JP2002109208A - 信用リスク管理方法、分析モデル決定方法、分析サーバ及び分析モデル決定装置 - Google Patents

信用リスク管理方法、分析モデル決定方法、分析サーバ及び分析モデル決定装置

Info

Publication number
JP2002109208A
JP2002109208A JP2000300673A JP2000300673A JP2002109208A JP 2002109208 A JP2002109208 A JP 2002109208A JP 2000300673 A JP2000300673 A JP 2000300673A JP 2000300673 A JP2000300673 A JP 2000300673A JP 2002109208 A JP2002109208 A JP 2002109208A
Authority
JP
Japan
Prior art keywords
analysis
loan
data
probability
credit
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.)
Pending
Application number
JP2000300673A
Other languages
English (en)
Inventor
Masaki Nakamura
雅樹 中村
Kazunori Nagao
和則 長尾
Yasuhiro Hosoya
泰弘 細谷
Toshibumi Kuga
俊文 空閑
Akihiro Kawasaki
章弘 川崎
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.)
ACOM Co Ltd
Original Assignee
ACOM Co Ltd
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 ACOM Co Ltd filed Critical ACOM Co Ltd
Priority to JP2000300673A priority Critical patent/JP2002109208A/ja
Publication of JP2002109208A publication Critical patent/JP2002109208A/ja
Pending legal-status Critical Current

Links

Landscapes

  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

(57)【要約】 【課題】 より正確な貸倒確率や貸倒引当金等を算出す
ることができる信用リスク管理方法及び分析サーバ等を
提供する。 【解決手段】 分析サーバの制御部25におけるテスト
データ作成部30は、複数の分析モデルに適用するため
の学習用データと評価用データを作成する。データ分析
部31は、学習用データを各分析モデルに適用し、評価
データを当てはめてデフォルトを計算させ、結果が最も
良い分析モデルを最適モデルとして決定する。デフォル
ト確率算出部33は、最適モデルに対して、現在の各債
権のデータを適用して貸倒確率を算出する。信用格付処
理部35は、各債権の貸倒確率に基づいて、各債権を信
用格付別に分類する。貸倒引当金算出部37は、貸倒引
当金と貸付残高を掛けて各債権の貸倒引当金を算出し、
また、信用格付別に貸倒引当金を算出する。

