コード
query	string	いいえ	countries joined	追加の FX データクエリ

assess_reserve_adequacy

パラメーター	型	必須	デフォルト	説明
countries	string[]	はい	—	評価する ISO 国コード
query	string	いいえ	countries joined	追加のデータクエリ

map_geopolitical_alignment

パラメーター	型	必須	デフォルト	説明
countries	string[]	はい	—	マッピングする ISO 国コード
query	string	いいえ	countries joined	追加のデータクエリ

generate_sovereign_risk_report

パラメーター	型	必須	デフォルト	説明
countries	string[]	はい	—	包括的な評価を行う国の ISO 国コード
query	string	いいえ	countries joined	キャリブレーション用の追加データクエリ
time_horizon	number	いいえ	10	SDE シミュレーション期間（年）
monte_carlo_paths	number	いいえ	5000	モンテカルロパス数（最大 10,000）
critical_debt_pct	number	いいえ	150	デフォルトのしきい値（債務対 GDP 比）

パラメーターのヒント

• まずは 3～6 か国から始めてください — 対象を絞るとネットワーク分析を最も把握しやすくなります。国を増やすと、コストと実行時間もそれに応じて増加します
• 探索的な実行では monte_carlo_paths を 1,000～2,000 に減らしてください。最終的なリスク推定や規制当局への報告には 10,000 を使用してください
• distress_threshold_pct は critical_debt_pct より低く設定してください — ディストレスしきい値は伝染の伝播を開始し、クリティカルしきい値はデフォルトを開始します
• シナリオ分析では具体的な query を追加してください（例："debt restructuring default 2024"）。これにより、基盤となるアクターから取得するデータを絞り込めます

出力例

国 ["GR", "IT", "AR"] を対象に generate_sovereign_risk_report を実行した出力：

{
  "overallSystemicRisk": 0.72,
  "riskGrade": "C",
  "topRisks": [
    "Argentina default probability exceeds 60% within 5-year horizon",
    "Italy debt-to-GDP trajectory unsustainable under base interest rate scenario",
    "Cross-exposure contagion chain: AR → GR via multilateral creditor linkages",
    "Currency crisis probability elevated for ARS (P=0.84) and TRY (P=0.71)",
    "Greece reserve adequacy MARGINAL after crisis-probability adjustment"
  ],
  "recommendations": [
    "Reduce gross AR sovereign exposure; current contagion weight to GR is 0.23",
    "Monitor ECB rate path for IT bifurcation proximity (margin to tipping: 0.18)",
    "Argentina commodity HHI=0.61 (soy-dominant): hedge commodity price tail risk",
    "Greece geopolitical alignment score 0.78 (EU_ALIGNED) supports ARA adjustment"
  ],
  "networkSummary": {
    "countries": 3,
    "edges": 47,
    "tensorRank": 5
  },
  "crisisCascadeSummary": {
    "systemicRisk": 0.69,
    "defaultProbabilities": {
      "AR": 0.63,
      "IT": 0.18,
      "GR": 0.24
    },
    "contagionChains": 4
  },
  "bifurcationSummary": {
    "systemStable": false,
    "tippingPointCount": 2,
    "nearestTippingPoint": {
      "parameter": "interest_rate_spread_IT",
      "criticalValue": 4.8,
      "currentValue": 4.62,
      "marginToTipping": 0.18,
      "type": "saddle_node",
      "affectedCountries": ["IT", "GR"]
    }
  },
  "commoditySummary": {
    "systemicRisk": 0.41,
    "criticalCountries": 1
  },
  "currencySummary": {
    "systemicRisk": 0.58,
    "countriesInCrisis": 1
  },
  "reserveSummary": {
    "systemicRisk": 0.39,
    "inadequateCountries": 1
  },
  "geopoliticalSummary": {
    "blocs": [
      { "name": "EU_ALIGNED", "members": ["GR", "IT"] },
      { "name": "NON_ALIGNED", "members": ["AR"] }
    ],
    "svdExplainedVariance": [0.44, 0.22, 0.11]
  }
}

