JP2004252569A - Weather-derivative commodity recommendation device, weather-derivative commodity recommendation method, and computer-readable storage medium recording program - Google Patents

Weather-derivative commodity recommendation device, weather-derivative commodity recommendation method, and computer-readable storage medium recording program Download PDF

Info

Publication number
JP2004252569A
JP2004252569A JP2003039973A JP2003039973A JP2004252569A JP 2004252569 A JP2004252569 A JP 2004252569A JP 2003039973 A JP2003039973 A JP 2003039973A JP 2003039973 A JP2003039973 A JP 2003039973A JP 2004252569 A JP2004252569 A JP 2004252569A
Authority
JP
Japan
Prior art keywords
weather
product
information
derivative product
sales
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2003039973A
Other languages
Japanese (ja)
Other versions
JP4279004B2 (en
Inventor
Reiko Moriyama
令子 森山
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mitsubishi Electric Corp
Original Assignee
Mitsubishi Electric Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Mitsubishi Electric Corp filed Critical Mitsubishi Electric Corp
Priority to JP2003039973A priority Critical patent/JP4279004B2/en
Publication of JP2004252569A publication Critical patent/JP2004252569A/en
Application granted granted Critical
Publication of JP4279004B2 publication Critical patent/JP4279004B2/en
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Images

Abstract

<P>PROBLEM TO BE SOLVED: To plan a customer strategy for selling a weather-derivative commodity effective for a risk hedge by calculating the influence of weather. <P>SOLUTION: This device comprises an input part 10 for inputting customer product sales information related to sales of a customer product, weather information related to the weather, and weather-derivative commodity information related to a weather-derivative commodity with the commodity content of weather condition-based payment of the rate; a risk hedge calculation part 8 calculating a predicted amount of loss by a predicted reduction in sales of the customer product on the basis of the customer product sales information and the weather information, and calculating the condition of the weather-derivative commodity for reducing the predicted amount of loss to hedge a risk on the basis of the weather-derivative commodity information; and an output part 20 for outputting the condition of the weather-derivative commodity. <P>COPYRIGHT: (C)2004,JPO&NCIPI