Description

【発明の詳細な説明】
【0001】
【発明の属する技術分野】本発明は、個人向け貸付債権
の信用リスクの算出等を行う信用リスク管理方法及び分
析サーバ等に関する。
【0002】
【従来の技術】従来、貸出債権の貸倒確率や貸倒引当金
等は、例えば、過去の実績に基づいて決定されていた。
【0003】
【発明が解決しようとする課題】上記のような場合、経
済環境の変化等に対応することは難しかった。また、種
々の計算式を用いて、信用格付け別に貸倒確率を算出す
るようなシステムが実現されているが、このようなシス
テムでは、個々の債権の貸倒確率を算出することはでき
ないため、結果的に正確な算出結果を得ることができな
かった。
【0004】また、貸出債権については、リスクを押さ
え、一定以上の利益を得ることができるような最適な資
金配分を行うことが望ましい。
【0005】本発明は、上述した事情に鑑みてなされた
もので、より正確な貸倒確率や貸倒引当金等を算出する
ことができる信用リスク管理方法及び分析サーバ等を提
供することを目的とする。また、最適な資金配分のため
のポートフォリオを取得することができる信用リスク管
理方法及び分析サーバ等を提供することを目的とする。
【0006】
【課題を解決するための手段】上記目的を達成するた
め、本発明の第1の観点に係る信用リスク管理方法は、
債権の信用リスクに関する処理を行うための信用リスク
管理方法であって、所定の分析モデルに対して、各債権
のデータを適用して、各債権の貸倒確率を算出するステ
ップと、前記算出された各債権の貸倒確率に貸付残高を
掛け合わせることにより貸倒引当金を算出するステップ
と、前記算出された各債権の貸倒確率に基づいて、各債
権を信用格付別に分類し、分類された信用格付別に貸倒
引当金を算出するステップと、を備えることを特徴とす
る。
【0007】このような構成によれば、例えば過去の債
権に関するテストデータで調整された分析モデル等に現
在の個々の債権のデータを入力することで各債権の貸倒
確率を正確に算出することができる。また、正確に算出
された各債権の貸倒確率に基づいて信用格付け別にグル
ーピングを行うことで、各信用格付けについて、正確な
貸倒引当金等を求めることができる。
【0008】また、所定の要求利益率を満たす上で、リ
スクが最小な信用格付け別のポートフォリオを作成する
作成ステップをさらに備えてもよい。また、前記作成ス
テップは、個々の債権の相関関係に基づいてポートフォ
リオを作成してもよい。
【0009】生存時間解析のモデルを用いて各債権の信
用リスクの測定を行ってもよい。これにより、信用リス
クの期間構造を分析することができる。なお、生存時間
解析のモデルとして、例えば、cox比例ハザード等を
用いてもよい。
【0010】また、本発明の第2の観点に係る分析モデ
ル決定方法は、各債権の貸倒確率を算出する装置が使用
する分析モデルを決定する分析モデル決定方法であっ
て、複数の分析モデルに過去の各債権に関するデータを
テストデータとして適用して調整し、調整結果に基づい
て前記装置に供給される分析モデルを決定する、ことを
特徴とする。
【0011】このような構成によれば、最適な分析モデ
ルを各装置に提供することができる。
【0012】前記複数の分析モデルは、回帰分析と、決
定木と、ニューラルネットワークと、の少なくとも1つ
を含んでもよい。
【0013】また、本発明の第3の観点に係る分析サー
バは、債権の信用リスクに関する処理を行うための分析
サーバであって、所定の分析モデルに対して、各債権の
データを適用して、各債権の貸倒確率を算出する手段
と、前記算出された各債権の貸倒確率に貸付残高を掛け
合わせることにより貸倒引当金を算出する手段と、前記
算出された各債権の貸倒確率に基づいて、各債権を信用
格付別に分類し、分類された信用格付別に貸倒引当金を
算出する手段と、を備えることを特徴とする。
【0014】このような構成によれば、例えば過去の債
権に関するテストデータで調整された分析モデル等に現
在の個々の債権のデータを入力することで各債権の貸倒
確率を正確に算出することができる。また、正確に算出
された各債権の貸倒確率に基づいて信用格付け別にグル
ーピングを行うことで、各信用格付けについて、正確な
貸倒引当金等を求めることができる。
【0015】また、所定の要求利益率を満たす上で、リ
スクが最小な信用格付け別のポートフォリオを作成する
作成手段をさらに備えてもよい。また、前記作成手段
は、個々の債権の相関関係に基づいてポートフォリオを
作成してもよい。
【0016】生存時間解析のモデルを用いて各債権の信
用リスクの測定を行ってもよい。これにより、信用リス
クの期間構造を分析することができる。なお、生存時間
解析のモデルとして、例えば、cox比例ハザード等を
用いてもよい。
【0017】例えば、前記所定の分析モデルは、複数の
分析モデルに過去の債権に関するデータをテストデータ
として適用して調整し、調整結果に基づいて選択された
分析モデルを含んでもよい。
【0018】また、本発明の第4の観点に係る分析モデ
ル決定装置は、各債権の貸倒確率を算出する装置が使用
する分析モデルを決定する分析モデル決定装置であっ
て、複数の分析モデルに過去の各債権に関するデータを
テストデータとして適用して調整し、調整結果に基づい
て前記装置に供給される分析モデルを決定する、ことを
特徴とする。
【0019】このような構成によれば、最適な分析モデ
ルを各装置に提供することができる。
【0020】前記複数の分析モデルは、回帰分析と、決
定木と、ニューラルネットワークと、の少なくとも1つ
を含んでもよい。
【0021】
【発明の実施の形態】以下、本発明の実施の形態に係る
信用リスク管理システムについて図面を参照して説明す
る。本実施形態に係る信用リスク管理システムの構成図
