JP2000348015A - 経時的に変動しうる評価対象の評価項目を評価するためのシステム、方法および記録媒体 - Google Patents

Abstract

(57)【要約】 【課題】本発明の課題は、評価したい時点において、適
時に最新の企業評価を行うことができるシステムを提供
することにある。 【解決手段】本発明は、決算期に公表される財務データ
のように更新間隔の長いデータ（静的データ）のみなら
ず、株価等のように更新間隔の短いデータ（動的デー
タ）をも入力して企業評価のためのモデルを作成する。
好適には、データマイニングの手法を用いてモデルが構
築される。このモデルに評価対象の関連する静的データ
および動的データを適用することによって、経時的に変
動しうる評価対象の評価項目の評価（例えば企業の格付
算出）が、適時かつ最新のものとして算出される。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、対象企業の評価を
行うための方法およびシステムに係り、特に更新間隔の
長いデータと更新間隔が短いデータとから対象企業の評
価を行うための方法およびシステムに関する。

【０００２】

【従来の技術】金融機関や投資機関、その他あらゆる企
業の財務部門や審査部門にとって、その取引先や投資先
の企業の信用度を見極めることはきわめて重要な作業で
ある。しかしながら、このような企業の信用度を客観的
に診断、評価するのは非常に困難であった。そこで、当
該企業の財務データの分析を通じて、その倒産の可能性
や信頼度の大きさなどを客観的に数値化する、いわゆる
信用リスクの定量化システムの構築が模索されている。
ここで、数値化される情報としては、格付情報や倒産
（債務不履行）確率などがある。

【０００３】このような従来の財務分析により企業の評
価を行なう手法は、定期的に公表される企業の貸借対照
表や損益計算書などからの財務データに基づくものが中
心である。そして、このような財務データは、決算期ご
とに１年単位や四半期単位で更新されるのが一般的であ
る。したがって、必要な時点において審査や格付の算出
を行なおうとしても、財務データはその時点における最
新のものを入手できるわけでない。その結果、所望の時
点で経済の変化を反映した最新の信用度を算出すること
はできない。

【０００４】すなわち、従来の企業の評価システムとし
て、更新間隔が比較的長い企業の財務データに基づき、
推定や多変量解析などの統計的手法およびデータマイニ
ングなどの手法を用いて、評価対象となる企業の審査や
格付を行うものは存在するが、このようなシステムで
は、現時点での経済状況に動的に対応した最新のリスク
評価を行うことはできず、適時に客観的な企業評価を算
出することができないという問題点があった。

【０００５】さらに、外部機関等を通じてすでに一定の
評価データ（例えば格付など）を得ている企業であれ
ば、それをもとに一定の信用リスクを判断することは可
能である。しかしながら、そのような評価データをいま
だ有していない企業の場合、適時な信用リスクの評価を
行うことはきわめてむずかしい。

【０００６】近年は、信用リスクの変動がマクロ経済の
激しい変動と同様にかなり激しくなっており、より正確
なリスクの判断が求められている。この傾向は今後もさ
らに続くものと思われる。

【０００７】

【発明が解決しようとする課題】本発明の目的は、評価
したい時点において、適時に対象企業を評価できるシス
テムを提供することにある。

【０００８】また、本発明の他の目的は、経済の変化を
反映した最新の企業評価を行なうことができるシステム
を提供することにある。

【０００９】さらに、本発明の他の目的は、評価データ
が存在しない企業に対しても、適時に企業評価を行うこ
とができるシステムを提供することにある。

【００１０】

【発明を解決するための手段】本発明は、前記した従来
技術の欠点を除くためになされたものであって、まず、
１年毎や四半期毎などのように更新間隔が比較的長いデ
ータ（「静的データ」という）に基づき、企業評価を行
うモデル（「静的モデル」という）を作成する。ここで
モデルとは、サンプルデータをもとに作成された一定の
アルゴリズムのことをいい、目的にあわせて最適化が行
われる。

【００１１】このとき、静的データの更新時（データ算
出の基準時やデータの公表時など）における後述の動的
データも、静的モデル作成のための入力として用いるこ
とができる。

【００１２】次に、この静的モデルを用いて算出された
格付データや倒産確率などの出力評価と、日々変動する
株価や金利・為替などのように更新間隔が比較的短いデ
ータ（「動的データ」という）との入力に基づき、その
後の変化を予測して動的に企業評価を行うモデル（「動
的モデル」という）を作成する。この２つの評価モデル
に評価対象の企業データを適用することより、例えば、
決算期における企業の正確な評価のみならず、マクロ経
済の変化に即した適時な企業評価を予測し算出すること
ができるようになる。

【００１３】また、静的モデル作成時に一定の動的デー
タをも入力しうるので、この場合には、静的モデルだけ
であっても好適な企業評価を行ないうる。

【００１４】なお、本明細書では、格付情報により企業
を評価する手法として本発明を説明しているが、本発明
が適用されるのは、企業以外を評価対象とする場合であ
ってもよいし、格付情報以外の経時的に変化しうる評価
項目を評価する場合であってもよい。つまり、経時的に
変動する評価項目を有する評価対象を評価するのであれ
ば、本発明を適用することが可能である。

