JP6581282B1 - Bankruptcy probability calculation system using artificial intelligence - Google Patents
Bankruptcy probability calculation system using artificial intelligence Download PDFInfo
- Publication number
- JP6581282B1 JP6581282B1 JP2018234385A JP2018234385A JP6581282B1 JP 6581282 B1 JP6581282 B1 JP 6581282B1 JP 2018234385 A JP2018234385 A JP 2018234385A JP 2018234385 A JP2018234385 A JP 2018234385A JP 6581282 B1 JP6581282 B1 JP 6581282B1
- Authority
- JP
- Japan
- Prior art keywords
- bankruptcy
- artificial intelligence
- probability
- bankruptcy probability
- group
- 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.)
- Active
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【課題】学習のための異なる初期値による計算結果のばらつきを抑え、確度の高い倒産の判定を実施ことができる倒産確率算出システムを提供する。【解決手段】本発明の倒産確率算出システム１は、人工知能を利用して企業が倒産する確率を算出する倒産確率算出システムであって一つのアルゴリズムに対して複数の初期値で学習された複数の人工知能モデルからなる人工知能グループの準備を、アルゴリズムの異なる複数の人工知能グループについて行う人工知能グループ準備部と、与えられた企業情報に基づきすべての人工知能モデルで倒産確率を算出する全モデル算出部と、人工知能グループごとに倒産確率の平均値を算出するグループ平均算出部と、人工知能グループごとに算出した倒産確率の平均値をさらにグループ間で加重平均することで最終的な倒産確率を算出する最終倒産確率算出部と、を備える。【選択図】図３The present invention provides a bankruptcy probability calculation system capable of suppressing bankruptcy of calculation results due to different initial values for learning and performing bankruptcy determination with high accuracy. A bankruptcy probability calculation system according to the present invention is a bankruptcy probability calculation system that calculates the probability of a company going bankrupt using artificial intelligence. Artificial intelligence group preparation department that prepares artificial intelligence groups consisting of multiple artificial intelligence models for multiple artificial intelligence groups with different algorithms, and all models that calculate bankruptcy probabilities for all artificial intelligence models based on given company information The calculation unit, the group average calculation unit that calculates the average value of the bankruptcy probability for each artificial intelligence group, and the final bankruptcy probability by further averaging the average value of the bankruptcy probability calculated for each artificial intelligence group among the groups And a final bankruptcy probability calculating unit. [Selection] Figure 3
Description
本発明は、倒産確率算出システムに関し、特に、企業が倒産する確率を人工知能を利用して算出するためのシステムとして有用なものである。 The present invention relates to a bankruptcy probability calculation system, and is particularly useful as a system for calculating the probability that a company will go bankrupt using artificial intelligence.
銀行等の金融機関は、企業に対する融資の実行に先立ち、当該企業の倒産リスクの定量把握や、企業の信用格付けを行っている。このような企業情報は、銀行等の金融機関は融資を実行するか否かを判断する際の参考とすることができる。 Prior to the execution of a loan to a company, a bank or other financial institution performs a quantitative grasp of the bankruptcy risk of the company and a credit rating of the company. Such corporate information can be used as a reference when a financial institution such as a bank determines whether or not to execute a loan.
近年、人工知能の産業への応用に伴い、上記倒産リスクを、企業が保有する財務データに基づき人工知能を活用して算出する試みがなされている。 In recent years, with the application of artificial intelligence to industries, attempts have been made to calculate the bankruptcy risk using artificial intelligence based on financial data held by companies.
ところで、人工知能の基本モデルは、学習回数の増加に応じて「真の解」へ収束してくことを前提としているため、人工知能が「真の解」を見つけることは、確率的に非常に少なく、大抵の場合、「局所解」にとどまる。 By the way, the basic model of artificial intelligence is based on the premise that it converges to the “true solution” as the number of learning increases, so it is very probable that the artificial intelligence finds the “true solution”. Less often, it remains a “local solution”.
一方、パラメータの初期値により、行きつく局所解は異なるものの、アルゴリズムが大きく異なる場合、初期値の違いよりも、アルゴリズムの違いによる影響の方が大きい。 On the other hand, the local solution to be reached varies depending on the initial value of the parameter, but when the algorithm is greatly different, the influence of the algorithm is greater than the difference of the initial value.
ところで、人工知能を活用した倒産確率算出システムにおける、算出精度の向上のための技術として、特許文献１に記載されたものが開発されている（特許文献１）。 By the way, what was described in patent document 1 is developed as a technique for the improvement of the calculation precision in the bankruptcy probability calculation system using artificial intelligence (patent document 1).