を図1に示す。図示されるように、この信用リスク管理
システムは、各営業店舗における店舗端末1と、各店舗
端末1に接続される分析サーバ3と、を備える。店舗端
末1は、各店舗において、担当者から各顧客への貸付に
関する情報の入力を受け付け、入力されたデータを分析
サーバ3に供給するための端末である。
【0022】分析サーバ3は、例えば図2に示すよう
に、入力部21と、表示部22と、通信部23と、記憶
部24と、制御部25と、を備える。入力部21は、キ
ーボード、マウス等を含み、ユーザにより入力されたデ
ータを制御部25へ供給する。表示部22は、CRT、
液晶ディスプレイ等を含み、制御部25からの指示に従
って、各算出結果等を表示する。通信部23は、各店舗
端末1との間の通信を制御する。
【0023】記憶部24は、各店舗端末1から収集され
た債権に関するデータが蓄積される顧客情報データベー
ス24aと、過去に蓄積された債権に関するデータから
所定の規準に基づいてサンプリングされたデータが記憶
されるテスト用データベース24bと、を備える。各デ
ータベースに記憶されるデータは、例えば、顧客不変情
報、顧客属性情報、顧客管理情報、口座契約情報、口座
貸付情報、口座入金情報、口座移管情報等を含む。
【0024】顧客不変情報は、例えば図3(A)に示す
ように、顧客の新規貸付時における情報(顧客コード、
締日付、新規時年齢、新規貸付日、新規時他社借入額
等)を含む。顧客属性情報は、例えば図3(B)に示す
ように、顧客の属性に関する情報(顧客コード、締日
付、性別、独身・既婚、月末時年齢、職種、年収等)を
含む。顧客管理情報は、例えば図3(C)に示すよう
に、顧客の他社からの借入に関する情報(顧客コード、
締日付、他社借入件数、他社借入金額等)を含む。口座
契約情報は、例えば図3(D)に示すように、顧客の契
約に関する情報(顧客コード、締日付、契約番号、商品
コード、利率、貸付残高、延滞日数等)を含む。
【0025】口座貸付情報は、例えば図4(E)に示す
ように、顧客の貸付に関する情報(顧客コード、締日
付、契約番号、月中貸付金額、月中貸付回数等)を含
む。口座入金情報は、例えば図4(F)に示すように、
顧客の入金に関する情報(顧客コード、締日付、契約番
号、月中入金元金、月中入金利息等)を含む。口座移管
情報は、例えば図4(G)に示すように、顧客の移管に
関する情報(顧客コード、締日付、契約番号、移管日、
移管額、損金日、損金額等)を含む。
【0026】制御部25は、図5に示すように、テスト
データ作成部30と、データ分析部31と、デフォルト
確率算出部33と、信用格付処理部35と、貸倒引当金
算出部37と、期間分析部38と、最適ポートフォリオ
作成部39と、を備える。
【0027】テストデータ作成部30は、記憶部24に
おけるテスト用データベース24bから各データを読み
出し、例えば顧客コードをキーとしてマージ等すること
により所定のテストデータを作成する。そして、作成し
たテストデータを学習用データと評価用データに分割す
る。なお、各データについて、正常債権と不良債権のそ
れぞれが抽出される確率を等しくする。
【0028】また、テストデータ作成部30は、学習用
データにおける一部の変数について変数変換を行う。具
体的には、対数、平方根、逆数、2乗、指数、標準化、
パケット、分位点等の方法を用いる。
【0029】データ分析部31は、テストデータ作成部
30により作成された学習用データから複数の変数を選
択する。この変数選択は、例えばR2乗値又はカイ2乗
値に基づいて行い、例えばR2乗値に基づく場合には、
各変数の相関係数の2乗値が0.005より小さい変数
等を削除することにより行う。そして、選択された変数
を変数増加法でR2乗値の増加を評価し、選択された変
数で計算される予測値を独立変数として、ロジスティッ
ク回帰分析を行う。さらに変数選択を行うときに数1に
示すモデル式に基づく2次の交互作用も含める。この様
な方法により、選択される変数は、例えば、他社件数、
極度額、延滞日数、月末時点延滞日数、直近入金金額、
月中入金利息計、新規時他社金額の対数変換値、直近貸
付時残高の対数変換値等である。
【0030】
【数1】 Xijk=μ+α+β+(αβ)ij+εijk ここで、αは水準Aの主効果、βは水準Bの主
効果、(αβ)ijはAとBの交互作用を示す。
【0031】次に、データ分析部31は、選択した変数
について、回帰分析と、決定木と、ニューラルネットワ
ークと、の3つの分析モデルを適用し、各モデルによる
デフォルト確率をそれぞれ計測する。
【0032】回帰分析では、数2に示すモデル式を用い
たロジスティック回帰分析を行う。
【0033】
【数2】log M/(1−M)=β+β
+・・・+β+β ここで、Mは応答平均、βはパラメータ、Xは説明変数
を示す。
【0034】また、この回帰分析におけるパラメータの
設定方法は、平均からの偏差とし、該当する水準に1、
最後の水準に−1、それ以外のものには0を用いてコー
ディングする。このコーディングに対して計算されたパ
ラメータ推定値は、全水準を通じた平均からの偏差を表
す。また、変数選択法としては、入力変数の追加と削除
を繰り返して変数を選択していく、ステップワイズとい
う変数増減法を採用する。また、変数の選択基準として
は、Validation Errorを採用し、評価用データの誤差が
最小になるモデルを選択する。
【0035】また、決定木では、データを分割する基準
としてカイ2乗検定のp値を用いる(有意水準は0.0
5とする)。カイ2乗分布は、自由度(df)が(R−
1)(C−1)で数3に示す式によって求められる。
【0036】
【数3】Q=ΣΣ(nij−mij/mij ここで、mij=nieej/n nie=Σij(列の和) nej=Σij(行の和) n=ΣΣij(全ての和)