【００１５】要するに、本発明は、一定の更新間隔を有
する第１のデータと更新間隔が当該第１のデータより短
い第２のデータとから、経時的に変動しうる評価対象の
評価項目を評価するシステムによって実現され、 ａ）サンプル対象の第１のデータの入力に応じて、第１
の評価モデルを作成する手段と、 ｂ）前記サンプル対象の第１のデータを第１の評価モデ
ルに適用し、第１の評価出力を算出する手段と、 ｃ）サンプル対象の第２のデータと第１の評価出力の入
力に応じて、第２の評価モデルを作成する手段と、 ｄ）評価対象の第１のデータの入力に応じて当該第１の
データを第１の評価モデルに適用し、第２の評価出力を
算出する手段と、 ｅ）前記評価対象の第２のデータと前記第２の評価出力
を第２の評価モデルに適用し、当該評価対象の評価出力
を算出する手段とを含む。入力される上記の第１のデー
タは、当該第１のデータの更新時点で更新済みの第２の
データをも入力とすることができる。

【００１６】また、本発明は、一定の更新間隔を有する
第１のデータと更新間隔が当該第１のデータより短い第
２のデータとから、経時的に変動しうる評価対象の評価
項目を評価するシステムによっても実現され、 ａ）サンプル対象の第１のデータと当該第１のデータの
更新時点で更新済みの第２のデータの入力に応じて、第
１の評価モデルを作成する手段と、 ｂ）評価対象の第１のデータの入力または当該評価対象
の第１のデータと当該第１のデータの更新時点で更新済
みの第２のデータとの入力に応じて、これらの入力デー
タを第１の評価モデルに適用し、当該評価対象の評価出
力を算出する手段とを含む。

【００１７】さらに具体的には、本発明は、決算期に定
期的に内容が更新される第１のデータと更新間隔が当該
第１のデータより短い第２のデータとから、企業の格付
データを算出する企業評価システムによって実現され、 ａ）サンプル企業の第１のデータの入力に応じて、第１
の評価モデルを作成する手段と、 ｂ）前記サンプル企業の第１のデータを第１の評価モデ
ルに適用し、第１の格付値を算出する手段と、 ｃ）サンプル企業の第２のデータと第１の格付値の入力
に応じて、第２の評価モデルを作成する手段と、 ｄ）評価対象企業の第１のデータの入力に応じて当該第
１のデータを第１の評価モデルに適用し、第２の格付値
を算出する手段と、 ｅ）前記評価対象企業の第２のデータと前記第２の格付
値を第２の評価モデルに適用し、当該評価対象の格付デ
ータを算出する手段とを含む。入力される上記第１のデ
ータは、当該第１のデータの更新時点で更新済みの第２
のデータをも入力とすることができる。

【００１８】またさらには、本発明は、決算期に定期的
に内容が更新される第１のデータと更新間隔が当該第１
のデータより短い第２のデータとから、企業の格付デー
タを算出する企業評価システムによっても実現され、 ａ）サンプル企業の第１のデータと当該第１のデータの
更新時点で更新済みの第２のデータの入力に応じて、第
１の評価モデルを作成する手段と、 ｂ）評価対象企業の第１のデータの入力または当該評価
対象企業の第１のデータと当該第１のデータの更新時点
で更新済みの第２のデータとの入力に応じて、これらの
入力データを第１の評価モデルに適用し、当該評価対象
企業の格付データを算出する手段とを含む。

【００１９】

【発明の実施の形態】本発明の実施例においては、企業
の信頼度を評価するための尺度として、企業の「格付」
情報を用いる。これは、一般には、ＡＡとかＢＢＢ＋の
ような表記として知られているものであり、ここでは、
日本の代表的格付機関の１つである日本格付投資情報セ
ンター（Ｒ＆Ｉ）の無担保長期債の格付データを参考に
している。以下では、この格付データをもとに対象企業
の診断、評価を行う手法について説明するが、このよう
な格付データ以外であっても、企業の倒産や債務不履行
の確率などのように、一定の数値化が可能な尺度であれ
ば、本発明の評価方法を実施することができる。

【００２０】図１は、本発明において使用されるコンピ
ュータのハードウェア構成の例を示す図である。コンピ
ュータ・システム１００は、中央処理装置（ＣＰＵ）１
とメモリ４とを含んでいる。ＣＰＵ１とメモリ４は、バ
ス２を介して、補助記憶装置としてのハードディスク装
置１３（またはＣＤ−ＲＯＭ２６、ＤＶＤ３２等の記憶
媒体駆動装置）とＩＤＥコントローラ２５を介して接続
してある。同様にＣＰＵ１とメモリ４は、バス２を介し
て、補助記憶装置としてのハードディスク装置３０（ま
たはＭＯ２８、ＣＤ−ＲＯＭ２９、ＤＶＤ３１等の記憶
媒体駆動装置）とＳＣＳＩコントローラ２７を介して接
続してある。フロッピーディスク装置２０はフロッピー
ディスクコントローラ１９を介してバス２へ接続されて
いる。フロッピーディスク装置２０には、フロッピーデ
ィスクが挿入される。

