JP2000259719A

JP2000259719A - 債務不履行の確率を計算する方法及び装置

Info

Publication number: JP2000259719A
Application number: JP11059885A
Authority: JP
Inventors: Yasuhiko Morimoto; 康彦森本; Kiyoshi Kumada; 清志熊田; Tsuyoshi Fukuda; 剛志福田
Original assignee: International Business Machines Corp
Current assignee: International Business Machines Corp
Priority date: 1999-03-08
Filing date: 1999-03-08
Publication date: 2000-09-22

Abstract

(57)【要約】【課題】本発明の課題は、学習データ内の倒産/非倒産
の比率によらず現実的な確率を計算することができる倒
産確率の計算方法を提供することである。【解決手段】本発明の構成は、企業の債務不履行の発生
確率を計算する方法が、（ａ）複数の企業の財務データ
を入力するステップ、（ｂ）前記財務データから決定木
を作成するステップ、（ｃ）対象企業の財務データを決
定木に適用するステップ、（ｄ）対象企業を決定木に適
用した結果から債務不履行の発生確率を計算するステッ
プを含む。更に、前記（ｄ）ステップが、ベイズの定理
を利用することを特徴とする。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、対象企業の債務不
履行の確率を計算可能なコンピュータ・システム、特に
決定木を利用した債務不履行の確率を計算する方法及び
装置に関する。

【０００２】

【従来の技術】近年、データベースから属性やデータ間
に成り立つ法則・ルールを発掘し、経営戦略を立案する
上で役に立つ法則を得る「データ・マイニング」と呼ば
れる研究が盛んに行われている。

【０００３】その成果はあらゆる業界のデータ分析に応
用され、特に金融業界は、データ分析能力を、経営の死
命を決することもある重要な技術として認識し、古くか
ら多変量解析、シミュレーションなど様々なデータ分析
技術を応用してきた。

【０００４】金融機関はいうまでもなく、あらゆる企業
の財務部門や審査部門においては、取引先の企業の「倒
産及び、それにともなう債務不履行」の危険性がどの程
度あるのか見究めることは、その企業の経営を左右する
とともに非常に困難な課題である。

【０００５】企業の倒産の危険性を数値として算出す
る、いわゆる、信用リスクの定量化システムは、今後ま
すますその重要性を増していくと考えられる。

【０００６】本発明は、そうした重要なニーズに応じる
べく、企業の危険度の１つの目安として財務データから
「倒産確率（又は債務不履行確率）」の数値を算出する
ための手法である。

【０００７】企業の過去の財務データから、倒産、非倒
産を判定する決定木を作成することができる。決定木
は、企業の集合を財務データの内容から繰り返し、ある
代表的な(相互情報量などを最適化するような)ルールで
部分集合に分割してゆくことで構成される。

【０００８】こうした分割により、最終的に作られるそ
れぞれの部分集合は「倒産」又は「非倒産」のいずれか
に分布が偏ったものとなる。

【０００９】審査対象企業はこのように作られた決定木
により、いずれかの部分集合の１つとして分類され、そ
の部分集合が持っていた倒産の頻度から「倒産」か「非
倒産」かを判定される。

【００１０】決定木は、判定結果を算出するとともに、
その判定に至る根拠をルールとして示すことができるた
め、分析ツールとして広く用いられている。

【００１１】しかし、信用リスクの定量化という観点か
らは「倒産である」又は「非倒産である」といった離散
的で定性的な判定結果を出力するより、どのくらいの確
率で倒産するか、倒産しないかといった連続数値を定量
的に出力する方が、この種のアプリケーションとしての
意義が大きいと考えられる。

【００１２】判別を目的に作成される決定木から、判別
結果ではなく、特定の判別に至る確率を求めるには、学
習データ（サンプル）と母集団の関係等を注意深く考慮
する必要がある。

【００１３】更に、倒産という事象に注目するならば、
正確な確率を求めるためには、現在の景気の動向を簡単
に反映させることができなければならない。

【００１４】本発明は、決定木を使って債務不履行（す
なわち倒産）の確率を算出するというアプリケーション
に特化した問題解決法を提供するものである。

【００１５】決定木は、判定結果を算出するとともに、
その判定に至る根拠をルールとして示すことができるた
め、分析ツールとして広く用いられている。しかしなが
ら、信用リスクの定量化という観点からは「倒産であ
る」、「非倒産である」といった離散的な判定結果を出
力するより、どのくらいの確率で倒産するか、倒産しな
いかといった連続数値として出力する方が、このアプリ
ケーションとしての意義が大きい。

【００１６】決定木の情報から倒産確率のような数値を
求めるには、以下のような問題点がある。

【００１７】すなわち、現実には全企業数に比べ倒産の
頻度は究めて小さいため、倒産企業の特徴、非倒産企業
の特徴をそれぞれ学習するためには、倒産する企業数も
充分な数が必要になる。

【００１８】そのため現実に比べ倒産企業の多いデータ
集合を学習データとして使うことになり、決定木で作ら
れる部分集合内の倒産頻度自体は現実的な数値とはいえ
ない。