【0037】また、ニューラルネットワークでは、多層
パーセプトロンを用いる。隠れ層と出力層で線形結合関
数を使用し、また、隠れ層でシグモイド活性化関数を用
いる。
【0038】データ分析部31は、上記の3つの分析モ
デルに学習用データを適用してモデル式を形成した後、
評価用データを各分析モデル式に適用してデフォルト確
率を計測し、各計測結果を比較して最も精度の高いモデ
ルを最適モデルとして決定する。なお、比較結果を出力
し、ユーザに最適モデルを決定させてもよい。
【0039】デフォルト確率算出部33は、記憶部24
における顧客情報データベース24aから各データを読
み出し、顧客コードをキーとしてマージ等して、最適モ
デルに適用するためのスコアデータを作成する。そし
て、作成したスコアデータを最適モデルに適用して、現
在の各債権についてのデフォルト確率を算出する。
【0040】信用格付処理部35は、デフォルト確率算
出部33により算出されたデフォルト確率の計算結果に
基づいてパーセンタイル計算を実施し、貸付債権の信用
格付けを行う。
【0041】貸倒引当金算出部37は、各債権の直近貸
付残高に、デフォルト確率算出部33で求めたデフォル
ト確率を掛けて個々の貸倒引当金を算出する。また、信
用格付処理部35により処理された信用格付毎に各債権
の引当金を合算する等して信用格付毎の貸倒引当金を算
出する。
【0042】期間分析部38は、数4に示す生存時間関
数式にテストデータを用いてデフォルト期間構造確率の
モデルを作成する。この際、ステップワイズ分析によ
り、重要な説明変数を選択する。そして、スコアデータ
を当てはめて、各債権の月次のデフォルト確率を算出す
る。なお、数4のモデル式は、数5に示すコックス比例
ハザード関数に従う。
【0043】
【数4】 S(t;zi)=[S(t)]exp(ziβ) ここで、S(t)=exp(−∫h(u)du)は
ベースラインの生存時間関数である。
【0044】
【数5】h(t)=h(t;zi)=h(t)ex
p(ziβ) ここで、h(t)は任意の特定されないベースライン
(基準)ハザード関数であり、ziは個体iについて観
測される説明変数のベクトルであり、βは説明変数に対
応する未知の回帰係数のベクトルである。
【0045】最適ポートフォリオ作成部39は、目標利
益率の入力を受け付け、信用リスクを最小化し、かつ、
入力された目標利益率を満たすような信用格付別のポー
トフォリオを作成して出力等する。このとき、最適ポー
トフォリオ作成部39は、例えば、各債権のデフォルト
の相関性に基づいてポートフォリオを作成する。具体的
には、相関が小さい債権を組み合わせることにより、平
均収益率に対して最も分散が小さくなるポートフォリオ
を求める。
【0046】次に、本実施形態にかかる信用リスク管理
システムの動作について説明する。例えば、会社Aに設
置されている分析サーバ3は、各店舗Bに設置されてい
る店舗端末1に入力された貸出債権に関する種々のデー
タを所定のタイミング(例えば日毎等)で収集し、記憶
部24の顧客情報データベース24aに記憶する。ま
た、例えば顧客情報データベース24aに蓄積されたデ
ータから、自動的に又は担当者の操作により、正常債権
と不良債権についてのデータが同率で抽出され、テスト
データとしてテスト用データベース24bに記憶され
る。
【0047】分析サーバ3の制御部25は、テスト用デ
ータベース24bに記憶されたテストデータを学習用デ
ータと評価用データに分割し、「回帰分析」と「決定
木」と「ニューラルネットワーク」の3つの分析モデル
に学習用データを適用して学習させた後、評価用データ
を各モデル式にあてはめてデフォルト確率を計測し、計
測結果から最適モデルを決定して設定する。
【0048】分析サーバ3の制御部25は、例えば図6
に示すような処理メニューを表示部22に表示する。そ
して、担当者により、処理メニューから「信用リスクの
測定」が選択されると、制御部25は、設定されている
最適モデルに、顧客情報データベース24aから取得し
たスコアデータを当てはめて各債権のデフォルトを算出
して表示部22に表示等する。これにより、担当者は、
自社が発行した各債権の信用リスクの情報を取得するこ
とができる。
【0049】次に、例えば図6に示す処理メニューから
「信用格付け別リスク・リターン」が選択された場合、
制御部25は、上記の処理によって、各債権について算
出されたデフォルトに基づいてパーセンタイル計算を実
施し、各債権の信用格付けを行う。そして、信用格付け
別のリターン(平均収益率)とリスク(標準偏差)を計
算し、計算結果を表示部22に表示等する。これによ
り、担当者は、自社が発行した債権について、信用格付
け別のリスクとリターンの情報を取得することができ
る。
【0050】次に、例えば図6に示す処理メニューから
「貸倒引当金/必要自己資本金計算」が選択された場
合、制御部25は、各債権の直近貸付残高に、それぞれ
のデフォルトを掛けて貸倒引当金を算出する。また、信
用格付毎に各債権の引当金を合算する等して信用格付毎
の貸倒引当金を算出する。そして、算出した貸倒引当金
と、これに基づく必要自己資本額を表示部22に表示等
する。これにより、担当者は、正確な貸倒引当金と必要
自己資本額を知ることができる。
【0051】次に、例えば図6に示す処理メニューから
「最適ポートフォリオ計算」が選択された場合、制御部
25は、まず、目標利益率の入力を受け付ける。そし
て、信用リスクを最小化し、かつ、入力された目標利益
率を満たすような信用格付別のポートフォリオを作成し
て表示部22に表示等する。これにより、担当者は、目
標利益を得るために最適でかつリスクの低いポートフォ
リオを取得することができる。なお、ポートフォリオ