出力フィールド

generate_sovereign_risk_report

Field	Type	Description
overallSystemicRisk	number (0-1)	7 つすべてのアルゴリズムによる複合システミックリスクスコア
riskGrade	string (A-F)	複合リスクスコアから導出される評価
topRisks	string[]	重要度順に並べた主要なリスク要因の一覧
recommendations	string[]	具体的なパラメーターへの参照を含む、実行可能な推奨事項
networkSummary.countries	number	エクスポージャーネットワーク内のソブリンノード数
networkSummary.edges	number	検出された二国間エクスポージャーエッジ数
networkSummary.tensorRank	number	CP 分解で使用される有効ランク
crisisCascadeSummary.systemicRisk	number (0-1)	SDE シミュレーションによるモンテカルロのシステミックリスク
crisisCascadeSummary.defaultProbabilities	object	国別の 10 年間のデフォルト確率
crisisCascadeSummary.contagionChains	number	特定された伝染経路の数
bifurcationSummary.systemStable	boolean	現在のシステム状態が安定した平衡状態にあるかどうか
bifurcationSummary.tippingPointCount	number	検出された分岐点の数
bifurcationSummary.nearestTippingPoint	object	最も近い分岐点：パラメーター、臨界値、マージン、種類
commoditySummary.systemicRisk	number (0-1)	商品の総合的な脆弱性スコア
commoditySummary.criticalCountries	number	商品脆弱性が CRITICAL の段階にある国の数
currencySummary.systemicRisk	number (0-1)	通貨危機の総合リスク
currencySummary.countriesInCrisis	number	マルコフスイッチングモデルが状態を CRISIS と分類した国の数
reserveSummary.systemicRisk	number (0-1)	準備金不足の総合リスク
reserveSummary.inadequateCountries	number	修正 ARA で INADEQUATE または CRITICAL と評価された国の数
geopoliticalSummary.blocs	object[]	ブロックの割り当て：名称と加盟国の一覧
geopoliticalSummary.svdExplainedVariance	number[]	最初の 3 つの SVD 成分によって説明される分散

simulate_debt_crisis_cascade

Field	Type	Description
systemicRisk	number (0-1)	少なくとも 1 件のデフォルトが発生したモンテカルロ経路の割合
defaultProbabilities	object	シミュレーションから得られた国別の経験的デフォルト確率
expectedDefaultTime	object	国別のデフォルトまでの平均時間（年）。デフォルトがない場合は null
contagionChains	object[]	{trigger, affected[], severity} — 深刻度順に並べた経路
monteCarloRuns	number	実際にシミュレーションした経路数
timeHorizon	number	シミュレーション期間（年）

detect_bifurcation_points

Field	Type	Description
systemStable	boolean	すべての固有値の実部が負の場合は true
bifurcations[].parameter	string	分岐点におけるパラメーター（例：interest_rate_spread_IT）
bifurcations[].marginToTipping	number	現在値から臨界値までの距離
bifurcations[].type	string	saddle_node、hopf、transcritical、または pitchfork
stabilityRegions[].marginToInstability	number	不安定境界から固有値までの距離

compute_commodity_vulnerability

Field	Type	Description
vulnerabilities[].hhi	number (0-1)	輸出品目構成のハーフィンダール・ハーシュマン指数
vulnerabilities[].topCommodity	string	主な輸出商品とその輸出シェア
vulnerabilities[].var95	number	商品価格変動から算出した 95 パーセンタイル VaR
vulnerabilities[].vulnerability	number	HHI × VaR × 商品輸出額/GDP による複合指標
vulnerabilities[].riskTier	string	LOW、MEDIUM、HIGH、または CRITICAL