【００１９】また、企業倒産は、景気状況などマクロ経
済的な影響にも左右されやすいので、学習データから得
た倒産頻度を単純に現実的数値に置き換えるだけでは不
十分である。

【００２０】決定木で、学習データから作られる部分集
合における倒産/非倒産の分布比は、その部分集合に至
る条件を満たした場合の条件つき確率であると読み変え
ることができる。

【００２１】ある企業が、ある部分集合に分類された場
合、ベイズの理論を利用して、この条件付き確率をもと
に、倒産という事象の（この部分集合に分類されたとい
う）事後確率を求めることができる。

【００２２】また、事後確率に対する事前確率、つま
り、どこにも分類されていない状態での（財務状況を見
ていない状態での）企業の倒産確率は、景気の状況を反
映した確率とする。

【００２３】景気の状況を反映した指標はいろいろ存在
するが、誰もが手軽に知ることができ、かつ、企業倒産
数と相関が強い指標の１つに日経平均株価がある。

【００２４】日経平均株価から事前確率である全企業の
倒産確率を算定する。これにより、ベイズの事後確率に
相当する各企業の倒産確率に、景気の動向を反映させる
ことができる。

【００２５】

【発明が解決しようとする課題】本発明の目的は、学習
データ内の倒産/非倒産の比率によらず現実的な確率を
計算することができる倒産確率の計算方法を提供するこ
とである。

【００２６】また、本発明の他の目的は、学習データ内
の倒産/非倒産の比率によらず現実的な確率を計算する
ことができ、かつ、計算時点の景気状況を確率に反映さ
せることができる倒産確率の計算方法を提供することで
ある。

【００２７】

【課題を解決するための手段】本発明の第１の実施例で
は、企業の債務不履行の発生確率を計算する方法が、
（ａ）複数の企業の財務データを入力するステップと、
（ｂ）前記財務データから決定木を作成するステップ
と、（ｃ）対象企業の財務データを決定木に適用するス
テップと、（ｄ）対象企業を決定木に適用した結果から
債務不履行の発生確率を計算するステップとを含む。

【００２８】本発明の第２の実施例では、企業の債務不
履行の発生確率を計算する方法が、（ａ）複数の企業の
財務データを入力するステップと、（ｂ）前記財務デー
タから決定木を作成するステップと、（ｃ）対象企業の
財務データを決定木に適用するステップと、（ｄ）景気
を表すデータから平均的倒産率を計算するステップと、
（ｅ）対象企業を決定木に適用した結果及び前記平均的
倒産率から債務不履行の発生確率を計算するステップ
と、を含む。

【００２９】本発明の第３の実施例では、企業の債務不
履行の発生確率を計算する方法が、（ａ）複数の企業の
財務データを入力するステップと、（ｂ）前記財務デー
タから決定木を作成するステップと、（ｃ）対象企業の
財務データを決定木に適用するステップと、（ｄ）景気
を表すデータから平均的倒産率を計算するステップと、
（ｅ）対象企業を決定木に適用した結果及び前記平均的
倒産率から債務不履行の発生確率を計算するステップ
と、を含み、前記（ｄ）ステップが、ベイズの定理を利
用する。

【００３０】

【発明の実施の形態】図１には、本発明を適用した企業
の倒産確率計算プログラムの機能的構成が示されてい
る。企業の倒産確率計算プログラムは、主な機能的な構
成要素として、企業データの入力・選択部１１０、倒産
確率を計算するためのモデル部１２０、景気を表すマク
ロ情報の入力部１３０、各モデルの評価から企業を診断
する診断部１４０、及び診断結果の表示部１５０を含ん
でいる。

【００３１】企業データの入力・選択部１１０は、企業
の財務データを読み込む。財務データの読み込み方法
は、データベースへの定期的な一括入力や、画面からの
逐次入力等がある。財務データとしては、例えば帝国デ
ータバンク社のものがある。この財務データは、社名フ
ァイル、格付ファイル、財務ファイル等を含んでいる。

【００３２】また、財務ファイルは、各企業の決算期
年、決算期月、従業員数、中分類業種及びＢ／Ｓ，Ｐ／
Ｌ及び利益処分計算書などのデータが含まれるのが一般
的である。企業データの入力・選択部１１０は、次に、
入力された財務データから財務指標を算出する。

【００３３】倒産確率を計算するためのモデル部１２０
は、企業データの入力・選択部１１０から企業データ、
財務指標等のデータを受け取り各モデルを用いて評価を
計算する。倒産確率を計算するためのモデル部１２０に
は、例えば、決定木モデル１２２、ニューロ・モデル１
２４、線形モデル１２６、ロジット・モデル１２８等が
含まれる。

【００３４】ここで、モデルとは、最適化されたアルゴ
リズムのことである。モデルは、企業の信用力を財務デ
ータから評価し、「要注意」な企業なのか、「安全」な
企業なのかを判別する。