特許文献１に記載の技術によると、企業信用力の序列を重視して財務スコアを算出する一次モデルと、非デフォルト／デフォルトの判別を重視して信用力評価値を算出する二次モデルと、一次モデルの序列と二次モデルの判別とを結びつけてスコアリングする三次モデルを使用する。 According to the technology described in Patent Document 1, a primary model that calculates a financial score with an emphasis on the order of corporate creditworthiness, a secondary model that calculates a creditworthiness evaluation value with an emphasis on non-default / default discrimination, A tertiary model is used that scores by combining the order of the primary model and the discrimination of the secondary model.
このような技術を利用することにより、企業信用力を適切に表現し、企業分析に適した監査性の高いスコアリングを実現できるという効果を奏する。 By using such a technique, it is possible to appropriately express corporate creditworthiness and realize highly auditable scoring suitable for corporate analysis.
ところで、上述の通り、人工知能の基本モデルが導き出す解は局所解であり、人工知能モデルの違いやアルゴリズムの違いによって、解にばらつきが生じる。そして、学習過程におけるパラメータの初期値の違いによる影響より、アルゴリズムの違いによる影響の方が大きい。 By the way, as described above, the solution derived from the basic model of artificial intelligence is a local solution, and the solution varies depending on the difference of the artificial intelligence model and the algorithm. And the influence by the difference in an algorithm is larger than the influence by the difference in the initial value of the parameter in a learning process.
そして、一つのアルゴリズムに対して複数のモデルを作成し、その平均をとることで、一つのアルゴリズムの中での初期値によるばらつきを減少させ、アルゴリズムの特性を一般化することができる。 Then, by creating a plurality of models for one algorithm and taking the average, variation due to the initial value in one algorithm can be reduced, and the characteristics of the algorithm can be generalized.
本発明は、このような考えに基づいてなされたものであり、算出精度を向上することができる倒産確率算出システムを提供することを目的とする。 The present invention has been made based on such an idea, and an object thereof is to provide a bankruptcy probability calculation system capable of improving calculation accuracy.
本発明では、以下のような解決手段を提供する。 The present invention provides the following solutions.
第１の特徴に係る発明は、人工知能を用いて企業が倒産する確率を算出する倒産確率算出システムであって、一つのアルゴリズムに対して異なる初期値で学習された複数の人工知能モデルからなる人工知能グループの準備を、アルゴリズムの異なる複数の人工知能グループについて行う人工知能グループ準備部と、与えられた企業情報に基づきすべての人工知能モデルで倒産確率を算出する全モデル算出部と、人工知能グループごとに倒産確率の平均値を算出するグループ平均算出部と、人工知能グループごとに算出した倒産確率の平均値をさらにグループ間で加重平均することで最終的な倒産確率を算出する最終倒産確率算出部と、を備えた倒産確率算出システムを提供する。 The invention according to the first feature is a bankruptcy probability calculation system that calculates the probability that a company will go bankrupt using artificial intelligence, and comprises a plurality of artificial intelligence models learned with different initial values for one algorithm. Artificial intelligence group preparation unit that prepares artificial intelligence groups for multiple artificial intelligence groups with different algorithms, all model calculation unit that calculates bankruptcy probability with all artificial intelligence models based on given company information, artificial intelligence Group average calculator that calculates the average value of bankruptcy probability for each group, and final bankruptcy probability that calculates the final bankruptcy probability by further averaging the average value of bankruptcy probability calculated for each artificial intelligence group between groups And a bankruptcy probability calculation system including a calculation unit.
第１の特徴に係る発明によれば、同一のアルゴリズムに基づく人工知能グループごとに倒産確率の平均値を算出することで、学習のための初期値の違いによる計算結果のばらつきを抑え、般化性の高い倒産の判定を実施ことができる倒産確率算出システムを提供することが可能となる。そして、複数のアルゴリズムに基づいて算出された倒産確率の平均値をさらに加重平均して最終的な倒産確率を算出することにより、アルゴリズムの特性を状況に応じて調整・制御しながら活用することができ、より確度の高い倒産の判定を実施ことができる倒産確率算出システムを提供することが可能となる。 According to the first aspect of the invention, the average value of bankruptcy probabilities is calculated for each artificial intelligence group based on the same algorithm, thereby suppressing variations in calculation results due to differences in initial values for learning and generalization. It is possible to provide a bankruptcy probability calculation system capable of determining a bankruptcy with high characteristics. The average bankruptcy probability calculated based on multiple algorithms is further weighted to calculate the final bankruptcy probability, allowing the characteristics of the algorithm to be adjusted and controlled according to the situation. It is possible to provide a bankruptcy probability calculation system capable of determining bankruptcy with higher accuracy.