Description

【０００１】
【発明の属する技術分野】
本発明は、天候デリバティブ商品推奨装置に関する。特に、顧客の売上高に対する天候の影響から有効な天候デリバティブ製品を選択し、顧客に推奨するための顧客戦略作成に関するものである天候デリバティブ商品推奨システムに関する。
【０００２】
【従来の技術】
天候の変動により事業収入及び事業価値等の事業価値が変動する事業体において、天候の変動により生ずる事業価値の変動を低減し、損失を回避することが可能な価値授受方法、価値授受装置、及び記録媒体を提供することを目的として、以下の手段が公知となっている。天候指標（平均気温）Ｔに対して、正の相関で事業価値が変動する第１事業体と、負の相関で事業価値が変動する第２事業体との間で、第１天候基準値Ｔ１及び第２天候基準値Ｔ２を設定し、Ｔ＞Ｔ１の場合に第１事業体から第２事業体へ価値を供与し、Ｔ＜Ｔ２の場合に逆に供与する。このとき第１及び第２事業体間で授受される価値の期待値を等しくすべく、各条件下で授受される価値の期待値を算出し、その中で最小の期待値を基準に補正を行う計算方法により価値を計算する。（特許文献１参照）
【０００３】
予測をするための入力情報の取捨選択を行い、誤差の少ない予測を行うことのできる商品販売予測装置を提供することを目的として、以下の手段が公知となっている。天候、日付、曜日、時刻等の予め入力された情報を格納した情報収集手段と、収集された情報を加工して予測に有効なデータ系列（例えば実測値を所定の値を基準とする多段階の値に分類し、その分類されたグループ毎にデータ値を与えて作られたものや、実測値の測定毎の測定値との偏差をデータ値とされたもの）を作成するデータ系列作成手段と、該データ系列作成手段の全データを重回帰分析し予測に対する貢献度の高い情報を選択する入力情報選択手段と、選択された情報によって商品販売の予測を行う予測処理手段とよりなる。（特許文献２参照）
【０００４】
【特許文献１】
特開２００１−２２２６０５号公報
【特許文献２】
特開平８−２１２１９１号公報
【０００５】
【発明が解決しようとする課題】
特許文献１は、２つの事業体の間で天候指標Ｔに対して、正の相関で事業価値が変動する第一の事業体と負の相関で事業価値が変動する第二の事業体との間で、第一天候基準値Ｔ１と第二天候基準値Ｔ２を定め、Ｔ、Ｔ１、Ｔ２の関係により第一事業体と第二事業体とで価値を供与することにより、天候によるリスクをお互いに軽減するものである。
【０００６】
特許文献２は、売上に影響を与える複数の要素の中から有効な要素を選択し、重回帰分析により売上予測を行うものである。
【０００７】
従来は、天候の影響も受けない売上要素も含めた売上全体に対する天候の影響を算出しており、天候の影響を受ける売上要素と天候の影響を受けない売上要素を区別しないため、天候の影響を受けない売上要素の天候以外の突発的要因で変化した場合などに算出結果に影響を及ぼすため正確性に欠けるという問題点があった。
【０００８】
また、天候の影響を受けない売上要因の変化も加味して天候の影響を算出することにより、顧客が有効でない天候デリバティブ商品を購入したり、また顧客に対してそのような天候デリバティブ商品の購入を勧めてしまう可能性があるという問題点があった。
【０００９】
この発明は、天候の影響を受ける売上要因と影響を受けない売上要因を区別して天候の及ぼす影響を算出することにより、リスクヘッジのため有効な天候デリバティブ商品を売り込む顧客戦略を練ることを目的とする。
【００１０】
【課題を解決するための手段】
この発明に係る天候デリバティブ商品推奨装置は、顧客製品の売上に関する顧客製品売上情報と、天候に関する天候情報と、天候条件により料金を支払うことを商品内容とする天候デリバティブ商品に関する天候デリバティブ商品情報とを入力する入力部と、
上記入力部により入力された顧客製品売上情報と天候情報とに基づき、予想される上記顧客製品の売上の減少による予想損失額を算出し、上記入力部により入力された天候デリバティブ商品情報に基づき、上記算出された予想損失額を減少させ、リスクヘッジさせるための上記天候デリバティブ商品の条件を算出するリスクヘッジ算出部と、
上記リスクヘッジ算出部により算出された天候デリバティブ商品の条件を出力し、ユーザに対し、顧客に推奨すべき天候デリバティブ商品の識別を促す出力部と
を備えたことを特徴とする。
【００１１】
【発明の実施の形態】
実施の形態１．
図１は、実施の形態１におけるシステムブロック図である。
図１において、天候デリバティブ商品推奨システム１００は、天候データベース１、顧客データベース２、業界全体の売上データベース３、天候デリバティブ商品データベース４、天候デリバティブ商品推奨装置５を備えている。図１においては、天候デリバティブ商品推奨システム１００は、各種データベースを備えているが、各データベースは、離れた場所に設置されても構わない。例えば、銀行が顧客に対し、天候デリバティブ商品を推奨する場合に、顧客情報を有する銀行が顧客データベース２、天候デリバティブ商品推奨装置５を有し、天候デリバティブ商品を販売する保険会社が天候デリバティブ商品データベース４を有し、業界団体が業界全体の売上データベース３を有し、気象庁が天候データベース１を有するといったものでも構わない。すなわち、天候デリバティブ商品推奨装置５が各データベースにアクセスできれば構わない。アクセスする方法として、インターネットでも構わないし、専用回線を用いても構わない。
【００１２】
天候データベース１には、例えば、降水量、気温と、晴れ、雨、曇り等の天候と、湿度、風速、日照量等との各天候要素の時系列データが入っている。また、天候データベース１には、今後の天候予想情報が入っている。今後の天候予想情報として、例えば、今後１年間の予想降水量、各日或いは所定の期間毎の予想気温分布或いは予想湿度分布、晴れる日の日数、雨の日の日数、曇りの日の日数、所定日照量を有する日の日数等の情報が挙げられる。又は、もっと大まかに、今年は、多雨か少雨か平年通りか、暑いか寒いか平年通りか等の情報が挙げられる。もちろんこれらに限ったものではない。
【００１３】
顧客データベース２には、対象となる顧客情報が入っている。ここで顧客情報とは、例えば、顧客の与信情報や顧客の売上の時系列データのことである。
【００１４】
業界全体の売上データベース３には、顧客の扱う製品についての業界全体としての売上情報の時系列データが入っている。
【００１５】
天候デリバティブ商品データベース４には、各天候要因に対応した天候デリバティブ商品の情報である天候デリバティブ商品情報が格納されている。天候デリバティブ商品には、例えば、ここでは、気温デリバティブ商品、降水量デリバティブ商品、台風デリバティブ商品等が挙げられている。各天候要因のデリバティブ商品は、例えば、販売する保険会社毎に用意されていてもよい。すなわち、各天候要因のデリバティブ商品が複数あっても構わない。
【００１６】
天候デリバティブ商品推奨装置５は、解析部６、相関関係算出部７（影響値算出部の一例である）、リスクヘッジ算出部８、天候デリバティブ商品選択部９、入力部１０、出力部２０を備えている。解析部６は、顧客の売上情報を解析する。解析部６は、顧客の主力製品を抽出する。相関関係算出部７は、顧客の主要製品の売上推移と天候の各要素の関係を求める。相関関係算出部７は、顧客データベース２に格納された主力製品の売上データと天候データベース１の各要因との相関関係を分析する。リスクヘッジ算出部８は、天候デリバティブ商品のリスクヘッジ効果を算出する。リスクヘッジ算出部８は、売上に影響を及ぼす天候要因の全ての天候デリバティブ商品のリスクヘッジ効果を算出する。天候デリバティブ商品選択部９は、お勧め天候デリバティブ商品を選択する。天候デリバティブ商品選択部９は、顧客にとって最もリスクヘッジ効果の高い天候デリバティブ商品を選択する。入力部１０は、パラメータを入力する。入力部１０は、天候データベース１、顧客データベース２、業界全体の売上データベース３、天候デリバティブ商品データベース４へのアクセスを行ない、必要な情報を入力する。
【００１７】
パターン１１は、天候デリバティブ商品推奨システムが出力した天候デリバティブ商品のお勧めパターンである。
【００１８】
入力部１０は、顧客データベース２から顧客製品の売上に関する顧客製品売上情報と、天候データベース１から天候に関する天候情報と、天候デリバティブ商品データベース４から天候条件により料金を支払うことを商品内容とする天候デリバティブ商品に関する天候デリバティブ商品情報とを入力する。
リスクヘッジ算出部８は、上記入力部１０により入力された顧客製品売上情報と天候情報とに基づき、予想される上記顧客製品の売上の減少による予想損失額を算出し、上記入力部１０により入力された天候デリバティブ商品情報に基づき、上記算出された予想損失額を減少させ、リスクヘッジさせるための上記天候デリバティブ商品の条件を算出する。
出力部２０は、上記リスクヘッジ算出部８により算出された天候デリバティブ商品の条件を出力し、ユーザに対し、顧客に推奨すべき天候デリバティブ商品の識別を促す。
【００１９】
図２は、入力部１０に入力するパラメータの一覧を示す図である。
各パラメータは、天候デリバティブ商品を推奨する判断のための基準値となるものである。
各天候要因が売上に影響を与えると判断する基準値をｍｉｎＥＭ、天候デリバティブ商品のリスクヘッジ効果の基準値をｍｉｎＤＨ、平均的な場合の売上高と天候デリバティブ商品の満たす条件下での一日当たりの売上高との差の基準値をｍｉｎＤＦ、天候デリバティブ商品の購入上限額をｍａｘＫとする。製品の売上に占める割合の最低値（基準値）をｍｉｎＰ、お勧めする天候デリバティブ商品の数をｄＮｕｍ、天候デリバティブ商品に対する支払い保険料の最大額（基準値）をｍａｘＰとする。これらの基準値は不要なときは設定しないことも可能とする。
上記入力部１０は、複数の天候デリバティブ商品に関する天候デリバティブ商品情報を入力する。
【００２０】
顧客の売上情報を解析する解析部６について説明する。
入力部１０において、顧客データベース２より対象となる顧客の売上情報を取り出し、各商品の売上高に対する割合の多い順に並び替える。
図３は、各商品の売上高に対する割合の多い順に並び替えた製品内訳を示す図である。
このとき、製品内訳１３における製品１、製品２といった製品の分類は、類似した製品をまとめて一つの製品として扱う。例えば、オレンジジュース、りんごジュース、パインジュースなど清涼飲料水をまとめて一つの製品として扱う。売上全体に対するある製品の占める割合が入力部１０により入力されたパラメータｍｉｎＰの値以上の製品を主力製品とし、その数をｍａｘＮ個（ｍａｘＮ＞＝１）とする。主力製品Ｎの売上に対する割合をＲ（Ｎ）、売上高をＳ（Ｎ）（Ｎ＝１，…，ｍａｘＮ）として主力製品売上情報とする。図３における主力製品売上情報１４に一例を示す。
【００２１】
図４は、さらに、解析部がおこなう動作の一例を示すフローチャート図である。
Ｓ（ステップ）４０１において、解析部６は、入力部１０を介して顧客データベース２よりＮ番目の主力製品の売上時系列情報をＩ（Ｎ）として記憶装置３０に格納する。
Ｓ４０２において、解析部６は、Ｎ番目の主力製品が新製品であるなど顧客情報に過去データがないかどうかを判断する。過去データがない場合は、ＮＵＬＬとしてＳ４０３に進む。過去データがある場合は、Ｓ４０４に進む。
Ｓ４０３において、解析部６は、業界全体の売上ベース３よりＮ番目の主力製品の業界全体における売上の時系列情報をＩ（Ｎ）として記憶装置３０に格納する。
Ｓ４０４において、解析部６は、記憶装置３０に記憶格納されたＩ（Ｎ）から製品Ｎの曜日別平均売上高を算出し、記憶装置３０に格納する。
【００２２】
次に顧客の主要製品の売上推移と天候の各要素の関係を求める相関関係算出部７について説明する。
影響値算出部の一例として、相関関係算出部７は、上記入力部１０により入力された顧客製品売上情報と天候情報とに基づき、上記顧客製品の売上が上記天候により受ける影響値Ｅ（Ｍ）を算出する。
上記リスクヘッジ算出部８は、上記影響値算出部の一例としての相関関係算出部７により算出された影響値Ｅ（Ｍ）が所定の条件を満たす場合に、予想される上記顧客製品の売上の減少による予想損失額を算出し、上記入力部１０により入力された天候デリバティブ商品情報に基づき、上記算出された予想損失額を減少させるための上記天候デリバティブ商品の条件を算出する。
【００２３】
図５は、顧客の主力製品が天候要因に受ける影響を求めるフローチャートを示す図である。
天候デリバティブ商品が用意されている天候要因の数をｍａｘＭとする（ｍａｘＭ≧１）。主力製品１から主力製品ｍａｘＮについて以下のような処理を行う。そして、天候要因Ｍが顧客の売上に及ぼす影響を示す値として影響値Ｅ（Ｍ）を求める。
Ｓ５０１において、相関関係算出部７は、Ｅ（Ｍ）をゼロで初期化する。
Ｓ５０２において、相関関係算出部７は、図４におけるＳ４０１或いはＳ４０３において、記憶装置３０に記憶されたＩ（Ｎ）を入力部１０を介して取り出す。
Ｓ５０４において、相関関係算出部７は、天候データベース１よりＭ番目の天候要素の時系列情報をＷ（Ｍ）として記憶装置３０に格納する。
Ｓ５０５において、相関関係算出部７は、主力製品Ｎの顧客の売上が天候要因Ｍに受ける影響としてＷ（Ｍ）とＩ（Ｎ）の相関関係の値を示す相関関係値Ｃ（Ｎ，Ｍ）を求め、記憶装置３０に格納する。このとき、新製品であるなど顧客情報に過去データがない場合には、主力製品Ｎの業界全体の売上が天候要因Ｍに受ける影響としてＷ（Ｍ）と図４におけるＳ４０３において記憶装置３０に記憶されたＩ（Ｎ）との相関関係を求めＣ（Ｎ，Ｍ）に格納する。顧客情報に過去データがある場合には、Ｗ（Ｍ）と図４におけるＳ４０１において記憶装置３０に記憶されたＩ（Ｎ）との相関関係を求めＣ（Ｎ，Ｍ）に格納する。
Ｓ５０６において、相関関係算出部７は、相関関係値Ｃ２（Ｎ，Ｍ）に主要製品Ｎの売上全体に対する割合の値を示す割合値Ｒ（Ｎ）を掛け合わせたものをＥ（Ｍ）に加算する。言いかえれば、上記顧客製品売上情報は、顧客の売上げ総額の対する上記顧客製品の売上が占める割合値を示す割合値情報を有し、上記影響値算出部の一例としての相関関係算出部７は、上記入力部１０により入力された顧客製品売上情報と天候情報とに基づき、上記顧客製品の売上と上記天候との相関関係を示す相関関係値Ｃ（Ｎ，Ｍ）を算出し、算出された相関関係値Ｃ（Ｎ，Ｍ）に上記割合値情報が示す割合値Ｒ（Ｎ）を乗じた値を上記影響値Ｅ（Ｍ）として算出する。
Ｓ５０７において、相関関係算出部７は、主力製品ＮのＮ値が主力製品の数であるｍａｘＮ値かどうかを判断する。ｍａｘＮ値でない場合は、Ｓ５０８に進む。ｍａｘＮ値である場合は、Ｓ５０９に進む。
Ｓ５０８において、相関関係算出部７は、Ｎ値に１を加算する。そして、Ｓ５０２に戻る。相関関係算出部７は、全ての主力製品１から主力製品Ｎ（ｍａｘＮ）に対してＳ５０１からＳ５０７の操作を行う。すなわち、相関関係算出部７は、各主力製品について、Ｎが順に１からｍａｘＮへと累積された天候要因Ｍによる影響値Ｅ（Ｍ）を算出する。すなわち、製品２の影響値Ｅ（Ｍ）は、製品１の影響値に製品２独自の影響値を加算した値となる。そして、各主力製品についての影響値Ｅ（Ｍ）は、それぞれ記憶装置３０に格納される。以上のように、順に加算することにより天候要因Ｍによる主力製品すべての影響値Ｅ（Ｍ）の合計値を算出する。以上により、製品単位ではなく、天候要因Ｍによる顧客単位で受ける影響値を算出することができる。顧客単位で受ける影響値を算出することにより、天候要因Ｍによるリスクヘッジを考え、天候要因Ｍによる天候デリバティブ商品の必要性を認識し、商品の選択をおこなうことができる。
Ｓ５０９において、相関関係算出部７は、天候要因ＭのＭ値が天候要因の数であるｍａｘＭ値かどうかを判断する。ｍａｘＭ値でない場合は、Ｓ５１０に進む。ｍａｘＭ値である場合は、影響値Ｅ（Ｍ）の合計値を記憶装置３０に記憶格納し、終了する。
Ｓ５１０において、相関関係算出部７は、Ｍ値に１を加算する。そして、Ｓ２に戻る。相関関係算出部７は、すべての主力製品に対して全ての天候要因に対する影響を求めるためＭを１からｍａｘＭまで繰り返し同様の操作を行う。
以上により、全ての主力製品、全ての天候要因について、主力製品Ｎと天候要因Ｍとの関係がＣ（Ｎ，Ｍ）として、天候要因Ｍの各天候要因が売上に対する影響をＥ（Ｍ）として記憶装置３０に格納される。すなわち、主力製品すべての影響値Ｅ（Ｍ）の合計値として、Ｅ（１），Ｅ（２），…，Ｅ（ｍａｘＭ）が記憶装置３０に格納される。
【００２４】
図６は、図５におけるＳ５の処理をフローチャートで示した図である。
Ｓ２０１において、相関関係算出部７は、時系列モデルの式、例えば、式（１）として、Ｘ（ｔ）＝ａ＋ｂ×Ｚ（ｔ）を選択する。
Ｓ２０２において、相関関係算出部７は、製品の売上情報Ｉ（Ｎ）より一日の平均売上げａｖｅＤａｙ、各月（ｍｏｎｔｈ）毎の一日の平均売上げａｖｅＭｏｎｔｈ（ｍｏｎｔｈ）を算出し、記憶装置３０に記憶する。
Ｓ２０３において、相関関係算出部７は、ａｖｅＤａｙとａｖｅＭｏｎｔｈ（ｍｏｎｔｈ）との差分を加味した関数ＤＤ（Ｎ，ｔ）を算出し、記憶装置３０に記憶する。ＤＤ（Ｎ，ｔ）は月ごとの変化を考慮する関数となる。
Ｓ２０４において、相関関係算出部７は、例えば、式（１）において、Ｉ（Ｎ）からＤＤ（Ｎ，ｔ）を引いた値をＸ（ｔ）とみなし、Ｗ（Ｍ）の時系列データをＺ（ｔ）とみなして回帰分析により近似式を算出し、係数ａ、ｂをＫＫ（Ｎ，Ｍ）として記憶装置３０に格納する。
Ｓ２０５において、相関関係算出部７は、Ｓ２０４で求めた式（１）の係数ＫＫ（Ｎ，Ｍ）にＳ２０３で求めた月ごとの変化を考慮する関数ＤＤ（Ｎ，ｔ）を加えて時系列モデル式（１）を用いた場合の相関関係値Ｃ（Ｎ，Ｍ）を求める。
【００２５】
図７は、リスクヘッジ算出部がおこなう動作を示すフローチャート図である。
主力製品Ｎについて以下の操作を行う。
Ｓ７０１において、リスクヘッジ算出部８は、Ｎ値を値１にする。
Ｓ７０２において、リスクヘッジ算出部８は、Ｍ値を値１にする。
Ｓ７１１において、リスクヘッジ算出部８は、記憶装置３０に格納された図５で求めた顧客の製品Ｎについての売上情報に与える天候要因Ｍの影響値Ｅ（Ｍ）が入力部１０により入力されたパラメータである基準値ｍｉｎＥＭより大きい場合には、天候要因Ｍが売上に影響を及ぼすと判断し、Ｓ７１３に進む。影響値Ｅ（Ｍ）が基準値ｍｉｎＥＭより小さい場合には、Ｓ７１２に進む。
Ｓ７１２において、リスクヘッジ算出部８は、Ｍに１を加算し、Ｓ７１１に戻る。
Ｓ７１３において、リスクヘッジ算出部８は、天候要因Ｍに関する天候デリバティブ商品数をｍａｘＤに代入する。
Ｓ７１４において、リスクヘッジ算出部８は、天候要因ＭのＤ番目の天候デリバティブ商品をＷＣ（Ｍ，Ｄ）とし、主力製品Ｎに対する天候デリバティブ商品ＷＣ（Ｍ，Ｄ）によるリスクヘッジ効果ＲＨ（Ｎ，Ｍ，Ｄ）を算出する。
Ｓ７１５において、リスクヘッジ算出部８は、リスクヘッジ効果ＲＨ（Ｎ，Ｍ，Ｄ）が入力部１０により入力されたパラメータとしてあらかじめ設定された値ｍｉｎＤＨ以上であったらリスクヘッジ効果があると判断しお勧めリストＲＬに追加する。お勧めリストＲＬは、記憶装置３０に記憶される。
Ｓ７１７において、リスクヘッジ算出部８は、Ｄ値がｍａｘＤ値以上かどうかを判断する。Ｄ値がｍａｘＤ値以上ならＳ７１９に進む。Ｄ値がｍａｘＤ値より小さい場合ならＳ７１８に進む。
Ｓ７１８において、リスクヘッジ算出部８は、Ｄに１を加算し、Ｓ７１４に戻る。すなわち、天候要因Ｍに関する全ての天候デリバティブ商品ＷＣ（Ｍ，Ｄ）についてＳ７１４からＳ１６を実行する。
Ｓ７１９において、リスクヘッジ算出部８は、Ｍ値がｍａｘＭ値以上かどうかを判断する。Ｍ値がｍａｘＭ値以上ならＳ７２１に進む。Ｍ値がｍａｘＭ値より小さい場合ならＳ７２０に進む。
Ｓ７２０において、リスクヘッジ算出部８は、Ｍに１を加算し、Ｓ７１１に戻る。すなわち、全ての天候要因ＭについてＳ７１１からＳ７１９を実行する。
Ｓ７２１において、リスクヘッジ算出部８は、Ｎ値がｍａｘＮ値以上かどうかを判断する。Ｎ値がｍａｘＮ値以上なら終了する。Ｎ値がｍａｘＮ値より小さい場合ならＳ７０２に戻る。すなわち、全ての主力製品ＮについてＳ７１１からＳ７２０までを実行することになり、お勧めリストＲＬには全ての主力製品Ｎについてお勧め天候デリバティブ商品のリスクヘッジ効果ＲＨ（Ｎ，Ｍ，Ｄ）が格納される。
【００２６】
図７におけるＳ７１４、即ち天候デリバティブ商品のリスクヘッジ効果を算出する手段について説明する。
図８は、即ち天候デリバティブ商品のリスクヘッジ効果を算出するフローチャートを示す図である。
Ｓ８２３において、リスクヘッジ算出部８は、顧客データベース２から取り出した製品Ｎの情報Ｉ（Ｎ）より製品Ｎの曜日別平均売上高ＮＭＬ（Ｎ）を算出する。
Ｓ８２４において、リスクヘッジ算出部８は、天候データベース１より取り出した天候要因Ｍの時系列情報Ｗ（Ｍ）と顧客データベース２から取り出した製品Ｎの情報Ｉ（Ｎ）とより天候デリバティブ商品Ｄの定める条件下での曜日別平均売上高ＣＮＤ（Ｎ，Ｍ，Ｄ）を算出し、記憶装置３０に格納する。
Ｓ８２５において、リスクヘッジ算出部８は、通常の曜日別平均売上高ＮＭＬ（Ｎ）と天候デリバティブ商品Ｄの定める条件化での曜日別平均売上高ＣＮＤ（Ｎ，Ｍ，Ｄ）との差ＤＦ（Ｎ，Ｍ，Ｄ）を算出し、記憶装置３０に格納する。ＤＦ（Ｎ，Ｍ，Ｄ）は各曜日ごとの売上高の差の絶対値と割合の情報が入った行列情報となる。
図９は、ＤＦ（Ｎ，Ｍ，Ｄ）の内容を示す図である。
図９において、ＤＦ（Ｎ，Ｍ，Ｄ）には、各曜日毎の売上高の差、売上高の差の平均値、各曜日毎の売上高の差を平均売上高で割った商、各曜日毎の売上高の差を平均売上高で割った商の平均値が情報として格納されている。
Ｓ８２６において、リスクヘッジ算出部８は、ＤＦ（Ｎ，Ｍ，Ｄ）が入力部１０により入力されたパラメータである基準値ｍｉｎＤＦとの比較を行い、ｍｉｎＤＦに満たなければリスクヘッジが不要と判断してＳ８２７に進む。ＤＦ（Ｎ，Ｍ，Ｄ）が基準値ｍｉｎＤＦ以上であれば、リスクヘッジさせるために天候デリバティブ商品を推奨する価値ありと判断し、すなわち、リスクヘッジが必要と判断してＳ８２８に進む。言いかえれば、上記リスクヘッジ算出部８は、上記入力部１０により入力された顧客製品売上情報と天候情報とに基づき、所定の期間あたりの平均売上げ額としての通常平均売上げ額と上記天候デリバティブ商品で料金が支払われるための天候条件に該当する期間あたりの平均売上げ額としての天候条件該当平均売上げ額とを算出し、記憶装置３０に記憶する。そして、算出された通常平均売上げ額と天候条件該当平均売上げ額との差額が所定の条件（例えば、ここでは、基準値ｍｉｎＤＦ以上）を満たす場合に、後述する予想される上記顧客製品の売上の減少による予想損失額を算出する。
Ｓ８２７において、リスクヘッジ算出部８は、リスクヘッジ効果（指数）ＲＨ（Ｎ，Ｍ，Ｄ）にゼロを設定する。
Ｓ８２８において、リスクヘッジ算出部８は、Ｗ（Ｍ）より算出した天候デリバティブ商品の定める条件を満たす日数の平均・最高・最低をそれぞれＯＤＡｖｅ（Ｍ，Ｄ），ＯＤＭａｘ（Ｍ，Ｄ），ＯＤＭｉｎ（Ｍ，Ｄ）に入力し、ＯＤＡｖｅ（Ｍ，Ｄ），ＯＤＭａｘ（Ｍ，Ｄ），ＯＤＭｉｎ（Ｍ，Ｄ）を記憶装置３０に格納する。リスクヘッジ算出部８は、入力部１０を介して天候データベース１より天候デリバティブ商品の定める条件を満たす日数の平均・最高・最低を入力する。
Ｓ８２９において、リスクヘッジ算出部８は、ＤＦ（Ｎ，Ｍ，Ｄ）とＳ８２８で求めた日数（平均・最高・最低）より予想損失額として平均予想損失額、最高予想損失額、最低予想損失額を算出し、それぞれ平均予想損失額をＤＭＡｖｅ（Ｍ，Ｄ）として、最高予想損失額をＤＭＭａｘ（Ｍ，Ｄ）として、最低予想損失額をＤＭＭｉｎ（Ｍ，Ｄ）として記憶装置３０に記憶する。曜日によってＤＦ（Ｎ，Ｍ，Ｄ）の値は異なるがＳ８２８で求めた日数が各曜日に均等に配分されるものとする。
Ｓ８３０において、リスクヘッジ算出部８は、天候デリバティブ商品で一口あたりで支払われる金額と天候デリバティブ商品一口あたりを購入する購入金額との差を算出し、差額をＹＹ（Ｍ，Ｄ）として記憶装置３０に記憶する。
Ｓ８３１において、リスクヘッジ算出部８は、ＹＹ（Ｍ，Ｄ）と予想損失額の平均ＤＭＡｖｅ（Ｍ，Ｄ）を比較し、予想損失額が天候デリバティブ商品で支払われる差額ＹＹ（Ｍ，Ｄ）より小さい場合には天候デリバティブ商品を購入するメリットがないと判断して、Ｓ８２７に進む。予想損失額が天候デリバティブ商品で支払われる差額ＹＹ（Ｍ，Ｄ）より大きい場合には、Ｓ８３２に進む。言いかえれば、上記天候デリバティブ商品は、一口あたり所定の掛け金で顧客が購入する口数に応じて料金を支払い、そして、上記リスクヘッジ算出部８は、上記算出された予想損失額が上記天候デリバティブ商品一口あたりで支払われる料金と一口あたりの上記所定の掛け金（購入金額）との差額ＹＹ（Ｍ，Ｄ）より大きい場合に、上記天候デリバティブ商品の条件として、上記算出された予想損失額を減少させ、リスクヘッジさせるために後述する必要な口数を算出する。
Ｓ８３２において、リスクヘッジ算出部８は、天候デリバティブ商品を購入する口数を計算する。このとき、リスクヘッジ算出部８は、予想損失額の平均値ＤＭＡｖｅ（Ｍ，Ｄ）とＹＹ（Ｍ，Ｄ）とから計算した、すなわち、平均値ＤＭＡｖｅ（Ｍ，Ｄ）をＹＹ（Ｍ，Ｄ）で割った商を購入口数ＫＡｖｅ（Ｍ，Ｄ）として、最大値ＤＭＭａｘ（Ｍ，Ｄ）とＹＹ（Ｍ，Ｄ）とから計算した、すなわち、最大値ＤＭＭａｘ（Ｍ，Ｄ）をＹＹ（Ｍ，Ｄ）で割った商を購入口数ＫＭａｘ（Ｍ，Ｄ）として、最小値ＤＭＭｉｎ（Ｍ，Ｄ）とＹＹ（Ｍ，Ｄ）とから計算した、すなわち、最小値ＤＭＭｉｎ（Ｍ，Ｄ）をＹＹ（Ｍ，Ｄ）で割った商を購入口数ＫＭｉｎ（Ｍ，Ｄ）として算出し、ＫＡｖｅ（Ｍ，Ｄ）、ＫＭａｘ（Ｍ，Ｄ）、ＫＭｉｎ（Ｍ，Ｄ）を記憶装置３０に記憶する。
Ｓ８３３において、リスクヘッジ算出部８は、ＤＭＡｖｅ（Ｍ，Ｄ）、ＤＭＭａｘ（Ｍ，Ｄ）、ＤＭＭｉｎ（Ｍ，Ｄ）、ＫＡｖｅ（Ｍ，Ｄ）、ＫＭａｘ（Ｍ，Ｄ）、ＫＭｉｎ（Ｍ，Ｄ）、ＹＹ（Ｍ，Ｄ）を用いて、平均日数より算出したリスクヘッジ後の金額を実質損失額（平均）として、最大日数より算出したリスクヘッジ後の金額を実質損失額（最高）として、最小日数より算出したリスクヘッジ後の金額を実質損失額（最低）として算出し、実質損失額（平均）、実質損失額（最高）実質損失額（最低）を記憶装置３０に記憶する。ここでは、ＤＭＡｖｅ（Ｍ，Ｄ）からＹＹ（Ｍ，Ｄ）とＫＡｖｅ（Ｍ，Ｄ）との積を引いた差額を実質損失額（平均）とする。同様に、ＤＭＭａｘ（Ｍ，Ｄ）からＹＹ（Ｍ，Ｄ）とＫＭａｘ（Ｍ，Ｄ）との積を引いた差額を実質損失額（最高）とする。ＤＭＭｉｎ（Ｍ，Ｄ）からＹＹ（Ｍ，Ｄ）とＫＭｉｎ（Ｍ，Ｄ）との積を引いた差額を実質損失額（最低）とする。リスクヘッジ算出部８は、平均日数より算出した各値、最大日数より算出した各値、最小日数より算出した各値をリスクヘッジ効果ＲＨ（Ｎ，Ｍ，Ｄ）に代入する。リスクヘッジ効果ＲＨ（Ｎ，Ｍ，Ｄ）は、記憶装置３０に記憶される。
【００２７】
図１０は、リスクヘッジ効果ＲＨ（Ｎ，Ｍ，Ｄ）のボディ部の構成を示す図である。
リスクヘッジ効果ＲＨ（Ｎ，Ｍ，Ｄ）として、天候デリバティブ商品の定める条件を満たす日数が平均的な場合の実質損失額１１５（実質損失額１１５は、図８におけるＳ８３３で算出した平均日数より算出したリスクヘッジ後の金額である実質損失額（平均）を示す。）、その時の購入口数１１８（ＫＡｖｅ（Ｍ，Ｄ）の値）、天候デリバティブ商品の定める条件を満たす日数が最も多いと考えられる場合の実質損失額１１６（実質損失額１１６は、図８におけるＳ８３３で算出した最高日数より算出したリスクヘッジ後の金額である実質損失額（最高）を示す。）、その時の購入口数１１９（ＫＭａｘ（Ｍ，Ｄ）の値）、天候デリバティブ商品の定める条件を満たす日数が最も少ないと考えられる場合の実質損失額１１７（実質損失額１１７は、図８におけるＳ８３３で算出した最低日数より算出したリスクヘッジ後の金額である実質損失額（最低）を示す。）、その時の購入口数１２０（ＫＭｉｎ（Ｍ，Ｄ）の値）、天候デリバティブ商品の一口あたりの購入価格１２１、後述する選択部９により天候の予測を行うことにより定まる予想損失額１２４、受取る受取額の予想値１２５、リスクヘッジ後の金額である実質損失額１２２、受取額の予想値１２５を受け取るために天候デリバティブ商品を購入するのに必要な支払い保険料額１２３、が入っている。リスクヘッジ効果ＲＨ（Ｎ，Ｍ，Ｄ）の各情報は、予想損失額を減少させ、リスクヘッジさせるための上記天候デリバティブ商品の条件の一例である。
以上のように、リスクヘッジ算出部８は、上記入力部１０により入力された天候デリバティブ商品情報の複数の天候デリバティブ商品の各天候デリバティブ商品に対し、リスクヘッジさせるための上記天候デリバティブ商品の条件を算出する。
【００２８】
図１１は、お勧め天候デリバティブ商品を選択する選択部がおこなう動作のフローチャートを示す図である。
ここではお勧めリストＲＬにある各天候デリバティブ商品のリスクヘッジ効果のソートを行う。
Ｓ１１３４において、選択部９は、Ｍ値とリストＲＬ２との初期化を行い、図７において求めたお勧めリストＲＬの中で天候要因Ｍに関する情報を全て取り出し一時リストＲＬ＿Ｍに格納する。一時リストＲＬ＿Ｍは、記憶装置３０に記憶される。
Ｓ１１３６において、選択部９は、天候要因Ｍについてデータ操作を行う。
Ｓ１１３７において、選択部９は、一時リストＲＬ＿Ｍの全ての要素をＲＬ２にコピーする。
Ｓ１１３８において、選択部９は、ＭがｍａｘＭかどうかを判断する。ＭがｍａｘＭの場合は、Ｓ１１４０に進む。ＭがｍａｘＭでない場合は、Ｓ１１３９に進む。
Ｓ１１３９において、選択部９は、Ｍに１を加算し、Ｓ１１３５に戻る。すなわち、選択部９は、全ての天候要因ＭについてＳ１１３５〜Ｓ１１３７を繰り返す。そして、選択部９は、リストＲＬ２に全ての天候要因Ｍについて、お勧めリストＲＬにある各天候デリバティブ商品のリスクヘッジ効果の各情報をリストにする。
Ｓ１１４０において、選択部９は、天候デリバティブ商品にて給付された後の実質的な損失額である実質損失額でソートする。次に、選択部９は、実質損失額が同額である場合が存在するときには、実質的な支払い保険料額でソートする。すなわち、選択部９は、図１０における実質損失額１２２の小さい順にリストＲＬ２を並び替える。そして、実質損失額１２２が同額である場合が存在するときには、同額である部分について支払い保険料額１２３の小さい順にリストＲＬ２を並び替える。
Ｓ１１４１において、選択部９は、天候デリバティブ商品のお勧めパターン１１を出力する。このとき入力部１０において入力されたパラメータでお勧め天候デリバティブ商品の数ｄＮｕｍの指定があれば最大ｄＮｕｍ個までがお勧め天候デリバティブ商品とする。また、入力されたパラメータで支払い保険料の最大額ｍａｘＰが設定されている場合には支払い限度額のチェックを行う。そして、選択部９は、上記各条件に適した天候デリバティブ商品のお勧めパターン１１を出力する。
【００２９】
ここで、上記天候情報は、過去に上記天候デリバティブ商品で料金が支払われるための天候条件に該当した複数年度の各年度の日数を示す日数情報を有している。
そして、上記図８で説明したように、上記リスクヘッジ算出部８は、上記入力部１０により入力された天候情報に基づき、上記日数情報が示す各年度の日数の内、少ない年度の日数を最低日数、多い年度の日数を最高日数、各年度の日数の平均を平均日数として、図８のＳ８３２において上記最低日数の場合に上記天候デリバティブ商品が支払う料金と上記リスクヘッジさせるために必要な口数と、最高日数の場合に上記天候デリバティブ商品が支払う料金と上記リスクヘッジさせるために必要な口数と、平均日数の場合に上記リスクヘッジさせるために必要な口数を算出し、さらに、図８のＳ８３３において上記予想損失額と上記天候デリバティブ商品が支払う料金との差額をリスクヘッジ後の損失額として算出している。
【００３０】
そして、選択部９は、所定の条件に基づき上記最低日数と上記最高日数と上記平均日数とのいずれかを選択し、選択された日数に該当する上記リスクヘッジ算出部８により算出されたリスクヘッジ後の損失額を選択し、選択された日数に該当する口数に基づく掛け金を支払い保険料額として選択する。ここで、上記所定の条件は、上記入力部１０により入力された天候情報に基づき定まるようしている。
【００３１】
図１２は、リストＲＬ＿Ｍのデータ操作の例を説明する図である。
図１２では、天候要因が降水量の場合を例にとって説明する。ＲＨ（Ｎ，Ｍ，Ｄ）の情報は図１０に示されるように、天候デリバティブ商品の満たす条件が平均的データの場合の実質損失額１１５、過去のデータから予測される最高の場合の実質損失額１１６、最低の場合の実質損失額１１７が求められている。そこで、選択部９は、その年の降水量の予測を入力部１０を介して天候データベース１より入力する。
Ｓ１２４２において、選択部９は、天候要因Ｍについての予測について所定の条件で判断する。例えば、ここでは、天候要因として降水量について説明しているので、例えば、今後１年の降水量が多雨か少雨が平年並みかを判断する。少雨の場合は、Ｓ１２４３に進む。平年並みの場合は、Ｓ１２４４に進む。多雨の場合は、Ｓ１２４５に進む。
Ｓ１２４３において、選択部９は、実質損失額１１７を選択し、実質損失額１２２に選択された実質損失額１１７をコピーする。そして、選択部９は、購入口数（最低）１２０を選択し、選択された購入口数（最低）１２０と一口あたりの商品に値段１２１との積を算出し、支払い保険料額１２３に代入する。選択部９は、記憶装置３０からＤＭＭｉｎを読み込み、実質的な予想損失額１２４に代入する。選択部９は、記憶装置３０からＹＹ（Ｍ，Ｄ）、ＫＭｉｎを読み込み、ＹＹ（Ｍ，Ｄ）とＫＭｉｎとの積を算出し、算出された積を実質的な受取額の予想値１２５に代入する。
Ｓ１２４４において、選択部９は、実質損失額１１５を選択し、実質損失額１２２に選択された実質損失額１１５をコピーする。そして、選択部９は、購入口数（平均）１１８を選択し、選択された購入口数（平均）１１８と一口あたりの商品に値段１２１との積を算出し、支払い保険料額１２３に代入する。選択部９は、記憶装置３０からＤＭＡｖｅを読み込み、実質的な予想損失額１２４に代入する。選択部９は、記憶装置３０からＹＹ（Ｍ，Ｄ）、ＫＡｖｅを読み込み、ＹＹ（Ｍ，Ｄ）とＫＡｖｅとの積を算出し、算出された積を実質的な受取額の予想値１２５に代入する。
Ｓ１２４５において、選択部９は、実質損失額１１６を選択し、実質損失額１２２に選択された実質損失額１１６をコピーする。そして、選択部９は、購入口数（最高）１１９を選択し、選択された購入口数（最高）１１９と一口あたりの商品に値段１２１との積を算出し、支払い保険料額１２３に代入する。選択部９は、記憶装置３０からＤＭＭａｘを読み込み、実質的な予想損失額１２４に代入する。選択部９は、記憶装置３０からＹＹ（Ｍ，Ｄ）、ＫＭａｘを読み込み、ＹＹ（Ｍ，Ｄ）とＫＭａｘとの積を算出し、算出された積を実質的な受取額の予想値１２５に代入する。
多雨、少雨などの状況に応じて予測される天候デリバティブ商品から得られる保険額を予測して、その保険額により補填された後、すなわち、リスクヘッジされた後の損失額を実質損失額として実質損失額１２２に代入し、またそのときに必要となる天候デリバティブ商品に対する支払い保険料額を支払い保険料額１２３に代入する。降水量を天候条件として料金を支払うことを商品内容とする天候デリバティブ商品が複数ある場合に、すべての天候デリバティブ商品についておこなう。
【００３２】
出力部２０は、選択部９により出力された天候デリバティブ商品のお勧めパターン１１（天候デリバティブ商品の条件の一例である）を外部に出力する。出力部２０は、例えば、プリンタ等に出力してもよい。また、画面に表示してもよい。天候デリバティブ商品の条件を出力することにより、ユーザに対し、顧客に推奨すべき天候デリバティブ商品の識別を促すものであれば構わない。
【００３３】
図１１で説明したように、上記リスクヘッジ算出部８は、複数の天候デリバティブ商品の各天候デリバティブ商品に対し、予想損失額と予想される上記天候デリバティブ商品が支払う料金との差額をリスクヘッジ後の損失額として算出しているため、出力部２０は、上記リスクヘッジ算出部８により算出されたリスクヘッジ後の損失額の小さい順に、上記リスクヘッジ算出部により算出された各天候デリバティブ商品の条件を出力する。
さらに、上記天候デリバティブ商品は、一口あたり所定の掛け金で顧客が購入する口数に応じて料金を支払うため、出力部２０は、上記リスクヘッジ算出部８により算出されたリスクヘッジ後の損失額が同一値である複数の天候デリバティブ商品が存在する場合に、上記天候デリバティブ商品が支払う料金を受け取るために顧客が購入する口数に所定の掛け金を乗じた支払い掛け金の小さい順に、上記リスクヘッジ算出部８により算出された各天候デリバティブ商品の条件を出力する。
以上のように、上記選択部９によりソートされることで、上記出力部２０は、ユーザに対し、リスクヘッジ効果の大きい順に上記リスクヘッジ算出部により算出された各天候デリバティブ商品の条件を出力することで、顧客に対する投資対効果を明確にすることができ、天候デリバティブ商品を売り込むときに有効な戦略をたてることが可能になるという効果が期待できる。
【００３４】
以上のように、想定できる全ての天候要因が顧客の売上に与える影響を天候データベース１と顧客データベース２から算出することにより売上に影響のある天候要因を特定することができる。さらに各天候要因に対して用意されている全ての天候デリバティブ商品が顧客の売上に与えるリスクヘッジ効果を天候データベース１と顧客データベース２の時系列データより予測することにより、顧客が天候デリバティブ商品を購入した場合の投資対効果を明確にすることができ、天候デリバティブ商品を売り込むときに有効な戦略をたてることが可能になるという効果が期待できる。言いかえれば、顧客情報とマッチングしていることにより天候デリバティブ商品を売り込むときのヒット率を高めること、すなわち、顧客が天候デリバティブ商品を購入する確率を高めるという効果が期待できる。
【００３５】
また、天候デリバティブ商品のお勧めを選択する場合に、商品の購入限度額、得られる効果の最低額、売上に与える影響の度合いなどを指定できるようにしているため異なる効果の天候デリバティブ商品のパターンを求めることができ、顧客に対する天候デリバティブ商品の売り込み時に様々な戦略を練ることができるという効果が期待できる。
【００３６】
実施の形態２．
実施の形態１では、天候デリバティブ商品を顧客に勧めるときに最も効果の高い商品をお勧め商品として選択し顧客戦略を練るためのものであるが、次に天候デリバティブ商品を選択する場合に天候ポートフォリオとしてお勧め商品を選択する実施の形態を示す。実施の形態２における各構成は、図１と同様である。
【００３７】