は、例えば、各債権のデフォルトの相関性に基づいて作
成される。
【0052】次に、例えば図6に示す処理メニューから
「コックス比例ハザードモデル」が選択された場合、制
御部25は、数4と数5に示す生存時間関数式とハザー
ド関数式にテスト用データを適用してデフォルト期間構
造確率のモデルを作成する。そして、学習用データを用
いてモデルを作成した後、スコアデータをモデル式にあ
てはめて各債権の月次のデフォルト確率を算出し、算出
結果を表示部22に表示等する。これにより、担当者
は、各債権の信用リスクの期間構造を分析することがで
きる。なお、デフォルト期間構造確率のモデルは予め作
成されていてもよい。そして、本メニューの選択に応じ
て、予め作成されていたモデル式が読み出され、スコア
データが適用され、月次のデフォルト確率が算出される
ようにしてもよい。
【0053】このようにして、本発明によれば、個々の
債権の貸倒確率を把握することにより個人向け貸出債権
の信用リスクを、より正確に算出し、適正な貸倒引当金
及び必要自己資本額を求めることができる。
【0054】なお、周期的に最適モデルを選択するよう
にしてもよい。この場合、例えば、所定のタイミング
(顧客情報データベース24aの内容の更新時、日毎、
週毎、月毎等)で、顧客情報データベース24aから新
たなデータをサンプリングしてテスト用データベース2
4bの内容を更新し、最適モデルの選択に使用する。こ
れにより、現状に即したモデルを選択して、分析の精度
を上げることができる。
【0055】分析サーバ3又はテスト用データベース2
4bとテストデータ作成部30とデータ分析部31の機
能を備えるモデル決定用サーバが最適モデルを決定し、
他の一又は複数のサーバ(分析用データ)で、この決定
された最適モデルを用いて上記の各分析処理を行うよう
にしてもよい。この場合、各分析用サーバは、例えば、
分析サーバ3又はモデル選択用サーバにより決定された
最適モデルのデータと、デフォルト確率算出部33と、
信用格付処理部35と、貸倒引当金算出部37と、期間
分析部38と、最適ポートフォリオ作成部39と、顧客
情報データベース24aと、の機能を備える。
【0056】また、最適モデルの決定処理と、決定され
た最適モデルを用いた各分析処理と、を行う主体は相違
してもよく、例えば、会社Aが上記の最適モデル決定装
置を用いて最適モデルの決定を行い、会社Bが上記の分
析用サーバを用いて各分析処理を行ってもよい。また、
最適モデルの決定処理と、決定された最適モデルを用い
た各分析処理と、は継続してなされなくてもよく、ま
た、異なる場所(例えば、本社と支店等)でなされても
よい。また、分析サーバ3又はモデル選択用サーバによ
り作成されたデフォルト期間構造確率のモデルを、各分
析用サーバが有するようにしてもよく、また、分析処理
を行う各分析用サーバにおいて自己のテストデータ等を
用いてデフォルト期間構造確率のモデルを作成するよう
にしてもよい。
【0057】なお、この発明の信用リスク管理システム
は、専用のシステムによらず、通常のコンピュータシス
テムを用いて実現可能である。例えば、コンピュータに
上述の動作を実行するためのプログラムを格納した媒体
(フロッピー(登録商標)ディスク、CD−ROM等)
から該プログラムをインストールすることにより、上述
の処理を実行する店舗端末1、分析サーバ3、モデル選
択用サーバ、分析用サーバ等を構成することができる。
なお、上述の機能を、OSが分担又はOSとアプリケー
ションの共同により実現する場合等には、OS以外の部
分のみを媒体に格納してもよい。
【0058】なお、搬送波にプログラムを重畳し、通信
ネットワークを介して配信することも可能である。例え
ば、通信ネットワークの掲示板(BBS)に該プログラ
ムを掲示し、これをネットワークを介して配信してもよ
い。そして、このプログラムを起動し、OSの制御下
で、他のアプリケーションプログラムと同様に実行する
ことにより、上述の処理を実行することができる。
【0059】
【発明の効果】以上説明したように、本発明によれば、
各債権の貸倒確率を正確に算出することができる。ま
た、正確に算出された各債権の貸倒確率に基づいて信用
格付け別にグルーピングを行うことで、各信用格付けに
ついて、正確な貸倒引当金等を求めることができる。
【図面の簡単な説明】
【図1】本発明の実施の形態に係る信用リスク管理シス
テムのシステム構成図である。
【図2】分析サーバのハードウェア構成を示す図であ
る。
【図3】顧客不変情報と顧客属性情報と顧客管理情報と
口座契約情報を説明するための図である。
【図4】口座貸付情報と口座入金情報と口座移管情報を
説明するための図である。
【図5】分析サーバの制御部の構成を示す図である。
【図6】分析サーバに表示される処理メニューの一例を
示す図である。
【符号の説明】
1 店舗端末 3 分析サーバ 21 入力部 22 表示部 23 通信部 24 記憶部 25 制御部 30 テストデータ作成部 31 データ分析部 33 デフォルト確率算出部 35 信用格付処理部 37 貸倒引当金算出部 38 期間分析部 39 最適ポートフォリオ作成部
───────────────────────────────────────────────────── フロントページの続き (72)発明者 細谷 泰弘 東京都千代田区富士見2丁目15番11号 ア コム株式会社内 (72)発明者 空閑 俊文 東京都千代田区富士見2丁目15番11号 ア コム株式会社内 (72)発明者 川崎 章弘 東京都千代田区富士見2丁目15番11号 株 式会社アコム経済研究所内 Fターム(参考) 5B055 BB20 CC10 CC11 CC13 EE04 EE05 EE21 EE27 FA01 FA08 FB03 PA02 PA36 PA38