第２の特徴に係る発明は、第１の特徴に係る発明であって、すべての人工知能モデルのうち、倒産判定となる閾値を超える倒産確率を算出した人工知能モデルの割合を算出する倒産ポイント算出部を備えた倒産確率算出システムを提供する。 The invention according to the second feature is the invention according to the first feature, wherein the bankruptcy point for calculating the proportion of the artificial intelligence model that has calculated the bankruptcy probability exceeding the threshold value for bankruptcy judgment among all the artificial intelligence models Provided is a bankruptcy probability calculation system including a calculation unit.
第２の特徴に係る発明によれば、すべての人工知能モデルのうち、倒産判定となる閾値を超える倒産確率を算出した人工知能モデルの割合を指標として導入することにより、単純平均による倒産確率だけでは把握することのできないばらつきを検出することができ、より信頼性の高いシステムを構築することができる。 According to the invention relating to the second feature, among all the artificial intelligence models, by introducing the ratio of the artificial intelligence model that has calculated the probability of bankruptcy exceeding the threshold for bankruptcy determination as an index, only the probability of bankruptcy by simple average Thus, it is possible to detect variations that cannot be grasped, and to construct a more reliable system.
第３の特徴に係る発明は、第２の特徴に係る発明であって、企業の倒産を判定する倒産判定部をさらに備え、倒産判定部は、最終的な倒産確率と、閾値を超える倒産確率を算出した人工知能モデルの割合とから、倒産の判定を行うシステムを提供する。 The invention according to the third feature is the invention according to the second feature, further comprising a bankruptcy judging unit for judging a bankruptcy of a company, wherein the bankruptcy judging unit has a final bankruptcy probability and a bankruptcy probability exceeding a threshold value. A system for judging bankruptcy is provided from the ratio of the artificial intelligence model for which
第３の特徴に係る発明によれば、最終的な倒産確率と、閾値を超える倒産確率を算出した人工知能モデルの割合とを組み合わせて倒産の判定を行うようにすることにより、人工知能モデル間の初期値によるばらつきや、人工知能モデルが用いるアルゴリズムによるばらつきを抑え、確度の高い倒産確率判定システムを構築することができる。 According to the third aspect of the invention, by determining the bankruptcy by combining the final bankruptcy probability and the proportion of the artificial intelligence model that calculated the bankruptcy probability exceeding the threshold, between the artificial intelligence models It is possible to construct a bankruptcy probability determination system with high accuracy by suppressing variations due to the initial value of, and variations due to the algorithm used by the artificial intelligence model.
本発明によれば、学習のための初期値の違いによる計算結果のばらつきを抑え、アルゴリズムの特性を状況に応じて調整・制御しながら活用し、確度の高い倒産の判定を実施ことができる倒産確率算出システムを提供できる。 According to the present invention, bankruptcy can be determined with high accuracy by suppressing variations in calculation results due to differences in initial values for learning, and adjusting and controlling algorithm characteristics according to the situation. A probability calculation system can be provided.
以下、本発明を実施するための形態について図を参照しながら説明する。なお、これはあくまでも一例であって、本発明の技術的範囲はこれに限られるものではない。 Hereinafter, embodiments for carrying out the present invention will be described with reference to the drawings. This is merely an example, and the technical scope of the present invention is not limited to this.
［倒産確率算出システム１の構成］
図１は、本実施形態における倒産確率算出システム１のハードウェア構成とソフトウェア機能を説明するためのブロック図である。
[Configuration of bankruptcy probability calculation system 1]
FIG. 1 is a block diagram for explaining the hardware configuration and software functions of a bankruptcy probability calculation system 1 according to this embodiment.
倒産確率算出システム１は、データを制御する制御部１００と、ユーザや他の機器と通信を行う通信部２００と、データを記憶する記憶部３００と、ユーザからの情報の入力を受け付ける入力部４００と、制御部１００で制御したデータや画像を出力する表示部５００とを備える。 The bankruptcy probability calculation system 1 includes a control unit 100 that controls data, a communication unit 200 that communicates with users and other devices, a storage unit 300 that stores data, and an input unit 400 that receives input of information from the user. And a display unit 500 that outputs data and images controlled by the control unit 100.
制御部１００は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）等を備える。 The control unit 100 includes a CPU (Central Processing Unit), a RAM (Random Access Memory), a ROM (Read Only Memory), and the like.
通信部２００は、他の機器と通信可能にするためのデバイス、例えば、ＩＥＥＥ８０２．１１に準拠したＷｉ−Ｆｉ（Ｗｉｒｅｌｅｓｓ Ｆｉｄｅｌｉｔｙ）対応デバイスを備える。 The communication unit 200 includes a device for enabling communication with other devices, for example, a Wi-Fi (Wireless Fidelity) compatible device compliant with IEEE 802.11.