【００２１】このフロッピーディスク等やハードディス
ク装置１３（またはＣＤ−ＲＯＭ２６、ＤＶＤ３２等の
記憶媒体）、ＲＯＭ１４には、オペレーティングシステ
ムと協働してＣＰＵ等に命令を与え、本発明を実施する
ためのコンピュータプログラム、オペレーティングシス
テム等のコードおよび各種のデータを記録することがで
き、メモリ４にロードされることによって実行される。
これらコンピュータ・プログラム等のコードは圧縮し、
または、複数に分割して、複数の記録媒体に記録するこ
ともできる。

【００２２】コンピュータ・システム１００は、更にユ
ーザ・インターフェース・ハードウェアを備え、企業評
価に必要なデータを入力をするためのポインティング・
デバイス（マウス、ジョイスティック等）７またはキー
ボード６や、本発明を実施した企業の評価結果等を表示
するためのディスプレイ１２を有することができる。ま
た、パラレルポート１６を介してプリンタを接続するこ
とや、シリアルポート１５を介してモデムを接続するこ
とが可能である。このシステム１００は、モデムや通信
アダプタ１８（イーサネットやトークンリング・カー
ド）等を介してネットワークに接続し、他のコンピュー
タ・システムと通信を行うことができる。本発明に必要
なデータを、このような接続された他のシステムから入
力することも可能である。またシリアルポート１５若し
くはパラレルポート１６に、遠隔送受信機器を接続し
て、赤外線若しくは電波によりデータの送受信を行って
もよい。

【００２３】このように、本発明は、通常のパーソナル
コンピュータ（ＰＣ）やワークステーション、ノートブ
ックＰＣ、パームトップＰＣ、ネットワークコンピュー
タ、コンピュータを内蔵したテレビ等の各種家電製品、
通信機能を有するゲーム機や各種情報端末、またはこれ
らの組合せによって実施可能であることを容易に理解で
きるであろう。ただし、これらの構成要素は例示であ
り、その全ての構成要素が本発明の必須の構成要素とな
るわけではない。

【００２４】図２は、本発明の基本的な機能構成を示す
図である。本発明を実施するシステムは、基本的構成と
して、サンプル企業のデータ記憶部１１０、評価対象企
業（単に「対象企業」ともいう）のデータ記憶部１２
０、評価モデル作成部１３０、評価データ算出部１４
０、および評価データ出力部１５０を含む。

【００２５】サンプル企業データ記憶部１１０は、評価
モデル作成のために複数のサンプル企業のデータを、対
象企業データ記憶部１２０は、実際に評価したい対象企
業のデータを、それぞれ読み込み、評価モデル作成部１
３０および評価データ算出部１４０に入力する。データ
の読み込み方には、データベースへの定期的な一括入
力、画面からの逐次入力、システムの計算結果の自動入
力等がある。また、ここで読み込まれるデータには、上
記の静的データおよび動的データの双方を含む一定の財
務指標や経済指標、ならびに実際の外部の格付情報や計
算済みの一時データ（評価出力）が含まれる。

【００２６】評価モデル作成部１３０は、入力されたデ
ータに基づき、企業評価の算出を行うための評価モデ
ル、すなわち一定のアルゴリズムを構築する。例えば、
「ある財務指標がいくつであったなら格付は何になる」
といったルールを見つけ出し、これをモデル化する。こ
の評価モデルを作成する手法としては、サンプル企業の
データを統計的手法で分析してモデルを最適化するも
の、ニューラルネットワークを用いた判別方法を用いて
モデルを最適化するもの、決定木を用いたデータマイニ
ング技術を用いるもの等があり、そのいずれを採用して
もよいし、また他のモデル化手法を採用してもよい。ま
た、異なる角度からの分析を通じて出力評価の精度を高
めるべく、複数の手法を独立してまたは組合わせて用い
てもよい。

【００２７】本発明の実施例では、決定木を用いたデー
タマイニング手法を用いたモデルを用いて評価を行った
例を示す。ここで、データマイニングとは、大量なデー
タの集まりを解析することによって、その中に潜む有用
な情報・知識を探し出す技術をいい、従来の統計手法よ
りも精度の高い結果を期待することができる。

【００２８】評価データ算出部１４０は、入力されたデ
ータを、評価モデル作成部１３０で構築されたモデルに
適用して、対象企業の評価データ（格付データや格付変
動量等）を算出する。ここで算出された評価データが、
評価データ出力部１５０に出力される。