detect_currency_crisis_signal

Field	Type	Description
signals[].currentRegime	string	STABLE または CRISIS
signals[].crisisProbability	number (0-1)	危機レジームのハミルトン・フィルター確率
signals[].empIndex	number	為替市場圧力指数の値
signals[].cryptoVolumeSpike	number	暗号資産の取引量と基準値の比較（資本逃避の代理指標）
signals[].signalStrength	number (0-1)	シグナル全体の信頼度
regimeTransitions[].transitionProb	number	現在のレジームから移行する確率

assess_reserve_adequacy

Field	Type	Description
assessments[].araMetric	number	IMF ARA 比率の生値
assessments[].crisisAdjusted	number	現在の危機確率で調整した ARA
assessments[].allianceAdjusted	number	地政学的な同盟関係の整合性で調整した ARA
assessments[].adequacy	string	ADEQUATE、MARGINAL、INADEQUATE、または CRITICAL

map_geopolitical_alignment

Field	Type	Description
positions[].alignmentToUS	number (0-1)	潜在空間における米国の理想点とのコサイン類似度
positions[].alignmentToEU	number (0-1)	EU の重心とのコサイン類似度
positions[].alignmentToCN	number (0-1)	中国の理想点とのコサイン類似度
positions[].bloc	string	US_ALIGNED、EU_ALIGNED、CN_ALIGNED、または NON_ALIGNED
positions[].isolationScore	number (0-1)	主要なすべての陣営からの距離
distanceMatrix	object	各国間の地政学的なペアごとの距離
svdExplainedVariance	number[]	各 SVD 次元によって説明される分散

主権債務の伝染分析の実行にはどれくらいの費用がかかりますか？

この MCP サーバーはイベントごとの従量課金制です。ツール呼び出しごとに料金が発生します。ライブデータを取得する基盤のアクターの実行料金は、Apify の標準的なコンピューティング料金で別途請求されます。ツール呼び出し1回あたりの一般的な総費用は、MCP イベント料金が $0.04-$0.055、アクターのコンピューティング料金が対象国数とデータソース数に応じて $0.50-$3.00 です。

シナリオ	ツール	MCP イベント料金	アクターの概算コンピューティング料金	合計
コモディティの簡易チェック（3か国）	compute_commodity_vulnerability	$0.045	~$0.40	~$0.45
通貨危機シグナル（5か国）	detect_currency_crisis_signal	$0.045	~$0.60	~$0.65
外貨準備の十分性（5か国）	assess_reserve_adequacy	$0.040	~$0.80	~$0.84
地政学的な整合性（8か国）	map_geopolitical_alignment	$0.050	~$0.90	~$0.95
分岐点分析（5か国）	detect_bifurcation_points	$0.050	~$1.20	~$1.25
危機カスケードのシミュレーション（5か国）	simulate_debt_crisis_cascade	$0.055	~$1.50	~$1.55
全エクスポージャー・ネットワーク（8か国）	build_sovereign_exposure_network	$0.050	~$2.00	~$2.05
主権リスクの完全レポート（5か国）	generate_sovereign_risk_report	$0.050	~$3.00	~$3.05

Apify Console では、実行ごとに最大支出額を設定して費用を管理できます。サーバーは上限に達した場合も適切に処理します。セッション中に予算に達すると、クラッシュするのではなく、構造化されたエラーをツールから返します。

Bloomberg DLIB や Refinitiv の主権リスクモジュールは年間 $20,000-$30,000 かかりますが、こちらと比較してみてください。このサーバーを利用するユーザーの多くは、定期的な主権リスク監視ワークフローに月額 $20-$80 を費やしています。

Sovereign Debt Contagion & Geopolitical MCP Server の仕組み

フェーズ 1：18 のソースから並列でデータを収集

すべてのツール呼び出しは runActorsParallel() から始まり、関連するアクター呼び出しをすべて Promise.all() で同時に実行します。各呼び出しのタイムアウトは 180 秒です（レポート全体では 240 秒）。個々のアクターでエラーが発生した場合は、エラーを伝播させる代わりに空の配列を返します。個々のソースに一時的に接続できない場合でも、パイプラインは利用可能なデータを使って完了します。ネットワークレポートとリスクレポートの全体を生成するツールは、IMF、World Bank、OECD、Eurostat、FRED、BLS、UN COMTRADE、為替レートトラッカー、為替レート履歴、ECB レート、CoinGecko、OFAC、OpenSanctions、Interpol、World Bank Projects、Grants.gov、USAspending、GDACS の 18 個のアクターをすべて並列に呼び出します。