上記入力部１０は、天候データベース１から複数の天候要因に関する天候情報と、天候デリバティブ商品データベース４から上記複数の天候要因の各天候要因について所定の天候条件により料金を支払うことを商品内容とする複数の天候デリバティブ商品に関する天候デリバティブ商品情報とを入力する。
上記リスクヘッジ算出部８は、上記入力部１０により入力された天候デリバティブ商品情報の上記複数の天候要因の各天候要因について、上記複数の天候デリバティブ商品の各天候デリバティブ商品に対し、リスクヘッジさせるための上記天候デリバティブ商品の条件（例えば、ここでは、リスクヘッジ効果ＲＨ（Ｎ，Ｍ，Ｄ）の各情報）を算出する。
選択部９は、上記複数の天候要因の各天候要因に対し、リスクヘッジ効果の最も大きい各天候デリバティブ商品について上記リスクヘッジ算出部８により算出された各天候デリバティブ商品の条件を選択する。
【００３８】
以下、実施の形態１と異なる部分のみ説明する。
図１３は、実施の形態２におけるお勧め天候デリバティブ商品を選択する選択部がおこなう動作を示すフローチャート図である。
Ｓ１３４６において、選択部９は、Ｍを１とし、リストＲＬ２の初期化を行う。
Ｓ１３４７において、選択部９は、図７で作成したお勧めリストＲＬから天候要因Ｍに関する情報を取り出し一時リストＲＬ＿Ｍに格納する。
Ｓ１３４８において、選択部９は、図１２で示すデータ操作を行い一時リストＲＬ＿Ｍの各項目に天候要因Ｍの予測による実質損失額などの算出を行う。
Ｓ１３４９において、選択部９は、天候要因Ｍの予測による実質損失額等が代入された図１０におけるリスクヘッジ効果ＲＨ（Ｎ，Ｍ，Ｄ）の各情報である天候要因Ｍに関する複数のお勧め天候デリバティブ商品情報に対し、天候デリバティブ商品にて給付された後の実質的な損失額である実質損失額でソートする。次に、選択部９は、実質損失額が同額である場合が存在するときには、実質的な支払い保険料額でソートする。すなわち、選択部９は、図１０における実質損失額１２２の小さい順にリストＲＬ２を並び替える。そして、実質損失額１２２が同額である場合が存在するときには、同額である部分について支払い保険料額１２３の小さい順にリストＲＬ２を並び替える。すなわち、選択部９は、ソートすることで、一時リストＲＬ＿Ｍを実質損失額が少なく支払う保険料が少ない順に天候デリバティブ商品を並べ換える。
Ｓ１３５０において、選択部９は、一時リストＲＬ＿Ｍの中で先頭にある項目、すなわち、天候デリバティブ商品の条件で示される天候デリバティブ商品が天候要因Ｍに関する天候デリバティブ商品の中で最も効率よい商品となるため、お勧め天候天候ポートフォリオの候補としてＲＬ２に格納する。ＲＬ２は、記憶装置３０に記憶される。
Ｓ１３５１において、選択部９は、ＭがｍａｘＭかどうかを判断する。ＭがｍａｘＭの場合は、Ｓ１３５３に進む。ＭがｍａｘＭでない場合は、Ｓ１３５２に進む。
Ｓ１３５２において、選択部９は、Ｍに１を加算し、Ｓ１３４７に戻る。すなわち、選択部９は、全ての天候要因ＭについてＳ１３４７〜Ｓ１３５０を繰り返す。そして、選択部９は、リストＲＬ２に全ての天候要因Ｍについて、お勧めリストＲＬにある各天候デリバティブ商品のリスクヘッジ効果の各情報をリストにする。すなわち、全ての天候要因Ｍについても同様の操作を行うことによりリストＲＬ２には全ての天候要因について、それぞれ最も効率の良い天候デリバティブ商品の情報が格納される。
Ｓ１３５３において、選択部９は、天候デリバティブ商品にて給付された後の実質的な損失額である実質損失額でソートする。次に、選択部９は、実質損失額が同額である場合が存在するときには、実質的な支払い保険料額でソートする。すなわち、選択部９は、図１０における実質損失額１２２の小さい順にリストＲＬ２を並び替える。そして、実質損失額１２２が同額である場合が存在するときには、同額である部分について支払い保険料額１２３の小さい順にリストＲＬ２を並び替える。ソートすることにより実質損失額が少なく支払う保険料の少ない順番に並べ換える。
Ｓ１３５４において、選択部９は、天候デリバティブ商品のお勧めパターン１１を出力する。このとき入力部１０において入力されたパラメータでお勧め天候デリバティブ商品の数ｄＮｕｍの指定があれば最大ｄＮｕｍ個までがお勧め天候デリバティブ商品とする。また、入力されたパラメータで支払い保険料の最大額ｍａｘＰが設定されている場合には支払い限度額のチェックを行う。そして、選択部９は、上記各条件に適した天候デリバティブ商品のお勧めパターン１１を出力する。言いかえれば、選択部９は、リストＲＬ２の中からあらかじめ入力部１０において入力されたパラメータ条件に合う天候デリバティブ商品を複数取り出し天候ポートフォリオ（各天候デリバティブ商品の条件の一例である）としてお勧めパターン１１を作成する。
【００３９】
以上のように、選択部９は、前記天候デリバティブ商品の選択を行う手段において、複数の天候要因の天候デリバティブ商品を組み合わせた天候ポートフォリオとして選択する。
【００４０】
上記出力部２０は、上記選択部９により選択された、ユーザに対し、上記複数の天候要因の各天候要因に対し、リスクヘッジ効果の最も大きい各天候デリバティブ商品について上記リスクヘッジ算出部８により算出された各天候デリバティブ商品の条件を出力する。言いかえれば、天候要因毎に推奨する各天候デリバティブ商品を集め、顧客毎の天候要因に合わせて複数の各天候デリバティブ商品を推奨可能にする。
【００４１】
以上のように複数の天候要因に渡る天候デリバティブ商品を天候ポートフォリオとして顧客に提示することを可能にすることにより、天候デリバティブ商品を顧客に売り込む時の戦略の幅が広がる効果が得られる。
【００４２】
実施の形態３．
ここでは、顧客データベース２にある売上情報と天候データベース１の各要因との相関関係を分析する場合に、天候要因ごとに異なったモデルで相関関係を算出する手段についての実施の形態を示す。実施の形態３における各構成は、図１と同様である。
【００４３】
上記影響値算出部の一例である相関関係算出部７は、上記顧客製品の売上と上記天候との相関関係を算出する複数の相関関係モデルに関する相関関係モデル情報を記憶装置３０を介して記憶する。
相関関係算出部７は、上記入力部１０により入力された顧客製品売上情報と天候情報とに基づき、相関関係モデル情報の複数の相関関係モデルのいずれかを選択し、選択された相関関係モデルを用いて上記上記顧客製品の売上が上記天候により受ける影響値Ｅ（Ｍ）を算出する。
【００４４】
以下、実施の形態１と異なる部分のみ説明する。
図１４は、図５におけるＳ５０５で示す手続きの内部フローチャートを示す図である。
あらかじめ用意したモデルの種類の数をｍａｘＭｏとする。
Ｓ１４０１において、相関関係算出部７は、Ｍｏに１を代入し、記憶装置３０に記憶する。
Ｓ１４５５において、相関関係算出部７は、モデルＭｏについて検定を行い、結果をＫＭｏ（Ｍｏ）として記憶装置３０に格納する。相関関係算出部７は、検定として、モデルＭｏを用いた場合の理論値を算出し、過去の実測値と比較し、その差分を検定結果とする。
Ｓ１４５６において、相関関係算出部７は、Ｍｏの値がｍａｘＭｏかどうか判断する。Ｍｏの値がｍａｘＭｏである場合は、Ｓ１４５８に進む。Ｍｏの値がｍａｘＭｏでない場合は、Ｓ１４５７に進む。
Ｓ１４５７において、相関関係算出部７は、Ｍｏに１を加算し、記憶装置３０に記憶する。すなわち、モデル１からモデルｍａｘＭｏまで全てのモデルＭｏの検定を行い結果をＫＭｏ（Ｍｏ）に格納する。
Ｓ１４５８において、相関関係算出部７は、ＫＭｏ（１）からＫＭｏ（ｍａｘＭｏ）の中から最も検定結果のよいモデルＣＭｏを天候要因Ｍのモデルと判断する。相関関係算出部７は、理論値と実測値との差分が小さいモデルを検定結果がよいモデルＣＭｏとする。
Ｓ１４５９において、相関関係算出部７は、モデルＣＭｏに基づいた相関関係値Ｃ（Ｎ，Ｍ）を算出する。
【００４５】
以上のように、相関関係算出部７は、前記主力製品の業界全体の売上データベースと天候データベースの各要因との相関関係を分析する場合において、天候の各要因ごとに適したモデルを選択し相関関係を算出する。
【００４６】
以上のように天候要因ごとに適したモデルを選択する機能を付加することにより、天候デリバティブ商品の評価を行う上で信頼性を高める効果を期待できる。
【００４７】
以上の説明において、各実施の形態の説明において「〜部」として説明したものは、一部或いはすべてコンピュータで動作可能なプログラムにより構成することができる。これらのプログラムは、例えば、Ｃ言語により作成することができる。或いは、ＨＴＭＬやＳＧＭＬやＸＭＬを用いても構わない。或いは、ＪＡＶＡ（登録商標）を用いて画面表示を行っても構わない。
【００４８】
また、以上の説明において、各実施の形態の説明において「〜部」として説明したものを、一部或いはすべてコンピュータで動作可能なプログラムにより構成する場合、天候デリバティブ商品推奨装置５は、図示されていないが、システムユニット、ＣＲＴ（Ｃａｔｈｏｄｅ Ｒａｙ Ｔｕｂｅ）表示装置、キーボード（Ｋ／Ｂ）、マウス、コンパクトディスク装置（ＣＤＤ）、プリンタ装置、スキャナ装置を備えている。ＣＲＴ表示装置、Ｋ／Ｂ、マウス、ＣＤＤ、プリンタ装置、スキャナ装置は、システムユニットにケーブルで接続されている。
また、天候デリバティブ商品推奨装置５は、図示されていないが、プログラムを実行するＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）を備えている。ＣＰＵは、バスを介してＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）（記憶装置の一例である）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）（記憶装置の一例である）、通信ボード、ＣＲＴ表示装置、Ｋ／Ｂ、マウス、ＦＤＤ（Ｆｌｅｘｉｂｌｅ Ｄｉｓｋ Ｄｒｉｖｅ）、磁気ディスク装置（記憶装置の一例である）、ＣＤＤ、プリンタ装置、スキャナ装置と接続されている。通信ボードは、インターネット或いは専用回線等に接続されている。
ここで、通信ボードは、インターネットに限らず、さらに、ＬＡＮ（ローカルエリアネットワーク）、或いはＩＳＤＮ等のＷＡＮ（ワイドエリアネットワーク）に接続されていても構わない。
磁気ディスク装置には、オペレーティングシステム（ＯＳ）、ウィンドウシステム、プログラム群、ファイル群が記憶されている。プログラム群は、ＣＰＵ、ＯＳ、ウィンドウシステムにより実行される。
プログラムにより構成する場合、上記プログラム群には、各実施の形態の説明において「〜部」として説明したものにより実行されるプログラムが記憶されている。ファイル群には、上記実施の形態の説明において「〜リスト」として説明したものが記憶されている。
また、各実施の形態の説明において「〜部」として説明したものは、ＲＯＭに記憶されたファームウェアで実現されていても構わない。或いは、ソフトウェア或いは、ハードウェア或いは、ソフトウェアとハードウェアとファームウェアとの組み合わせで実施されても構わない。
また、上記各実施の形態を実施させるプログラムは、また、磁気ディスク装置、ＦＤ（Ｆｌｅｘｉｂｌｅ Ｄｉｓｋ）、光ディスク、ＣＤ（コンパクトディスク）、ＭＤ（ミニディスク）、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ）等のその他の記録媒体による記録装置を用いて記憶されても構わない。
また、出力部は、ＣＲＴ表示装置、その他の表示装置、プリンタ装置等の出力装置を用いても構わない。
【００４９】
【発明の効果】
以上のように、この発明の天候デリバティブ商品推奨システムによれば、顧客に天候デリバティブ商品を勧める場合に、天候デリバティブ商品によって得ると予測される効果を数値で示すことができるため、天候デリバティブ商品の購入の動機づけを得やすいという効果がある。
また、顧客へのお勧め商品として天候デリバティブ商品を選択する場合に、複数の天候要因を網羅する天候デリバティブ商品の組合せをポートフォリオとして顧客に提示して選択のバリエーションを広げる効果が期待できる。
また、天候要因ごとに適したモデルを選択して相関関係を算出するため、天候デリバティブ商品の効果を計算する上で精度が高くなるという効果がある。
【図面の簡単な説明】
【図１】実施の形態１におけるシステムブロック図である。
【図２】入力部１０に入力するパラメータの一覧を示す図である。
【図３】各商品の売上高に対する割合の多い順に並び替えた製品内訳を示す図である。
【図４】解析部がおこなう動作の一例を示すフローチャート図である。
【図５】顧客の主力製品が天候要因に受ける影響を求めるフローチャートを示す図である。
【図６】図５におけるＳ５の処理をフローチャートで示した図である。
【図７】リスクヘッジ算出部がおこなう動作を示すフローチャート図である。
【図８】天候デリバティブ商品のリスクヘッジ効果を算出するフローチャートを示す図である。
【図９】ＤＦ（Ｎ，Ｍ，Ｄ）の内容を示す図である。
【図１０】リスクヘッジ効果ＲＨ（Ｎ，Ｍ，Ｄ）のボディ部の構成を示す図である。
【図１１】お勧め天候デリバティブ商品を選択する選択部がおこなう動作のフローチャートを示す図である。
【図１２】リストＲＬ＿Ｍのデータ操作の例を説明する図である。
【図１３】実施の形態２におけるお勧め天候デリバティブ商品を選択する選択部がおこなう動作を示すフローチャート図である。
【図１４】図５におけるＳ５０５で示す手続きの内部フローチャートを示す図である。
【符号の説明】
１ 天候データベース、２ 顧客データベース、３ 業界全体の売上データベース、４ 天候デリバティブ商品データベース、５ 天候デリバティブ商品推奨装置、６ 解析部、７ 相関関係算出部、８ リスクヘッジ算出部、９ 選択部、１０ 入力部、１１ お勧めパターン、１３ 製品内訳、１４ 主力製品売上情報、２０ 出力部、３０ 記憶装置、１００ 天候デリバティブ商品推奨システム。[0001]
TECHNICAL FIELD OF THE INVENTION
The present invention relates to a weather derivative product recommendation device. In particular, the present invention relates to a weather derivative product recommendation system for selecting a valid weather derivative product from the influence of weather on customer sales and creating a customer strategy for recommending to the customer.
[0002]
[Prior art]
In a business entity whose business value such as business revenue and business value fluctuates due to weather changes, a value transfer method and value transfer device capable of reducing fluctuations in business value caused by weather changes and avoiding losses, and The following means are known for the purpose of providing a recording medium. For the weather index (average temperature) T, a first weather reference value T1 is set between a first entity whose business value varies with a positive correlation and a second entity whose business value varies with a negative correlation. And a second weather reference value T2, the value is provided from the first business entity to the second business entity when T> T1, and the value is inversely provided when T <T2. At this time, in order to make the expected value of the value exchanged between the first and second entities equal, the expected value of the value exchanged under each condition is calculated, and a correction is made based on the minimum expected value among them. Calculate the value by the calculation method to be performed. (See Patent Document 1)
[0003]
The following means are known for the purpose of providing a product sales prediction device capable of selecting input information for prediction and performing prediction with less error. An information collection unit that stores pre-input information such as weather, date, day of the week, and time; and a data series that processes the collected information and is effective for prediction (for example, a multi- Data series creating means for creating data series by classifying the data values and assigning data values to each of the classified groups, and data values in which deviations of actual measured values from measured values are measured. And an input information selecting means for performing multiple regression analysis on all data of the data series creating means to select information having a high degree of contribution to prediction, and a prediction processing means for predicting product sales based on the selected information. (See Patent Document 2)
[0004]
[Patent Document 1]
JP 2001-222605 A
[Patent Document 2]
JP-A-8-212191
[0005]
[Problems to be solved by the invention]
Patent Document 1 discloses that a weather index T between a first entity whose business value fluctuates with a positive correlation and a second entity whose business value fluctuates with a negative correlation between the two entities. In between, a first weather reference value T1 and a second weather reference value T2 are defined, and the first entity and the second entity provide value by the relationship of T, T1, and T2, so that risks due to weather can be mutually reduced. It is a thing to reduce.
[0006]
Patent Literature 2 is to select an effective element from a plurality of elements that affect sales, and to perform sales prediction by multiple regression analysis.
[0007]
Conventionally, the effect of weather on sales, including the sales element that is not affected by weather, is calculated.There is no distinction between sales elements that are affected by weather and sales elements that are not affected by weather. In the case of a change in the sales factor that is not affected by the unexpected factors other than the weather, the calculation result is affected, so that there is a problem that the accuracy is lacking.
[0008]
In addition, by calculating the effects of the weather taking into account changes in sales factors that are not affected by the weather, customers can purchase weather-derivative products that are not valid, or purchase such weather-derivative products for their customers. There was a problem that might be recommended.
[0009]
The present invention aims to formulate a customer strategy for selling effective weather derivative products for risk hedging by calculating the effect of weather by distinguishing between sales factors that are affected by weather and sales factors that are not affected. I do.
[0010]
[Means for Solving the Problems]
The weather derivative product recommendation device according to the present invention includes customer product sales information relating to sales of customer products, weather information relating to the weather, and weather derivative product information relating to a weather derivative product whose content is to pay a fee according to weather conditions. An input unit for inputting,
Based on the customer product sales information and weather information input by the input unit, calculate the expected loss due to the expected decrease in sales of the customer product, based on the weather derivative product information input by the input unit, A risk hedging calculation unit that calculates the condition of the weather derivative product for reducing the calculated expected loss amount and hedging the risk,
An output unit that outputs the conditions of the weather derivative product calculated by the risk hedging calculation unit and prompts the user to identify a weather derivative product to be recommended to the customer;
It is characterized by having.
[0011]
BEST MODE FOR CARRYING OUT THE INVENTION
Embodiment 1 FIG.
FIG. 1 is a system block diagram according to the first embodiment.
1, the weather derivative product recommendation system 100 includes a weather database 1, a customer database 2, a sales database 3 for the entire industry, a weather derivative product database 4, and a weather derivative product recommendation device 5. In FIG. 1, the weather derivative product recommendation system 100 includes various databases, but each database may be installed at a remote place. For example, when a bank recommends a weather derivative product to a customer, a bank having customer information has a customer database 2 and a weather derivative product recommendation device 5, and an insurance company that sells a weather derivative product has a weather derivative product database. 4, the trade association may have the sales database 3 for the entire industry, and the Meteorological Agency may have the weather database 1. That is, it is only necessary that the weather derivative product recommendation device 5 can access each database. As a method of accessing, the Internet or a dedicated line may be used.
[0012]
The weather database 1 contains, for example, time-series data of each weather element such as precipitation, temperature, weather such as sunny, rainy, and cloudy, and humidity, wind speed, sunshine, and the like. The weather database 1 contains future weather forecast information. As future weather forecast information, for example, the expected rainfall for the next year, the expected temperature distribution or expected humidity distribution for each day or for each predetermined period, the number of sunny days, the number of rainy days, the number of cloudy days, Information such as the number of days having a predetermined amount of sunshine is included. Or, more broadly, there is information such as whether it is heavy rain, light rain or normal year, hot or cold or normal year this year. Of course, it is not limited to these.
[0013]
The customer database 2 contains target customer information. Here, the customer information is, for example, customer credit information or time-series data of customer sales.
[0014]
The sales database 3 for the entire industry contains time-series data of sales information for the entire industry regarding products handled by customers.
[0015]
The weather derivative product database 4 stores weather derivative product information, which is information on weather derivative products corresponding to each weather factor. The weather derivative products include, for example, temperature derivative products, precipitation derivative products, and typhoon derivative products. Derivative products for each weather factor may be prepared, for example, for each insurance company that sells. That is, there may be a plurality of derivative products for each weather factor.
[0016]
The weather derivative product recommendation device 5 includes an analysis unit 6, a correlation calculation unit 7 (an example of an influence value calculation unit), a risk hedge calculation unit 8, a weather derivative product selection unit 9, an input unit 10, and an output unit 20. ing. The analysis unit 6 analyzes customer sales information. The analysis unit 6 extracts a main product of the customer. The correlation calculating unit 7 obtains the relationship between the sales transition of the customer's main product and each element of the weather. The correlation calculation unit 7 analyzes the correlation between the sales data of the main product stored in the customer database 2 and each factor of the weather database 1. The risk hedging calculation unit 8 calculates a risk hedging effect of the weather derivative product. The risk hedging calculation unit 8 calculates a risk hedging effect of all weather derivative products of weather factors affecting sales. The weather derivative product selection unit 9 selects a recommended weather derivative product. The weather derivative product selection unit 9 selects a weather derivative product with the highest risk hedging effect for the customer. The input unit 10 inputs parameters. The input unit 10 accesses the weather database 1, the customer database 2, the sales database 3 of the entire industry, and the weather derivative product database 4, and inputs necessary information.
[0017]
Pattern 11 is a recommended pattern of a weather derivative product output by the weather derivative product recommendation system.
[0018]
The input unit 10 includes a customer product sales information relating to the sales of the customer product from the customer database 2, a weather information relating to the weather from the weather database 1, and a weather derivative having a product content of paying a fee according to weather conditions from the weather derivative product database 4. Enter the weather derivative product information for the product.
The risk hedge calculation unit 8 calculates an expected loss due to the expected decrease in sales of the customer product based on the customer product sales information and the weather information input by the input unit 10, and inputs the expected loss by the input unit 10. Based on the obtained weather derivative product information, conditions of the weather derivative product for reducing the calculated expected loss amount and hedging risks are calculated.