【００２９】図３は、本発明のより詳細な機能構成を示
す図である。以下では、企業の財務指標ならびに株価、
金利および為替などのマクロ経済指標といった債権格付
の決定に影響があると思われる情報を分析し、得られた
結果と格付情報の相関ルール（モデル）から対象企業の
格付および格付変動値を算出する手法として、本発明の
実施例を説明する。

【００３０】サンプル企業データ入力部２１０は、主に
評価モデルを作成するための複数のサンプル企業のデー
タを入力する。本発明の実施例では、静的モデルにおい
ては、連結決算が発表されている企業を対象に過去４年
分でのべ約１８００社分のデータを、動的モデルにおい
ては、サンプリング前でのべ約５０万社分のデータを分
析のために入力した（動的モデルは日単位でデータを集
めるので静的モデルの場合よりも数は多くなる）。入力
されるデータは、大きく分けて、静的データと動的デー
タがある。

【００３１】静的データとは、決算期毎に公表される財
務指標（売上高、キャッシュフロー等）のように内容が
更新される間隔が長いデータをいう。動的データとは、
日々変動する株価、金利、為替、ＴＯＰＩＸなどのよう
に内容が更新される間隔が静的データよりも短いデータ
をいう。財務指標や株価などは、そのサンプル企業固有
のものだけでなく業種平均のような平均値の指標も含
む。

【００３２】また、上記のような格付機関が提供するサ
ンプル企業の実格付のデータも、モデル作成のための教
師値として入力データに含まれる。これは、静的モデル
への適用場面では静的データとして、動的モデルへの適
用場面では動的データとして扱われる。格付データは、
実際の格付を図５のように数値化したものであり、後述
の評価モデルが算出する評価データ（格付データ）もこ
れに対応した数値で表わす。

【００３３】静的モデル作成部２２０は、決算期毎に公
表される静的データの入力とその決算日における動的デ
ータの入力に基づき評価モデル（静的モデル）を構築す
る。静的モデルは、決算日における格付そのものを算出
するためのものであり、実格付が存在する企業であれ
ば、格付をモデルにより算出して比較することにより、
財務状況から見て格付機関により付けられている実際の
格付が高いのか低いのかを評価できる。決算日における
動的データは必ずしも必須の入力ではないが、これによ
って、より決算日における企業実態にあった正確な評価
を得ることができるため、静的モデルへの適用場面で
は、静的データの一部として取扱われる。

【００３４】本発明のモデル構築のための指標分析に
は、決定木によるデータマイニングの手法を用いた。財
務分析による格付算出のためにデータマイニング手法を
用いることにより、大量の分析用の指標データの中から
格付にはどのような指標がどのようなルールで影響して
いるのかを発見する。学習部２２２が、学習データを通
じて分析を行ない、このモデルの重み付けをおこなう。
この分析により、多大な格付に大きく影響を与えるサン
プルデータの指標がいくつか選択され、選択された指標
から格付を算出する静的モデルが構築される。

【００３５】この決定木によるデータマイニング手法の
詳細は、例えば特願平１１-０５９８８５号で開示され
ている。以下では、簡単にその手法について説明する。

【００３６】決定木によるデータマイニング手法とは、
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
分類する技術をいう。例えば、診療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したりするといったことが可
能となるわけである。決定木は、こうした分類を２分木
構造で実現する。

【００３７】２分木のそれど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。本発明の実施例で
は、数値化された格付データに相当する。２つの子孫を
持つ各ノードは、入力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
小さいかをテストすることによって、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ま
たはデータを使うか、あるいは閾値をどう設定するかが
決定木の質を左右する。最終的に完成するモデル（木構
造）は、なるべく単純であることが望ましい。木の深さ
（階層）は浅く、全ノードの数が少ないほど良いモデル
ということになる。

【００３８】本発明で作成される格付算出のための決定
木は、学習部２２２の機能を用いて次のように構築され
る。まず、全サンプル企業を２つのグループに分割する
ためのルール、つまり分割の条件となる指標とその閾値
を見つけ出す（データマイニング）。分割された各グル
ープは、教師値である格付数値が高めのサンプル企業の
グループと低めのグループ、あるいは特定の格付数値を
持つサンプル企業が集まったグループとそれ以外のグル
ープ、といった特徴を持つ。これでルートノードから２
つの子ノードに枝別れした２階層の決定木が作成された
ことになる。分割により同じような格付数値を持つサン
プル企業のグループのノードができるので、そのノード
における格付数値の分散は親ノードのそれよりも小さく
なる。それぞれの子ノードに対しても同様の分割を行な
い、ノード内での値（格付数値）の分散がある程度小さ
くなったところで分割を終了する。これにより、格付決
定のための決定木が作成される。作成された決定木では
最終的なノードにおける格付値の分散は十分小さくなっ
ている、つまりある特定の格付数値を持つサンプル企業
が非常に高い割合でそのノードに分類されている。末端
のノードに分類されたサンプル企業の格付数値の平均値
（期待値）をそのノードの代表値とし、格付算出の際の
出力として使用する。