フェーズ 2：ソブリンネットワークの構築とテンソル分解

buildSovereignNetwork() は、18 個の結果配列を取り込み、IMF／World Bank／OECD のデータから SovereignNode オブジェクトを構築します（債務対 GDP 比、金利、GDP 成長率、基礎的財政収支、為替変動率、準備金、短期債務、M2、輸出額、商品輸出額を抽出します）。貿易、制裁、援助のデータから ExposureEdge オブジェクトを構築し、続いて 4 階テンソル T[creditor][debtor][exposure_type][time] を構築します。時間は、指数減衰重み付け（e^{-0.05q}）を用いた四半期ごとの 4 つのスナップショットで表します。ALS による CP 分解は、最大 100 回、許容誤差 1e-6 で反復し、債権者、債務者、エクスポージャー種別、時間の因子行列とコンポーネント重み λ_r を生成します。これにより、二国間データだけでは見えない潜在的な相互エクスポージャー構造を特定します。

フェーズ 3：アルゴリズムの実行

呼び出されたツールに応じて、scoring.ts は構築されたネットワークに対して 7 つのアルゴリズムのうち 1 つ以上を実行します。

• SDE シミュレーション：オイラー・丸山法の時間ステップで各国の債務動態を離散化します。金融ストレスのしきい値を超えると、連鎖ショックが波及します。国識別子のハッシュをシードにした Mulberry32 PRNG により、再現性を確保します
• 分岐解析：現在の固定点で N×N ヤコビアン（∂f_i/∂d_j）を計算します。べき乗法とデフレーション法で最大固有値を求めます。金利スプレッドを 1 次元でパラメータスイープし、符号の変化を検出します。固有値の虚部から分岐の種類を分類します
• 商品脆弱性：UN COMTRADE のデータを商品カテゴリに対応付けます。HHI = Σ(share_i²) を計算します。商品ごとのボラティリティを使い、対数正規分布に基づいて 95 パーセンタイルの VaR を算出します。商品輸出額／GDP 比でスケーリングします
• マルコフ・スイッチング：ハミルトン・フィルターの前向き再帰 P(s_t=k|r_{1:t}) ∝ f(r_t|s_t=k) × P(s_t=k|r_{1:t-1}) を実行します。異なる mu と sigma を持つ 2 つのレジームを使用します。EMP 指数を計算し、資本逃避の指標として暗号資産の取引量を重ね合わせます
• 地政学的連携：貿易、制裁、援助から国別特徴量行列を構築します。べき乗法とデフレーション法で SVD を実行します。アンカー国（US、DE、CN）とのコサイン類似度に基づいて、ブロックへの所属を割り当てます

フェーズ 4：複合レポートの生成

computeSovereignRiskReport() は、7 つのリスク次元（連鎖 30%、分岐 25%、通貨 15%、商品 15%、準備金 10%、地政学 5%）に重みを付けて overallSystemicRisk を生成し、これをレターグレードに変換します。また、すべての次元のリスク要因を並べ替えて、順位付けされた topRisks と recommendations を生成します。

最良の結果を得るためのヒント

1. 探索的な作業では、まず build_sovereign_exposure_network を使います。 ネットワークの出力から、よりコストのかかるカスケードシミュレーションに進む前に、どの二国間エクスポージャーが最も重要かを把握できます。

2. 転換点を調べるワークフローでは、simulate_debt_crisis_cascade の前に detect_bifurcation_points を使います。 分岐分析はより高速で、10,000 パスのモンテカルロにコストをかける前に、レジーム転換が近づいているかどうかを把握できます。