The output unit 20 outputs the conditions of the weather derivative product calculated by the risk hedging calculation unit 8 and prompts the user to identify a weather derivative product to be recommended to the customer.
[0019]
FIG. 2 is a diagram illustrating a list of parameters input to the input unit 10.
Each parameter is a reference value for making a recommendation for a weather derivative product.
MinEM is the standard value for determining that each weather factor has an effect on sales, minDH is the standard value for the risk hedging effect of weather derivative products, and the daily value under conditions that meet the average sales and weather derivative products. The reference value of the difference from the sales is defined as minDF, and the maximum purchase amount of the weather derivative product is defined as maxK. The minimum value (reference value) of the ratio of the product to the sales is defined as minP, the number of recommended weather derivative products is defined as dNum, and the maximum insurance premium paid for the weather derivative product (reference value) is defined as maxP. These reference values may not be set when unnecessary.
The input unit 10 inputs weather derivative product information relating to a plurality of weather derivative products.
[0020]
The analysis unit 6 that analyzes customer sales information will be described.
The input unit 10 retrieves the sales information of the target customer from the customer database 2 and sorts the sales information in descending order of the percentage of sales of each product.
FIG. 3 is a diagram showing the product breakdown sorted in descending order of the ratio of each product to sales.
At this time, in the product classification such as product 1 and product 2 in the product breakdown 13, similar products are collectively handled as one product. For example, soft drinks such as orange juice, apple juice and pine juice are collectively handled as one product. The main product is a product in which the ratio of a certain product to the total sales is equal to or more than the value of the parameter minP input by the input unit 10, and the number of the products is maxN (maxN> = 1). The ratio of the main product N to the sales is R (N), and the sales amount is S (N) (N = 1,..., MaxN), which is the main product sales information. An example is shown in the main product sales information 14 in FIG.
[0021]
FIG. 4 is a flowchart illustrating an example of an operation performed by the analysis unit.
In S (step) 401, the analysis unit 6 stores the sales time series information of the Nth main product from the customer database 2 via the input unit 10 as I (N) in the storage device 30.
In S402, the analysis unit 6 determines whether or not there is past data in the customer information such as the Nth main product being a new product. If there is no past data, the process proceeds to S403 as NULL. If there is past data, the process proceeds to S404.
In S403, the analysis unit 6 stores the time-series information of the sales of the Nth main product in the entire industry from the sales base 3 of the entire industry as I (N) in the storage device 30.
In S404, the analysis unit 6 calculates the average sales per day of the product N from I (N) stored in the storage device 30, and stores the average sales in the storage device 30.
[0022]
Next, a description will be given of the correlation calculation unit 7 for obtaining the relationship between the sales transition of the main product of the customer and each element of weather.
As an example of the influence value calculation unit, the correlation calculation unit 7 performs an influence value E (M) on the sales of the customer product due to the weather based on the customer product sales information and the weather information input by the input unit 10. Is calculated.
When the influence value E (M) calculated by the correlation calculation unit 7 as an example of the influence value calculation unit satisfies a predetermined condition, the risk hedge calculation unit 8 calculates the expected sales of the customer product. The expected loss amount due to the decrease is calculated, and based on the weather derivative product information input by the input unit 10, the condition of the weather derivative product for reducing the calculated expected loss amount is calculated.
[0023]
FIG. 5 is a diagram showing a flowchart for determining the influence of a weather factor on a customer's main product.
The number of weather factors for which weather derivative products are prepared is defined as maxM (maxM ≧ 1). The following processing is performed for the main product 1 to the main product maxN. Then, an influence value E (M) is obtained as a value indicating the influence of the weather factor M on the sales of the customer.
In S501, the correlation calculation unit 7 initializes E (M) to zero.
In S502, the correlation calculation unit 7 extracts I (N) stored in the storage device 30 through the input unit 10 in S401 or S403 in FIG.
In S504, the correlation calculation unit 7 stores the time series information of the Mth weather element from the weather database 1 as W (M) in the storage device 30.
In S505, the correlation calculation unit 7 calculates a correlation value C (N, M) indicating the value of the correlation between W (M) and I (N) as the influence of the sales of the customer of the main product N on the weather factor M. Is obtained and stored in the storage device 30. At this time, if there is no past data in the customer information such as a new product, the sales of the main product N in the entire industry are stored in the storage device 30 as W (M) in S403 in FIG. A correlation with the calculated I (N) is obtained and stored in C (N, M). If there is past data in the customer information, a correlation between W (M) and I (N) stored in the storage device 30 in S401 in FIG. 4 is obtained and stored in C (N, M).
In S506, the correlation calculation unit 7 adds E (M) to a value obtained by multiplying the correlation value C2 (N, M) by a ratio value R (N) indicating a ratio of the main product N to the total sales. I do. In other words, the customer product sales information has ratio value information indicating a ratio value of the sales of the customer product to the total sales of the customer, and the correlation calculation unit 7 as an example of the influence value calculation unit includes The correlation value C (N, M) indicating the correlation between the sales of the customer product and the weather is calculated based on the customer product sales information and the weather information input by the input unit 10. A value obtained by multiplying the correlation value C (N, M) by the ratio value R (N) indicated by the ratio value information is calculated as the influence value E (M).
In S507, the correlation calculation unit 7 determines whether the N value of the main product N is a maxN value that is the number of main products. If the value is not the maxN value, the process proceeds to S508. If the value is the maxN value, the process proceeds to S509.
In S508, the correlation calculator 7 adds 1 to the N value. Then, the process returns to S502. The correlation calculation unit 7 performs the operations from S501 to S507 for all the main products 1 to the main products N (maxN). That is, the correlation calculator 7 calculates the influence value E (M) of the weather factor M in which N is sequentially accumulated from 1 to maxN for each main product. That is, the influence value E (M) of the product 2 is a value obtained by adding the influence value unique to the product 2 to the influence value of the product 1. Then, the influence value E (M) for each main product is stored in the storage device 30. As described above, the total value of the influence values E (M) of all the main products due to the weather factor M is calculated by sequentially adding. As described above, it is possible to calculate the influence value that is affected not by the product but by the customer due to the weather factor M. By calculating the influence value for each customer, it is possible to consider the risk hedging by the weather factor M, recognize the necessity of the weather derivative product by the weather factor M, and select the product.
In S509, the correlation calculation unit 7 determines whether the M value of the weather factor M is a maxM value that is the number of weather factors. If the value is not the maxM value, the process proceeds to S510. If the value is the maxM value, the total value of the influence values E (M) is stored in the storage device 30, and the process ends.
In S510, the correlation calculation unit 7 adds 1 to the M value. Then, the process returns to S2. The correlation calculating unit 7 repeats the same operation from 1 to maxM for M to determine the influence on all weather factors for all main products.
As described above, for all main products and all weather factors, the relationship between the main product N and the weather factor M is C (N, M), and the effect of each weather factor of the weather factor M on sales is E (M). It is stored in the storage device 30. That is, E (1), E (2),..., E (maxM) are stored in the storage device 30 as the total value of the influence values E (M) of all the main products.
[0024]
FIG. 6 is a flowchart showing the process of S5 in FIG.
In S201, the correlation calculation unit 7 selects X (t) = a + b × Z (t) as an expression of a time-series model, for example, Expression (1).
In step S202, the correlation calculation unit 7 calculates an average daily sales aveDay and an average daily sales aveMonth (month) for each month (month) from the sales information I (N) of the product. Remember.
In S203, the correlation calculation unit 7 calculates a function DD (N, t) that takes into account the difference between aveDay and aveMonth (month), and stores it in the storage device 30. DD (N, t) is a function that takes into account monthly changes.
In S204, for example, the correlation calculation unit 7 regards the value obtained by subtracting DD (N, t) from I (N) in Expression (1) as X (t), and converts the time-series data of W (M). An approximate expression is calculated by regression analysis assuming Z (t), and the coefficients a and b are stored in the storage device 30 as KK (N, M).
In S205, the correlation calculation unit 7 adds the function DD (N, t) that takes into account the monthly change obtained in S203 to the coefficient KK (N, M) in equation (1) obtained in S204, and A correlation value C (N, M) when the model equation (1) is used is obtained.
[0025]
FIG. 7 is a flowchart illustrating an operation performed by the risk hedging calculation unit.
The following operation is performed for the main product N.
In S701, the risk hedging calculation unit 8 sets the N value to the value 1.
In S702, the risk hedging calculation unit 8 sets the M value to 1.
In S711, the risk hedging calculation unit 8 has the input unit 10 input the influence value E (M) of the weather factor M on the sales information on the product N of the customer obtained in FIG. If it is larger than the reference value minEM, which is a parameter, it is determined that the weather factor M affects sales, and the process proceeds to S713. If the influence value E (M) is smaller than the reference value minEM, the process proceeds to S712.
In S712, the risk hedging calculation unit 8 adds 1 to M, and returns to S711.
In S713, the risk hedge calculation unit 8 substitutes the number of weather derivative products related to the weather factor M into maxD.
In S714, the risk hedging calculation unit 8 sets the D-th weather derivative product of the weather factor M as WC (M, D), and sets the risk hedging effect RH (N, M, D) are calculated.
In S715, the risk hedging calculation unit 8 determines that there is a risk hedging effect if the risk hedging effect RH (N, M, D) is equal to or more than a value minDH preset as a parameter input by the input unit 10. Add to recommendation list RL. The recommendation list RL is stored in the storage device 30.
In S717, the risk hedging calculation unit 8 determines whether the D value is equal to or greater than the maxD value. If the D value is equal to or greater than the maxD value, the process proceeds to S719. If the D value is smaller than the maxD value, the process proceeds to S718.
In S718, the risk hedging calculation unit 8 adds 1 to D, and returns to S714. That is, S714 to S16 are executed for all the weather derivative products WC (M, D) related to the weather factor M.
In S719, the risk hedging calculation unit 8 determines whether the M value is equal to or greater than the maxM value. If the M value is equal to or greater than the maxM value, the process proceeds to S721. If the M value is smaller than the maxM value, the process proceeds to S720.
In S720, the risk hedging calculation unit 8 adds 1 to M, and returns to S711. That is, S711 to S719 are executed for all weather factors M.
In S721, the risk hedging calculation unit 8 determines whether the N value is equal to or greater than the maxN value. If the N value is equal to or greater than the maxN value, the process ends. If the N value is smaller than the maxN value, the process returns to S702. That is, steps S711 to S720 are executed for all the main products N, and the risk hedging effect RH (N, M, D) of the recommended weather derivative products for all the main products N is stored in the recommendation list RL. Is done.
[0026]
S714 in FIG. 7, that is, means for calculating the risk hedging effect of the weather derivative product will be described.
FIG. 8 is a diagram showing a flowchart for calculating the risk hedging effect of the weather derivative product.
In S823, the risk hedging calculation unit 8 calculates the average sales per day NML (N) of the product N from the information I (N) of the product N extracted from the customer database 2.
In S824, the risk hedging calculation unit 8 determines the weather derivative product D from the time series information W (M) of the weather factor M extracted from the weather database 1 and the information I (N) of the product N extracted from the customer database 2. The average sales amount CND (N, M, D) for each day of the week under the condition is calculated and stored in the storage device 30.
In S825, the risk hedging calculation unit 8 calculates the difference DF (N) between the ordinary day-by-day average sales NML (N) and the day-by-day average sales CND (N, M, D) under the conditions defined by the weather derivative product D. N, M, D) are calculated and stored in the storage device 30. DF (N, M, D) is matrix information containing information on the absolute value and the ratio of the difference in sales for each day of the week.
FIG. 9 is a diagram showing the contents of DF (N, M, D).
In FIG. 9, DF (N, M, D) includes a difference in sales for each day, an average value of the difference in sales, a quotient obtained by dividing the difference in sales for each day by the average sales, The average value of the quotient obtained by dividing the difference in sales amount for each day of the week by the average sales amount is stored as information.
In S826, the risk hedging calculation unit 8 compares the DF (N, M, D) with a reference value minDF, which is a parameter input from the input unit 10, and determines that risk hedging is unnecessary if the DF (N, M, D) does not satisfy the minDF. To S827. If DF (N, M, D) is equal to or greater than the reference value minDF, it is determined that the weather derivative product is worthwhile to be risk hedged, that is, it is determined that risk hedging is necessary, and the process proceeds to S828. In other words, based on the customer product sales information and the weather information input by the input unit 10, the risk hedge calculation unit 8 calculates the normal average sales amount as the average sales amount per predetermined period and the weather derivative product. Calculates the average sales amount corresponding to the weather condition as the average sales amount per period corresponding to the weather condition for the payment of the fee, and stores it in the storage device 30. Then, when the difference between the calculated average average sales amount and the average sales amount corresponding to the weather condition satisfies a predetermined condition (for example, the reference value minDF or more in this case), the sales amount of the customer product expected to be described later is reduced. Calculate the expected loss due to the decrease.
In S827, the risk hedging calculation unit 8 sets the risk hedging effect (index) RH (N, M, D) to zero.