【００３５】ニューロ・モデル１２４とは、ニューロ判
別を最適化するように作られたモデルであり、線形モデ
ル１２６とは、財務指標を統計的に選択して最適化され
た線形判別モデルであり、ロジット・モデル１２８と
は、財務指標を統計的に選択して最適化されたモデルで
ある。

【００３６】決定木モデル１２２は、データマイニング
という技術を用いたモデルである。データマイニングと
は、大量なデータの集まり（データウェアハウジング）
から有用な情報を引き出すための技術であり、「データ
ベースからの知識獲得」とも呼ばれている。

【００３７】これは、大量のデータが集まれば、そのデ
ータを解析することで、それまで気づかなかった新たな
知識が得られるというものである。

【００３８】例えば、医療診断、ＰＯＳデータからの購
買パターンの解析、クレジットカードの使用者の信用
度、通信販売での顧客管理など、電子的な情報の蓄積が
進むとともに多くの分野に応用されてきている。

【００３９】決定木は、このデータマイニングの手法の
１つであり、複数の数値属性を持つ大量のデータを２つ
のグループに分類する技術である。例えば、診察データ
から患者が病気の可能性が高い／低いという２つのグル
ープに分類したり、財務データから企業が倒産しやすい
／しにくいという２つのグループに分類することが可能
となる。

【００４０】決定木は、こうした分類を２分木構造で実
現する。それぞれの分岐点はノードと呼ばれ、木の根
（ルート）から出発し、ノード毎に左右いずれかを選び
つつ下っていき、最終的に到達したノードが対応する分
類結果として採用される。

【００４１】決定木の性能としては、分類性が高いこ
と、すなわち、最終ノードに到達するまでに如何にうま
く２つのグループを切り分けることができるかという点
が重要である。また、最終的に完成した木構造がなるべ
く単純であることが望ましく、木の深さ（階層）は浅
く、全ノードの数が少ない程良いモデルということにな
る。

【００４２】２つの子孫を持つ各ノードは、データに対
するテストに対応する。例えば、自己資本率がある値
（閾値）より大きいか、小さいかによって枝を左右のど
ちらに進むかが決定される。このようなテストにどの指
標又はデータを使うか、或いは、閾値をどう設定するか
が決定木の本質となる。

【００４３】景気を表すマクロ情報の入力部１３０か
ら、景気を表すマクロ情報、例えば日経平均株価等のデ
ータとその日付を入力する。

【００４４】各モデルの評価から企業を診断する部１４
０は、各モデル１２０からの各モデルの評価結果及び景
気を表すマクロ情報の入力部１３０から経済マクロ情報
を得て、対象企業を診断する。

【００４５】診断結果の表示部１５０は、各モデルの評
価から企業を診断する部１４０から得た評価結果をユー
ザに提示する。

【００４６】図２は、本発明を適用したシステムの主な
処理の流れを示したフローチャートである。ステップ２
１０において、本発明を適用したシステムが開始され
る。

【００４７】ステップ２２０において、まず倒産確率を
本システムによって計算するための元となる財務データ
などの必要なデータが入力される。ステップ２３０にお
いて、ステップ２２０おいて入力されたデータに基づい
て決定木が順次作成される。

【００４８】ステップ２４０において対象企業のデータ
をステップ２３０において作成された決定木モデルに適
用する。ステップ２５０において、決定木の診断結果か
ら倒産確率が計算される。ステップ２６０において、本
システムの一連の処理が終了する。

【００４９】図３には、図２のステップ２２０において
入力される財務データ３００が例示されている。

【００５０】図３における財務データ３００は、各企業
のＩＤ（識別番号）３１０、倒産（Ｄ）又は非倒産
（Ｎ）を示すクラス（ＣＬＡＳＳ）３２０、売上高営業
利益率（ＵｒｉＲｉｅｋｉＲ）３３０、売上高税引前利
益率（ＵｒｉＺＭａｅＲｉｅｋｉＲ）３４０、売上高当
期利益率（ＵｒｉＴＲｉｅｋｉＲ）３５０、総資本税引
前利益率（ＳｏＳｉｈｏＺＭａｅＲｉｅｋｉＲ）３６
０、自己資本率（ＪＳｉｈｏＲ）３７０等のデータを含
むのが一般的である。これらのデータは、例えば帝国デ
ータバンク社等から入手可能である。

【００５１】図４には、入力された財務データから決定
木を作成する手順が示されている（図２のステップ２３
０に対応）。ステップ４１０で、決定木を作成する手順
が開始される。

【００５２】ステップ４２０において、全財務サンプル
・データが取り込まれる。全財務サンプル・データは、
例えばビュー４２２に示されるように、倒産企業（Ｄ）
の数が８２９であり、非倒産企業（Ｎ）の数が８２９で
ある（４２２）。

【００５３】ステップ４３０において、ノードの番号を
表すｎに初期値０を代入する。ステップ４４０におい
て、ｎ番目のノードにおいてサンプル・データで倒産企
業（Ｄ）と非倒産企業（Ｎ）を最も偏らせる分割ルール
を発見する。例えば、分割ルールとして、エントロピー
の最小化基準等が使用される。