制御部１００は、所定のプログラムを読み込み、必要に応じて通信部２００及び／又は記憶部３００と協働することで、人工知能グループ準備モジュール１１１と、全モデル算出モジュール１１２と、グループ平均算出モジュール１１３と、最終倒産確率算出モジュール１１４と、倒産ポイント算出モジュール１１５と、倒産判定モジュール１１６とを実現する。 The control unit 100 reads a predetermined program, and cooperates with the communication unit 200 and / or the storage unit 300 as necessary, so that the artificial intelligence group preparation module 111, the all model calculation module 112, and the group average calculation module 113, a final bankruptcy probability calculation module 114, a bankruptcy point calculation module 115, and a bankruptcy determination module 116 are realized.
記憶部３００は、データやファイルを記憶する装置であって、ハードディスクや半導体メモリ、記録媒体、メモリカード等による、データのストレージ部を備える。 The storage unit 300 is a device that stores data and files, and includes a data storage unit such as a hard disk, a semiconductor memory, a recording medium, or a memory card.
入力部４００の種類は、特に限定されない。入力部４００として、例えば、キーボード、マウス、タッチパネル等が挙げられる。 The type of the input unit 400 is not particularly limited. Examples of the input unit 400 include a keyboard, a mouse, and a touch panel.
表示部５００の種類は、特に限定されない。表示部５００として、例えば、モニタ、タッチパネル等が挙げられる。 The type of display unit 500 is not particularly limited. Examples of the display unit 500 include a monitor and a touch panel.
［倒産確率算出システム１を用いた平均倒産確率の算出］
本実施形態における倒産確率算出システム１を使用して平均倒産確率を算出する手順について説明する。図２は倒産確率算出システム１を用いた平均倒産確率算出の手順を示すフローチャートである。また、図３は倒産確率算出システム１の概要を示す図である。図１〜図３を用いて、上述した各ハードウェアと、ソフトウェアモジュールが実行する処理について説明する。
[Calculation of average bankruptcy probability using bankruptcy probability calculation system 1]
A procedure for calculating an average bankruptcy probability using the bankruptcy probability calculation system 1 in the present embodiment will be described. FIG. 2 is a flowchart showing the procedure for calculating the average bankruptcy probability using the bankruptcy probability calculation system 1. FIG. 3 is a diagram showing an overview of the bankruptcy probability calculation system 1. Processing performed by each hardware and software module described above will be described with reference to FIGS.
〔ステップＳ１１０：複数の人工知能グループを準備〕
最初に、倒産確率算出を実施するための事前準備として、制御部１００は人工知能グループ準備モジュール１１１を実行し、複数の人工知能グループを準備する（ステップＳ１１０）。図３に示すように、それぞれの人工知能グループは複数の人工知能モデルからなる。同一のグループ内における人工知能モデルは、同一のアルゴリズムに基づいて学習されているものの、異なる初期値によって学習されている。このような作業を複数の異なるアルゴリズムについて行うことにより、複数の人工知能モデルからなる人工知能グループを複数準備する。
[Step S110: Prepare multiple artificial intelligence groups]
First, as a preliminary preparation for performing bankruptcy probability calculation, the control unit 100 executes an artificial intelligence group preparation module 111 to prepare a plurality of artificial intelligence groups (step S110). As shown in FIG. 3, each artificial intelligence group consists of a plurality of artificial intelligence models. Although artificial intelligence models in the same group are learned based on the same algorithm, they are learned with different initial values. By performing such work for a plurality of different algorithms, a plurality of artificial intelligence groups composed of a plurality of artificial intelligence models are prepared.
なお、このような複数の人工知能モデル及び人工知能グループは、予め図示しないデータベースに保管しておき、ステップＳ１１０においてデータベースから呼び出すことで利用することができる。 Such a plurality of artificial intelligence models and artificial intelligence groups can be stored in advance in a database (not shown) and used by calling from the database in step S110.
〔ステップＳ１２０：すべての人工知能モデルが倒産確率を計算〕
次に、倒産確率の算出を実行する企業に関する企業情報がインプットデータとして入力されると、制御部１００は全モデル算出モジュール１１２を実行し、すべての人工知能モデルに倒産確率を計算させる（ステップＳ１２０）。ここでいう企業情報とは、例えば、当該企業に関する売上高、直近二期の決算書、純資産など、企業の信頼性や倒産リスクを表す財務データや財務指標が含まれる。
[Step S120: All artificial intelligence models calculate bankruptcy probabilities]
Next, when company information relating to a company that executes the calculation of bankruptcy probability is input as input data, the control unit 100 executes all model calculation modules 112 to cause all artificial intelligence models to calculate bankruptcy probabilities (step S120). ). The company information here includes, for example, financial data and financial indicators representing the reliability of the company and the risk of bankruptcy, such as the sales related to the company, the financial statements for the last two periods, and the net assets.