3. 準備金の充足度では、allianceAdjusted フィールドと araMetric フィールドを比較します。 生の ARA と同盟関係を調整したスコアに大きな差がある場合、準備金の充足度を制約しているのは生の準備金水準ではなく、地政学的な孤立であることを示しています。

4. contagionChains は方向性を踏まえて解釈します。 各チェーンには trigger（最初に債務不履行に陥る国）と affected[]（その後に続く伝染経路）があります。severity で並べ替え、優先度の高いエクスポージャー削減対象を特定してください。

5. 地政学的潜在空間の distanceMatrix を、準備金の充足度の結果と照合します。 USD、EUR、CNY の発行国との地政学的距離が大きい国では、ARA スコアが引き下げられます。これが、地政学リスクと流動性リスクを結び付ける正式なメカニズムです。

6. 小規模な国の集合（3～5 か国）には tensor_rank: 3 を、より大規模な集合には tensor_rank: 5-7 を使います。 国の数に対してテンソルランクを過剰に設定すると、有意な情報ではなくノイズが生じます。

7. 定期的なモニタリングでは、現在の年と具体的なリスクの文脈を含む query パラメーターを追加します（例："sovereign debt restructuring 2026 EM"）。これにより、基盤となるデータ取得の対象を、特に関連性の高い最新の出版物に絞り込めます。

8. プロトタイピング中は monte_carlo_paths: 1000 を設定します。 これにより、デフォルトの 10,000 パスと比べて実行時間とコストを 10 分の 1 に抑えながら、方向性として正確なリスク順位を得られます。最終成果物には、10,000 パスをすべて使用してください。

他の Apify アクターとの組み合わせ

アクター	組み合わせ方
IMF Economic Data	単独のステップとして IMF の WEO および第 IV 条データの生データを取得し、その結果を使って MCP サーバーを実行する前に SDE パラメーターを較正します
World Bank Indicators	詳細な開発・ガバナンス指標を抽出し、build_sovereign_exposure_network が構築した国ノード属性を補完または検証します
OFAC Sanctions Search	越境取引を承認する前に、地政学的連携ツールで特定した取引相手を対象に、絞り込んだ制裁スクリーニングを実施します
OpenSanctions Search	コンプライアンスのデューデリジェンスのため、ソブリンリスクレポートに含まれるエンティティを、世界の制裁リストおよび PEP 登録簿と照合します
UN COMTRADE Search	HS-6 の品目レベルで詳細な二国間貿易フローデータを取得し、より高解像度のデータで品目別脆弱性分析を補完します
FRED Economic Data	長期的な米国の金融政策系列（FEDFUNDS、GFDEBTN）を抽出し、異なる金利シナリオのもとで SDE モデルのストレステストを行います
GDACS Disaster Alerts	ソブリンの信用不安エクスポージャーを高める災害事象を監視します。特に、小規模な開放経済や気候変動の影響を受けやすいソブリンに有用です