【００５４】この発見された分割ルールを対象サンプル
・データに適用したのがビュー４４２である。ビュー４
４２のＸ軸（横軸）及びＹ軸（縦軸）はそれぞれある財
務データを表している。

【００５５】ビュー４４２において、４４５は倒産企業
の割合が８０〜１００％、４４６は倒産企業の割合が６
０〜７９％、４４７は倒産企業の割合が４０〜５９％、
４４８は倒産企業の割合が２０〜３９％、４４９は倒産
企業の割合が０〜１９％をそれぞれ表している。

【００５６】例えば、横軸に自己資本率、縦軸に有利子
負債金利をとると、右側の明るい部分が比較的安全な企
業が多い領域になる。つまり、このルールは、「自己資
本比率の高い企業は、安定だが、低い企業については、
有利子負債金利の高いところから危険になっていく」と
いう傾向を示している。

【００５７】すなわち、線４４４で囲まれた部分内の企
業が比較的安全であり、線４４４で囲まれた部分外の企
業が比較的危険であることが分かる。ステップ４５０に
おいて、ステップ４４０において発見されたルールを用
いて対象データが２つに分割される。

【００５８】現在のノードｎ４５２のすべてのデータ
が、領域の内側にあるデータ４５４と領域の外側にある
データ４５６に分割され、決定木が作成される。ノード
４５４に属するデータの内容は非倒産（Ｎ）が多く倒産
（Ｄ）が少ないものとなる（４５５）。

【００５９】これに対して、ノード４５６に属するデー
タの内容は倒産（Ｄ）が多く非倒産（Ｎ）が少ないもの
となる（４５７）。ステップ４６０において、分割を更
に続けるかどうかが判断される。判断の基準の１つは、
あるノードｎにおけるデータの数（Ｄ＋Ｎ）が所定の数
（Ｔ）より小さいか否かで判断される。

【００６０】ステップ４６０において、Ｎ＋Ｄ＜Ｔを満
たすならば一連の処理は終了し（ステップ４７０）、Ｎ
＋Ｄ＜Ｔを満たさないならばステップ４８０へ移行す
る。この例では、再帰的な処理の終了条件として「Ｎ＋
Ｄ＜Ｔ」を用いているが、本発明はこの条件に限定され
るものではなく、適用対象に応じて他の条件を使用する
ことも可能である。また、ポストプルーニング法やプリ
プルーニング法を用いても良い。

【００６１】ステップ４８０において、ノードの番号ｎ
を１つ増分させて、次のノードの処理に移行する。ステ
ップ４６０の条件を満足するまでステップ４４０〜４５
０における処理を再帰的に繰り返すことにより決定木が
完成する。

【００６２】図５には、図４の処理によって作成された
実際の決定木が示されている。図５の決定木は、簡単の
ためノードの数を５つ（５１２〜５１８）に限定してい
る。

【００６３】図５において、円で表したノードは中間の
ノードであり、正方形で表したノードはこれ以上分割さ
れないノードを表している。ノード５１２がルートであ
り、ノード５１２における全サンプル・データは、非倒
産（Ｎ）が８２９件であり、倒産（Ｄ）も８２９件であ
る。

【００６４】何らかの分割ルールを適用した結果、ノー
ド５１４においては、非倒産（Ｎ）が６２７件であり、
倒産（Ｄ）が１２４件と、圧倒的に非倒産データが多く
なっている。すなわち、ノード５１２で適用した分割ル
ールが良いものであることを表している。ノード５１２
の孫のノード５１８では、非倒産（Ｎ）が６３件であ
り、倒産（Ｄ）が５５４件と、圧倒的に倒産データが多
くなっている。すなわち、ノード５１６で適用した分割
ルールが良いものであることを表している。

【００６５】従って、対象となる企業は正方形のノード
（５１４，５１７，５１８）のいずれかに分類されるこ
とになる。

【００６６】図６は、診断対象企業の作成された決定木
モデルへの適用手順が記載されている。これは、図２の
ステップ２４０に対応している。

【００６７】ステップ６２０において、対象企業をデー
タベースから選択するか、又は対象企業のデータを新た
に入力する。ステップ６３０において、図５の処理で作
成した決定木モデルに診断対象企業を当てはめる。

【００６８】図７は、図６の処理の結果が示されてい
る。図５の処理により作成された決定木がビュー７１０
の中に示されている。この場合は、決定木は、ルートを
含めて５つのノード７４０〜７４８を持っている。

【００６９】いま診断対象としている企業Ｉ社は、決定
木のノード７４０に分類されている。このノード７４０
に分類された企業のデータ数は、非倒産（Ｎ）が６２７
個で、倒産が（Ｄ）が１２４個であり、かなり非倒産企
業の割合が高いことが分かる（７２０）。

【００７０】企業Ｉ社は、ビュー７３０では、太線で囲
まれた部分７３２に属する。すなわち、Ｉ社の財務内容
は、安全な領域７４４の中である。従来の技術では、Ｉ
社の倒産確率まで計算することができないため、Ｉ社の
属する決定木のノード７４０に分類された企業のデー
タ、非倒産（Ｎ）が６２７個で、倒産が（Ｄ）が１２４
個から定性的に倒産・非倒産を判断するだけであった。