In S828, the risk hedging calculation unit 8 determines the average, the maximum, and the minimum of the number of days satisfying the conditions defined by the weather derivative product calculated from W (M) as ODAve (M, D), ODMax (M, D), and ODMin ( M, D), and stores ODAve (M, D), ODMax (M, D), and ODMin (M, D) in the storage device 30. The risk hedging calculation unit 8 inputs the average, the maximum, and the minimum of the number of days satisfying the conditions defined by the weather derivative product from the weather database 1 via the input unit 10.
In S829, the risk hedging calculation unit 8 calculates the average expected loss amount, the maximum expected loss amount, and the minimum expected loss amount from the DF (N, M, D) and the number of days (average / highest / lowest) determined in S828 as expected losses. Are calculated and stored in the storage device 30 as the average expected loss amount as DMAve (M, D), the maximum expected loss amount as DMMax (M, D), and the minimum expected loss amount as DMMin (M, D). Although the value of DF (N, M, D) differs depending on the day of the week, the number of days obtained in S828 is assumed to be equally distributed to each day of the week.
In S830, the risk hedging calculation unit 8 calculates the difference between the amount paid per unit for the weather derivative product and the purchase amount for purchasing each unit of the weather derivative product, and sets the difference as YY (M, D) in the storage device 30. To memorize.
In S831, the risk hedging calculation unit 8 compares YY (M, D) with the average DMAve (M, D) of the expected loss, and calculates the expected loss from the difference YY (M, D) paid for the weather derivative product. If it is smaller, it is determined that there is no merit to purchase a weather derivative product, and the process proceeds to S827. If the expected loss is larger than the difference YY (M, D) paid for the weather derivative product, the process proceeds to S832. In other words, the weather derivative product pays a fee according to the number of units purchased by the customer at a predetermined stake per unit, and the risk hedging calculation unit 8 determines that the calculated expected loss amount is equal to the weather derivative product. If the difference between the fee paid per unit and the predetermined stake (purchase amount) per unit is YY (M, D), the calculated expected loss amount is reduced as a condition of the weather derivative product. Calculate the required number of units to be described later for risk hedging.
In S832, the risk hedge calculation unit 8 calculates the number of units for purchasing weather derivative products. At this time, the risk hedging calculation unit 8 calculates the average value of the expected losses DMAve (M, D) and YY (M, D), that is, calculates the average value DMAve (M, D) of YY (M, D). ) Is calculated from the maximum values DMMax (M, D) and YY (M, D) as the number of purchased units KAve (M, D), that is, the maximum value DMMax (M, D) is calculated as YY (M , D) is calculated from the minimum value DMMin (M, D) and YY (M, D) as the number of purchases KMax (M, D), that is, the minimum value DMMin (M, D) is calculated as YY The quotient divided by (M, D) is calculated as the number of purchases KMin (M, D), and KAve (M, D), KMax (M, D), and KMin (M, D) are stored in the storage device 30.
In S833, the risk hedging calculation unit 8 sets the DMAve (M, D), DMMax (M, D), DMMin (M, D), KAve (M, D), KMax (M, D), KMin (M, D). ), Using YY (M, D), the amount after risk hedging calculated from the average number of days is the real loss amount (average), and the amount after risk hedging calculated from the maximum number of days is the real loss amount (maximum), The amount after risk hedging calculated from the minimum number of days is calculated as the real loss (minimum), and the real loss (average), the real loss (highest), and the real loss (minimum) are stored in the storage device 30. Here, the difference obtained by subtracting the product of YY (M, D) and KAve (M, D) from DMAve (M, D) is defined as the real loss (average). Similarly, the difference between DMMax (M, D) minus the product of YY (M, D) and KMax (M, D) is defined as the real loss (maximum). The difference obtained by subtracting the product of YY (M, D) and KMin (M, D) from DMMin (M, D) is defined as the real loss (minimum). The risk hedging calculation unit 8 substitutes each value calculated from the average number of days, each value calculated from the maximum number of days, and each value calculated from the minimum number of days into the risk hedging effect RH (N, M, D). The risk hedging effect RH (N, M, D) is stored in the storage device 30.
[0027]
FIG. 10 is a diagram illustrating the configuration of the body part of the risk hedging effect RH (N, M, D).
As the risk hedging effect RH (N, M, D), the real loss amount 115 when the number of days satisfying the conditions defined by the weather derivative product is average (the real loss amount 115 is calculated from the average number of days calculated in S833 in FIG. 8). The actual loss amount (average), which is the amount after risk hedging, is indicated.), The number of purchased units 118 at that time (the value of KAve (M, D)), and the number of days that satisfy the conditions specified by weather derivative products are considered to be the largest. The real loss amount 116 (the real loss amount 116 indicates the real loss amount (maximum) after risk hedging calculated from the maximum number of days calculated in S833 in FIG. 8), and the number of purchased units 119 (KMax) at that time. (Values of (M, D)), the real loss 117 (the real loss 1 7 indicates the real loss (minimum), which is the amount after risk hedging calculated from the minimum number of days calculated in S833 in FIG. 8), the number of purchased units 120 at that time (value of KMin (M, D)), weather The purchase price 121 per unit of the derivative product, the expected loss 124 determined by forecasting the weather by the selector 9 described later, the expected value 125 of the received amount, the real loss amount 122 which is the amount after risk hedging, Includes the paid insurance premium 123 required to purchase a weather derivative product to receive the expected amount 125. Each information of the risk hedging effect RH (N, M, D) is an example of the condition of the weather derivative product for reducing the expected loss amount and performing the risk hedging.
As described above, the risk hedging calculation unit 8 sets the conditions of the weather derivative product for risk hedging for each of the plurality of weather derivative products of the weather derivative product information input by the input unit 10. calculate.
[0028]
FIG. 11 is a diagram illustrating a flowchart of the operation performed by the selection unit that selects the recommended weather derivative product.
Here, the risk hedging effect of each weather derivative product in the recommendation list RL is sorted.
In S1134, the selection unit 9 initializes the M value and the list RL2, extracts all the information on the weather factor M from the recommended list RL obtained in FIG. 7, and stores it in the temporary list RL_M. The temporary list RL_M is stored in the storage device 30.
In S1136, the selection unit 9 performs data operation on the weather factor M.
In S1137, the selection unit 9 copies all elements of the temporary list RL_M to RL2.
In S1138, the selection unit 9 determines whether M is maxM. If M is maxM, the process proceeds to S1140. If M is not maxM, the process proceeds to S1139.
In S1139, the selection unit 9 adds 1 to M, and returns to S1135. That is, the selection unit 9 repeats S1135 to S1137 for all weather factors M. Then, the selection unit 9 lists information on the risk hedging effect of each weather derivative product on the recommendation list RL for all weather factors M in the list RL2.
In S1140, the selection unit 9 sorts by a real loss amount that is a substantial loss amount after being paid in the weather derivative product. Next, when there is a case where the real loss amounts are the same, the selecting unit 9 sorts the net losses according to the actual insurance premiums paid. That is, the selection unit 9 sorts the list RL2 in ascending order of the real loss amount 122 in FIG. Then, when there is a case where the real loss amount 122 is the same, the list RL2 is rearranged in ascending order of the paid insurance premium 123 for the portion having the same amount.
In S1141, the selection unit 9 outputs the recommended pattern 11 of the weather derivative product. At this time, if the number dNum of recommended weather derivative products is specified by a parameter input in the input unit 10, up to dNum recommended weather derivative products are set as recommended weather derivative products. If the maximum paid insurance premium maxP is set in the input parameters, the payment limit is checked. Then, the selection unit 9 outputs the recommended pattern 11 of the weather derivative product suitable for each of the above conditions.
[0029]
Here, the weather information includes day information indicating the number of days in each year of a plurality of years corresponding to weather conditions for paying a fee for the weather derivative product in the past.
Then, as described in FIG. 8, the risk hedge calculation unit 8 determines, based on the weather information input by the input unit 10, the minimum number of days in each year indicated by the number of days information. The number of days, the number of days in many years is the maximum number of days, and the average of the number of days in each year is the average number of days. In S832 in FIG. 8, the fee paid by the weather derivative product in the case of the maximum number of days, the number of units required for hedging the risk, and the number of units required for hedging the risk in the case of the average number of days are calculated. The difference between the expected loss amount and the fee paid by the weather derivative product is calculated as the loss amount after risk hedging.
[0030]
The selection unit 9 selects one of the minimum number of days, the maximum number of days, and the average number of days based on a predetermined condition, and calculates the risk hedge calculated by the risk hedge calculation unit 8 corresponding to the selected number of days. The subsequent loss amount is selected, and a premium based on the number of units corresponding to the selected number of days is selected as the paid insurance premium. Here, the predetermined condition is determined based on the weather information input by the input unit 10.
[0031]
FIG. 12 is a diagram illustrating an example of data operation of list RL_M.
In FIG. 12, a case where the weather factor is the amount of precipitation will be described as an example. As shown in FIG. 10, the information of RH (N, M, D) is the real loss amount 115 when the condition that the weather derivative product satisfies is the average data, and the real loss amount that is the highest case predicted from the past data. The amount 116 and the real loss amount 117 in the minimum case are calculated. Therefore, the selection unit 9 inputs the prediction of the precipitation amount for the year from the weather database 1 via the input unit 10.
In S1242, the selection unit 9 determines the prediction of the weather factor M under predetermined conditions. For example, here, since the precipitation is described as a weather factor, for example, it is determined whether the rainfall in the next year is heavy rain or light rain is equal to normal. In the case of light rain, the process proceeds to S1243. In the case of a normal average, the process proceeds to S1244. In the case of heavy rain, the process proceeds to S1245.
In S1243, the selection unit 9 selects the real loss amount 117 and copies the selected real loss amount 117 into the real loss amount 122. Then, the selection unit 9 selects the number of purchased units (minimum) 120, calculates the product of the selected number of purchased units (minimum) 120 and the price 121 for a product per unit, and substitutes it for the paid insurance premium 123. The selecting unit 9 reads the DMMin from the storage device 30 and substitutes it into the substantial expected loss 124. The selecting unit 9 reads YY (M, D) and KMin from the storage device 30, calculates the product of YY (M, D) and KMin, and converts the calculated product to the expected value 125 of the actual received amount. substitute.
In S1244, the selection unit 9 selects the real loss amount 115 and copies the selected real loss amount 115 to the real loss amount 122. Then, the selection unit 9 selects the number of purchased units (average) 118, calculates the product of the selected number of purchased units (average) 118 and the price 121 for the product per unit, and substitutes the product for the paid insurance premium 123. The selecting unit 9 reads the DMAve from the storage device 30 and substitutes the read DMAve into the substantial expected loss amount 124. The selecting unit 9 reads YY (M, D) and KAve from the storage device 30, calculates the product of YY (M, D) and KAve, and converts the calculated product to the expected value 125 of the actual received amount. substitute.
In S1245, the selection unit 9 selects the real loss amount 116 and copies the selected real loss amount 116 to the real loss amount 122. Then, the selection unit 9 selects the number of purchased units (maximum) 119, calculates the product of the selected number of purchased units (maximum) 119 and the price 121 for a product per unit, and substitutes it for the paid insurance premium 123. The selecting unit 9 reads DMMax from the storage device 30 and substitutes the read DMMax into the substantial expected loss amount 124. The selecting unit 9 reads YY (M, D) and KMax from the storage device 30, calculates the product of YY (M, D) and KMax, and converts the calculated product to the expected value 125 of the actual received amount. substitute.
The amount of insurance obtained from weather derivative products predicted according to the situation such as heavy rainfall, light rainfall, etc., is predicted, and the loss amount after being compensated by the insurance amount, that is, after risk hedging, is regarded as the real loss amount. Substitute into the loss amount 122 and the insurance premium paid for the weather derivative product required at that time into the paid insurance premium 123. When there are a plurality of weather derivative products whose product content is to pay a fee based on precipitation as a weather condition, this is performed for all weather derivative products.
[0032]
The output unit 20 outputs the recommended pattern 11 of the weather derivative product (which is an example of the condition of the weather derivative product) output by the selection unit 9 to the outside. The output unit 20 may output, for example, to a printer or the like. Also, it may be displayed on a screen. What is necessary is to output the condition of the weather derivative product so as to prompt the user to identify the weather derivative product to be recommended to the customer.
[0033]
As described in FIG. 11, the risk hedge calculation unit 8 calculates the difference between the expected loss amount and the expected fee paid by the weather derivative product for each of the plurality of weather derivative products after risk hedging. The output unit 20 determines the condition of each weather derivative product calculated by the risk hedge calculation unit in ascending order of the loss amount after risk hedging calculated by the risk hedge calculation unit 8. Is output.
Further, since the weather derivative product pays a fee according to the number of units purchased by the customer with a predetermined stake per unit, the output unit 20 outputs the same amount of loss after risk hedging calculated by the risk hedging calculation unit 8. In the case where there are a plurality of weather derivative products that are values, the risk hedging calculation unit 8 performs the above operation in ascending order of the payment premium obtained by multiplying the number of units purchased by the customer by a predetermined premium to receive the fee paid by the weather derivative product. The calculated conditions of each weather derivative product are output.
As described above, by being sorted by the selection unit 9, the output unit 20 outputs, to the user, the conditions of each weather derivative product calculated by the risk hedge calculation unit in descending order of the risk hedging effect. As a result, the return on investment for the customer can be clarified, and an effect can be expected that an effective strategy can be set when selling a weather derivative product.
[0034]