Claims (14)

    【特許請求の範囲】
  1. 【請求項1】債権の信用リスクに関する処理を行うため
    の信用リスク管理方法であって、 所定の分析モデルに対して、各債権のデータを適用し
    て、各債権の貸倒確率を算出するステップと、 前記算出された各債権の貸倒確率に貸付残高を掛け合わ
    せることにより各債権の貸倒引当金を算出するステップ
    と、 前記算出された各債権の貸倒確率に基づいて、各債権を
    信用格付別に分類し、分類された信用格付別に貸倒引当
    金を算出するステップと、 を備えることを特徴とする信用リスク管理方法。
  2. 【請求項2】所定の要求利益率を満たす上で、リスクが
    最小な信用格付け別のポートフォリオを作成する作成ス
    テップをさらに備える、 ことを特徴とする信用リスク管理方法。
  3. 【請求項3】前記作成ステップは、個々の債権の相関関
    係に基づいてポートフォリオを作成する、 ことを特徴とする請求項2に記載の信用リスク管理方
    法。
  4. 【請求項4】生存時間解析のモデルを用いて各債権の信
    用リスクの測定を行う、 ことを特徴とする請求項1乃至3のいずれか1項に記載
    の信用リスク管理方法。
  5. 【請求項5】複数の分析モデルに過去の各債権に関する
    データをテストデータとして適用して調整し、調整結果
    に基づいて前記所定の分析モデルを決定する決定ステッ
    プをさらに備える、 ことを特徴とする請求項1乃至4のいずれか1項に記載
    の信用リスク管理方法。
  6. 【請求項6】各債権の貸倒確率を算出する装置が使用す
    る分析モデルを決定する分析モデル決定方法であって、 複数の分析モデルに過去の各債権に関するデータをテス
    トデータとして適用して調整し、調整結果に基づいて前
    記装置に供給される分析モデルを決定する、 ことを特徴とする分析モデル決定方法。
  7. 【請求項7】前記複数の分析モデルは、回帰分析と、決
    定木と、ニューラルネットワークと、の少なくとも1つ
    を含む、 ことを特徴とする請求項6に記載の分析モデル決定方
    法。
  8. 【請求項8】債権の信用リスクに関する処理を行うため
    の分析サーバであって、 所定の分析モデルに対して、各債権のデータを適用し
    て、各債権の貸倒確率を算出する手段と、 前記算出された各債権の貸倒確率に貸付残高を掛け合わ
    せることにより貸倒引当金を算出する手段と、 前記算出された各債権の貸倒確率に基づいて、各債権を
    信用格付別に分類し、分類された信用格付別に貸倒引当
    金を算出する手段と、 を備えることを特徴とする分析サーバ。
  9. 【請求項9】所定の要求利益率を満たす上で、リスクが
    最小な信用格付け別のポートフォリオを作成する作成手
    段をさらに備える、 ことを特徴とする請求項8に記載の分析サーバ。
  10. 【請求項10】前記作成手段は、個々の債権の相関関係
    に基づいてポートフォリオを作成する、 ことを特徴とする請求項9に記載の分析サーバ。
  11. 【請求項11】生存時間解析のモデルを用いて各債権の
    信用リスクの測定を行う、 ことを特徴とする請求項8乃至10のいずれか1項に記
    載の分析サーバ。
  12. 【請求項12】前記所定の分析モデルは、複数の分析モ
    デルに過去の各債権に関するデータをテストデータとし
    て適用して調整し、調整結果に基づいて決定された分析
    モデルを含む、 ことを特徴とする請求項8乃至11のいずれか1項に記
    載の分析サーバ。
  13. 【請求項13】各債権の貸倒確率を算出する分析装置が
    使用する分析モデルを決定する分析モデル決定装置であ
    って、 複数の分析モデルに過去の各債権に関するデータをテス
    トデータとして適用して調整し、調整結果に基づいて前
    記分析装置に供給される分析モデルを決定する、 ことを特徴とする分析モデル決定装置。
  14. 【請求項14】前記複数の分析モデルは、回帰分析と、
    決定木と、ニューラルネットワークと、の少なくとも1
    つを含む、 ことを特徴とする請求項13に記載の分析モデル決定装
    置。
JP2000300673A 2000-09-29 2000-09-29 信用リスク管理方法、分析モデル決定方法、分析サーバ及び分析モデル決定装置 Pending JP2002109208A (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2000300673A JP2002109208A (ja) 2000-09-29 2000-09-29 信用リスク管理方法、分析モデル決定方法、分析サーバ及び分析モデル決定装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2000300673A JP2002109208A (ja) 2000-09-29 2000-09-29 信用リスク管理方法、分析モデル決定方法、分析サーバ及び分析モデル決定装置