【００７１】図８は、決定木の診断結果から企業の倒産
確率を計算する手順が示されている。これは、図２のス
テップ２５０に対応している。

【００７２】ブロック８１０において、図７等を用いて
説明した手順により求まった情報が事後確率を求めるパ
ラメータとしてブロック８４０に提供される。一方、ブ
ロック８２０において景気を表すデータ、例えば「日経
平均株価」が入力される。

【００７３】ブロック８３０において、景気を表すデー
タを用いて現在の平均的倒産確率が計算される。これ
は、例えば、Ａ＊日経平均株価＋Ｂのような計算式で算
出される。ブロック８３０で計算された現在の平均的倒
産確率は、事前確率として、ブロック８４０に提供され
る。当実施例では事前確率の計算法として「Ａ＊日経平
均株価＋Ｂ」を用いているが、事前確率の計算式として
他の計算式を用いることも可能である。

【００７４】ブロック８４０は、事後確率を求めるパラ
メータとして決定木から提供される情報及び、事前確率
としての平均的倒産確率の情報に基づき、ベイズの定理
を用いて最終的に対象となる企業の倒産確率を定量的に
計算する。

【００７５】ここで、ベイズの定理とは、数理統計学者
のベイズ（１７０６−１７６１）により発見された定理
である。

【数１】

【００７６】図９は、上述のベイズの公式を図５、図７
及び図８で説明した事例に実際に適用した式である。図
５、図７及び図８で説明した事例の場合、全サンプル・
データの倒産企業数（Ｄ）は８２９個、全サンプル・デ
ータの非倒産企業数（Ｎ）は８２９個である。また、図
７で説明した事例の場合、対象企業Ｉ社が分類されたノ
ード７４０における倒産企業数（Ｄ）は１２４個、非倒
産企業数（Ｎ）は６２７個である。

【００７７】また、図８において説明した平均的倒産確
率を１％と仮定する。図９における計算式９００に上述
の値を当てはめる。平均的倒産確率９１０、９４０、９
７０には、１％、すなわち０．０１が代入される。あ
るグループの倒産数９２０、９５０には、１２４が代入
され、あるグループの非倒産数９８０には、６２７が代
入される。

【００７８】全サンプル・データの倒産数９３０、９６
０には、８２９が代入され、全サンプル・データの非倒
産数９９０には、８２９が代入される。以上の値を式９
００に代入し実際に倒産確率を計算すると、Ｐ＝０．１
９９４％と求まる。従って、いま対象としている企業Ｉ
社の倒産確率は０．１９９４％と求まった訳である。

【００７９】図１０には、本願発明を適用したシステム
が例示されている。ユーザが、本システムを立ち上げた
後に入力画面１０１０が表示される。ユーザは、企業コ
ードや企業名（１０３０）や条件検索（１０２０）によ
り、診断企業の選択を行い（１０６０）、日経平均株価
を入力する（１０８０）する。ユーザは、その他の必要
な入力を済ませた後、診断ボタンをクリックすることに
より診断を開始する（１０７０）。

【００８０】図１１には、本願発明を適用したシステム
が例示されている。ユーザが図１０において、開始した
診断の診断結果が画面１１００に示されている。定性的
な診断結果である倒産判別がモデル年数とともに各モデ
ルが示されている。決定木による判別は一番右に示され
ており（１１２０）、この場合は、すべて安全と判別さ
れている。

【００８１】更に、定量的な判別が、倒産確率として示
されている。決定木による倒産確率は、この場合、各モ
デル年で０．２％、０．３％及び０．４％と示されてい
る（１１３０）。また、診断結果に用いられた財務デー
タ等が同時に示されても良い（１１４０）。

【００８２】以上の説明においては、企業の倒産確率に
ついて具体的な対象として説明したが、本願発明は、上
述の企業の倒産確率の計算への適用に限定されるもので
はなく、複数の属性データを持つ過去のデータから将来
のある事象の発生を計算する場合に広く適用可能であ
る。例えば、自動車事故の発生確率の計算や、火災の発
生確率、地震の発生確率、或いは、人の死亡確率、余命
の計算などにも適用可能である。

【００８３】

【発明の効果】本発明によって、学習データ内の倒産/
非倒産の比率によらず現実的な確率を計算することがで
きる倒産確率の計算方法を提供することが可能となる。

【００８４】また、本発明によって、学習データ内の倒
産/非倒産の比率によらず現実的な確率を計算すること
ができ、かつ、計算時点の景気状況を確率に反映させる
ことができる倒産確率の計算方法を提供することが可能
となる。

【００８５】以下まとめとして他の実施例を記載する。

【００８６】（１）企業の債務不履行の発生確率を計算
する方法であって、前記方法は、（ａ）複数の企業の財
務データを入力するステップと、（ｂ）前記財務データ
から決定木を作成するステップと、（ｃ）対象企業の財
務データを決定木に適用するステップと、（ｄ）前記対
象企業を決定木に適用した結果から債務不履行の発生確
率を計算するステップと、を含む方法。