As described above, by calculating the influence of all supposed weather factors on the sales of the customer from the weather database 1 and the customer database 2, it is possible to identify the weather factors that affect the sales. Further, the customer purchases a weather derivative product by predicting the risk hedging effect that all weather derivative products prepared for each weather factor have on the customer's sales from the time series data of the weather database 1 and the customer database 2. In this case, the return on investment can be clarified, and it can be expected that an effective strategy can be established when selling weather derivative products. In other words, by matching with the customer information, an effect of increasing the hit rate when selling the weather derivative product, that is, an effect of increasing the probability that the customer purchases the weather derivative product can be expected.
[0035]
In addition, when selecting the recommendation of weather derivative products, it is possible to specify the purchase limit of the product, the minimum amount of effect obtained, the degree of influence on sales, etc., so the pattern of weather derivative products with different effects Can be expected, and the effect that various strategies can be formulated when selling weather derivative products to customers can be expected.
[0036]
Embodiment 2 FIG.
In the first embodiment, when a weather derivative product is recommended to a customer, a product having the highest effect is selected as a recommended product and a customer strategy is formulated. Next, when a weather derivative product is selected, a weather portfolio is selected. An embodiment for selecting recommended products will be described. Each configuration in the second embodiment is the same as that in FIG.
[0037]
The input unit 10 includes, from the weather database 1, weather information relating to a plurality of weather factors, and a plurality of items including, from the weather derivative product database 4, merchandise contents for paying a fee for each of the plurality of weather factors according to predetermined weather conditions. And weather derivative product information relating to the weather derivative product.
The risk hedging calculation unit 8 performs a risk hedging on each weather derivative product of the plurality of weather derivative products with respect to each of the plurality of weather factors of the weather derivative product information input by the input unit 10. (For example, here, each information of the risk hedging effect RH (N, M, D)) is calculated.
The selecting unit 9 selects the condition of each weather derivative product calculated by the risk hedging calculation unit 8 for each weather derivative product having the greatest risk hedging effect for each of the plurality of weather factors.
[0038]
Hereinafter, only portions different from the first embodiment will be described.
FIG. 13 is a flowchart illustrating an operation performed by the selection unit that selects the recommended weather derivative product according to the second embodiment.
In S1346, the selection unit 9 sets M to 1 and initializes the list RL2.
In S1347, the selection unit 9 extracts information on the weather factor M from the recommendation list RL created in FIG. 7, and stores the information in the temporary list RL_M.
In S1348, the selection unit 9 performs the data operation shown in FIG. 12 to calculate the real loss amount and the like for each item of the temporary list RL_M by predicting the weather factor M.
In S1349, the selection unit 9 determines a plurality of recommended weather conditions related to the weather factor M, which is the information of the risk hedging effect RH (N, M, D) in FIG. For the derivative product information, sort by the real loss amount, which is the substantial loss amount after being paid in the weather derivative product. Next, when there is a case where the real loss amounts are the same, the selecting unit 9 sorts the net losses according to the actual insurance premiums paid. That is, the selection unit 9 sorts the list RL2 in ascending order of the real loss amount 122 in FIG. Then, when there is a case where the real loss amount 122 is the same, the list RL2 is rearranged in ascending order of the paid insurance premium 123 for the portion having the same amount. That is, the selection unit 9 sorts the weather derivative products in the temporary list RL_M in the order of the smaller actual loss and the smaller premium paid by sorting.
In S1350, the selection unit 9 determines that the first item in the temporary list RL_M, that is, the weather derivative product indicated by the condition of the weather derivative product is the most efficient product among the weather derivative products related to the weather factor M. , Is stored in RL2 as a candidate for the recommended weather weather portfolio. RL2 is stored in the storage device 30.
In S1351, the selection unit 9 determines whether M is maxM. If M is maxM, the process proceeds to S1353. If M is not maxM, the process proceeds to S1352.
In S1352, the selection unit 9 adds 1 to M, and returns to S1347. That is, the selection unit 9 repeats S1347 to S1350 for all weather factors M. Then, the selection unit 9 lists information on the risk hedging effect of each weather derivative product on the recommendation list RL for all weather factors M in the list RL2. That is, by performing the same operation for all the weather factors M, the information of the most efficient weather derivative product is stored in the list RL2 for all the weather factors.
In S1353, the selection unit 9 sorts by the real loss amount, which is the actual loss amount after being paid in the weather derivative product. Next, when there is a case where the real loss amounts are the same, the selecting unit 9 sorts the net losses according to the actual insurance premiums paid. That is, the selection unit 9 sorts the list RL2 in ascending order of the real loss amount 122 in FIG. Then, when there is a case where the real loss amount 122 is the same, the list RL2 is rearranged in ascending order of the paid insurance premium 123 for the portion having the same amount. By sorting, the order is rearranged in the order in which the actual loss amount is small and the paid insurance premium is small.
In S1354, the selection unit 9 outputs the recommended pattern 11 of the weather derivative product. At this time, if the number dNum of recommended weather derivative products is specified by a parameter input in the input unit 10, up to dNum recommended weather derivative products are set as recommended weather derivative products. If the maximum paid insurance premium maxP is set in the input parameters, the payment limit is checked. Then, the selection unit 9 outputs the recommended pattern 11 of the weather derivative product suitable for each of the above conditions. In other words, the selection unit 9 extracts a plurality of weather derivative products that match the parameter conditions input in the input unit 10 in advance from the list RL2, and recommends a recommended pattern as a weather portfolio (an example of the conditions of each weather derivative product). 11 is created.
[0039]
As described above, the means for selecting the weather derivative product selects the weather derivative product of a plurality of weather factors as a weather portfolio by combining the weather derivative products.
[0040]
The output unit 20 calculates, for the user selected by the selection unit 9, the weather hedging effect of each of the plurality of weather factors by the risk hedging calculation unit 8 for each weather derivative product having the greatest risk hedging effect. The conditions of each weather derivative product are output. In other words, each weather derivative product recommended for each weather factor is collected, and a plurality of weather derivative products can be recommended according to the weather factor of each customer.
[0041]
As described above, it is possible to present a weather derivative product over a plurality of weather factors to a customer as a weather portfolio, thereby obtaining an effect of expanding a range of strategies when selling a weather derivative product to a customer.
[0042]
Embodiment 3 FIG.
Here, an embodiment of means for calculating a correlation with a different model for each weather factor when analyzing the correlation between sales information in the customer database 2 and each factor in the weather database 1 will be described. Each configuration in the third embodiment is the same as that in FIG.
[0043]
The correlation calculation unit 7 as an example of the influence value calculation unit stores, via the storage device 30, correlation model information on a plurality of correlation models for calculating a correlation between the sales of the customer product and the weather. .
The correlation calculation unit 7 selects one of the plurality of correlation models of the correlation model information based on the customer product sales information and the weather information input by the input unit 10, and determines the selected correlation model. Then, the influence value E (M) that the sales of the customer product is affected by the weather is calculated.
[0044]
Hereinafter, only portions different from the first embodiment will be described.
FIG. 14 is a diagram showing an internal flowchart of the procedure shown in S505 in FIG.
The number of model types prepared in advance is defined as maxMo.
In step S1401, the correlation calculation unit 7 substitutes 1 for Mo and stores it in the storage device 30.
In S1455, the correlation calculation unit 7 performs a test on the model Mo, and stores the result in the storage device 30 as KMo (Mo). The correlation calculation unit 7 calculates a theoretical value when the model Mo is used as a test, compares the theoretical value with a past measured value, and uses the difference as a test result.
In S1456, the correlation calculation unit 7 determines whether the value of Mo is maxMo. If the value of Mo is maxMo, the process proceeds to S1458. If the value of Mo is not maxMo, the process proceeds to S1457.
In S1457, the correlation calculation unit 7 adds 1 to Mo and stores the result in the storage device 30. That is, all the models Mo from the model 1 to the model maxMo are tested, and the results are stored in KMo (Mo).
In S1458, the correlation calculating unit 7 determines that the model CMo having the best test result from KMo (1) to KMo (maxMo) is the model of the weather factor M. The correlation calculation unit 7 sets a model having a small difference between the theoretical value and the actually measured value as a model CMo having a good test result.
In S1449, the correlation calculation unit 7 calculates a correlation value C (N, M) based on the model CMo.
[0045]
As described above, when analyzing the correlation between the industry-wide sales database of the main products and each factor in the weather database, the correlation calculation unit 7 selects a model suitable for each factor of weather and performs correlation. Calculate the relationship.
[0046]
As described above, by adding the function of selecting a model suitable for each weather factor, an effect of increasing reliability in evaluating weather derivative products can be expected.
[0047]
In the above description, what has been described as "-unit" in the description of each embodiment can be partially or entirely constituted by a computer-operable program. These programs can be created in C language, for example. Alternatively, HTML, SGML, or XML may be used. Alternatively, the screen may be displayed using JAVA (registered trademark).
[0048]
Further, in the above description, when what is described as “-unit” in the description of each embodiment is partially or entirely configured by a computer-operable program, the weather derivative product recommendation device 5 is illustrated. Although not provided, it includes a system unit, a CRT (Cathode Ray Tube) display device, a keyboard (K / B), a mouse, a compact disk device (CDD), a printer device, and a scanner device. The CRT display device, K / B, mouse, CDD, printer device, and scanner device are connected to the system unit by cables.
Although not shown, the weather derivative product recommendation device 5 includes a CPU (Central Processing Unit) that executes a program. The CPU is connected to a ROM (Read Only Memory) (an example of a storage device), a RAM (Random Access Memory) (an example of a storage device), a communication board, a CRT display device, a K / B, a mouse, via a bus. It is connected to an FDD (Flexible Disk Drive), a magnetic disk device (an example of a storage device), a CDD, a printer device, and a scanner device. The communication board is connected to the Internet or a dedicated line.
Here, the communication board is not limited to the Internet, and may be connected to a LAN (Local Area Network) or a WAN (Wide Area Network) such as ISDN.
The magnetic disk device stores an operating system (OS), a window system, a group of programs, and a group of files. The program group is executed by a CPU, an OS, and a window system.
When constituted by programs, the programs stored in the above-described program group are those executed by those described as “-unit” in the description of each embodiment. In the file group, those described as “-list” in the description of the above embodiment are stored.
In addition, what is described as “-unit” in the description of each embodiment may be realized by firmware stored in a ROM. Alternatively, the present invention may be implemented by software, hardware, or a combination of software, hardware, and firmware.
Further, a program for implementing the above-described embodiments includes a magnetic disk device, an FD (Flexible Disk), an optical disk, a CD (Compact Disk), an MD (Mini Disk), a DVD (Digital Versatile Disk), and the like. The information may be stored using a recording device using a medium.
The output unit may use an output device such as a CRT display device, another display device, or a printer device.
[0049]
【The invention's effect】
As described above, according to the weather derivative product recommendation system of the present invention, when recommending a weather derivative product to a customer, the effect expected to be obtained by the weather derivative product can be indicated by a numerical value. There is an effect that it is easy to get motivation for purchase.
In addition, when a weather derivative product is selected as a recommended product for a customer, an effect of presenting a combination of weather derivative products covering a plurality of weather factors to a customer as a portfolio and expanding the selection variation can be expected.
Further, since the correlation is calculated by selecting a model suitable for each weather factor, there is an effect that the accuracy of calculating the effect of the weather derivative product increases.
[Brief description of the drawings]
FIG. 1 is a system block diagram according to a first embodiment.
FIG. 2 is a diagram showing a list of parameters input to an input unit 10;
FIG. 3 is a diagram showing product breakdowns sorted in descending order of the ratio of each product to sales.
FIG. 4 is a flowchart illustrating an example of an operation performed by an analysis unit.
FIG. 5 is a diagram showing a flowchart for determining the influence of a customer's main product on weather factors.
FIG. 6 is a flowchart showing a process of S5 in FIG. 5;
FIG. 7 is a flowchart illustrating an operation performed by a risk hedging calculation unit.
FIG. 8 is a diagram illustrating a flowchart for calculating a risk hedging effect of a weather derivative product.
FIG. 9 is a diagram showing the contents of DF (N, M, D).
FIG. 10 is a diagram showing a configuration of a body part of a risk hedging effect RH (N, M, D).
FIG. 11 is a diagram showing a flowchart of an operation performed by a selection unit for selecting a recommended weather derivative product.
FIG. 12 is a diagram illustrating an example of a data operation of a list RL_M.
FIG. 13 is a flowchart showing an operation performed by a selection unit for selecting a recommended weather derivative product in the second embodiment.
14 is a diagram showing an internal flowchart of the procedure shown in S505 in FIG.
[Explanation of symbols]
1 weather database, 2 customer database, 3 industry-wide sales database, 4 weather derivative product database, 5 weather derivative product recommendation device, 6 analysis unit, 7 correlation calculation unit, 8 risk hedge calculation unit, 9 selection unit, 10 input Department, 11 recommended patterns, 13 product breakdown, 14 main product sales information, 20 output unit, 30 storage device, 100 weather derivative product recommendation system.