Publications (1)

Publication Number Publication Date
JP2002109208A true JP2002109208A (ja) 2002-04-12

Family

ID=18782318

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2000300673A Pending JP2002109208A (ja) 2000-09-29 2000-09-29 信用リスク管理方法、分析モデル決定方法、分析サーバ及び分析モデル決定装置

Country Status (1)

Country Link
JP (1) JP2002109208A (ja)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004054707A (ja) * 2002-07-22 2004-02-19 Kohei Kobayashi 資金供給管理システム
JP2004078435A (ja) * 2002-08-13 2004-03-11 Ibm Japan Ltd リスク管理装置、リスク管理システム、リスク管理方法、将来期待利益算出方法、およびプログラム
JP2004094662A (ja) * 2002-08-30 2004-03-25 Suuri Giken:Kk 信用リスク管理の最適化モデル適用方法及び装置
JP2007524897A (ja) * 2003-03-05 2007-08-30 モルガン・スタンレー インテリジェントシミュレーション分析方法およびシステム
JP2008090689A (ja) * 2006-10-03 2008-04-17 Suruga Bank Ltd ローン与信判断システム
JP2010146554A (ja) * 2008-12-17 2010-07-01 Internatl Business Mach Corp <Ibm> データ処理システム、コンピュータ可読の媒体、データ・マイニング結果を分析する方法、データ・モデルを処理する方法(統計技術を使用するデータ・マイニング・モデル解釈、最適化、及びカスタマイゼーション)
JP2014225253A (ja) * 2013-04-26 2014-12-04 スルガ銀行株式会社 推奨与信枠算出装置
DE102017103588A1 (de) 2016-02-24 2017-08-24 Jtekt Corporation Analysevorrichtung und analysesystem
JP6194434B1 (ja) * 2016-09-29 2017-09-06 株式会社金融エンジニアリング・グループ 情報処理装置、情報処理方法及びプログラム
JP2018049400A (ja) * 2016-09-20 2018-03-29 株式会社ココペリインキュベート 財務情報分析システム、及びプログラム
KR101851367B1 (ko) * 2016-07-28 2018-04-23 코리아크레딧뷰로 (주) 신용도를 평가하는 방법, 장치 및 컴퓨터 판독 가능한 기록 매체
KR20180041727A (ko) * 2016-03-15 2018-04-24 텐센트 테크놀로지(센젠) 컴퍼니 리미티드 신용점수 모델 훈련 방법,신용 점수 계산 방법,장치 및 서버
DE102017131221A1 (de) 2016-12-27 2018-06-28 Jtekt Corporation Analysevorrichtung und analysesystem
JP2020149618A (ja) * 2019-03-15 2020-09-17 セカンドサイト株式会社 モデル構築システム、情報処理システムおよびプログラム
JP2021111261A (ja) * 2020-01-15 2021-08-02 日本電気株式会社 モデル生成装置、モデル生成方法、及び、記録媒体
CN113590629A (zh) * 2021-08-09 2021-11-02 马上消费金融股份有限公司 数据处理方法、违约概率模型训练方法及相关设备