【００８７】（２）企業の債務不履行の発生確率を計算
する方法であって、前記方法は、（ａ）複数の企業の財
務データを入力するステップと、（ｂ）前記財務データ
から決定木を作成するステップと、（ｃ）対象企業の財
務データを決定木に適用するステップと、（ｄ）景気を
表すデータから平均的倒産率を計算するステップと、
（ｅ）前記対象企業を決定木に適用した結果及び前記平
均的倒産率から債務不履行の発生確率を計算するステッ
プと、を含む方法。

【００８８】（３）企業の債務不履行の発生確率を計算
するプログラムを記録した記録媒体であって、前記プロ
グラムは、（ａ）複数の企業の財務データを入力するス
テップと、（ｂ）前記財務データから決定木を作成する
ステップと、（ｃ）対象企業の財務データを決定木に適
用するステップと、（ｄ）前記対象企業を決定木に適用
した結果から債務不履行の発生確率を計算するステップ
と、を含むプログラムを記録した記録媒体。

【００８９】（４）企業の債務不履行の発生確率を計算
するプログラムを記録した記録媒体であって、前記プロ
グラムは、（ａ）複数の企業の財務データを入力するス
テップと、（ｂ）前記財務データから決定木を作成する
ステップと、（ｃ）対象企業の財務データを決定木に適
用するステップと、（ｄ）景気を表すデータから平均的
倒産率を計算するステップと、（ｅ）前記対象企業を決
定木に適用した結果及び前記平均的倒産率から債務不履
行の発生確率を計算するステップと、を含むプログラム
を記録した記録媒体。

【００９０】（５）前記（ｄ）ステップが、ベイズの定
理を利用することを特徴とする（１）乃至（４）に記載
の方法。

【００９１】（６）企業の債務不履行の発生確率を計算
する装置であって、前記装置は、（ａ）複数の企業の財
務データを入力する手段と、（ｂ）前記財務データから
決定木を作成する手段と、（ｃ）対象企業の財務データ
を決定木に適用する手段と、（ｄ）前記対象企業を決定
木に適用した結果から債務不履行の発生確率を計算する
手段と、を含む装置。

【００９２】（７）企業の債務不履行の発生確率を計算
する装置であって、前記装置は、（ａ）複数の企業の財
務データを入力する手段と、（ｂ）前記財務データから
決定木を作成する手段と、（ｃ）対象企業の財務データ
を決定木に適用する手段と、（ｄ）景気を表すデータか
ら平均的倒産率を計算する手段と、（ｅ）前記対象企業
を決定木に適用した結果及び前記平均的倒産率から債務
不履行の発生確率を計算する手段と、を含む装置。

【００９３】（８）企業の債務不履行の発生確率を計算
するシステムであって、前記システムは、プロセッサ、
記憶装置、入力装置、表示装置を含み、更に、（ａ）複
数の企業の財務データを入力する手段と、（ｂ）前記財
務データから決定木を作成する手段と、（ｃ）対象企業
の財務データを決定木に適用する手段と、（ｄ）前記対
象企業を決定木に適用した結果から債務不履行の発生確
率を計算する手段と、を含むシステム。

【００９４】（９）企業の債務不履行の発生確率を計算
するシステムであって、前記システムは、プロセッサ、
記憶装置、入力装置、表示装置を含み、更に、（ａ）複
数の企業の財務データを入力する手段と、（ｂ）前記財
務データから決定木を作成する手段と、（ｃ）対象企業
の財務データを決定木に適用する手段と、（ｄ）景気を
表すデータから平均的倒産率を計算する手段と、（ｅ）
前記対象企業を決定木に適用した結果及び前記平均的倒
産率から債務不履行の発生確率を計算する手段と、を含
むシステム。

【００９５】（１０）前記（ｄ）手段が、ベイズの定理
を利用することを特徴とする（６）乃至（９）に記載の
方法。

【００９６】（１１）前記財務データが、倒産企業のデ
ータ及び非倒産企業のデータを含むことを特徴とする
（１）乃至（１０）に記載の方法。

【００９７】（１２）自動車事故の発生確率を計算する
方法であって、前記方法は、（ａ）複数の自動車事故デ
ータを入力するステップと、（ｂ）前記自動車事故デー
タから決定木を作成するステップと、（ｃ）対象となる
自動車事故データを決定木に適用するステップと、
（ｄ）前記対象となる自動車事故データを決定木に適用
した結果から対象となる自動車事故の発生確率を計算す
るステップと、を含む方法。

【００９８】（１３）火災の発生確率を計算する方法で
あって、前記方法は、（ａ）複数の火災データを入力す
るステップと、（ｂ）前記火災データから決定木を作成
するステップと、（ｃ）対象となる火災データを決定木
に適用するステップと、（ｄ）前記対象となる火災デー
タを決定木に適用した結果から対象となる火災の発生確
率を計算するステップと、を含む方法。