Claims (14)

顧客製品の売上に関する顧客製品売上情報と、天候に関する天候情報と、天候条件により料金を支払うことを商品内容とする天候デリバティブ商品に関する天候デリバティブ商品情報とを入力する入力部と、
上記入力部により入力された顧客製品売上情報と天候情報とに基づき、予想される上記顧客製品の売上の減少による予想損失額を算出し、上記入力部により入力された天候デリバティブ商品情報に基づき、上記算出された予想損失額を減少させ、リスクヘッジさせるための上記天候デリバティブ商品の条件を算出するリスクヘッジ算出部と、
上記リスクヘッジ算出部により算出された天候デリバティブ商品の条件を出力し、ユーザに対し、顧客に推奨すべき天候デリバティブ商品の識別を促す出力部と
を備えたことを特徴とする天候デリバティブ商品推奨装置。An input unit for inputting customer product sales information relating to sales of customer products, weather information relating to the weather, and weather derivative product information relating to a weather derivative product having a product content of paying a fee according to weather conditions;
Based on the customer product sales information and weather information input by the input unit, calculate the expected loss due to the expected decrease in sales of the customer product, based on the weather derivative product information input by the input unit, A risk hedging calculation unit that calculates the condition of the weather derivative product for reducing the calculated expected loss amount and hedging the risk,
A weather derivative product recommendation device, comprising: an output unit that outputs a condition of the weather derivative product calculated by the risk hedging calculation unit and prompts a user to identify a weather derivative product to be recommended to a customer. . 上記天候デリバティブ商品推奨装置は、さらに、上記入力部により入力された顧客製品売上情報と天候情報とに基づき、上記顧客製品の売上が上記天候により受ける影響値を算出する影響値算出部を備え、
上記リスクヘッジ算出部は、上記影響値算出部により算出された影響値が所定の条件を満たす場合に、予想される上記顧客製品の売上の減少による予想損失額を算出し、上記入力部により入力された天候デリバティブ商品情報に基づき、上記算出された予想損失額を減少させるための上記天候デリバティブ商品の条件を算出することを特徴とする請求項１記載の天候デリバティブ商品推奨装置。The weather derivative product recommendation device further includes, based on the customer product sales information and the weather information input by the input unit, an influence value calculation unit that calculates an influence value on sales of the customer product affected by the weather,
The risk hedging calculation unit calculates an expected loss due to an expected decrease in sales of the customer product when the influence value calculated by the influence value calculation unit satisfies a predetermined condition, and inputs the expected loss amount by the input unit. 2. The weather derivative product recommendation device according to claim 1, wherein a condition of the weather derivative product for reducing the calculated expected loss amount is calculated based on the obtained weather derivative product information. 上記顧客製品売上情報は、顧客の売上げ総額の対する上記顧客製品の売上が占める割合値を示す割合値情報を有し、
上記影響値算出部は、上記入力部により入力された顧客製品売上情報と天候情報とに基づき、上記顧客製品の売上と上記天候との相関関係を示す相関関係値を算出し、算出された相関関係値に上記割合値情報が示す割合値を乗じた値を上記影響値として算出することを特徴とする請求項２記載の天候デリバティブ商品推奨装置。The customer product sales information has ratio value information indicating a ratio value of the sales of the customer product to the total sales of the customer,
The influence value calculation unit calculates a correlation value indicating a correlation between the sales of the customer product and the weather based on the customer product sales information and the weather information input by the input unit, and calculates the calculated correlation. The weather derivative product recommendation device according to claim 2, wherein a value obtained by multiplying a relation value by a ratio value indicated by the ratio value information is calculated as the influence value. 上記天候デリバティブ商品は、一口あたり所定の掛け金で顧客が購入する口数に応じて料金を支払い、
上記リスクヘッジ算出部は、上記算出された予想損失額が上記天候デリバティブ商品一口あたりで支払われる料金と一口あたりの上記所定の掛け金との差額より大きい場合に、上記天候デリバティブ商品の条件として、上記算出された予想損失額を減少させ、リスクヘッジさせるために必要な口数を算出することを特徴とする請求項１記載の天候デリバティブ商品推奨装置。For the above weather derivative products, pay a fee according to the number of units purchased by the customer with a predetermined stake per unit,
The risk hedging calculation unit, if the calculated expected loss is greater than the difference between the fee paid per unit of the weather derivative product and the predetermined premium per unit, the condition of the weather derivative product is The weather derivative product recommendation device according to claim 1, wherein the calculated expected loss amount is reduced and the number of units required for hedging the risk is calculated. 上記リスクヘッジ算出部は、上記入力部により入力された顧客製品売上情報と天候情報とに基づき、所定の期間あたりの平均売上げ額としての通常平均売上げ額と上記天候デリバティブ商品で料金が支払われるための天候条件に該当する期間あたりの平均売上げ額としての天候条件該当平均売上げ額とを算出し、算出された通常平均売上げ額と天候条件該当平均売上げ額との差額が所定の条件を満たす場合に、予想される上記顧客製品の売上の減少による予想損失額を算出することを特徴とする請求項１記載の天候デリバティブ商品推奨装置。The risk hedging calculation unit is based on the customer product sales information and the weather information input by the input unit, and based on the normal average sales amount as an average sales amount per predetermined period and the fee for the weather derivative product, Calculate the weather condition applicable average sales amount as the average sales amount per period corresponding to the weather conditions, and if the difference between the calculated normal average sales amount and the weather condition applicable average sales amount satisfies the predetermined condition 2. The weather derivative product recommendation device according to claim 1, wherein an expected loss amount due to an expected decrease in sales of the customer product is calculated. 上記天候情報は、過去に上記天候デリバティブ商品で料金が支払われるための天候条件に該当した複数年度の各年度の日数を示す日数情報を有し、
上記リスクヘッジ算出部は、上記入力部により入力された天候情報に基づき、上記日数情報が示す各年度の日数の内、少ない年度の日数を最低日数、多い年度の日数を最高日数、各年度の日数の平均を平均日数として、上記最低日数の場合に上記天候デリバティブ商品が支払う料金と上記リスクヘッジさせるために必要な口数と、最高日数の場合に上記天候デリバティブ商品が支払う料金と上記リスクヘッジさせるために必要な口数と、平均日数の場合に上記リスクヘッジさせるために必要な口数を算出し、さらに、上記予想損失額と上記天候デリバティブ商品が支払う料金との差額をリスクヘッジ後の損失額として算出し、
上記天候デリバティブ商品推奨装置は、さらに、所定の条件に基づき上記最低日数と上記最高日数と上記平均日数とのいずれかを選択し、選択された日数に該当する上記リスクヘッジ算出部により算出されたリスクヘッジ後の損失額を選択し、選択された日数に該当する口数に基づく掛け金を支払い保険料額として選択する選択部を備えたことを特徴とする請求項４記載の天候デリバティブ商品推奨装置。The weather information has day information indicating the number of days in each year of a plurality of years corresponding to weather conditions for paying a fee for the weather derivative product in the past,
The risk hedging calculation unit, based on the weather information input by the input unit, among the days of each year indicated by the number of days information, a minimum number of days in a small year, a maximum number of days in a large year, and With the average number of days as the average number of days, the fee paid by the weather derivative product and the number of units required for hedging the risk in the case of the minimum number of days, and the fee paid by the weather derivative product in the case of the maximum number of days and the risk hedging And the number of units required to hedge the risk in the case of average days, and the difference between the expected loss amount and the fee paid by the weather derivative product is calculated as the loss amount after risk hedging. Calculate,
The weather derivative product recommendation apparatus further selects one of the minimum number of days, the maximum number of days, and the average number of days based on predetermined conditions, and is calculated by the risk hedging calculation unit corresponding to the selected number of days. The weather derivative product recommendation apparatus according to claim 4, further comprising a selection unit that selects a loss amount after the risk hedging, and selects a premium based on the number of units corresponding to the selected number of days as a paid insurance premium. 上記所定の条件は、上記入力部により入力された天候情報に基づき定まることを特徴とする請求項６記載の天候デリバティブ商品推奨装置。7. The weather derivative product recommendation device according to claim 6, wherein the predetermined condition is determined based on weather information input by the input unit. 上記入力部は、複数の天候デリバティブ商品に関する天候デリバティブ商品情報を入力し、
上記リスクヘッジ算出部は、上記入力部により入力された天候デリバティブ商品情報の複数の天候デリバティブ商品の各天候デリバティブ商品に対し、リスクヘッジさせるための上記天候デリバティブ商品の条件を算出し、
上記出力部は、ユーザに対し、リスクヘッジ効果の大きい順に上記リスクヘッジ算出部により算出された各天候デリバティブ商品の条件を出力することを特徴とする請求項１記載の天候デリバティブ商品推奨装置。The input unit inputs weather derivative product information regarding a plurality of weather derivative products,
The risk hedging calculation unit, for each weather derivative product of a plurality of weather derivative products of the weather derivative product information input by the input unit, calculates the condition of the weather derivative product for risk hedging,
2. The weather derivative product recommendation device according to claim 1, wherein the output unit outputs, to the user, conditions of each weather derivative product calculated by the risk hedging calculation unit in the order of a large risk hedging effect. 3. 上記リスクヘッジ算出部は、複数の天候デリバティブ商品の各天候デリバティブ商品に対し、予想損失額と予想される上記天候デリバティブ商品が支払う料金との差額をリスクヘッジ後の損失額として算出し、
上記出力部は、上記リスクヘッジ算出部により算出されたリスクヘッジ後の損失額の小さい順に、上記リスクヘッジ算出部により算出された各天候デリバティブ商品の条件を出力することを特徴とする請求項８記載の天候デリバティブ商品推奨装置。The risk hedging calculation unit calculates, for each weather derivative product of a plurality of weather derivative products, a difference between an expected loss amount and an expected fee paid by the weather derivative product as a loss amount after risk hedging,
The said output part outputs the conditions of each weather derivative product calculated by the said risk hedging calculation part in order of the loss amount after the risk hedging calculated by the said risk hedge calculation part. The recommended weather derivative product recommendation device. 上記天候デリバティブ商品は、一口あたり所定の掛け金で顧客が購入する口数に応じて料金を支払い、
上記出力部は、上記リスクヘッジ算出部により算出されたリスクヘッジ後の損失額が同一値である複数の天候デリバティブ商品が存在する場合に、上記天候デリバティブ商品が支払う料金を受け取るために顧客が購入する口数に所定の掛け金を乗じた支払い掛け金の小さい順に、上記リスクヘッジ算出部により算出された各天候デリバティブ商品の条件を出力することを特徴とする請求項９記載の天候デリバティブ商品推奨装置。For the above weather derivative products, pay a fee according to the number of units purchased by the customer with a predetermined stake per unit,
The output unit is used by a customer to receive a fee paid by the weather derivative product when there are a plurality of weather derivative products having the same loss amount after risk hedging calculated by the risk hedging calculation unit. 10. The weather derivative product recommendation device according to claim 9, wherein the conditions of each weather derivative product calculated by the risk hedging calculation unit are output in ascending order of a payment stake obtained by multiplying the number of units to be multiplied by a predetermined stake. 上記入力部は、複数の天候要因に関する天候情報と上記複数の天候要因の各天候要因について所定の天候条件により料金を支払うことを商品内容とする複数の天候デリバティブ商品に関する天候デリバティブ商品情報とを入力し、
上記リスクヘッジ算出部は、上記入力部により入力された天候デリバティブ商品情報の上記複数の天候要因の各天候要因について、上記複数の天候デリバティブ商品の各天候デリバティブ商品に対し、リスクヘッジさせるための上記天候デリバティブ商品の条件を算出し、
上記出力部は、ユーザに対し、上記複数の天候要因の各天候要因に対し、リスクヘッジ効果の最も大きい各天候デリバティブ商品について上記リスクヘッジ算出部により算出された各天候デリバティブ商品の条件を出力することを特徴とする請求項１記載の天候デリバティブ商品推奨装置。The input unit inputs weather information on a plurality of weather factors and weather derivative product information on a plurality of weather derivative products having a product content of paying a predetermined weather condition for each of the plurality of weather factors. And
The risk hedging calculation unit, for each weather factor of the plurality of weather factors of the weather derivative product information input by the input unit, for each weather derivative product of the plurality of weather derivative products, Calculate the conditions for weather derivative products,
The output unit outputs, to the user, the condition of each weather derivative product calculated by the risk hedge calculation unit for each weather derivative product having the greatest risk hedging effect for each of the plurality of weather factors. The weather derivative product recommendation apparatus according to claim 1, wherein: 上記影響値算出部は、上記顧客製品の売上と上記天候との相関関係を算出する複数の相関関係モデルに関する相関関係モデル情報を記憶し、上記入力部により入力された顧客製品売上情報と天候情報とに基づき、相関関係モデル情報の複数の相関関係モデルのいずれかを選択し、選択された相関関係モデルを用いて上記上記顧客製品の売上が上記天候により受ける影響値を算出することを特徴とする請求項２記載の天候デリバティブ商品推奨装置。The influence value calculation unit stores correlation model information on a plurality of correlation models for calculating a correlation between the sales of the customer product and the weather, and stores the customer product sales information and the weather information input by the input unit. And selecting any one of the plurality of correlation models of the correlation model information, and using the selected correlation model to calculate an influence value on the sales of the customer product affected by the weather. The weather derivative product recommendation device according to claim 2. 顧客製品の売上に関する顧客製品売上情報と、天候に関する天候情報と、天候条件により料金を支払うことを商品内容とする天候デリバティブ商品に関する天候デリバティブ商品情報とを入力し、記憶装置に記憶する入力工程と、
上記入力工程により入力された顧客製品売上情報と天候情報とを上記記憶装置から入力し、入力された顧客製品売上情報と天候情報とに基づき、予想される上記顧客製品の売上の減少による予想損失額をＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）に算出させ、上記入力工程により入力された天候デリバティブ商品情報に基づき、上記ＣＰＵにより算出された予想損失額を減少させ、リスクヘッジさせるための上記天候デリバティブ商品の条件を上記ＣＰＵに算出させ、上記記憶装置に記憶するリスクヘッジ算出工程と、
上記リスクヘッジ算出工程により算出された天候デリバティブ商品の条件を上記記憶装置から入力し、入力された天候デリバティブ商品の条件を出力装置に出力し、ユーザに対し、出力装置を介して顧客に推奨すべき天候デリバティブ商品の識別を促す出力工程と
を備えたことを特徴とする天候デリバティブ商品推奨方法。Inputting the customer product sales information on the sales of the customer product, the weather information on the weather, and the weather derivative product information on the weather derivative product whose content is to pay a fee according to the weather conditions, and storing the information in a storage device; ,
The customer product sales information and the weather information input in the input step are input from the storage device, and based on the input customer product sales information and the weather information, an expected loss due to an expected decrease in the sales of the customer product. CPU (Central Processing Unit) calculates the amount, based on the weather derivative product information input in the input step, reduces the expected loss amount calculated by the CPU, and conditions for the weather derivative product for hedging risks. A risk hedging calculation step of causing the CPU to calculate
The conditions of the weather derivative product calculated in the risk hedging calculation step are input from the storage device, the input conditions of the weather derivative product are output to an output device, and the user is recommended to the customer via the output device. An output step for prompting identification of a weather derivative product to be provided. 顧客製品の売上に関する顧客製品売上情報と、天候に関する天候情報と、天候条件により料金を支払うことを商品内容とする天候デリバティブ商品に関する天候デリバティブ商品情報とを入力し、記憶装置に記憶する入力処理と、
上記入力処理により入力された顧客製品売上情報と天候情報とを上記記憶装置から入力し、入力された顧客製品売上情報と天候情報とに基づき、予想される上記顧客製品の売上の減少による予想損失額をＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）に算出させ、上記入力処理により入力された天候デリバティブ商品情報に基づき、上記ＣＰＵにより算出された予想損失額を減少させ、リスクヘッジさせるための上記天候デリバティブ商品の条件を上記ＣＰＵに算出させ、上記記憶装置に記憶するリスクヘッジ算出処理と、
上記リスクヘッジ算出処理により算出された天候デリバティブ商品の条件を上記記憶装置から入力し、入力された天候デリバティブ商品の条件を出力装置に出力し、ユーザに対し、出力装置を介して顧客に推奨すべき天候デリバティブ商品の識別を促す出力処理と
をコンピュータに実行させるためのプログラム又は上記プログラムを記録したコンピュータ読み取り可能な記録媒体。Input processing for inputting customer product sales information relating to sales of customer products, weather information relating to the weather, and weather derivative product information relating to a weather derivative product whose content is to pay a fee according to weather conditions, and storing the information in a storage device; ,
The customer product sales information and the weather information input by the input processing are input from the storage device, and the expected loss due to the expected decrease in the sales of the customer product is estimated based on the input customer product sales information and the weather information. CPU (Central Processing Unit) calculates the amount, based on the weather derivative product information input by the input processing, reduces the expected loss amount calculated by the CPU, and conditions for the weather derivative product for hedging risks. Is calculated by the CPU, and stored in the storage device is a risk hedging calculation process;
The conditions of the weather derivative product calculated by the risk hedging calculation process are input from the storage device, the input conditions of the weather derivative product are output to the output device, and the user is recommended to the customer via the output device. A program for causing a computer to execute an output process for prompting identification of a weather derivative product to be performed, or a computer-readable recording medium storing the program.
JP2003039973A 2003-02-18 2003-02-18 Weather derivative product recommendation device and weather derivative product recommendation method and program Expired - Fee Related JP4279004B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2003039973A JP4279004B2 (en) 2003-02-18 2003-02-18 Weather derivative product recommendation device and weather derivative product recommendation method and program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2003039973A JP4279004B2 (en) 2003-02-18 2003-02-18 Weather derivative product recommendation device and weather derivative product recommendation method and program