ここで、同一のグループに属する人工知能モデルは、同じアルゴリズムに基づいて学習がなされているものの、学習過程において与えられる初期値によって計算結果にばらつきが生じる。そのため、同一のグループに属する人工知能モデルであっても、ステップＳ１２０において算出される倒産確率の解にはばらつきが生じる。したがって、仮に１００の人工知能モデルがあるとすると、ステップＳ１２０においては、１００通りの倒産確率が算出されることになる。 Here, although the artificial intelligence models belonging to the same group are learned based on the same algorithm, the calculation results vary depending on the initial values given in the learning process. Therefore, even if the artificial intelligence models belong to the same group, the solution of the bankruptcy probability calculated in step S120 varies. Therefore, if there are 100 artificial intelligence models, 100 bankruptcy probabilities are calculated in step S120.
〔ステップＳ１３０：それぞれの人工知能グループで倒産確率を算術平均〕
ステップＳ１２０ですべての人工知能モデルで倒産確率が算出されると、次に、制御部１００はグループ平均算出モジュール１１３を実行し、それぞれの人工知能グループにおける平均値を算出するべく、各人工知能グループ内で倒産確率を算術平均する（ステップＳ１３０）。このように、同一のアルゴリズムに基づいて形成されるグループ内で平均値を算出することで、アルゴリズムの中での初期値によるばらつきを減少させ、アルゴリズムの特性を一般化することができる。
[Step S130: Arithmetic average of bankruptcy probabilities in each artificial intelligence group]
If the bankruptcy probability is calculated for all the artificial intelligence models in step S120, the control unit 100 then executes the group average calculation module 113 to calculate the average value in each artificial intelligence group. The probability of bankruptcy is arithmetically averaged (step S130). Thus, by calculating an average value within a group formed based on the same algorithm, variation due to the initial value in the algorithm can be reduced, and the characteristics of the algorithm can be generalized.
〔ステップＳ１４０：人工知能グループごとの平均値をさらに加重平均〕
最後に、制御部１００は最終倒産確率算出モジュール１１４を実行し、人工知能グループごとに算出した倒産確率の平均値をさらにグループ間で加重平均することにより、最終的な平均倒産確率として出力する（ステップＳ１４０）。これにより、平均倒産確率の算出を終了する。
[Step S140: Weighted average of average values for each artificial intelligence group]
Finally, the control unit 100 executes the final bankruptcy probability calculation module 114, and outputs the average average bankruptcy probability by further averaging the average value of the bankruptcy probabilities calculated for each artificial intelligence group among the groups ( Step S140). Thereby, the calculation of the average bankruptcy probability is finished.
このようにして算出された平均倒産確率は、それぞれのアルゴリズムに基づいて学習された人工知能モデルの初期値によるばらつきを減少させることができるため、学習過程の違いによる変動を抑え、倒産判定の指標となる精度の高い倒産確率を算出することができる。また、アルゴリズムの特性による影響を調整・制御しながら活用することができるため、より確度の高い倒産確率を算出することができる。 The average bankruptcy probability calculated in this way can reduce variation due to the initial value of the artificial intelligence model learned based on the respective algorithms, so that fluctuation due to differences in the learning process is suppressed, and an indicator for bankruptcy determination The bankruptcy probability with high accuracy can be calculated. In addition, since the influence due to the characteristics of the algorithm can be adjusted and controlled, the bankruptcy probability with higher accuracy can be calculated.
［倒産確率算出システム１を用いた倒産ポイントの算出］
次に、本実施形態における倒産確率算出システム１を使用して、倒産を判定するもう一つの指標となる倒産ポイントを算出する手法について説明する。
[Calculation of bankruptcy points using the bankruptcy probability calculation system 1]
Next, a method for calculating a bankruptcy point, which is another index for determining bankruptcy, using the bankruptcy probability calculation system 1 according to the present embodiment will be described.
倒産ポイントを算出するにあたって、制御部１００は倒産ポイント算出モジュール１１５を実行し、上記ステップＳ１２０において倒産確率を算出したすべての人工知能モデルのうち、倒産判定となる閾値（例えば５０％）を超える倒産確率を算出した人工知能モデルの割合を算出する。 In calculating the bankruptcy point, the control unit 100 executes the bankruptcy point calculation module 115, and among all the artificial intelligence models whose bankruptcy probabilities are calculated in step S120, the bankruptcy exceeds a threshold value (for example, 50%) for bankruptcy determination. The ratio of the artificial intelligence model for which the probability is calculated is calculated.