【００９９】（１４）企業の債務不履行の発生確率を計
算する方法であって、前記方法は、（ａ）複数の企業の
財務データを入力するステップと、（ｂ）前記財務デー
タから決定木を作成するステップと、（ｃ）対象企業の
財務データを決定木に適用するステップと、（ｄ）前記
対象企業を決定木に適用した結果から債務不履行の発生
確率を計算するステップを含み、前記（ｃ）ステップ
が、前記複数の企業を倒産企業が多いグループと非倒産
企業が多いグループの２つのグループに分類するための
データを前記財務データの中から発見するステップを含
む方法。

【０１００】（１５）人の死亡確率を計算する方法であ
って、前記方法は、（ａ）複数の人のデータを入力する
ステップと、（ｂ）前記人のデータから決定木を作成す
るステップと、（ｃ）対象となる人のデータを決定木に
適用するステップと、（ｄ）前記対象となる人のデータ
を決定木に適用した結果から対象となる人の死亡確率を
計算するステップと、を含む方法。

【０１０１】（１６）地震の発生確率を計算する方法で
あって、前記方法は、（ａ）複数の地震のデータを入力
するステップと、（ｂ）前記地震のデータから決定木を
作成するステップと、（ｃ）対象となる地震のデータを
決定木に適用するステップと、（ｄ）前記対象となる地
震のデータを決定木に適用した結果から対象となる地震
の発生確率を計算するステップと、を含む方法。

【０１０２】（１７）前記（ｄ）ステップが、ベイズの
定理を利用することを特徴とする（１２）乃至（１６）
に記載の方法。

【図面の簡単な説明】

【図１】図１には、本発明を適用した企業の倒産確率計
算プログラムの機能的構成が示されている。

【図２】図２は、本発明を適用したシステムの主な処理
の流れを示したフローチャートである。

【図３】図３には、財務データ３００が例示されてい
る。

【図４】図４には、入力された財務データから決定木を
作成する手順が示されている。

【図５】図５には、図４の処理によって作成された実際
の決定木が示されている。

【図６】図６は、診断対象企業を作成された決定木モデ
ルへの適用手順が記載されている。

【図７】図７は、図６の処理の結果が示されている。

【図８】図８は、決定木の診断結果から企業の倒産確率
を計算する手順が示されている。

【図９】図９は、ベイズの公式を実際の事例に適用した
式が示されている。

【図１０】図１０には、本願発明を適用したシステムが
例示されている。

【図１１】図１１には、本願発明を適用したシステムが
例示されている。

【符合の説明】

１１０企業データの入力・選択部１２０倒産確率を計算するためのモデル部１３０景気を表すマクロ情報の入力部１４０各モデルの評価から企業を診断する診断部１５０診断結果の表示部１０１０入力画面１１００診断結果の表示画面

───────────────────────────────────────────────────── フロントページの続き (72)発明者森本康彦神奈川県大和市下鶴間1623番地14 日本アイ・ビー・エム株式会社東京基礎研究所内 (72)発明者熊田清志神奈川県大和市下鶴間1623番地14 日本アイ・ビー・エム株式会社東京基礎研究所内 (72)発明者福田剛志神奈川県大和市下鶴間1623番地14 日本アイ・ビー・エム株式会社東京基礎研究所内Ｆターム(参考） 5B049 BB46 EE03 EE05 EE14 EE24 EE31 FF03 FF04