制限事項

• 機密の二国間エクスポージャーデータは含まれません — テンソルネットワークは、公開されているIMF、World Bank、OECDのデータを使用して構築されています。BISの機密データに含まれる実際の国境を越えた銀行エクスポージャーは含まれていないため、二国間のつながりは直接的な金融債権ではなく、貿易や援助を代理指標として推定されます
• オイラー・丸山近似による誤差 — 連続時間SDEを離散化すると、ステップサイズに依存する数値誤差が生じます。デフォルトの時間ステップは0.1年です。結果は近似値であり、厳密解ではありません
• 2レジーム・マルコフスイッチングの制約 — 通貨危機モデルでは、レジームが安定と危機のちょうど2つであると仮定します。複数レジームやレジーム内レジームのダイナミクス（例：管理フロート、自由フロート、ペッグ制の崩壊）はモデル化されていません
• 分岐解析における局所線形化 — ヤコビアンが捉えるのは局所安定性です。完全な非線形システムでは、局所固有値解析では捉えられない大域的な分岐挙動が生じる場合があります
• 地政学的な連携度は観測値ではなく推定値です — 理想点の位置は、貿易、制裁、援助などの観測可能な代理指標から推定されます。機密扱いの外交情報、軍事同盟、非公式な政治関係は反映されません
• モンテカルロ経路数は10,000に制限されています — monte_carlo_pathsパラメーターには計算可能性を考慮した上限があります。このサンプル数では、発生確率の低い裾事象（p < 0.01）の信頼区間が広くなる場合があります
• データの鮮度は各ソースの更新頻度に依存します — IMF WEOは年2回更新されます。FREDと為替レートのデータはほぼリアルタイムです。更新頻度の異なるソースを混在させる分析では、異なる時点の情報が反映される場合があります
• 対象国は公開データの入手可能性に制限されます — IMFやWorld Bankへの報告が限られている国（北朝鮮、一部の太平洋島嶼国など）では、ノード属性が少なく、リスク推定の信頼性も低くなります

インテグレーション

• Zapier — 週次スケジュールでソブリンリスクレポートを実行し、結果をGoogle SheetまたはAirtableのダッシュボードに送信して、ポートフォリオを監視できます
• Make — 通貨危機シグナルツールを毎日実行し、いずれかの国のcrisisProbabilityが0.70を超えたときにSlack通知を送信する、自動アラートのワークフローを構築できます
• Google Sheets — defaultProbabilitiesとcontagionChainsの出力を、リアルタイムのカントリーリスク追跡スプレッドシートに直接取り込めます
• Apify API — MCPエンドポイントをPythonまたはJavaScriptのリスク分析ダッシュボードに統合し、8つすべてのツールにプログラムからアクセスできます
• Webhooks — 分岐解析で、対象国群のsystemStableがtrueからfalseに変化したことを検出したときにWebhook通知を送るよう設定できます
• LangChain / LlamaIndex — 推論エージェントがソブリンリスク分析、制裁スクリーニング、マクロ経済データの取得にまたがって呼び出しを調整するマルチエージェントワークフローで、このMCPサーバーをツールとして使用できます

トラブルシューティング

一部の国でツールが不完全なデータや空の配列を返します。 これは通常、18 個の基盤となるアクターのうち 1 つ以上が、指定された国のクエリで結果を返さなかったことを意味します。個々のアクターのエラーは適切に処理され、パイプラインは取得できたデータを使って完了します。Apify の実行ログで Actor X failed という警告を確認してください。より具体的な query パラメーター（例："Greece sovereign debt GDP 2024"）を追加すると、IMF および World Bank のアクターからのデータ取得を改善できます。

systemStable: true なのに overallSystemicRisk が高い場合。 安定性とシステミックリスクは別の指標です。systemStable は現在の均衡における局所的な固有値の安定性を指し、overallSystemicRisk はモンテカルロ法で算出したデフォルト確率です。局所的には安定していても（固有値が負でも）、確率的ショックのもとでデフォルト確率が高くなる場合があります。

リスクレポート全体の実行に 5 分以上かかる場合。 generate_sovereign_risk_report ツールは、18 個すべてのアクターを並列で呼び出し、それぞれに 240 秒のタイムアウトを設定しています。全体の所要時間は、最も遅いアクターによって決まります。特定のアクターが継続して遅い場合は、より絞り込んだ query を追加して maxResults を減らしてください。また、レポート全体を実行する代わりに、コモディティ、通貨、準備金の各ツールを個別に呼び出すこともできます。

bifurcations[] が空の配列を返す場合。 これは、現在のパラメーターのスイープ範囲内で、検出されたティッピングポイントが近くにないことを意味します。分岐解析では金利スプレッドを ±50% の範囲で 20 段階にわたってスイープします。その範囲内で最大固有値の符号変化が検出されなければ、分岐は報告されません。これは、解析対象のパラメーター範囲内でシステムが十分に安定していることを示す、妥当な結果です。