【００３９】上記のように構築されたモデルにより格付
数値は次のように算出される。まずルートノードにおい
てテストが行なわれ、２つの子ノードに分類される。テ
ストはそのノードにおける分岐のためのルールに評価対
象の入力指標を適用し、左右どちらの子ノードに進むか
を決定するものである。次のノードでもテストが行なわ
れ、これを末端のノードに到達するまで繰り返す。最終
的なノードの代表値が、その企業に対する評価出力とな
るわけである。

【００４０】なお、後述の動的モデルの算出対象となる
格付変動値についても、上記の格付数値を格付の変動量
に置き換えることにより同様の方法で算出できる。ま
た、上述のように、評価モデルの作成には他の手法を用
いてもよいし、また複数の手法を用いてもよい。

【００４１】静的モデルによる評価データ（格付数値）
の算出部２３０は、入力部２４０からの評価対象企業の
データを静的モデルに適用して、当該対象企業の格付数
値を算出し、その結果２３４を出力する。また、後の動
的モデルの作成のため、各サンプル企業のデータも静的
モデルに適用して、それぞれの格付数値２３２も算出し
出力する。算出部２３０に入力される企業データとして
は、静的モデル構築時の分析により必要なものとして選
択された指標と同じ指標のデータが用いられる。ただ
し、算出部２３０への入力（２１０、２４０）として、
実際の格付機関による実格付のデータは含まれない。算
出部２３０は、格付をシミュレーションするためのもの
であり、実格付を入力しても意味をもたないからであ
る。

【００４２】動的モデル作成部２５０は、サンプル企業
についての静的モデルによる評価出力（格付数値）２３
２と動的データの入力２１０に基づき評価モデル（動的
モデル）を構築する。動的モデルは、マクロ経済の変動
に対応した動的データ（株価等の動的指標）の変化によ
り、格付が受ける変動量を予測し算出するためのモデル
である。

【００４３】入力として用いられる評価出力（格付数
値）２３２は、静的モデル作成時の決算日時点のもので
あるので決算日から当該日までの日数を考慮して、経過
日数も入力指標の１つとするのが好ましい。また、入力
されるサンプル企業の動的データは、評価したい時点で
の最新の動的指標であるが、実格付の値や教師値として
の格付変動値もこれに含まれる。格付変動値とは、図５
の格付数値にしたがい格付の変動前と変動後の差を数値
化したものであり、本発明では図６のように５段階で表
わす。すなわち、格付が変わらなかった日の格付変動値
は０、１つ格上げのときは−１、２つ格下げのときは＋
２、のように表わす。これらの動的データは日々発生し
膨大な量となる。例えば、日々収集されるサンプルレコ
ード数は（サンプル収集期間内の営業日数）×（対象企
業数）であり、その数は膨大なものとなってしまうの
で、学習を効率よくできるようサンプリングして精度の
高いモデルが構築されるようレコード数を調整するのが
望ましい。

【００４４】動的モデル作成部２５０は、これらの入力
に対して、静的モデルと同様の手法で動的モデルを構築
する。

【００４５】動的モデルによる評価データ（格付変動
値）の算出部２６０は、入力部２４０からの評価対象企
業の動的データを静的モデルからの出力２３４とともに
動的モデルに適用して、当該対象企業の格付変動値を算
出し、その評価データ２７０を出力する。格付変動値
は、図６のように表わされる。算出部２６０に入力され
る対象企業データには、動的モデル構築時の分析におい
て必要なものとして選択された指標と同じ指標のデータ
が用いられる。また、本実施例ではその入力に含めてい
るが、対象企業データからの入力（２４０）として、実
際の格付機関による実格付のデータを含める必要性は必
ずしもない。これは、一旦、モデルが構築された後であ
れば、モデルへの適用に必要な指標に対応するデータさ
えあれば格付数値を算出できるためである。

【００４６】図４は、本発明の処理の流れを示すフロー
図である。本発明の処理は、ステップ３１０において、
複数のサンプル企業の静的データ（実格付のデータを含
む）の入力により開始される。

【００４７】まず、ステップ３２０において、入力され
たサンプル企業の静的データに基づき第１のモデル（静
的モデル）を作成する。すなわち、入力されたデータの
うちどの指標が実際の格付の決定にどの程度の影響を及
ぼすのかについての相関ルールを見つけ出し、これをモ
デル化する。

【００４８】静的モデルが構築されると、サンプル企業
の静的データをこのモデルに適用し（ステップ３３
０）、それぞれのサンプル企業の評価データ、ここでは
決算日における各サンプル企業の有すべき格付数値（図
５参照）を算出し、これを出力する（ステップ３４
０）。好適には、静的モデルに適用されるデータは、そ
のモデルを作成する際に、格付に影響を及ぼす分析に必
要な指標として選択されたデータと同じデータである。
また、出力された格付数値と入力された実格付の数値が
異なる場合がある。これは、実際の格付と本来あるべき
格付値にズレが生じていることを示しており、本発明に
より算出された格付の方が、評価企業の財務状況をより
広範に反映しうる分、より実態に即した内容を提示しう
るといえる。