すなわち、例えば、５０％を超えると倒産と判定するといったように、倒産の有無の境界となる倒産確率をあらかじめ設定しておき、すべての人工知能モデルのうち、どの程度の割合の人工知能モデルがその閾値を超える倒産確率を算出したかを割り出し、この数値を倒産ポイントと定義する（倒産ポイントは０から１００までのパーセンテージとして算出される）。 In other words, for example, a bankruptcy probability that becomes the boundary of the presence or absence of bankruptcy is set in advance so that it is determined that the bankruptcy occurs when it exceeds 50%. It is determined whether the bankruptcy probability exceeding the threshold is calculated, and this numerical value is defined as the bankruptcy point (the bankruptcy point is calculated as a percentage from 0 to 100).
このような数値を導入することにより、単純平均による倒産確率だけでは把握することのできないばらつきを検出することができ、より信頼性の高いシステムを構築することができる。 By introducing such numerical values, it is possible to detect variations that cannot be grasped only by the probability of bankruptcy based on a simple average, and it is possible to construct a more reliable system.
［倒産確率算出システム１を用いた倒産の判定］
次に、本実施形態における倒産確率算出システム１を使用して、倒産の判定を実施する手法について説明する。倒産の判定は、制御部１００の倒産判定モジュール１１６によって行われる。
[Determining bankruptcy using bankruptcy probability calculation system 1]
Next, a method of performing bankruptcy determination using the bankruptcy probability calculation system 1 according to the present embodiment will be described. The bankruptcy determination module 116 of the control unit 100 determines bankruptcy.
上記において、本実施形態における倒産確率算出システム１を使用して、平均倒産確率と倒産ポイントを算出する手法について説明した。ここでは、それら二つの指標を用いて対象とする企業が倒産するか否かについて判定する方法について説明する。 In the above, the method of calculating the average bankruptcy probability and the bankruptcy points using the bankruptcy probability calculation system 1 in the present embodiment has been described. Here, a method for determining whether or not a target company goes bankrupt using these two indicators will be described.
企業の倒産を判定する指標の一つである平均倒産確率は、各人工知能グループで算出される倒産確率の平均値をさらにグループ間で加重平均することによって得られる。このような方法によると、各人工知能モデルにおける初期値によるばらつきをある程度低減することができるものの、各人工知能モデルのばらつきの度合までは正確に考慮することができない。 The average bankruptcy probability, which is one of the indicators for determining the bankruptcy of a company, can be obtained by further averaging the average value of bankruptcy probabilities calculated for each artificial intelligence group between groups. According to such a method, although the variation due to the initial value in each artificial intelligence model can be reduced to some extent, the degree of variation in each artificial intelligence model cannot be accurately considered.
すなわち、ある人工知能グループにおける倒産確率の平均値が５０％近傍であったとしても、１０％や９０％等を算出した人工知能モデルの割合が多くばらつきが大きいのか、あるいは、４０％や６０％等を算出した人工知能モデルの割合が多くばらつきが少ないのかを把握することができない。また、極端に大きい、または小さい倒産確率が算出された場合、その値に平均値が大きく左右されてしまう。 That is, even if the average value of bankruptcy probability in a certain artificial intelligence group is close to 50%, the proportion of artificial intelligence models that calculated 10%, 90%, etc. is large and the variation is large, or 40% or 60% It is impossible to grasp whether the ratio of the artificial intelligence model that calculated the above is large and the variation is small. In addition, when an extremely large or small bankruptcy probability is calculated, the average value greatly depends on the value.
そこで、倒産ポイントを導入することにより、ばらつきの程度を考慮することが可能となる。上述の通り、倒産ポイントはすべての人工知能モデルのうち、倒産判定となる閾値を超える倒産確率を算出した人工知能モデルの割合として定義されるため、仮に、極端に大きい、または小さい倒産確率が算出されたとしても、それが倒産判定の閾値を超えるか超えないかのみカウントされ、倒産確率の値はカウントされない。したがって、極端に大きい、または小さい倒産確率の影響を受けることなく、いわば、複数の人工知能モデル間における多数決を取ることができる。 Therefore, by introducing bankruptcy points, it becomes possible to consider the degree of variation. As described above, bankruptcy points are defined as the proportion of artificial intelligence models that have calculated the probability of bankruptcy exceeding the threshold value for bankruptcy judgment among all artificial intelligence models. Even if it is done, it is counted only whether it exceeds or exceeds the threshold for bankruptcy judgment, and the value of bankruptcy probability is not counted. Therefore, it is possible to take a majority vote among a plurality of artificial intelligence models without being affected by an extremely large or small bankruptcy probability.