支出上限に達したというエラーが表示される場合。 各ツール呼び出しでは、アクターの呼び出しを実行する前に MCP イベントの料金が請求されます。eventChargeLimitReached が true の場合は、Apify Console のアクター実行設定で実行ごとの支出上限を引き上げるか、API 経由で実行する際に、より高い maxTotalChargeUsd を設定してください。

責任ある利用

• このサーバーは、国際機関（IMF、World Bank、OECD）、政府データベース（FRED、BLS、OFAC、USAspending）、オープンデータプラットフォーム（OpenSanctions、GDACS、CoinGecko）が公開しているデータのみを取得します。
• このサーバーが出力するソブリンリスクスコアとデフォルト確率はモデルの出力であり、投資助言ではありません。単独の推奨としてではなく、人間による分析プロセスへの入力として使用してください。
• OFAC および OpenSanctions の制裁データは、コンプライアンス上の判断に使用する前に一次情報源と照合してください。
• 商用目的で出力を使用する場合は、18 個すべての基盤データソースの利用規約を遵守してください。
• ウェブスクレイピングの合法性に関するガイダンスは、Apify's guide を参照してください。

FAQ

このサーバーでは、ソブリン債務の伝染分析をどのように行いますか？ このサーバーは、連立確率微分方程式を用いて伝染をモデル化します。国 j の債務対 GDP 比率が distress_threshold_pct を超えると、すべての債権国 i の実効金利にショックが加わります。式は r_i += exposure_ij × severity_j です。これにより i の債務蓄積率が上昇し、i 自身の危機しきい値を超えて、連鎖が発生する可能性があります。モンテカルロシミュレーションでは、このプロセスを 1,000～10,000 回実行し、経験的なデフォルト確率を推定します。

4 次テンソル分解は何に使われますか？ テンソル T[creditor][debtor][exposure_type][time] は、二国間のソブリンエクスポージャーの 4 つの次元を同時に捉えます。CANDECOMP/PARAFAC（CP）分解では、交互最小二乗法を用いて、これをランク 1 成分の和（T ≈ Σ_r λ_r · a_r ⊗ b_r ⊗ c_r ⊗ d_r）に因子分解します。得られる潜在構造からは、エクスポージャーの種類や時期をまたいで共変動する債権者と債務者の関係のクラスターが明らかになります。こうしたパターンは、二国間エクスポージャー行列だけでは確認できません。 デフォルト確率のデフォルト推定値はどの程度正確ですか？ 精度は、18 のデータソースの品質と、対数正規 SDE モデルの仮定の妥当性によって異なります。モデルは公開データをもとに調整されていますが、通常、現状から 3～12 か月遅れています。出力は点予測ではなく、シナリオベースの確率推定値として扱ってください。パス数が 10,000 の場合、デフォルト確率が 50％のときの標準誤差は約 ±0.5 パーセントポイントです。

地政学的な位置付けは、従来の地政学的リスクスコアとどう異なりますか？ 従来の地政学的スコア（Eurasia Group や Control Risks などによるもの）は、アナリストが作成する定性的な評価です。このサーバーは、観測可能なデータ（貿易フロー、制裁の共起、援助関係）から構築した国別特徴量マトリックスに特異値分解を適用し、地政学的な位置付けを定量的に推定します。この手法は、議会での投票傾向の位置付けに用いられる DW-NOMINATE の理想点推定に類似しています。その結果、新しい貿易データや制裁データに応じて自動的に更新される、再現可能なデータ駆動型の位置付けが得られます。

ソブリン債務の伝染分析は、IMF のストレステストとどう異なりますか？ IMF は DSA（債務持続可能性分析）を用いて、決定論的なマクロシナリオのもとで債務の推移を予測します。このサーバーは、確率微分方程式とモンテカルロシミュレーションを用いて、実証的なデフォルト確率分布を生成し、ネットワーク伝染モデルと組み合わせることで、国境を越えた二次的な影響を捉えます。分岐分析コンポーネントは、線形のシナリオ分析では捉えられない構造的な転換点を特定します。