【００４９】次に、ステップ３５０において、各サンプ
ル企業の動的データを、ステップ３４０で出力された評
価データ（決算日における格付数値）とともに入力し、
これに基づき、ステップ３６０で動的モデルを作成す
る。すなわち、経済状況の変動に対応した株価等の動的
指標の変化により格付がどのように変化するかを、図６
に示すような格付変動量の算出という形でモデル化す
る。

【００５０】動的モデルが構築されると、実際に評価し
たい対象企業の評価のステップに移る。まず、評価した
い時点からみて最新の決算日における対象企業の静的デ
ータを上述の静的モデルに適用し（ステップ３３２）、
当該企業の評価データ、すなわち当該決算日における格
付数値を算出する（ステップ３４２）。この算出された
格付数値と評価したい時点での当該対象企業の動的デー
タとを入力し、これらを動的モデルに適用することによ
って（ステップ３７０）、最終的な評価データとして格
付変動値が算出される（ステップ３８０）。すなわち、
算出された格付数値と格付変動値とから、評価したい任
意の時点での最新の対象企業の格付情報が得られるわけ
である。

【００５１】図７および図８は、本発明により実際に企
業評価をおこなった例を示す図である。ここでは、Ａ、
Ｂの２社の例に基づき格付の算出例を示す。

【００５２】図７は、静的データの入力に基づき、格付
数値を算出した場合のサンプルを示す。ここでは、Ａ
社、Ｂ社のそれぞれにつき４決算期分（「備考」欄）の
静的データが用いられている。モデルに適用される指標
は、売上高、キャッシュフロー、純資産、売上高営業利
益率等である（「入力」欄）。その他、特に示さない
が、各決算日における株価データ等の動的データも指標
として入力しうる。これらのデータの入力に応じて算出
された格付数値が「出力」欄に記載されている。本発明
のモデルにおいては、実数値で格付（または格付変動
値）を出力しているが、実際の格付値と比較する場合に
は、この実数値の小数点以下を四捨五入した整数値を用
いている。参考として、実際の格付機関により付与され
た実格付の値もあわせて示す（「参考」欄）。

【００５３】Ａ社の実格付を見ると４期にわたり格付１
（ＡＡＡ）を維持していることがわかる。モデルの出力
を見ると、こちらも一定値を算出しており、整数化した
格付数値は実格付と一致している。

【００５４】一方Ｂ社は整数化した格付数値と実格付を
比較すると１９９７年度では一致しているが、それ以外
ではモデルは実際よりも高めの格付を算出している。こ
れは財務状況から見てＢ社は実際の格付以上の実力を備
えていると考えられることを示している。１９９４年度
（1995/3/31時点）の数値を見ると実格付は１１（ＢＢ
＋）であり、算出された格付８（ＢＢＢ＋）とは３段階
の差があるが、その後１９９６年１月に２段階格上げさ
れ実格付は算出格付に近づいており、モデルによる評価
は妥当であったといえる。１９９５年度、１９９６年度
においても、それぞれ１９９６年８月、１９９７年５月
に格上げされており、同様のことがいえる。

【００５５】Ｂ社は１９９７年５月６日にＢＢＢ＋から
Ａ−へ格上げされている。これに注目して動的モデルに
よる格付変動算出の精度検証をしてみる。

【００５６】図８は、動的データの入力に基づき、Ｂ社
の変動格付値を算出した場合のサンプルを示す。同サン
プルでは、格付が変更された日（1997/5/6）およびその
約１ヶ月前と２ヶ月前（1997/4/10と1997/3/5）におい
て格付変動を算出するための入力指標として、静的モデ
ルによる算出格付数値、株価などが用いられている
（「入力」欄）。また、図７と同様に、算出出力として
の格付変動数値（「出力」欄）とともに、参考として実
際の格付変動(実変動)数値も示す（「参考」欄）。

【００５７】実変動は、1997/5/6は１段階格上げされて
いるので−１となり、それ以外の日では格付の変動はな
いので０である。これに対し、本発明により算出された
格付変動値をみると、格付変動があった日（1997/5/6）
では実変動に近い数値が算出されている。また、その１
ヶ月前（1997/4/10）、２ヶ月前（1997/3/5）における
実数値の算出結果、特に前者の値をみると、本発明の手
法が、その後の変動の兆候を捕らえて適切に変動を予測
していることがわかる。

【００５８】図９は、Ｂ社の格付変動予測についてさら
に詳しく検証した結果を表わす図である。１９９６年４
月から１９９７年５月の約１４ヶ月に渡り１日〜７日の
間隔で格付変動を算出し、その値（実数値）を時系列で
プロットした。比較のために実変動も同時にプロットし
てある。