Publications (2)

Publication Number Publication Date
JP2004252569A true JP2004252569A (en) 2004-09-09
JP4279004B2 JP4279004B2 (en) 2009-06-17

Family

ID=33023997

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2003039973A Expired - Fee Related JP4279004B2 (en) 2003-02-18 2003-02-18 Weather derivative product recommendation device and weather derivative product recommendation method and program

Country Status (1)

Country Link
JP (1) JP4279004B2 (en)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007334677A (en) * 2006-06-15 2007-12-27 Osaka Gas Co Ltd System and method for calculating compensation charge
JP2009514116A (en) * 2005-11-02 2009-04-02 スイス リインシュランス カンパニー Method and computer system for predicting the value of structured financial products
JP2009237694A (en) * 2008-03-26 2009-10-15 Tokyo Financial Exchange Inc Atmospheric temperature index-generating method, atmospheric temperature index device, and atmospheric temperature dealing-in-futures system
US7945501B2 (en) 2007-04-09 2011-05-17 Pricelock, Inc. System and method for constraining depletion amount in a defined time frame
US7945500B2 (en) 2007-04-09 2011-05-17 Pricelock, Inc. System and method for providing an insurance premium for price protection
US8156022B2 (en) 2007-02-12 2012-04-10 Pricelock, Inc. Method and system for providing price protection for commodity purchasing through price protection contracts
US8160952B1 (en) 2008-02-12 2012-04-17 Pricelock, Inc. Method and system for providing price protection related to the purchase of a commodity
JP2012198933A (en) * 2012-06-21 2012-10-18 Swiss Reinsurance Co Method and computer system for forecasting value of structured financial product
US8538795B2 (en) 2007-02-12 2013-09-17 Pricelock, Inc. System and method of determining a retail commodity price within a geographic boundary

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009514116A (en) * 2005-11-02 2009-04-02 スイス リインシュランス カンパニー Method and computer system for predicting the value of structured financial products
JP2007334677A (en) * 2006-06-15 2007-12-27 Osaka Gas Co Ltd System and method for calculating compensation charge
US8156022B2 (en) 2007-02-12 2012-04-10 Pricelock, Inc. Method and system for providing price protection for commodity purchasing through price protection contracts
US8538795B2 (en) 2007-02-12 2013-09-17 Pricelock, Inc. System and method of determining a retail commodity price within a geographic boundary
US7945501B2 (en) 2007-04-09 2011-05-17 Pricelock, Inc. System and method for constraining depletion amount in a defined time frame
US7945500B2 (en) 2007-04-09 2011-05-17 Pricelock, Inc. System and method for providing an insurance premium for price protection
US8065218B2 (en) 2007-04-09 2011-11-22 Pricelock, Inc. System and method for providing an insurance premium for price protection
US8086517B2 (en) 2007-04-09 2011-12-27 Pricelock, Inc. System and method for constraining depletion amount in a defined time frame
US8160952B1 (en) 2008-02-12 2012-04-17 Pricelock, Inc. Method and system for providing price protection related to the purchase of a commodity
JP2009237694A (en) * 2008-03-26 2009-10-15 Tokyo Financial Exchange Inc Atmospheric temperature index-generating method, atmospheric temperature index device, and atmospheric temperature dealing-in-futures system
JP2012198933A (en) * 2012-06-21 2012-10-18 Swiss Reinsurance Co Method and computer system for forecasting value of structured financial product

Also Published As

Publication number Publication date
JP4279004B2 (en) 2009-06-17

Similar Documents

Publication Publication Date Title
JP5963709B2 (en) Computer, prediction method, and prediction program
TWI257556B (en) Rapid valuation of portfolios of assets such as financial instruments
JP5337174B2 (en) Demand prediction device and program thereof
CA2471294A1 (en) Sales optimization
KR20030004313A (en) Total advertisement managing system using advertisement portfolio model
Lam et al. An artificial neural network and entropy model for residential property price forecasting in Hong Kong
US6611809B1 (en) Method and apparatus for selecting taxpayer audits
Murthy et al. Investment in new product reliability
JP5031715B2 (en) Product demand forecasting system, product sales volume adjustment system
JP6250623B2 (en) Transaction management system, transaction management method, and transaction management program
JP4279004B2 (en) Weather derivative product recommendation device and weather derivative product recommendation method and program
Ball et al. Capital as a factor of production in OECD agriculture: measurement and data
Daniel et al. Corporate rating forecasting using Artificial Intelligence statistical techniques
CN111626855A (en) Bond credit interest difference prediction method and system
JP4296026B2 (en) Product demand forecasting system, product sales volume adjustment system
Heydari Optimal inspection policy for a second-hand product with a two-dimensional warranty
Wiiava et al. Stock price prediction with golden cross and death cross on technical analysis indicators using long short term memory
JP2022007875A (en) Stock trading information display program and currency trading information display program
CN111242698A (en) Method and system for neural network model of commodity demand prediction
JP2004334327A (en) Ordering proposal system and method
Senthil An Improved Gradient Boosted Algorithms Based Solutions Predictive Model (Trade)
JP2018028945A (en) System, method, and program for transaction management
Zhao et al. A Supplementary Model Based on BP Neural Network Optimization Algorithm and Data Set Classification Availability Evaluation
CN115082129B (en) Automatic quotation method and system for agricultural products
Pradeep et al. Predicting the dynamics of customer repurchase in internet shopping-an artificial neural network (ANN) approach

Legal Events

Date Code Title Description
RD04 Notification of resignation of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7424

Effective date: 20041026

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20060110

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20081104

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20081219

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20090310

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20090311

FPAY Renewal fee payment (prs date is renewal date of database)

Free format text: PAYMENT UNTIL: 20120319

Year of fee payment: 3

R150 Certificate of patent (=grant) or registration of utility model

Free format text: JAPANESE INTERMEDIATE CODE: R150

LAPS Cancellation because of no payment of annual fees