このサーバーを使って国をリアルタイムで監視できますか？ 頻繁に更新される変数については、ほぼリアルタイムの監視に対応しています。対象は、為替レート（ECB、tracker）、暗号資産の取引高（CoinGecko）、災害警報（GDACS）、制裁の変更（OFAC、OpenSanctions）です。IMF、World Bank、OECD のデータは、四半期から年次のスケジュールで更新されます。高頻度の監視には通貨危機シグナルツールを毎日実行するようスケジュールし、包括的な更新には完全なリスクレポートを毎週実行できます。

1 回の呼び出しで何か国を分析できますか？ 明確な上限はありませんが、テンソルの構築と SDE シミュレーションのため、10～15 か国を超えるとパフォーマンスが非線形に低下します。大規模な国グループ（20 か国以上）の場合は、軽量なツール（commodity_vulnerability、currency_crisis_signal）を全対象国に対して実行し、完全なカスケードシミュレーションは対象を絞った国々に限定することを検討してください。

これら 18 のデータソースのデータを使用することは合法ですか？ 18 のデータソースはすべて、オープンアクセスまたは政府の透明性に関する規定のもとで公開されているデータを提供しています。IMF、World Bank、OECD、Eurostat、FRED、BLS、USAspending のデータは、オープンデータライセンスに基づいて公開されています。OFAC と Interpol のデータは、コンプライアンスおよび研究目的で一般にアクセスできます。CoinGecko は公開 API を提供しています。一般的なガイダンスについては、Apify のウェブスクレイピングの合法性に関するガイドをご覧ください。

分岐分析の結果にある marginToTipping の値は何を意味しますか？ marginToTipping は、現在のパラメーター値から、システムが分岐境界を越える臨界値までの距離です。たとえば、parameter が interest_rate_spread_IT で、currentValue: 4.62、criticalValue: 4.80 の場合、システムが危機均衡へ移行するまでに、スプレッドが 0.18 パーセントポイント拡大する余地があることを意味します。値が小さいほど、不安定化が近いことを示します。 準備率充足度ツールは、地政学的な関係をどのように取り入れていますか？ 修正済みのIMF ARA指標は、まずRA = reserves / (0.3×STD + 0.2×portfolio + 0.1×M2 + 0.1×exports)として計算されます。次に、マルコフ切り替えモデルによる危機確率で調整し、米国、EU、中国という主要な3つの準備通貨発行体との地政学的潜在空間における近接度から算出した同盟関係スコアを乗じます。これらの発行体と緊密な関係にある国は、緊急スワップラインやIMF支援プログラムを利用しやすいため、調整後のスコアが高くなります。

Claudeで他のMCPサーバーと組み合わせられますか？ はい。Claude Desktopは複数のMCPサーバーを同時にサポートしています。このサーバーを、他のデータサーバーや分析サーバーと組み合わせることができます。一般的なワークフローとしては、このサーバーの地政学的関係ツールを使ってリスクの高い国のグループを特定し、その後、別のニュース検索または提出書類検索MCPサーバーを使って、対象国の最近の動向を取得します。

改善にご協力ください

問題が発生した場合は、Apifyアカウントで実行の共有を有効にすると、問題のデバッグを迅速に進めることができます。

1. アカウント設定 > プライバシーに移動します
2. Share runs with public Actor creatorsを有効にします

これにより、問題が発生した際に実行の詳細を確認できるため、より迅速に修正できます。データはアクターの開発者のみが確認でき、一般公開されることはありません。

サポート

バグを見つけた場合や機能をリクエストしたい場合は、このアクターのページにあるIssuesタブでイシューを作成してください。カスタムのソブリンリスクモデル、追加のデータソース連携、またはエンタープライズ向けのデプロイについては、Apifyプラットフォームからお問い合わせください。