【００５９】この期間内に実変動は２度（1996/8/30と1
997/5/6）格上げされている。グラフの横軸は時間を表
し縦軸は格付変動値を表す。格付変動値は負値が格上げ
を意味するので負値が上方向になるよう縦軸をとってあ
る。1997/5/6の変動については、本発明の動的モデルは
約５ヶ月前から変動の兆候を捕らえ始め約１．５ヶ月前
にさらに実変動値に近い変動を予測している。1996/8/3
0の変動でも約４ヶ月前から変動を予測している。

【００６０】

【発明の効果】本発明により、評価したい時点におい
て、適時に対象企業を評価できるようになり、また、経
済の変化に対応した最新の企業評価を行なうことができ
るようになる。

【００６１】さらに、本発明の構成により、評価データ
が存在しない企業に対しても、経済の変化に対応した最
新の評価を適時に行なうことができるようになる。

【図面の簡単な説明】

【図１】図１は、本発明において使用されるコンピュー
タのハードウェア構成の例を示す図である。

【図２】図２は、本発明の基本的な機能構成を示す図で
ある。

【図３】図３は、本発明のより詳細な機能構成を示す図
である。

【図４】図４は、本発明の処理の流れを示すフロー図で
ある。

【図５】図５は、格付数値の例を示す図である。

【図６】図６は、格付変動数値（変動量）を示す図であ
る。

【図７】図７は、本発明により静的モデルで実際に企業
評価をおこなった例を示す図である。

【図８】図８は、本発明により動的モデルで実際に企業
評価をおこなった例を示す図である。

【図９】図９は、Ｂ社の格付変動予測についてさらに詳
しく検証した結果を表わす図である。

【符号の説明】

１００ コンピュータ・システム １１０ サンプル企業データ記憶部 １２０ 評価対象企業データ記憶部 １３０ 評価モデル作成部 １４０ 評価データ算出部 １５０ 評価データ出力部

───────────────────────────────────────────────────── フロントページの続き (72)発明者 熊 田 清 志 東京都中央区日本橋箱崎町19番地１ 日本 アイ・ビー・エム株式会社箱崎事業所内 (72)発明者 神 田 靖 神奈川県大和市下鶴間1623番地14 日本ア イ・ビー・エム株式会社大和事業所内 (72)発明者 樋 口 正 也 神奈川県大和市下鶴間1623番地14 日本ア イ・ビー・エム株式会社大和事業所内 (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 Ｆターム(参考） 5B049 BB46 EE03 EE05 GG09

Claims (12)