Claims

【特許請求の範囲】

【請求項１】企業の債務不履行の発生確率を計算する方
法であって、前記方法は、（ａ）複数の企業の財務データを入力する
ステップと、（ｂ）前記財務データから決定木を作成す
るステップと、（ｃ）対象企業の財務データを決定木に
適用するステップと、（ｄ）前記対象企業を決定木に適
用した結果から債務不履行の発生確率を計算するステッ
プと、を含む方法。
【請求項２】企業の債務不履行の発生確率を計算する方
法であって、前記方法は、（ａ）複数の企業の財務データを入力する
ステップと、（ｂ）前記財務データから決定木を作成す
るステップと、（ｃ）対象企業の財務データを決定木に
適用するステップと、（ｄ）景気を表すデータから平均
的倒産率を計算するステップと、（ｅ）前記対象企業を
決定木に適用した結果及び前記平均的倒産率から債務不
履行の発生確率を計算するステップと、を含む方法。
【請求項３】企業の債務不履行の発生確率を計算するプ
ログラムを記録した記録媒体であって、前記プログラムは、（ａ）複数の企業の財務データを入
力するステップと、（ｂ）前記財務データから決定木を
作成するステップと、（ｃ）対象企業の財務データを決
定木に適用するステップと、（ｄ）前記対象企業を決定
木に適用した結果から債務不履行の発生確率を計算する
ステップと、を含むプログラムを記録した記録媒体。
【請求項４】企業の債務不履行の発生確率を計算するプ
ログラムを記録した記録媒体であって、前記プログラムは、（ａ）複数の企業の財務データを入
力するステップと、（ｂ）前記財務データから決定木を
作成するステップと、（ｃ）対象企業の財務データを決
定木に適用するステップと、（ｄ）景気を表すデータか
ら平均的倒産率を計算するステップと、（ｅ）前記対象
企業を決定木に適用した結果及び前記平均的倒産率から
債務不履行の発生確率を計算するステップと、を含むプログラムを記録した記録媒体。
【請求項５】前記（ｄ）ステップが、ベイズの定理を利
用することを特徴とする請求項１乃至４に記載の方法。
【請求項６】企業の債務不履行の発生確率を計算する装
置であって、前記装置は、（ａ）複数の企業の財務データを入力する
手段と、（ｂ）前記財務データから決定木を作成する手
段と、（ｃ）対象企業の財務データを決定木に適用する
手段と、（ｄ）前記対象企業を決定木に適用した結果か
ら債務不履行の発生確率を計算する手段と、を含む装置。
【請求項７】企業の債務不履行の発生確率を計算する装
置であって、前記装置は、（ａ）複数の企業の財務データを入力する
手段と、（ｂ）前記財務データから決定木を作成する手
段と、（ｃ）対象企業の財務データを決定木に適用する
手段と、（ｄ）景気を表すデータから平均的倒産率を計
算する手段と、（ｅ）前記対象企業を決定木に適用した
結果及び前記平均的倒産率から債務不履行の発生確率を
計算する手段と、を含む装置。
【請求項８】企業の債務不履行の発生確率を計算するシ
ステムであって、前記システムは、プロセッサ、記憶装置、入力装置、表
示装置を含み、更に、（ａ）複数の企業の財務データを
入力する手段と、（ｂ）前記財務データから決定木を作
成する手段と、（ｃ）対象企業の財務データを決定木に
適用する手段と、（ｄ）前記対象企業を決定木に適用し
た結果から債務不履行の発生確率を計算する手段と、を含むシステム。
【請求項９】企業の債務不履行の発生確率を計算するシ
ステムであって、前記システムは、プロセッサ、記憶装置、入力装置、表
示装置を含み、更に、（ａ）複数の企業の財務データを
入力する手段と、（ｂ）前記財務データから決定木を作
成する手段と、（ｃ）対象企業の財務データを決定木に
適用する手段と、（ｄ）景気を表すデータから平均的倒
産率を計算する手段と、（ｅ）前記対象企業を決定木に
適用した結果及び前記平均的倒産率から債務不履行の発
生確率を計算する手段と、を含むシステム。
【請求項１０】前記（ｄ）手段が、ベイズの定理を利用
することを特徴とする請求項６乃至９に記載の方法。
【請求項１１】前記財務データが、倒産企業のデータ及
び非倒産企業のデータを含むことを特徴とする請求項１
乃至１０に記載の方法。
【請求項１２】自動車事故の発生確率を計算する方法で
あって、前記方法は、（ａ）複数の自動車事故データを入力する
ステップと、（ｂ）前記自動車事故データから決定木を
作成するステップと、（ｃ）対象となる自動車事故デー
タを決定木に適用するステップと、（ｄ）前記対象とな
る自動車事故データを決定木に適用した結果から対象と
なる自動車事故の発生確率を計算するステップと、を含む方法。
【請求項１３】火災の発生確率を計算する方法であっ
て、前記方法は、（ａ）複数の火災データを入力するステッ
プと、（ｂ）前記火災データから決定木を作成するステ
ップと、（ｃ）対象となる火災データを決定木に適用す
るステップと、（ｄ）前記対象となる火災データを決定
木に適用した結果から対象となる火災の発生確率を計算
するステップと、を含む方法。
【請求項１４】企業の債務不履行の発生確率を計算する
方法であって、前記方法は、（ａ）複数の企業の財務データを入力する
ステップと、（ｂ）前記財務データから決定木を作成す
るステップと、（ｃ）対象企業の財務データを決定木に
適用するステップと、（ｄ）前記対象企業を決定木に適
用した結果から債務不履行の発生確率を計算するステッ
プを含み、前記（ｃ）ステップが、前記複数の企業を倒産企業が多
いグループと非倒産企業が多いグループの２つのグルー
プに分類するためのデータを前記財務データの中から発
見するステップを含む方法。
【請求項１５】人の死亡確率を計算する方法であって、前記方法は、（ａ）複数の人のデータを入力するステッ
プと、（ｂ）前記人のデータから決定木を作成するステ
ップと、（ｃ）対象となる人のデータを決定木に適用す
るステップと、（ｄ）前記対象となる人のデータを決定
木に適用した結果から対象となる人の死亡確率を計算す
るステップと、を含む方法。
【請求項１６】地震の発生確率を計算する方法であっ
て、前記方法は、（ａ）複数の地震のデータを入力するステ
ップと、（ｂ）前記地震のデータから決定木を作成する
ステップと、（ｃ）対象となる地震のデータを決定木に
適用するステップと、（ｄ）前記対象となる地震のデー
タを決定木に適用した結果から対象となる地震の発生確
率を計算するステップと、を含む方法。
【請求項１７】前記（ｄ）ステップが、ベイズの定理を
利用することを特徴とする請求項１２乃至１６に記載の
方法。