具体的には、例えば、平均倒産確率５０％以上、かつ、倒産ポイント２８％以上の場合、倒産判定とする、というように二つの指標を用いて倒産判定を設定することができる。このように、平均倒産確率と倒産ポイントを組み合わせて倒産判定を行うようにすることにより、人工知能モデル間の初期値によるばらつきや、人工知能モデルが用いるアルゴリズムによるばらつきを抑え、確度の高い倒産確率判定システムを構築することができる。 Specifically, for example, when the average bankruptcy probability is 50% or more and the bankruptcy point is 28% or more, the bankruptcy determination can be set by using two indicators. In this way, the bankruptcy judgment is performed by combining the average bankruptcy probability and the bankruptcy points, thereby suppressing the variation due to the initial value between the artificial intelligence models and the variation due to the algorithm used by the artificial intelligence model, and the bankruptcy probability with high accuracy. A judgment system can be constructed.
なお、上記においては、平均倒産確率と倒産ポイントのみによって倒産判定を行うよう設定したが、人工知能グループにおける倒産確率の平均値が閾値（例えば５０％）以上のものが一つでもあれば、即、倒産判定を行うよう設定することもできる。 In the above, the bankruptcy judgment is set only by the average bankruptcy probability and the bankruptcy points. The bankruptcy judgment can also be set.
すなわち、全グループの平均倒産確率が低かったとしても、あるグループにおける倒産確率の平均値が閾値を上回っていた場合、倒産判定とするよう設定する。このようにすることで、よりリスクの検知に優れたシステムとすることができる。 That is, even if the average bankruptcy probability of all the groups is low, if the average value of the bankruptcy probability in a certain group exceeds the threshold value, the bankruptcy judgment is set. By doing in this way, it can be set as the system excellent in the detection of a risk.
以上のように構成することで、学習のための初期値の違いによる計算結果のばらつきを抑え、確度の高い倒産の判定を実施ことができる倒産確率算出システムを提供することができる。 By configuring as described above, it is possible to provide a bankruptcy probability calculation system capable of suppressing a variation in calculation results due to a difference in initial values for learning and performing bankruptcy determination with high accuracy.
以上、本発明者によってなされた発明を実施の形態に基づき具体的に説明したが、本発明は前記実施の形態に限定されるものではなく、その要旨を逸脱しない範囲で種々変更可能であることはいうまでもない。 As mentioned above, the invention made by the present inventor has been specifically described based on the embodiment. However, the present invention is not limited to the embodiment, and various modifications can be made without departing from the scope of the invention. Needless to say.
また、上記した実施の形態は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、ある実施の形態の構成の一部を他の実施の形態の構成に置き換えることが可能であり、また、ある実施の形態の構成に他の実施の形態の構成を加えることも可能である。また、各実施の形態の構成の一部について、他の構成の追加、削除、置換しても良い。 Further, the above-described embodiment has been described in detail for easy understanding of the present invention, and is not necessarily limited to one having all the configurations described. Further, a part of the configuration of one embodiment can be replaced with the configuration of another embodiment, and the configuration of another embodiment can be added to the configuration of one embodiment. . Moreover, you may add, delete, and replace another structure about a part of structure of each embodiment.
また、上記の各構成、機能、処理部は、それらの一部又は全部を、ハードウェア（例えば、集積回路）で実現してもよい。また、上記の各構成、機能、処理部は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによりソフトウェアで実現してもよい。各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリや、ハードディスク、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等の記録装置、または、ＩＣカード、ＳＤカード、ＤＶＤ等の記録媒体に置くことができる。 In addition, each of the above-described configurations, functions, and processing units may be realized in part or in whole by hardware (for example, an integrated circuit). Further, each of the above-described configurations, functions, and processing units may be realized by software by interpreting and executing a program that realizes each function by the processor. Information such as programs, tables, and files for realizing each function can be stored in a memory, a hard disk, a recording device such as an SSD (Solid State Drive), or a recording medium such as an IC card, an SD card, or a DVD.
１ 倒産確率算出システム
１００ 制御部
１１１ 人工知能グループ準備モジュール
１１２ 全モデル算出モジュール
１１３ グループ平均算出モジュール
１１４ 最終倒産確率算出モジュール
１１５ 倒産ポイント算出モジュール
１１６ 倒産判定モジュール
２００ 通信部
３００ 記憶部
DESCRIPTION OF SYMBOLS 1 Bankruptcy probability calculation system 100 Control part 111 Artificial intelligence group preparation module 112 All model calculation module 113 Group average calculation module 114 Final bankruptcy probability calculation module 115 Bankruptcy point calculation module 116 Bankruptcy judgment module 200 Communication part 300 Storage part
Claims (2)
一つのアルゴリズムに対して異なる初期値で学習された複数の人工知能モデルからなる人工知能グループの準備を、アルゴリズムの異なる複数の人工知能グループについて行う人工知能グループ準備部と、
与えられた企業情報に基づきすべての前記人工知能モデルで倒産確率を算出する全モデル算出部と、
前記人工知能グループごとに倒産確率の平均値を算出するグループ平均算出部と、
前記人工知能グループごとに算出した倒産確率の平均値をさらにグループ間で加重平均することで最終的な倒産確率を算出する最終倒産確率算出部と、
を備えた倒産確率算出システム。 A bankruptcy probability calculation system that calculates the probability of a company going bankrupt using artificial intelligence,
An artificial intelligence group preparation unit for preparing an artificial intelligence group composed of a plurality of artificial intelligence models learned with different initial values for one algorithm, for a plurality of artificial intelligence groups with different algorithms;
All model calculation units for calculating bankruptcy probabilities in all the artificial intelligence models based on given company information;
A group average calculator for calculating an average value of bankruptcy probability for each artificial intelligence group;
A final bankruptcy probability calculating unit for calculating a final bankruptcy probability by further averaging the average value of the bankruptcy probability calculated for each artificial intelligence group between the groups;
Bankruptcy probability calculation system equipped with.