【特許請求の範囲】
1. 【請求項１】所定の更新間隔を有する第１のデータと更
   新間隔が当該第１のデータより短い第２のデータとか
   ら、経時的に変動しうる評価対象の評価項目を評価する
   システムであって、（ａ）サンプル対象の第１のデータ
   の入力に応じて、第１の評価モデルを作成する手段と、
   （ｂ）前記サンプル対象の第１のデータを第１の評価モ
   デルに適用し、第１の評価出力を算出する手段と、
   （ｃ）サンプル対象の第２のデータと第１の評価出力の
   入力に応じて、第２の評価モデルを作成する手段と、
   （ｄ）評価対象の第１のデータの入力に応じて当該第１
   のデータを第１の評価モデルに適用し、第２の評価出力
   を算出する手段と、（ｅ）前記評価対象の第２のデータ
   と前記第２の評価出力を第２の評価モデルに適用し、当
   該評価対象の評価出力を算出する手段と、を含むシステ
   ム。
2. 【請求項２】入力される上記第１のデータが、当該第１
   のデータの更新時点で更新済みの第２のデータをも入力
   として有する、請求項１に記載のシステム。
3. 【請求項３】所定の更新間隔を有する第１のデータと更
   新間隔が当該第１のデータより短い第２のデータとか
   ら、経時的に変動しうる評価対象の評価項目を評価する
   システムであって、（ａ）サンプル対象の第１のデータ
   と当該第１のデータの更新時点で更新済みの第２のデー
   タの入力に応じて、第１の評価モデルを作成する手段
   と、（ｂ）評価対象の第１のデータの入力または当該評
   価対象の第１のデータと当該第１のデータの更新時点で
   更新済みの第２のデータとの入力に応じて、これらの入
   力データを第１の評価モデルに適用し、当該評価対象の
   評価出力を算出する手段と、を含むシステム。
4. 【請求項４】決算毎に内容が更新される第１のデータと
   更新間隔が当該第１のデータより短い第２のデータとか
   ら、企業の格付データを算出する企業評価システムであ
   って、（ａ）サンプル企業の第１のデータの入力に応じ
   て、第１の評価モデルを作成する手段と、（ｂ）前記サ
   ンプル企業の第１のデータを第１の評価モデルに適用
   し、第１の格付値を算出する手段と、（ｃ）サンプル企
   業の第２のデータと第１の格付値の入力に応じて、第２
   の評価モデルを作成する手段と、（ｄ）評価対象企業の
   第１のデータの入力に応じて当該第１のデータを第１の
   評価モデルに適用し、第２の格付値を算出する手段と、
   （ｅ）前記評価対象企業の第２のデータと前記第２の格
   付値を第２の評価モデルに適用し、当該評価対象の格付
   データを算出する手段と、を含むシステム。
5. 【請求項５】入力される上記第１のデータが、当該第１
   のデータの更新時点で更新済みの第２のデータをも入力
   として有する、請求項４に記載のシステム。
6. 【請求項６】決算毎に内容が更新される第１のデータと
   更新間隔が当該第１のデータより短い第２のデータとか
   ら、企業の格付データを算出する企業評価システムであ
   って、（ａ）サンプル企業の第１のデータと当該第１の
   データの更新時点で更新済みの第２のデータの入力に応
   じて、第１の評価モデルを作成する手段と、（ｂ）評価
   対象企業の第１のデータの入力または当該評価対象企業
   の第１のデータと当該第１のデータの更新時点で更新済
   みの第２のデータとの入力に応じて、これらの入力デー
   タを第１の評価モデルに適用し、当該評価対象企業の格
   付データを算出する手段と、を含むシステム。
7. 【請求項７】所定の更新間隔を有する第１のデータと更
   新間隔が当該第１のデータより短い第２のデータとか
   ら、経時的に変動しうる評価対象の評価項目を評価する
   方法であって、（ａ）サンプル対象の第１のデータの入
   力に応じて、第１の評価モデルを作成するステップと、
   （ｂ）前記サンプル対象の第１のデータを第１の評価モ
   デルに適用し、第１の評価出力を算出するステップと、
   （ｃ）サンプル対象の第２のデータと第１の評価出力の
   入力に応じて、第２の評価モデルを作成するステップ
   と、（ｄ）評価対象の第１のデータの入力に応じて当該
   第１のデータを第１の評価モデルに適用し、第２の評価
   出力を算出するステップと、（ｅ）前記評価対象の第２
   のデータと前記第２の評価出力を第２の評価モデルに適
   用し、当該評価対象の評価出力を算出するステップと、
   を含む方法。
8. 【請求項８】入力される上記第１のデータが、当該第１
   のデータの更新時点で更新済みの第２のデータをも含
   む、請求項７に記載の方法。
9. 【請求項９】所定の更新間隔を有する第１のデータと更
   新間隔が当該第１のデータより短い第２のデータとか
   ら、経時的に変動しうる評価対象の評価項目を評価する
   方法であって、（ａ）サンプル対象の第１のデータと当
   該第１のデータの更新時点で更新済みの第２のデータの
   入力に応じて、第１の評価モデルを作成するステップ
   と、（ｂ）評価対象の第１のデータの入力または当該評
   価対象の第１のデータと当該第１のデータの更新時点で
   更新済みの第２のデータとの入力に応じて、これらの入
   力データを第１の評価モデルに適用し、当該評価対象の
   評価出力を算出するステップと、を含む方法。
10. 【請求項１０】所定の更新間隔を有する第１のデータと
    更新間隔が当該第１のデータより短い第２のデータとか
    ら、経時的に変動しうる評価対象の評価項目を評価する
    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
    媒体であって、（ａ）サンプル対象の第１のデータの入
    力に応じて、第１の評価モデルを作成するステップと、
    （ｂ）前記サンプル対象の第１のデータを第１の評価モ
    デルに適用し、第１の評価出力を算出するステップと、
    （ｃ）サンプル対象の第２のデータと第１の評価出力の
    入力に応じて、第２の評価モデルを作成するステップ
    と、（ｄ）評価対象の第１のデータの入力に応じて当該
    第１のデータを第１の評価モデルに適用し、第２の評価
    出力を算出するステップと、（ｅ）前記評価対象の第２
    のデータと前記第２の評価出力を第２の評価モデルに適
    用し、当該評価対象企業の評価出力を算出するステップ
    と、をコンピュータで実行させるためのプログラムを記
    録したコンピュータ読み取り可能な記録媒体。
11. 【請求項１１】入力される上記第１のデータが、当該第
    １のデータの更新時点で更新済み第２のデータをも入力
    として有する、請求項１０に記載のコンピュータ読み取
    り可能な記録媒体。
12. 【請求項１２】所定の更新間隔を有する第１のデータと
    更新間隔が当該第１のデータより短い第２のデータとか
    ら、経時的に変動しうる評価対象の評価項目を評価する
    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
    媒体であって、（ａ）サンプル対象の第１のデータと当
    該第１のデータの更新時点で更新済みの第２のデータの
    入力に応じて、第１の評価モデルを作成するステップ
    と、（ｂ）評価対象の第１のデータの入力または当該評
    価対象の第１のデータと当該第１のデータの更新時点で
    更新済みの第２のデータとの入力に応じて、これらの入
    力データを第１の評価モデルに適用し、当該評価対象の
    評価出力を算出するステップと、をコンピュータで実行
    させるための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。