Cited By (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004054707A (ja) * 2002-07-22 2004-02-19 Kohei Kobayashi 資金供給管理システム
JP2004078435A (ja) * 2002-08-13 2004-03-11 Ibm Japan Ltd リスク管理装置、リスク管理システム、リスク管理方法、将来期待利益算出方法、およびプログラム
JP2004094662A (ja) * 2002-08-30 2004-03-25 Suuri Giken:Kk 信用リスク管理の最適化モデル適用方法及び装置
JP2007524897A (ja) * 2003-03-05 2007-08-30 モルガン・スタンレー インテリジェントシミュレーション分析方法およびシステム
JP2008090689A (ja) * 2006-10-03 2008-04-17 Suruga Bank Ltd ローン与信判断システム
JP2010146554A (ja) * 2008-12-17 2010-07-01 Internatl Business Mach Corp <Ibm> データ処理システム、コンピュータ可読の媒体、データ・マイニング結果を分析する方法、データ・モデルを処理する方法(統計技術を使用するデータ・マイニング・モデル解釈、最適化、及びカスタマイゼーション)
JP2014225253A (ja) * 2013-04-26 2014-12-04 スルガ銀行株式会社 推奨与信枠算出装置
DE102017103588A1 (de) 2016-02-24 2017-08-24 Jtekt Corporation Analysevorrichtung und analysesystem
US11915311B2 (en) 2016-03-15 2024-02-27 Tencent Technology (Shenzhen) Company Limited User score model training and calculation
KR102038237B1 (ko) * 2016-03-15 2019-10-29 텐센트 테크놀로지(센젠) 컴퍼니 리미티드 신용점수 모델 훈련 방법,신용 점수 계산 방법,장치 및 서버
KR20180041727A (ko) * 2016-03-15 2018-04-24 텐센트 테크놀로지(센젠) 컴퍼니 리미티드 신용점수 모델 훈련 방법,신용 점수 계산 방법,장치 및 서버
KR101851367B1 (ko) * 2016-07-28 2018-04-23 코리아크레딧뷰로 (주) 신용도를 평가하는 방법, 장치 및 컴퓨터 판독 가능한 기록 매체
JP2018049400A (ja) * 2016-09-20 2018-03-29 株式会社ココペリインキュベート 財務情報分析システム、及びプログラム
JP2018060504A (ja) * 2016-09-29 2018-04-12 株式会社金融エンジニアリング・グループ 情報処理装置、情報処理方法及びプログラム
JP6194434B1 (ja) * 2016-09-29 2017-09-06 株式会社金融エンジニアリング・グループ 情報処理装置、情報処理方法及びプログラム
DE102017131221A1 (de) 2016-12-27 2018-06-28 Jtekt Corporation Analysevorrichtung und analysesystem
US10928783B2 (en) 2016-12-27 2021-02-23 Jtekt Corporation Analysis device and analysis system for ranking predictor performance for determining acceptability of an object to be produced
JP2020149618A (ja) * 2019-03-15 2020-09-17 セカンドサイト株式会社 モデル構築システム、情報処理システムおよびプログラム
JP2021111261A (ja) * 2020-01-15 2021-08-02 日本電気株式会社 モデル生成装置、モデル生成方法、及び、記録媒体
JP7472496B2 (ja) 2020-01-15 2024-04-23 日本電気株式会社 モデル生成装置、モデル生成方法、及び、記録媒体
CN113590629A (zh) * 2021-08-09 2021-11-02 马上消费金融股份有限公司 数据处理方法、违约概率模型训练方法及相关设备
CN113590629B (zh) * 2021-08-09 2024-05-24 马上消费金融股份有限公司 数据处理方法、违约概率模型训练方法及相关设备

Similar Documents

Publication Publication Date Title
CN108846520B (zh) 贷款逾期预测方法、装置以及计算机可读存储介质
US7171340B2 (en) Computer-implemented regression systems and methods for time series data analysis
Tecles et al. Determinants of bank efficiency: The case of Brazil
US20180330433A1 (en) Attributing meanings to data concepts used in producing outputs
CN110111139B (zh) 行为预估模型生成方法、装置、电子设备及可读介质
JP2002109208A (ja) 信用リスク管理方法、分析モデル決定方法、分析サーバ及び分析モデル決定装置
US20030055765A1 (en) Financial portfolio risk management
CN103412918A (zh) 一种基于服务质量和声誉的服务信任度评估方法
Mathews Innovation portfolio architecture—Part 2: Attribute selection and valuation
CN109324905A (zh) 数据库操作方法、装置、电子设备及存储介质
US20200175530A1 (en) Pathing and attribution in marketing analytics
CN112017042A (zh) 基于tweedie分布的资源配额确定方法、装置和电子设备
Hossain et al. Influence of cognitive style on mobile payment system adoption: An extended technology acceptance model
JP2015191374A (ja) 情報処理装置、情報処理方法、及び、プログラム
US8924275B2 (en) Hybrid multi-thread and multi-process computer simulation system and method
Dube et al. AI gauge: Runtime estimation for deep learning in the cloud
CN112862182A (zh) 一种投资预测方法、装置、电子设备及存储介质
US20200043098A1 (en) Method and System for Enhancing the Retention of the Policyholders within a Business
CN111179055A (zh) 授信额度调整方法、装置和电子设备
JP2003114977A (ja) 顧客生涯価値算出方法およびシステム
JPWO2021260678A5 (ja)
CN110910241A (zh) 现金流评估方法、装置、服务器设备及存储介质
CN116451841A (zh) 企业贷款违约概率预测方法、装置、电子设备和存储介质
CN115048487A (zh) 基于人工智能的舆情分析方法、装置、计算机设备及介质
US20220067460A1 (en) Variance Characterization Based on Feature Contribution

Legal Events

Date Code Title Description
A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20030805

A911 Transfer to examiner for re-examination before appeal (zenchi)

Free format text: JAPANESE INTERMEDIATE CODE: A911

Effective date: 20040127

A912 Re-examination (zenchi) completed and case transferred to appeal board

Free format text: JAPANESE INTERMEDIATE CODE: A912

Effective date: 20040220