請求項１に記載の倒産確率算出システム。 Of all the artificial intelligence models, comprising a bankruptcy point calculation unit that calculates the proportion of the artificial intelligence model that calculated the bankruptcy probability exceeding the threshold for bankruptcy determination,
The bankruptcy probability calculation system according to claim 1.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018234385A JP6581282B1 (en) | 2018-12-14 | 2018-12-14 | Bankruptcy probability calculation system using artificial intelligence |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018234385A JP6581282B1 (en) | 2018-12-14 | 2018-12-14 | Bankruptcy probability calculation system using artificial intelligence |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP6581282B1 true JP6581282B1 (en) | 2019-09-25 |
| JP2020095583A JP2020095583A (en) | 2020-06-18 |
Family
ID=68053489
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2018234385A Active JP6581282B1 (en) | 2018-12-14 | 2018-12-14 | Bankruptcy probability calculation system using artificial intelligence |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6581282B1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20220164886A1 (en) * | 2020-11-24 | 2022-05-26 | VFD SAAS Technology, Ltd. | Artificial intelligence financial analysis and reporting platform |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| IT202100001424A1 (en) | 2021-01-26 | 2022-07-26 | Arisk S R L | METHOD AND SYSTEM FOR PREDICTING THE FAILURE OF A MONITORED ENTITY |
-
2018
- 2018-12-14 JP JP2018234385A patent/JP6581282B1/en active Active
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20220164886A1 (en) * | 2020-11-24 | 2022-05-26 | VFD SAAS Technology, Ltd. | Artificial intelligence financial analysis and reporting platform |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2020095583A (en) | 2020-06-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102061987B1 (en) | Risk Assessment Method and System | |
| CA3036353C (en) | Updating attribute data structures to indicate joint relationships among attributes and predictive outputs for training automated modeling systems | |
| KR20160121806A (en) | Determining a temporary transaction limit | |
| AU2016328959A1 (en) | Updating attribute data structures to indicate trends in attribute data provided to automated modeling systems | |
| TW202042132A (en) | Method for detecting abnormal transaction node, and device | |
| JP6581282B1 (en) | Bankruptcy probability calculation system using artificial intelligence | |
| WO2023103527A1 (en) | Access frequency prediction method and device | |
| CN113849848B (en) | Data permission configuration method and system | |
| US20190220924A1 (en) | Method and device for determining key variable in model | |
| Barboza et al. | New metrics and approaches for predicting bankruptcy | |
| US20230385690A1 (en) | Computer-readable recording medium storing determination program, determination apparatus, and method of determining | |
| CN116739742A (en) | Monitoring method, device, equipment and storage medium of credit wind control model | |
| WO2019218517A1 (en) | Server, method for processing text data and storage medium | |
| CN115333783A (en) | API call abnormity detection method, device, equipment and storage medium | |
| CN114999665A (en) | Data processing method and device, electronic equipment and storage medium | |
| CN106294490B (en) | Feature enhancement method and device for data sample and classifier training method and device | |
| CN109948800B (en) | Risk control method and system thereof | |
| JP2021174330A (en) | Prediction device by ensemble learning of heterogeneous machine learning | |
| Nurhidayat et al. | More accurate simulation for insurance data based on a modified SVM polynomial method 1 | |
| CN113065644B (en) | Method, apparatus, device and medium for compressing neural network model | |
| CN111815442B (en) | Link prediction method and device and electronic equipment | |
| CN113837325B (en) | Unsupervised algorithm-based user anomaly detection method and unsupervised algorithm-based user anomaly detection device | |
| US20240144135A1 (en) | Systems and methods for risk processing of supply chain management system data | |
| CN114897617A (en) | Model evaluation method, device, equipment and storage medium for financial wind control scene | |
| CN116228382A (en) | Data processing method, device, electronic equipment and storage medium |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190307 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20190307 |
|
| A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20190318 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190626 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190723 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190731 |
|
| 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: 20190808 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190829 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6581282 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |