JP2002140462A - 残価予測システム及びその方法、保険料算出システム及びその方法、並びにコンピュータ上で動作する残価予測プログラム又は保険料算出プログラムを記録した記録媒体 - Google Patents
残価予測システム及びその方法、保険料算出システム及びその方法、並びにコンピュータ上で動作する残価予測プログラム又は保険料算出プログラムを記録した記録媒体Info
- Publication number
- JP2002140462A JP2002140462A JP2000332475A JP2000332475A JP2002140462A JP 2002140462 A JP2002140462 A JP 2002140462A JP 2000332475 A JP2000332475 A JP 2000332475A JP 2000332475 A JP2000332475 A JP 2000332475A JP 2002140462 A JP2002140462 A JP 2002140462A
- Authority
- JP
- Japan
- Prior art keywords
- residual value
- value
- standardized
- calculating
- attribute
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
Abstract
(57)【要約】
【課題】対象となる財物が残価に大きな影響を与え得る
属性を備えている場合、その属性に関し、細分化による
データ減少を起こすことなく、同傾向を示すデータに基
づいて、精度よく残価を予測することができる技術を提
供する。 【解決手段】対象物の残価、対象物の経過年数等を含む
取引データを記憶する中古価格ＤＢと、中古価格ＤＢに
記憶されている取引データについて、該取引データに含
まれる対象物の残価を、該取引データに含まれる対象物
の所定属性の属性値に基づき補正して、当該対象物の属
性が代表属性値を取ると擬制した場合の残価（標準化さ
れた残価）を算出し、かかる標準化された残価と該取引
データに含まれる経過年数に基づき所定将来における標
準化された予測残価を算出する手段と、標準化された予
測残価に対し、残価を予測したい対象物が備える属性に
対応する修正を施して非標準化された予測残価を求める
手段と、を備える。
属性を備えている場合、その属性に関し、細分化による
データ減少を起こすことなく、同傾向を示すデータに基
づいて、精度よく残価を予測することができる技術を提
供する。 【解決手段】対象物の残価、対象物の経過年数等を含む
取引データを記憶する中古価格ＤＢと、中古価格ＤＢに
記憶されている取引データについて、該取引データに含
まれる対象物の残価を、該取引データに含まれる対象物
の所定属性の属性値に基づき補正して、当該対象物の属
性が代表属性値を取ると擬制した場合の残価（標準化さ
れた残価）を算出し、かかる標準化された残価と該取引
データに含まれる経過年数に基づき所定将来における標
準化された予測残価を算出する手段と、標準化された予
測残価に対し、残価を予測したい対象物が備える属性に
対応する修正を施して非標準化された予測残価を求める
手段と、を備える。
Description
【０００１】
【発明の属する技術分野】本発明は、対象物の将来にお
ける残価の変動を予測する技術に関する。特に、対象物
が複数の属性値を取り得る属性を備えている場合に有効
な予測技術に関する。
ける残価の変動を予測する技術に関する。特に、対象物
が複数の属性値を取り得る属性を備えている場合に有効
な予測技術に関する。
【０００２】
【従来の技術】従来において、財物を実際に購入する代
わりに借り受けて使用するリース方式（レンタル方式を
含む）が知られている。リース方式を利用した場合、財
物の維持・管理などをリース会社に任せることができ、
また初期費用も購入する場合に比べて低額ですむなど、
利用者にとってメリットも多い。そのため、今日では、
車や大型機械など多種多様な財物に関してリース方式が
導入されてきている。
わりに借り受けて使用するリース方式（レンタル方式を
含む）が知られている。リース方式を利用した場合、財
物の維持・管理などをリース会社に任せることができ、
また初期費用も購入する場合に比べて低額ですむなど、
利用者にとってメリットも多い。そのため、今日では、
車や大型機械など多種多様な財物に関してリース方式が
導入されてきている。
【０００３】車などを対象としたリース方式では、リー
ス開始時にリース期間経過後における財物の残価を想定
し、かかる想定残価に基づきリース料を算出する枠組み
を取る場合が多い。このような想定残価をベースとする
枠組みは、例えば財物を担保として融資を行う場合の融
資額の決定や、車両保険の設計など、リース方式以外に
おいても採用することができる。
ス開始時にリース期間経過後における財物の残価を想定
し、かかる想定残価に基づきリース料を算出する枠組み
を取る場合が多い。このような想定残価をベースとする
枠組みは、例えば財物を担保として融資を行う場合の融
資額の決定や、車両保険の設計など、リース方式以外に
おいても採用することができる。
【０００４】想定残価の算出方法としては、財物の耐用
年数を基準とした減価償却方式が知られている。減価償
却方式には定額法と定率法があり、例えば財物が車の場
合は以下の式により想定残価（将来における時価）が算
出されることになる。 定率法：想定残価＝取得価額×（１−０．３１９）
経過年数 定額法：想定残価＝取得価額−（取得価額×（１−１／
１０）×０．１６６×経過年数） ここで、リース開始時に設定した想定残価と、実際にリ
ース期間が経過した時点における残価とは通常一致しな
い場合が多く、想定残価より実際の残価の方が低額の場
合、その差額はリース会社の損失となってしまう。
年数を基準とした減価償却方式が知られている。減価償
却方式には定額法と定率法があり、例えば財物が車の場
合は以下の式により想定残価（将来における時価）が算
出されることになる。 定率法：想定残価＝取得価額×（１−０．３１９）
経過年数 定額法：想定残価＝取得価額−（取得価額×（１−１／
１０）×０．１６６×経過年数） ここで、リース開始時に設定した想定残価と、実際にリ
ース期間が経過した時点における残価とは通常一致しな
い場合が多く、想定残価より実際の残価の方が低額の場
合、その差額はリース会社の損失となってしまう。
【０００５】そこで、経時的に価値が減少していく財物
を対象として、財物の将来における残価の変動に起因す
る損失を補償する方法として、残価保証保険というスキ
ームが考えられる。残価保証保険とは、将来のある特定
した時点において、残価が想定した価格より下落してい
る場合に、原則として、差額（＝想定した価格−実際の
残価）が保険金として支払われる保険である。
を対象として、財物の将来における残価の変動に起因す
る損失を補償する方法として、残価保証保険というスキ
ームが考えられる。残価保証保険とは、将来のある特定
した時点において、残価が想定した価格より下落してい
る場合に、原則として、差額（＝想定した価格−実際の
残価）が保険金として支払われる保険である。
【０００６】このような残価保証保険において、複数の
財物を同時にリースする場合、これら複数の財物をまと
めて一つのグループを形成し、グループ単位で残価保証
保険の対象とする考え方がある。このようなグループは
プールと呼ばれる。この場合、残価保証保険は、プール
内のトータル残価が一定水準より下落した場合に発動さ
れることになる。
財物を同時にリースする場合、これら複数の財物をまと
めて一つのグループを形成し、グループ単位で残価保証
保険の対象とする考え方がある。このようなグループは
プールと呼ばれる。この場合、残価保証保険は、プール
内のトータル残価が一定水準より下落した場合に発動さ
れることになる。
【０００７】
【発明が解決しようとする課題】リース、担保融資等の
金融関係、保険等の分野で必要とされるのは、当該財物
を継続して利用する場合の価値ではなく、中古品として
処分した場合の交換価値の把握であることから、減価償
却という会計的手法による将来価値の予測は、この目的
には適合しておらず、正確な予測が不可能であった。こ
の予測精度の低さのため、保険事業者等は採算割れを避
けるために、財物の将来価値を低めに割り引いて評価せ
ざるを得なかった。
金融関係、保険等の分野で必要とされるのは、当該財物
を継続して利用する場合の価値ではなく、中古品として
処分した場合の交換価値の把握であることから、減価償
却という会計的手法による将来価値の予測は、この目的
には適合しておらず、正確な予測が不可能であった。こ
の予測精度の低さのため、保険事業者等は採算割れを避
けるために、財物の将来価値を低めに割り引いて評価せ
ざるを得なかった。
【０００８】そこで、本発明は、中古品として処分した
場合における交換価値という観点から、対象物の将来に
おける残価を精度よく予測する技術を提供することを第
１の目的とする。
場合における交換価値という観点から、対象物の将来に
おける残価を精度よく予測する技術を提供することを第
１の目的とする。
【０００９】かかる第１の目的を達成すべく、（１）同
一カテゴリに分類される財物の取引データを収集する、
（２）各取引データより、取引時の経年期間及び残価
（中古価格）を抽出する、（３）抽出したデータ群（経
年期間、残価）に対し関数近似を行う、（４）近似関数
に基づいて所定将来の残価を予測する、という残価予測
手順を考える。予測した残価に基づき残価保証保険の設
計をする場合は、更に、（５）予測残価に基づいて残価
保証保険を設計する（保険料を算出する）、という手順
を追加する。
一カテゴリに分類される財物の取引データを収集する、
（２）各取引データより、取引時の経年期間及び残価
（中古価格）を抽出する、（３）抽出したデータ群（経
年期間、残価）に対し関数近似を行う、（４）近似関数
に基づいて所定将来の残価を予測する、という残価予測
手順を考える。予測した残価に基づき残価保証保険の設
計をする場合は、更に、（５）予測残価に基づいて残価
保証保険を設計する（保険料を算出する）、という手順
を追加する。
【００１０】かかる手順において、近似関数の予測精度
を上げるためには、同傾向を示すデータが同一カテゴリ
に分類されるようにカテゴリを設定する必要がある。特
に、対象となる財物が残価に大きな影響を与え得る属性
を備えている場合、そのような属性に関しては、属性値
ごとにカテゴリを設定することが望ましい。
を上げるためには、同傾向を示すデータが同一カテゴリ
に分類されるようにカテゴリを設定する必要がある。特
に、対象となる財物が残価に大きな影響を与え得る属性
を備えている場合、そのような属性に関しては、属性値
ごとにカテゴリを設定することが望ましい。
【００１１】しかし、属性値ごとにカテゴリを細分化す
ると、同一カテゴリに属する取引データ数が少なくな
り、逆に近似関数の信頼性が大きく低下してしまうとい
う問題が生じることになる。
ると、同一カテゴリに属する取引データ数が少なくな
り、逆に近似関数の信頼性が大きく低下してしまうとい
う問題が生じることになる。
【００１２】例えば、中古車市場においては、同一車種
であっても、車色、グレードといった車が備える属性に
よって残価が大きく変わってくる場合がある。そのた
め、車色やグレードを考慮せずに「車種」のみをカテゴ
リとして設定して近似関数を求めたとしても、適切な残
価を予測することはできない。
であっても、車色、グレードといった車が備える属性に
よって残価が大きく変わってくる場合がある。そのた
め、車色やグレードを考慮せずに「車種」のみをカテゴ
リとして設定して近似関数を求めたとしても、適切な残
価を予測することはできない。
【００１３】一方、車には多種多様の車色やグレードが
存在するため、車色やグレードまで考慮してカテゴリを
設定すると、カテゴリによっては取引データ数をほとん
ど収集できなくなってしまう。
存在するため、車色やグレードまで考慮してカテゴリを
設定すると、カテゴリによっては取引データ数をほとん
ど収集できなくなってしまう。
【００１４】そこで、本発明は、対象となる財物が残価
に大きな影響を与え得る属性を備えている場合、その属
性に関し、細分化によるデータ減少を起こすことなく、
同傾向を示すデータに基づいて、精度よく残価を予測す
ることができる技術を提供することを第２の目的とす
る。
に大きな影響を与え得る属性を備えている場合、その属
性に関し、細分化によるデータ減少を起こすことなく、
同傾向を示すデータに基づいて、精度よく残価を予測す
ることができる技術を提供することを第２の目的とす
る。
【００１５】ところで、一定数のプールを形成して残価
保証を行う場合、プール内における属性の構成比（属性
値の出現比）は保険の発動に直接的に影響を与えること
になる。例えば、車を対象として同一台数のプールを形
成した場合、残価の高い車色やグレードの車が多く占め
る場合における保険発動率と、残価の低い車色やグレー
ドの車が多く占める場合における保険発動率とでは、大
きく異なってくると考えられる。
保証を行う場合、プール内における属性の構成比（属性
値の出現比）は保険の発動に直接的に影響を与えること
になる。例えば、車を対象として同一台数のプールを形
成した場合、残価の高い車色やグレードの車が多く占め
る場合における保険発動率と、残価の低い車色やグレー
ドの車が多く占める場合における保険発動率とでは、大
きく異なってくると考えられる。
【００１６】更に、プール形成数が異なる場合、属性の
構成比のばらつきも異なってくることになる。例えば、
プール形成数が多い場合、実際に観測される構成比のば
らつき（分散）は小さくなり、平均的な構成比を取る場
合が多くなる。一方、プール形成数が少ない場合、観測
される構成比のばらつきは大きくなり、偏った構成比を
取る割合が増加する。このことは、プール形成数の大小
にかかわらず常に同じ構成比を固定的に用いて保険を設
計したのでは、構成比のばらつきが考慮されないため、
適切な保険が設計できないことを意味する。
構成比のばらつきも異なってくることになる。例えば、
プール形成数が多い場合、実際に観測される構成比のば
らつき（分散）は小さくなり、平均的な構成比を取る場
合が多くなる。一方、プール形成数が少ない場合、観測
される構成比のばらつきは大きくなり、偏った構成比を
取る割合が増加する。このことは、プール形成数の大小
にかかわらず常に同じ構成比を固定的に用いて保険を設
計したのでは、構成比のばらつきが考慮されないため、
適切な保険が設計できないことを意味する。
【００１７】そこで、本発明は、対象となる財物が残価
に影響を与える属性を備えている場合であって、一定数
の財物をまとめてプールを形成し、プール単位で残価保
証保険を設計する場合に、プール内の属性の構成比、更
にはプール形成数に依存する属性の構成比のばらつきを
も考慮して、残価保証保険の保険料を算出する技術を提
供することを第３の目的とする。
に影響を与える属性を備えている場合であって、一定数
の財物をまとめてプールを形成し、プール単位で残価保
証保険を設計する場合に、プール内の属性の構成比、更
にはプール形成数に依存する属性の構成比のばらつきを
も考慮して、残価保証保険の保険料を算出する技術を提
供することを第３の目的とする。
【００１８】
【課題を解決するための手段】本発明の残価予測システ
ムは、対象物の中古流通価格又は中古流通価格の新品価
格に対する比率（以下、中古流通価格とその新品価格に
対する比率を総称して「残価」と呼ぶ）、対象物の属
性、及び対象物の経過期間を含む取引データを記憶する
中古価格データベースと、前記中古価格データベースに
記憶する残価と経過期間の対応関係に基づき、所定将来
における予測残価を算出し記憶する予測残価算出手段
と、を備えたことを特徴とする。前記対象物は車である
ことが望ましい。
ムは、対象物の中古流通価格又は中古流通価格の新品価
格に対する比率（以下、中古流通価格とその新品価格に
対する比率を総称して「残価」と呼ぶ）、対象物の属
性、及び対象物の経過期間を含む取引データを記憶する
中古価格データベースと、前記中古価格データベースに
記憶する残価と経過期間の対応関係に基づき、所定将来
における予測残価を算出し記憶する予測残価算出手段
と、を備えたことを特徴とする。前記対象物は車である
ことが望ましい。
【００１９】好適には、前記予測残価算出手段は、前記
中古価格データベースに記憶されている取引データにつ
いて、該取引データに含まれる対象物の残価を、該取引
データに含まれる対象物の所定属性の属性値に基づき補
正して、当該対象物の属性が代表属性値を取ると擬制し
た場合の残価（以下、代表属性値を取ると擬制すること
を「標準化」と呼ぶ。）を算出し、かかる標準化された
残価と該取引データに含まれる経過期間に基づき所定将
来における標準化された予測残価を算出し記憶する標準
予測残価算出手段と、前記標準化された予測残価に対
し、残価を予測したい対象物が備える属性に対応する修
正を施して非標準化された予測残価を求め記憶する非標
準化予測残価算出手段と、を備える。又は、前記予測残
価算出手段は、 対象物が代表属性値を取ると擬制した
場合（以下、代表属性値を取ると擬制することを「標準
化」と呼ぶ。）の、所定将来における予測残価（以下、
「標準化された予測残価」と呼ぶ。）を算出し記憶する
標準予測残価算出手段と、記憶手段に記憶する属性の構
成比に基づいて、対象物が備える属性の属性値を確率的
に選択し、前記標準予測残価に対し前記選択した属性値
に対応する修正を施して非標準化された予測残価を求め
記憶する非標準予測残価算出手段と、を備える。
中古価格データベースに記憶されている取引データにつ
いて、該取引データに含まれる対象物の残価を、該取引
データに含まれる対象物の所定属性の属性値に基づき補
正して、当該対象物の属性が代表属性値を取ると擬制し
た場合の残価（以下、代表属性値を取ると擬制すること
を「標準化」と呼ぶ。）を算出し、かかる標準化された
残価と該取引データに含まれる経過期間に基づき所定将
来における標準化された予測残価を算出し記憶する標準
予測残価算出手段と、前記標準化された予測残価に対
し、残価を予測したい対象物が備える属性に対応する修
正を施して非標準化された予測残価を求め記憶する非標
準化予測残価算出手段と、を備える。又は、前記予測残
価算出手段は、 対象物が代表属性値を取ると擬制した
場合（以下、代表属性値を取ると擬制することを「標準
化」と呼ぶ。）の、所定将来における予測残価（以下、
「標準化された予測残価」と呼ぶ。）を算出し記憶する
標準予測残価算出手段と、記憶手段に記憶する属性の構
成比に基づいて、対象物が備える属性の属性値を確率的
に選択し、前記標準予測残価に対し前記選択した属性値
に対応する修正を施して非標準化された予測残価を求め
記憶する非標準予測残価算出手段と、を備える。
【００２０】前記対象物が車である場合、前記属性は車
色、グレードのうち少なくともいずれかであることが望
ましい。
色、グレードのうち少なくともいずれかであることが望
ましい。
【００２１】好適には、前記標準予測残価算出手段は、
前記中古価格データベースに記憶されている取引データ
について、該取引データに含まれる対象物の残価を、該
取引データに含まれる対象物の所定属性の属性値に基づ
き補正して、標準化された残価を算出する標準化機能
と、前記標準化された残価と該取引データに含まれる経
過期間に基づき、標準化された予測残価の期待値を算出
する関数（以下、「予測関数」と呼ぶ。）を求める機能
と、前記予測関数に基づき所定将来における標準化され
た予測残価の期待値を算出する機能と、を備える。又
は、前記標準予測残価算出手段は、記憶手段に記憶する
対象物の残価を、該対象物の所定属性の属性値に基づき
補正して、該対象物が代表属性値を取ると擬制した場合
の残価を算出する標準化機能と、前記標準化された残価
と該対象物の経過期間に基づき、標準化された予測残価
の期待値を算出する関数（以下、「予測関数」と呼
ぶ。）を求める機能と、前記標準化された残価に基づ
き、前記予測関数まわりの分散を求める機能と、前記予
測関数に基づき所定将来における標準予測残価の期待値
を算出する機能と、（平均値、分散）＝（前記算出した
期待値、前記求めた分散）となる分布に基づいて標本値
を発生させ、標準化された予測残価として記憶する機能
と、を備える。
前記中古価格データベースに記憶されている取引データ
について、該取引データに含まれる対象物の残価を、該
取引データに含まれる対象物の所定属性の属性値に基づ
き補正して、標準化された残価を算出する標準化機能
と、前記標準化された残価と該取引データに含まれる経
過期間に基づき、標準化された予測残価の期待値を算出
する関数（以下、「予測関数」と呼ぶ。）を求める機能
と、前記予測関数に基づき所定将来における標準化され
た予測残価の期待値を算出する機能と、を備える。又
は、前記標準予測残価算出手段は、記憶手段に記憶する
対象物の残価を、該対象物の所定属性の属性値に基づき
補正して、該対象物が代表属性値を取ると擬制した場合
の残価を算出する標準化機能と、前記標準化された残価
と該対象物の経過期間に基づき、標準化された予測残価
の期待値を算出する関数（以下、「予測関数」と呼
ぶ。）を求める機能と、前記標準化された残価に基づ
き、前記予測関数まわりの分散を求める機能と、前記予
測関数に基づき所定将来における標準予測残価の期待値
を算出する機能と、（平均値、分散）＝（前記算出した
期待値、前記求めた分散）となる分布に基づいて標本値
を発生させ、標準化された予測残価として記憶する機能
と、を備える。
【００２２】本発明の残価予測方法は、対象物の中古流
通価格又は中古流通価格の新品価格に対する比率（以
下、中古流通価格とその新品価格に対する比率を総称し
て「残価」と呼ぶ）、対象物の属性、及び対象物の経過
期間を含む取引データを記憶する中古価格データベース
を参照し、対象物の残価と経過期間の対応関係に基づ
き、所定将来における予測残価を算出する予測残価算出
工程を備えることを特徴とする。前記対象物は車である
ことが望ましい。
通価格又は中古流通価格の新品価格に対する比率（以
下、中古流通価格とその新品価格に対する比率を総称し
て「残価」と呼ぶ）、対象物の属性、及び対象物の経過
期間を含む取引データを記憶する中古価格データベース
を参照し、対象物の残価と経過期間の対応関係に基づ
き、所定将来における予測残価を算出する予測残価算出
工程を備えることを特徴とする。前記対象物は車である
ことが望ましい。
【００２３】好適には、前記予測残価算出工程は、前記
中古価格データベースに記憶されている取引データにつ
いて、該取引データに含まれる対象物の残価を、該取引
データに含まれる対象物の所定属性の属性値に基づき補
正して、当該対象物の属性が代表属性値を取ると擬制し
た場合（以下、代表属性値を取ると擬制することを「標
準化」と呼ぶ。）の残価を算出し、かかる標準化された
残価と該取引データに含まれる経過期間に基づき所定将
来における標準化された予測残価を算出し記憶する標準
予測残価算出工程と、前記標準化された予測残価に対
し、残価を予測したい対象物が備える属性に対応する修
正を施して非標準化された予測残価を求め記憶する非標
準化予測残価算出工程と、を備える。又は、前記予測残
価算出工程は、対象物が代表属性値を取ると擬制した場
合（以下、代表属性値を取ると擬制することを「標準
化」と呼ぶ。）の、所定将来における標準化された予測
残価（以下、「標準化された予測残価」と呼ぶ。）を算
出し記憶する標準予測残価算出工程と、記憶手段に記憶
する属性の構成比に基づいて、対象物が備える属性の属
性値を確率的に選択し、前記標準化された予測残価に対
し前記選択した属性値に対応する修正を施して非標準化
された予測残価を求め記憶する非標準予測残価算出工程
と、を備える。
中古価格データベースに記憶されている取引データにつ
いて、該取引データに含まれる対象物の残価を、該取引
データに含まれる対象物の所定属性の属性値に基づき補
正して、当該対象物の属性が代表属性値を取ると擬制し
た場合（以下、代表属性値を取ると擬制することを「標
準化」と呼ぶ。）の残価を算出し、かかる標準化された
残価と該取引データに含まれる経過期間に基づき所定将
来における標準化された予測残価を算出し記憶する標準
予測残価算出工程と、前記標準化された予測残価に対
し、残価を予測したい対象物が備える属性に対応する修
正を施して非標準化された予測残価を求め記憶する非標
準化予測残価算出工程と、を備える。又は、前記予測残
価算出工程は、対象物が代表属性値を取ると擬制した場
合（以下、代表属性値を取ると擬制することを「標準
化」と呼ぶ。）の、所定将来における標準化された予測
残価（以下、「標準化された予測残価」と呼ぶ。）を算
出し記憶する標準予測残価算出工程と、記憶手段に記憶
する属性の構成比に基づいて、対象物が備える属性の属
性値を確率的に選択し、前記標準化された予測残価に対
し前記選択した属性値に対応する修正を施して非標準化
された予測残価を求め記憶する非標準予測残価算出工程
と、を備える。
【００２４】前記対象物が車である場合、前記属性は車
色、グレードのうち少なくともいずれかであることが望
ましい。
色、グレードのうち少なくともいずれかであることが望
ましい。
【００２５】好適には、前記標準予測残価算出工程は、
前記中古価格データベースに記憶されている取引データ
について、該取引データに含まれる対象物の残価を、該
取引データに含まれる対象物の所定属性の属性値に基づ
き補正して、標準化された残価を算出する標準化工程
と、前記標準化された残価と該取引データに含まれる経
過期間に基づき、標準化された予測残価の期待値を算出
する関数（以下、「予測関数」と呼ぶ。）を求める工程
と、前記予測関数に基づき所定将来における標準化され
た予測残価の期待値を算出する工程と、を備える。又
は、前記標準予測残価算出工程は、記憶手段に記憶する
対象物の残価を、該対象物の所定属性の属性値に基づき
補正して、標準化された残価を算出する標準化工程と、
前記標準化された残価と該対象物の経過期間に基づき、
標準化された予測残価の期待値を算出する関数（以下、
「予測関数」と呼ぶ。）を求める工程と、前記標準化さ
れた残価に基づき、前記予測関数まわりの分散を求める
工程と、前記予測関数に基づき所定将来における標準予
測残価の期待値を算出する工程と、（平均値、分散）＝
（前記算出した期待値、前記求めた分散）となる分布に
基づいて標本値を発生させ、標準化された予測残価とし
て記憶する工程と、を備える。
前記中古価格データベースに記憶されている取引データ
について、該取引データに含まれる対象物の残価を、該
取引データに含まれる対象物の所定属性の属性値に基づ
き補正して、標準化された残価を算出する標準化工程
と、前記標準化された残価と該取引データに含まれる経
過期間に基づき、標準化された予測残価の期待値を算出
する関数（以下、「予測関数」と呼ぶ。）を求める工程
と、前記予測関数に基づき所定将来における標準化され
た予測残価の期待値を算出する工程と、を備える。又
は、前記標準予測残価算出工程は、記憶手段に記憶する
対象物の残価を、該対象物の所定属性の属性値に基づき
補正して、標準化された残価を算出する標準化工程と、
前記標準化された残価と該対象物の経過期間に基づき、
標準化された予測残価の期待値を算出する関数（以下、
「予測関数」と呼ぶ。）を求める工程と、前記標準化さ
れた残価に基づき、前記予測関数まわりの分散を求める
工程と、前記予測関数に基づき所定将来における標準予
測残価の期待値を算出する工程と、（平均値、分散）＝
（前記算出した期待値、前記求めた分散）となる分布に
基づいて標本値を発生させ、標準化された予測残価とし
て記憶する工程と、を備える。
【００２６】本発明の保険料算出システムは、残価保証
保険の保険料を算出する保険料算出システムであって、
対象物が代表属性値を取ると擬制した場合（以下、代表
属性値を取ると擬制することを「標準化」と呼ぶ。）
の、所定将来における予測残価（以下、「標準化された
予測残価」と呼ぶ。）を算出し記憶する標準予測残価算
出手段と、記憶手段に記憶する属性の構成比に基づい
て、対象物が備える属性の属性値を確率的に選択し、前
記標準化された予測残価に対し前記選択した属性値に対
応する修正を施して非標準化された予測残価（以下、
「非標準予測残価」と呼ぶ。）を求め記憶する非標準予
測残価算出手段と、複数の前記非標準予測残価に基づい
て保険料を算出する保険料算出手段と、を備えることを
特徴とする。
保険の保険料を算出する保険料算出システムであって、
対象物が代表属性値を取ると擬制した場合（以下、代表
属性値を取ると擬制することを「標準化」と呼ぶ。）
の、所定将来における予測残価（以下、「標準化された
予測残価」と呼ぶ。）を算出し記憶する標準予測残価算
出手段と、記憶手段に記憶する属性の構成比に基づい
て、対象物が備える属性の属性値を確率的に選択し、前
記標準化された予測残価に対し前記選択した属性値に対
応する修正を施して非標準化された予測残価（以下、
「非標準予測残価」と呼ぶ。）を求め記憶する非標準予
測残価算出手段と、複数の前記非標準予測残価に基づい
て保険料を算出する保険料算出手段と、を備えることを
特徴とする。
【００２７】また、本発明の保険料算出システムは、対
象物が代表属性値を取ると擬制した場合（以下、代表属
性値を取ると擬制することを「標準化」と呼ぶ。）の予
測残価（以下、「標準化された予測残価」と呼ぶ。）の
期待値を算出する関数を記憶する関数記憶手段と、前記
関数まわりの分散を記憶する分散記憶手段と、対象物が
備える属性に関し、属性の構成比を記憶する構成比記憶
手段と、対象物が備える属性に関し、属性値ごとの非標
準化情報を記憶する非標準化情報記憶手段とを備えた保
険料算出システムであって、前記関数記憶手段に記憶さ
れる関数に基づいて所定将来における標準化された予測
残価の期待値を算出し、前記分散記憶手段より分散を読
み出し、（平均値、分散）＝（前記算出した期待値、前
記読み出した分散）となる分布に従って標準化された予
測残価を算出する機能と、前記構成比記憶手段から構成
比を読み出し、各属性値を選択する確率が前記読み出し
た構成比に応じた確率となるように設定して属性値を確
率的に選択し、前記非標準化情報記憶手段から前記選択
した属性値に対応する非標準化情報を読み出し、標準化
された予測残価に対し前記読み出した非標準化情報に基
づいて修正を施して非標準化された予測残価を算出する
機能と、複数の前記非標準化された予測残価について、
それぞれ所定の基準残価から減算して差分値を算出し、
前記差分値の平均値を平均補償額として算出し、前記平
均補償額に基づいて保険料を算出する機能と、を備えて
いることを特徴とする。好適には、更に、対象物の残価
データベースに基づき、各データについて、対象物の標
準化された残価を算出する機能と、前記標準化された残
価と該対象物の経過期間に基づき、標準予測残価の期待
値を算出する関数を求めて前記関数記憶手段に記憶する
機能と、前記標準化された残価に基づき、前記関数まわ
りの分散を求めて前記分散記憶手段に記憶する機能と、
を備える。
象物が代表属性値を取ると擬制した場合（以下、代表属
性値を取ると擬制することを「標準化」と呼ぶ。）の予
測残価（以下、「標準化された予測残価」と呼ぶ。）の
期待値を算出する関数を記憶する関数記憶手段と、前記
関数まわりの分散を記憶する分散記憶手段と、対象物が
備える属性に関し、属性の構成比を記憶する構成比記憶
手段と、対象物が備える属性に関し、属性値ごとの非標
準化情報を記憶する非標準化情報記憶手段とを備えた保
険料算出システムであって、前記関数記憶手段に記憶さ
れる関数に基づいて所定将来における標準化された予測
残価の期待値を算出し、前記分散記憶手段より分散を読
み出し、（平均値、分散）＝（前記算出した期待値、前
記読み出した分散）となる分布に従って標準化された予
測残価を算出する機能と、前記構成比記憶手段から構成
比を読み出し、各属性値を選択する確率が前記読み出し
た構成比に応じた確率となるように設定して属性値を確
率的に選択し、前記非標準化情報記憶手段から前記選択
した属性値に対応する非標準化情報を読み出し、標準化
された予測残価に対し前記読み出した非標準化情報に基
づいて修正を施して非標準化された予測残価を算出する
機能と、複数の前記非標準化された予測残価について、
それぞれ所定の基準残価から減算して差分値を算出し、
前記差分値の平均値を平均補償額として算出し、前記平
均補償額に基づいて保険料を算出する機能と、を備えて
いることを特徴とする。好適には、更に、対象物の残価
データベースに基づき、各データについて、対象物の標
準化された残価を算出する機能と、前記標準化された残
価と該対象物の経過期間に基づき、標準予測残価の期待
値を算出する関数を求めて前記関数記憶手段に記憶する
機能と、前記標準化された残価に基づき、前記関数まわ
りの分散を求めて前記分散記憶手段に記憶する機能と、
を備える。
【００２８】本発明の保険料算出システムにおいて、前
記対象物は車であり、前記属性は車色、グレードのうち
少なくともいずれかであることが望ましい。
記対象物は車であり、前記属性は車色、グレードのうち
少なくともいずれかであることが望ましい。
【００２９】本発明の保険料算出方法は、残価保証保険
の保険料を算出する方法であって、対象物が代表属性値
を取ると擬制した場合（以下、代表属性値を取ると擬制
することを「標準化」と呼ぶ。）の、所定将来における
予測残価（以下、「標準予測残価」と呼ぶ。）を算出し
記憶する標準予測残価算出工程と、記憶手段に記憶する
属性の構成比に基づいて、対象物が備える属性の属性値
を確率的に選択し、前記標準予測残価に対し前記選択し
た属性値に対応する修正を施して非標準化された予測残
価（以下、「非標準予測残価」と呼ぶ。）を求め記憶す
る非標準予測残価算出工程と、複数の前記非標準予測残
価に基づいて保険料を算出する保険料算出工程と、を備
えることを特徴とする。
の保険料を算出する方法であって、対象物が代表属性値
を取ると擬制した場合（以下、代表属性値を取ると擬制
することを「標準化」と呼ぶ。）の、所定将来における
予測残価（以下、「標準予測残価」と呼ぶ。）を算出し
記憶する標準予測残価算出工程と、記憶手段に記憶する
属性の構成比に基づいて、対象物が備える属性の属性値
を確率的に選択し、前記標準予測残価に対し前記選択し
た属性値に対応する修正を施して非標準化された予測残
価（以下、「非標準予測残価」と呼ぶ。）を求め記憶す
る非標準予測残価算出工程と、複数の前記非標準予測残
価に基づいて保険料を算出する保険料算出工程と、を備
えることを特徴とする。
【００３０】好適には、前記標準予測残価算出工程は、
対象物の標準予測残価の期待値を算出する関数と、前記
関数まわりの分散とを読み出す工程と、前記読み出した
関数に基づき所定将来における標準予測残価の期待値を
算出する工程と、（平均値、分散）＝（前記算出した期
待値、前記読み出した分散）となる分布に基づいて標本
値を発生させ、標準予測残価として記憶する工程と、を
備える。又は、前記標準予測残価算出工程は、対象物の
標準予測残価の期待値を算出する関数と、前記関数まわ
りの分散とを読み出す工程と、前記読み出した関数に基
づき所定将来における標準予測残価の期待値を算出する
工程と、自己相関情報を読み出す工程と、（平均値、分
散）＝（０、１）となる分布に基づいて乱数を発生させ
る工程と、前記発生させた乱数及び過去に用いた標準予
測残価算出用乱数に対し、前記読み出した自己相関情報
に基づいて標準予測残価算出用乱数を算出する工程と、
前記算出した標準予測残価の期待値及び前記読み出した
分散及び前記算出した標準予測残価算出用乱数に基づい
て標準予測残価を算出し、記憶する工程と、を備える。
対象物の標準予測残価の期待値を算出する関数と、前記
関数まわりの分散とを読み出す工程と、前記読み出した
関数に基づき所定将来における標準予測残価の期待値を
算出する工程と、（平均値、分散）＝（前記算出した期
待値、前記読み出した分散）となる分布に基づいて標本
値を発生させ、標準予測残価として記憶する工程と、を
備える。又は、前記標準予測残価算出工程は、対象物の
標準予測残価の期待値を算出する関数と、前記関数まわ
りの分散とを読み出す工程と、前記読み出した関数に基
づき所定将来における標準予測残価の期待値を算出する
工程と、自己相関情報を読み出す工程と、（平均値、分
散）＝（０、１）となる分布に基づいて乱数を発生させ
る工程と、前記発生させた乱数及び過去に用いた標準予
測残価算出用乱数に対し、前記読み出した自己相関情報
に基づいて標準予測残価算出用乱数を算出する工程と、
前記算出した標準予測残価の期待値及び前記読み出した
分散及び前記算出した標準予測残価算出用乱数に基づい
て標準予測残価を算出し、記憶する工程と、を備える。
【００３１】好適には、前記標準予測残価算出工程は、
更に、対象物の残価データベースに基づき、各データに
ついて、対象物の標準化された残価を算出する標準化工
程と、前記標準化された残価と該対象物の経過期間に基
づき、標準予測残価の期待値を算出する関数を求めて記
憶する工程と、前記標準化された残価に基づき、前記関
数まわりの分散を求めて記憶する工程と、を備える。
更に、対象物の残価データベースに基づき、各データに
ついて、対象物の標準化された残価を算出する標準化工
程と、前記標準化された残価と該対象物の経過期間に基
づき、標準予測残価の期待値を算出する関数を求めて記
憶する工程と、前記標準化された残価に基づき、前記関
数まわりの分散を求めて記憶する工程と、を備える。
【００３２】また好適には、前記非標準予測残価算出工
程は、対象物が備える所定の属性に関し、記憶手段に記
憶する属性の構成比を読み出す工程と、各属性値を選択
する確率が構成比に応じた確率となるように設定して、
属性値を確率的に選択する工程と、記憶手段に記憶する
前記選択した属性値に対応する非標準化情報を読み出す
工程と、標準予測残価に対し、前記読み出した非標準化
情報に基づいて修正を施して非標準予測残価を算出し記
憶する工程と、を備える。
程は、対象物が備える所定の属性に関し、記憶手段に記
憶する属性の構成比を読み出す工程と、各属性値を選択
する確率が構成比に応じた確率となるように設定して、
属性値を確率的に選択する工程と、記憶手段に記憶する
前記選択した属性値に対応する非標準化情報を読み出す
工程と、標準予測残価に対し、前記読み出した非標準化
情報に基づいて修正を施して非標準予測残価を算出し記
憶する工程と、を備える。
【００３３】また好適には、前記保険料算出工程は、複
数の前記非標準予測残価を読み出す工程と、各前記読み
出した非標準予測残価について、それぞれ所定の基準残
価から減算して差分値を算出し記憶する工程と、前記差
分値の平均値を算出し、平均補償額として記憶する工程
と、前記平均補償額に基づいて保険料を算出する工程
と、を備える。前記保険料算出工程は、所定標本数の非
標準予測残価を１セットとし、複数セットについてそれ
ぞれ平均補償額を求め、複数の平均補償額の平均値に基
づいて保険料を算出することが望ましい。
数の前記非標準予測残価を読み出す工程と、各前記読み
出した非標準予測残価について、それぞれ所定の基準残
価から減算して差分値を算出し記憶する工程と、前記差
分値の平均値を算出し、平均補償額として記憶する工程
と、前記平均補償額に基づいて保険料を算出する工程
と、を備える。前記保険料算出工程は、所定標本数の非
標準予測残価を１セットとし、複数セットについてそれ
ぞれ平均補償額を求め、複数の平均補償額の平均値に基
づいて保険料を算出することが望ましい。
【００３４】本発明の保険料算出方法において、前記対
象物は車であり、前記属性は車色、グレードのうち少な
くともいずれかであることが望ましい。
象物は車であり、前記属性は車色、グレードのうち少な
くともいずれかであることが望ましい。
【００３５】本発明のプログラムは、本発明の残価予測
方法、又は保険料算出方法の各工程をコンピュータ上で
実行させることを特徴とする。本発明のプログラムは、
ＣＤ−ＲＯＭ、磁気ディスク、半導体メモリなどの各種
の記録媒体を通じてコンピュータにインストールまたは
ロードすることができる。
方法、又は保険料算出方法の各工程をコンピュータ上で
実行させることを特徴とする。本発明のプログラムは、
ＣＤ−ＲＯＭ、磁気ディスク、半導体メモリなどの各種
の記録媒体を通じてコンピュータにインストールまたは
ロードすることができる。
【００３６】
【発明の実施の形態】（第１の実施形態）以下に本発明
の実施の形態について図面を用いて説明する。図１は、
本発明の第１の実施の形態である保険料算出システムの
構成をあらわすブロック図である。図１に示すように、
本保険料算出システム１は、関数記憶手段１０と、分散
記憶手段１１と、構成比記憶手段１２と、非標準化情報
記憶手段１３と、制御手段１４とを含んで構成される。
の実施の形態について図面を用いて説明する。図１は、
本発明の第１の実施の形態である保険料算出システムの
構成をあらわすブロック図である。図１に示すように、
本保険料算出システム１は、関数記憶手段１０と、分散
記憶手段１１と、構成比記憶手段１２と、非標準化情報
記憶手段１３と、制御手段１４とを含んで構成される。
【００３７】ここで、本発明による保険設計システムは
上記の各手段を備えていれば足り、物理的には保険料算
出用に専用化したシステム、あるいは汎用の情報処理装
置のいずれでもよい。例えば、処理装置と入力手段と記
憶手段と出力手段とを備えた一般的な構成の情報処理装
置において、本発明の保険料算出方法における各工程を
規定したソフトウェアプログラムを起動することによ
り、本発明の保険料算出システムを実現することができ
る。なお、前記専用化したシステム又は情報処理装置
は、単一のコンピュータにより構成されるものであって
も、ネットワーク上に分散した複数のコンピュータによ
り構成されるものであってもよい。
上記の各手段を備えていれば足り、物理的には保険料算
出用に専用化したシステム、あるいは汎用の情報処理装
置のいずれでもよい。例えば、処理装置と入力手段と記
憶手段と出力手段とを備えた一般的な構成の情報処理装
置において、本発明の保険料算出方法における各工程を
規定したソフトウェアプログラムを起動することによ
り、本発明の保険料算出システムを実現することができ
る。なお、前記専用化したシステム又は情報処理装置
は、単一のコンピュータにより構成されるものであって
も、ネットワーク上に分散した複数のコンピュータによ
り構成されるものであってもよい。
【００３８】本発明において、どのような財物を残価保
証保険の対象物とするかは設計に応じて定めることがで
きる。以下、本実施形態では、車を残価保証保険の対象
物とした場合を例として説明を行う。
証保険の対象物とするかは設計に応じて定めることがで
きる。以下、本実施形態では、車を残価保証保険の対象
物とした場合を例として説明を行う。
【００３９】関数記憶手段１０は、車種ごとに、車色や
グレードについて標準化されたデータに基づく予測モデ
ル関数を記憶している（より具体的には、関数を構成す
るパラメータを記憶している）。
グレードについて標準化されたデータに基づく予測モデ
ル関数を記憶している（より具体的には、関数を構成す
るパラメータを記憶している）。
【００４０】予測モデル関数とは、経時情報（例えば、
新車として販売されてから経過した期間）を入力とし、
入力された経時情報に対応する予測残価率を出力する関
数である。このような関数は、例えば、残価情報を保持
する中古車価格データベース２０に基づいて求めること
ができる。
新車として販売されてから経過した期間）を入力とし、
入力された経時情報に対応する予測残価率を出力する関
数である。このような関数は、例えば、残価情報を保持
する中古車価格データベース２０に基づいて求めること
ができる。
【００４１】中古車価格データベース２０は、中古車市
場における取引データを複数記憶しており、各取引デー
タには、少なくとも、（車種、車色、グレード、経年期
間（経過年数）、残価率（又は残価））の各値が含まれ
ている。すなわち、中古車価格データベース２０は残価
データベースとして機能する。
場における取引データを複数記憶しており、各取引デー
タには、少なくとも、（車種、車色、グレード、経年期
間（経過年数）、残価率（又は残価））の各値が含まれ
ている。すなわち、中古車価格データベース２０は残価
データベースとして機能する。
【００４２】残価率に代えて、中古車価格と新車価格を
含んでいてもよい。この場合、制御手段１４は、各取引
データについて、中古車価格データベース２０から中古
車価格と新車価格を読み出し、（残価率＝中古車価格／
新車価格）に従って残価率を求め、経年期間に対応づけ
てシステム内に記憶する処理を実行する。
含んでいてもよい。この場合、制御手段１４は、各取引
データについて、中古車価格データベース２０から中古
車価格と新車価格を読み出し、（残価率＝中古車価格／
新車価格）に従って残価率を求め、経年期間に対応づけ
てシステム内に記憶する処理を実行する。
【００４３】このように、中古車価格データベース２０
を参照して、実際に中古車市場において流通する中古車
の残価率を用いて予測モデル関数を求めるように構成す
ることで、中古品として処分した場合の交換価値が適切
に反映された残価を予測することができる予測モデル関
数を求めることが可能となる。
を参照して、実際に中古車市場において流通する中古車
の残価率を用いて予測モデル関数を求めるように構成す
ることで、中古品として処分した場合の交換価値が適切
に反映された残価を予測することができる予測モデル関
数を求めることが可能となる。
【００４４】なお、中古車価格データベース２０は、本
保険料算出システム１の一部として備えるように構成し
てもよいし、外部の情報処理装置として構成してもよ
い。
保険料算出システム１の一部として備えるように構成し
てもよいし、外部の情報処理装置として構成してもよ
い。
【００４５】ここで、予測モデル関数は、単純には、入
力された経時情報に対応する取引データの残価率の平均
値を出力する関数として構成することもできるが、標準
化されたデータに基づいて予測モデル関数を求めること
により、より予測精度を向上させることができる。以
下、標準化されたデータに基づく予測モデル関数を求め
る手法について説明する。
力された経時情報に対応する取引データの残価率の平均
値を出力する関数として構成することもできるが、標準
化されたデータに基づいて予測モデル関数を求めること
により、より予測精度を向上させることができる。以
下、標準化されたデータに基づく予測モデル関数を求め
る手法について説明する。
【００４６】まず中古車価格データベース２０より、同
一車種の中古車について、（車色、グレード、経年期
間、残価率）の各値を含むデータ群１００を抽出する。
次に、データ群１００に対し、各データの車色、グレー
ドに応じて標準化を行い、（経年期間、修正残価率）の
各値を含む、標準化されたデータ群１０１を得る。そし
て、標準化されたデータ群１０１に対して、例えば指数
関数を当てはめて、予測モデル関数１０２を求める（図
２参照）。指数関数等の当てはめには、各種の非線型最
小２乗法のアルゴリズムを用いることができる。
一車種の中古車について、（車色、グレード、経年期
間、残価率）の各値を含むデータ群１００を抽出する。
次に、データ群１００に対し、各データの車色、グレー
ドに応じて標準化を行い、（経年期間、修正残価率）の
各値を含む、標準化されたデータ群１０１を得る。そし
て、標準化されたデータ群１０１に対して、例えば指数
関数を当てはめて、予測モデル関数１０２を求める（図
２参照）。指数関数等の当てはめには、各種の非線型最
小２乗法のアルゴリズムを用いることができる。
【００４７】ここで、データを「標準化」するとは、財
物が備える属性に関して代表的な属性値を定めておき、
各データが代表属性値を取ると擬制した場合の修正残価
率を求めることをいう。
物が備える属性に関して代表的な属性値を定めておき、
各データが代表属性値を取ると擬制した場合の修正残価
率を求めることをいう。
【００４８】かかる標準化は、カテゴリを属性値ごとに
細分化することによって同一カテゴリに同傾向を示すデ
ータを集約させるのではなく、全データが代表属性値を
取ると擬制することによって同一カテゴリに同傾向を示
すデータを集約させているため、細分化によるデータ減
少を起こすことなく、データ群１０１の全データを用い
て予測モデル関数を求めることができる。
細分化することによって同一カテゴリに同傾向を示すデ
ータを集約させるのではなく、全データが代表属性値を
取ると擬制することによって同一カテゴリに同傾向を示
すデータを集約させているため、細分化によるデータ減
少を起こすことなく、データ群１０１の全データを用い
て予測モデル関数を求めることができる。
【００４９】上記予測モデル関数を求める処理を制御手
段１４において実行し、得られた予測モデル関数を関数
記憶手段１０に記憶するように構成してもよい。この場
合、本保険料算出システム１は、標準化する際に用いる
標準化情報を記憶する。かかる標準化情報は、各車種の
各車色、各グレードについて用意され、例えば、残価率
に対する乗算係数、又は加減項として構成することがで
きる。
段１４において実行し、得られた予測モデル関数を関数
記憶手段１０に記憶するように構成してもよい。この場
合、本保険料算出システム１は、標準化する際に用いる
標準化情報を記憶する。かかる標準化情報は、各車種の
各車色、各グレードについて用意され、例えば、残価率
に対する乗算係数、又は加減項として構成することがで
きる。
【００５０】乗算係数として構成する場合、修正残価率
＝残価率×乗算係数の式に従い、標準化を行う。例え
ば、車色、グレードともに標準化情報を乗算係数として
構成した場合であれば、前記式は、修正残価率＝残価率
×車色の乗算係数×グレードの乗算係数となる。一方、
加減項として構成する場合、修正残価率＝残価率＋加減
項の式に従い、標準化を行う。乗算係数とするかは加減
項とするかは、設計に応じて車色、グレードごとに定め
ることができる。
＝残価率×乗算係数の式に従い、標準化を行う。例え
ば、車色、グレードともに標準化情報を乗算係数として
構成した場合であれば、前記式は、修正残価率＝残価率
×車色の乗算係数×グレードの乗算係数となる。一方、
加減項として構成する場合、修正残価率＝残価率＋加減
項の式に従い、標準化を行う。乗算係数とするかは加減
項とするかは、設計に応じて車色、グレードごとに定め
ることができる。
【００５１】前記乗算係数としては、例えば、車種ごと
に、（代表車色の平均残価率／各車色の平均残価率）、
（代表グレードの平均残価率／各グレードの平均残価
率）を算出して用いることができる。また、前記加減項
としては、車種ごとに、（代表車色の平均残価率−各車
色の平均残価率）、（代表グレードの平均残価率−各グ
レードの平均残価率）を算出して用いることができる。
各平均残価率は、中古車価格データベース２０の各デー
タに基づいて算出する。なお、代表車色や代表グレード
は車種ごとに設計に応じて予め定めておけばよい。
に、（代表車色の平均残価率／各車色の平均残価率）、
（代表グレードの平均残価率／各グレードの平均残価
率）を算出して用いることができる。また、前記加減項
としては、車種ごとに、（代表車色の平均残価率−各車
色の平均残価率）、（代表グレードの平均残価率−各グ
レードの平均残価率）を算出して用いることができる。
各平均残価率は、中古車価格データベース２０の各デー
タに基づいて算出する。なお、代表車色や代表グレード
は車種ごとに設計に応じて予め定めておけばよい。
【００５２】分散記憶手段１１は、車種ごとに、予測モ
デル関数まわりの分散（以下、「予測モデル分散」と呼
ぶ。）を記憶している。
デル関数まわりの分散（以下、「予測モデル分散」と呼
ぶ。）を記憶している。
【００５３】図２に示すように、データ群１０１は、予
測モデル関数１０２上に完全には乗らず、関数のまわり
に所定の分布１０３を形成している。予測モデル分散
は、前記分布の分散であり、例えば、予測モデル関数１
０２を求める過程で得られた残差２乗和をデータ群１０
１のデータ数で除算することにより求めることができ
る。
測モデル関数１０２上に完全には乗らず、関数のまわり
に所定の分布１０３を形成している。予測モデル分散
は、前記分布の分散であり、例えば、予測モデル関数１
０２を求める過程で得られた残差２乗和をデータ群１０
１のデータ数で除算することにより求めることができ
る。
【００５４】構成比記憶手段１２は、車種ごとに、その
車種において採用されている各車色の構成比、その車種
において採用されている各グレードの構成比を記憶して
いる。構成比は、例えば、データ群１００に占める各
色、各グレードの台数をカウントし、データ群１００の
データ数に対する割合を求めることにより、算出でき
る。構成比を百分率で表した場合の例を図３に示す。か
かる例では、車色は、黒、白、赤の３色を取り、５０
％、３０％、２０％の構成比となっている。また、グレ
ードは、ツーリスト、グランド、スポーツの３タイプを
取り、４０％、３０％、３０％となっている。非標準化
情報記憶手段１３は、車種ごとに、車色、グレードに対
応させた非標準化情報を記憶している。上述したよう
に、予測モデル関数は、車色やグレードに関して標準化
されたデータに基づいて求めた関数（標準化モデル）と
なっているため、各車色やグレードごとに細分化して求
めた場合の予測モデル関数（細分化モデル）とは必ずし
も一致しない。非標準化情報は、このような標準化モデ
ルと細分化モデルのずれを修正するための情報であり、
例えば、標準化モデルに基づき得られた予測残価率に対
する加減項、又は乗算係数として構成することができ
る。
車種において採用されている各車色の構成比、その車種
において採用されている各グレードの構成比を記憶して
いる。構成比は、例えば、データ群１００に占める各
色、各グレードの台数をカウントし、データ群１００の
データ数に対する割合を求めることにより、算出でき
る。構成比を百分率で表した場合の例を図３に示す。か
かる例では、車色は、黒、白、赤の３色を取り、５０
％、３０％、２０％の構成比となっている。また、グレ
ードは、ツーリスト、グランド、スポーツの３タイプを
取り、４０％、３０％、３０％となっている。非標準化
情報記憶手段１３は、車種ごとに、車色、グレードに対
応させた非標準化情報を記憶している。上述したよう
に、予測モデル関数は、車色やグレードに関して標準化
されたデータに基づいて求めた関数（標準化モデル）と
なっているため、各車色やグレードごとに細分化して求
めた場合の予測モデル関数（細分化モデル）とは必ずし
も一致しない。非標準化情報は、このような標準化モデ
ルと細分化モデルのずれを修正するための情報であり、
例えば、標準化モデルに基づき得られた予測残価率に対
する加減項、又は乗算係数として構成することができ
る。
【００５５】非標準化情報を加減項として構成する場
合、データ群１０１を各車色、各グレードごとに分類
し、かかる分類したデータ群に対し、（各データの残価
率−各データの経年情報を入力とした場合の予測モデル
関数の出力値）の期待値を算出して用いることができ
る。また、乗算係数として構成する場合、分類したデー
タ群に対し、（各データの残価率／各データの経年情報
を入力とした場合の予測モデル関数の出力値）の期待値
を算出して用いることができる。
合、データ群１０１を各車色、各グレードごとに分類
し、かかる分類したデータ群に対し、（各データの残価
率−各データの経年情報を入力とした場合の予測モデル
関数の出力値）の期待値を算出して用いることができ
る。また、乗算係数として構成する場合、分類したデー
タ群に対し、（各データの残価率／各データの経年情報
を入力とした場合の予測モデル関数の出力値）の期待値
を算出して用いることができる。
【００５６】図４に非標準化情報の例を示す。かかる例
では、車色については乗算係数として構成されており、
それぞれ、黒、白、赤に対して１．０、１．２、０．７
となっている。また、非標準化情報は、グレードに関し
ては加減項として構成されており、それぞれ、ツーリス
ト、グランド、スポーツに対して−３％、＋５％、−１
％となっている。ただし、それぞれの非標準化情報を加
減項とするか乗算係数とするかは設計に応じて定めれば
よい。
では、車色については乗算係数として構成されており、
それぞれ、黒、白、赤に対して１．０、１．２、０．７
となっている。また、非標準化情報は、グレードに関し
ては加減項として構成されており、それぞれ、ツーリス
ト、グランド、スポーツに対して−３％、＋５％、−１
％となっている。ただし、それぞれの非標準化情報を加
減項とするか乗算係数とするかは設計に応じて定めれば
よい。
【００５７】なお、非標準化情報を標準化情報に基づい
て定めてもよい。例えば、標準化情報が乗算係数で構成
されている場合、（１／標準化情報）を非標準化情報の
乗算係数として用いることができる。また、標準化情報
が加減項として構成されている場合、（−標準化情報）
を非標準化情報の加減項として用いることができる。
て定めてもよい。例えば、標準化情報が乗算係数で構成
されている場合、（１／標準化情報）を非標準化情報の
乗算係数として用いることができる。また、標準化情報
が加減項として構成されている場合、（−標準化情報）
を非標準化情報の加減項として用いることができる。
【００５８】本実施形態では、予測モデル関数、予測モ
デル分散、構成比、非標準化情報ごとにそれぞれ記憶手
段を設ける構成として説明しているが、いずれの記憶手
段も車種ごとに情報を記憶しておくデータ構造となって
いるため、車種をキーとして検索可能な一つのデータベ
ースに各情報を格納して記憶する構成としてもよい。な
お、記憶手段に記憶されるデータの検索・管理には、リ
レーショナルデーターベース等の従来のデーターベース
技術を用いることができる。
デル分散、構成比、非標準化情報ごとにそれぞれ記憶手
段を設ける構成として説明しているが、いずれの記憶手
段も車種ごとに情報を記憶しておくデータ構造となって
いるため、車種をキーとして検索可能な一つのデータベ
ースに各情報を格納して記憶する構成としてもよい。な
お、記憶手段に記憶されるデータの検索・管理には、リ
レーショナルデーターベース等の従来のデーターベース
技術を用いることができる。
【００５９】制御手段１４は、入力手段（図示せず）を
介してユーザから種々の入力を受け付け、標準残価率算
出処理、非標準残価率算出処理、平均補償額算出処理、
保険料算出処理等を実行し、処理結果を出力手段（図示
せず）を介してユーザに出力する。ユーザから入力を受
け付ける場合、例えば、表示装置に入力用画面を表示
し、対話形式によってユーザに必要な情報を入力させる
ように構成することが望ましい。
介してユーザから種々の入力を受け付け、標準残価率算
出処理、非標準残価率算出処理、平均補償額算出処理、
保険料算出処理等を実行し、処理結果を出力手段（図示
せず）を介してユーザに出力する。ユーザから入力を受
け付ける場合、例えば、表示装置に入力用画面を表示
し、対話形式によってユーザに必要な情報を入力させる
ように構成することが望ましい。
【００６０】図１では、制御手段１４において実行され
る上記の各処理をそれぞれ機能手段としてとらえて図示
している。以下、各処理について説明する。なお、各処
理のステップは処理内容に矛盾を生じない範囲で任意に
順番を変更して実行することができる。
る上記の各処理をそれぞれ機能手段としてとらえて図示
している。以下、各処理について説明する。なお、各処
理のステップは処理内容に矛盾を生じない範囲で任意に
順番を変更して実行することができる。
【００６１】（標準予測残価率算出処理）標準予測残価
率算出処理とは、所定将来における、全車色、全グレー
ドに関して標準化された予測残価率を算出する処理であ
る。以下、図５に示すフローチャートに基づいて、標準
予測残価率算出処理を詳しく説明する。
率算出処理とは、所定将来における、全車色、全グレー
ドに関して標準化された予測残価率を算出する処理であ
る。以下、図５に示すフローチャートに基づいて、標準
予測残価率算出処理を詳しく説明する。
【００６２】ステップＳ１００において、ユーザから車
種、及び経過年数を受け付ける。
種、及び経過年数を受け付ける。
【００６３】ステップＳ１０１において、関数記憶手段
１０を参照して、受け付けた車種に対応する予測モデル
関数を読み出す。また、分散記憶手段１１を参照して、
受け付けた車種に対応する予測モデル分散を読み出す。
ステップＳ１０２において、前記受け付けた経過年数を
入力として、前記読み出した予測モデル関数の出力を算
出し、標準予測残価率期待値として記憶する。
１０を参照して、受け付けた車種に対応する予測モデル
関数を読み出す。また、分散記憶手段１１を参照して、
受け付けた車種に対応する予測モデル分散を読み出す。
ステップＳ１０２において、前記受け付けた経過年数を
入力として、前記読み出した予測モデル関数の出力を算
出し、標準予測残価率期待値として記憶する。
【００６４】ステップＳ１０３において、（平均値、分
散）＝（標準予測残価率期待値、前記読み出した予測モ
デル分散）となる正規分布に従う標本値を発生させて、
標準化された予測残価率（標準予測残価率）として記憶
する。かかる標本値の発生には周知の数値計算ライブラ
リを用いることができるが、以下のようにして発生させ
てもよい。まず、０〜１までの範囲で乱数ｒを発生させ
る。次に、 となるｘを標本値として求める。このように、予測モデ
ル関数の出力値をそのまま用いるのではなく、出力値を
期待値（平均値）とする正規分布に従って標本値を発生
させ、かかる標本値を標準予測残価率として用いるよう
に構成しているため、予測モデル関数まわりのばらつき
を考慮して標準予測残価率を算出することができる。
散）＝（標準予測残価率期待値、前記読み出した予測モ
デル分散）となる正規分布に従う標本値を発生させて、
標準化された予測残価率（標準予測残価率）として記憶
する。かかる標本値の発生には周知の数値計算ライブラ
リを用いることができるが、以下のようにして発生させ
てもよい。まず、０〜１までの範囲で乱数ｒを発生させ
る。次に、 となるｘを標本値として求める。このように、予測モデ
ル関数の出力値をそのまま用いるのではなく、出力値を
期待値（平均値）とする正規分布に従って標本値を発生
させ、かかる標本値を標準予測残価率として用いるよう
に構成しているため、予測モデル関数まわりのばらつき
を考慮して標準予測残価率を算出することができる。
【００６５】（非標準予想残価率算出処理）非標準予測
残価率算出処理とは、プール内の属性の構成比がプール
形成数に応じたばらつきを持つように、属性値を確率的
に選択し、選択した属性値に応じて標準予測残価率に修
正を施して、非標準化された予測残価率を算出する処理
である。ここで、予測残価率を「非標準化」するとは、
代表属性値をベースにした標準予測残価率（すなわち、
標準化モデルに基づき得られた予測残価率）に基づい
て、標準化プロセスとは逆に、個々の属性値を取ると擬
制した場合の修正残価率を求めることをいう。以下、図
６に示すフローチャートに基づいて、非標準予測残価率
算出処理を詳しく説明する。
残価率算出処理とは、プール内の属性の構成比がプール
形成数に応じたばらつきを持つように、属性値を確率的
に選択し、選択した属性値に応じて標準予測残価率に修
正を施して、非標準化された予測残価率を算出する処理
である。ここで、予測残価率を「非標準化」するとは、
代表属性値をベースにした標準予測残価率（すなわち、
標準化モデルに基づき得られた予測残価率）に基づい
て、標準化プロセスとは逆に、個々の属性値を取ると擬
制した場合の修正残価率を求めることをいう。以下、図
６に示すフローチャートに基づいて、非標準予測残価率
算出処理を詳しく説明する。
【００６６】ステップＳ２００において、ユーザからプ
ールを形成する台数（プール形成数）Hを受け付ける。
なお、標準予測残価率算出処理においてプール形成数を
受けつけて記憶しておくように構成してもよい。
ールを形成する台数（プール形成数）Hを受け付ける。
なお、標準予測残価率算出処理においてプール形成数を
受けつけて記憶しておくように構成してもよい。
【００６７】ステップＳ２０１において、ループ変数ｉ
に１をセットする。
に１をセットする。
【００６８】ステップＳ２０２において、構成比記憶手
段１２を参照して、標準予測残価率算出処理で受け付け
た車種に対応する車色及びグレードの構成比を読み出
す。
段１２を参照して、標準予測残価率算出処理で受け付け
た車種に対応する車色及びグレードの構成比を読み出
す。
【００６９】ステップＳ２０３において、各属性値を選
択する確率が構成比に応じた確率となるように設定し、
かかる確率に従って車色及びグレードを選択する。図３
の例では、構成比が百分率で表されているため、かかる
百分率がそのまま属性値を選択する確率として用いるこ
とができる。以下、車色として「白」、グレードとして
「グランド」が選択されたとして説明を続ける。
択する確率が構成比に応じた確率となるように設定し、
かかる確率に従って車色及びグレードを選択する。図３
の例では、構成比が百分率で表されているため、かかる
百分率がそのまま属性値を選択する確率として用いるこ
とができる。以下、車色として「白」、グレードとして
「グランド」が選択されたとして説明を続ける。
【００７０】ステップＳ２０４において、非標準化情報
記憶手段１３を参照して、前記受け付けた車種につい
て、車色の非標準化情報、及びグレードの非標準化情報
を読み出す。図４の例では、車色については「白」の場
合の１．２が、グレードについては「グランド」の＋５
％が読み出されることになる。
記憶手段１３を参照して、前記受け付けた車種につい
て、車色の非標準化情報、及びグレードの非標準化情報
を読み出す。図４の例では、車色については「白」の場
合の１．２が、グレードについては「グランド」の＋５
％が読み出されることになる。
【００７１】ステップＳ２０５において、標準予測残価
率算出処理で算出した標準予測残価率を読み出し、かか
る標準予測残価率に対し前記読み出した各非標準化情報
に基づいて修正を施して、非標準化された予測残価率を
算出して記憶する。例えば、標準予測残価率を５０％と
して、車色が「白」、グレードが「グランド」の場合の
修正を施すと、非標準化された予測残価率は以下のよう
になる。なお、車色とグレードのいずれについて先に修
正を施すかは設計に応じて定めればよい。車色による修
正を先に行う場合 ：５０％×１．２＋５％＝６５％
グレードによる修正を先に行う場合：（５０％＋５％）
×１．２＝６６％ステップＳ２０６において、ｉに１を
加算する。
率算出処理で算出した標準予測残価率を読み出し、かか
る標準予測残価率に対し前記読み出した各非標準化情報
に基づいて修正を施して、非標準化された予測残価率を
算出して記憶する。例えば、標準予測残価率を５０％と
して、車色が「白」、グレードが「グランド」の場合の
修正を施すと、非標準化された予測残価率は以下のよう
になる。なお、車色とグレードのいずれについて先に修
正を施すかは設計に応じて定めればよい。車色による修
正を先に行う場合 ：５０％×１．２＋５％＝６５％
グレードによる修正を先に行う場合：（５０％＋５％）
×１．２＝６６％ステップＳ２０６において、ｉに１を
加算する。
【００７２】ステップＳ２０７において、ｉ≦Ｈである
場合はステップＳ２０３に戻り、そうでない場合は処理
を終了する。
場合はステップＳ２０３に戻り、そうでない場合は処理
を終了する。
【００７３】このように、非標準予測残価率算出処理に
おいて確率的に車色及びグレードを選択するようにして
いるため、プール内の車色やグレードの構成比は固定さ
れず、プール形成数に応じたばらつきを持つことにな
る。すなわち、プール形成数が多い場合は構成比のばら
つきは小さくなり、プール形成数が少ない場合は構成比
のばらつきは大きくなる。
おいて確率的に車色及びグレードを選択するようにして
いるため、プール内の車色やグレードの構成比は固定さ
れず、プール形成数に応じたばらつきを持つことにな
る。すなわち、プール形成数が多い場合は構成比のばら
つきは小さくなり、プール形成数が少ない場合は構成比
のばらつきは大きくなる。
【００７４】なお、本保険料算出システム１における、
関数記憶手段１０と、分散記憶手段１１と、構成比記憶
手段１２と、非標準化情報記憶手段１３と、標準予測残
価率算出処理、非標準予測残価率算出処理を実行する制
御手段１４を備える構成を、本発明の残価予測方法を実
施する残価予測システムとすることもできる（図７参
照）。更に、前記残価予測システムにおいて、上述した
予測モデル関数を求める処理を実施するように構成して
もよい。このとき、中古車価格データベース２０は、本
残価予測システムの一部として備えるように構成しても
よいし、外部の情報処理装置として構成してもよい。
関数記憶手段１０と、分散記憶手段１１と、構成比記憶
手段１２と、非標準化情報記憶手段１３と、標準予測残
価率算出処理、非標準予測残価率算出処理を実行する制
御手段１４を備える構成を、本発明の残価予測方法を実
施する残価予測システムとすることもできる（図７参
照）。更に、前記残価予測システムにおいて、上述した
予測モデル関数を求める処理を実施するように構成して
もよい。このとき、中古車価格データベース２０は、本
残価予測システムの一部として備えるように構成しても
よいし、外部の情報処理装置として構成してもよい。
【００７５】（平均補償額算出処理）平均補償額算出処
理とは、複数の非標準化された予測残価率に基づいて、
プール単位での平均補償額を算出する処理である。ここ
で、補償額とは、残価保証保険が発動した場合に補償さ
れる額である。以下、図８に示すフローチャートに基づ
いて、平均補償額算出処理を詳しく説明する。ステップ
Ｓ３００において、ユーザから基準残価（トリガー残
価）を受け付ける。基準残価は、残価保証保険が発動す
る水準を示す値であり、残価が基準残価を下回った場合
に保険が発動することになる。ただし、後述するように
本実施形態ではプール単位で保険の発動を決定するよう
に構成している。なお、標準残価率算出処理、非標準残
価率算出処理において基準残価を受けつけて記憶してお
くように構成してもよい。
理とは、複数の非標準化された予測残価率に基づいて、
プール単位での平均補償額を算出する処理である。ここ
で、補償額とは、残価保証保険が発動した場合に補償さ
れる額である。以下、図８に示すフローチャートに基づ
いて、平均補償額算出処理を詳しく説明する。ステップ
Ｓ３００において、ユーザから基準残価（トリガー残
価）を受け付ける。基準残価は、残価保証保険が発動す
る水準を示す値であり、残価が基準残価を下回った場合
に保険が発動することになる。ただし、後述するように
本実施形態ではプール単位で保険の発動を決定するよう
に構成している。なお、標準残価率算出処理、非標準残
価率算出処理において基準残価を受けつけて記憶してお
くように構成してもよい。
【００７６】ステップＳ３０１において、非標準残価率
算出処理において算出した、プール形成数分の非標準化
された予測残価率を読み出す。
算出処理において算出した、プール形成数分の非標準化
された予測残価率を読み出す。
【００７７】ステップＳ３０２において、各前記読み出
した各非標準化された予測残価率について、前記受け付
けた基準残価から減算し、差分値を算出する。そして、
プール形成数分の差分値に基づいて平均値を算出して、
平均補償額として記憶する。なお、非標準化された予測
残価率の平均値を算出し、これを基準残価から減算して
平均補償額を算出してもよい。
した各非標準化された予測残価率について、前記受け付
けた基準残価から減算し、差分値を算出する。そして、
プール形成数分の差分値に基づいて平均値を算出して、
平均補償額として記憶する。なお、非標準化された予測
残価率の平均値を算出し、これを基準残価から減算して
平均補償額を算出してもよい。
【００７８】ステップＳ３０３において、ステップＳ３
０２で求めた平均補償額が負値となっている場合、保険
は発動されないため、平均補償額を０に補正する。
０２で求めた平均補償額が負値となっている場合、保険
は発動されないため、平均補償額を０に補正する。
【００７９】本実施形態では、プール単位で保険の発動
を決定するように構成すべく、個々の予測残価率が基準
残価よりプラスとなる場合とマイナスとなる場合をプー
ル内で相殺して、平均補償額を求めている。なお、図６
におけるHを１とすれば、プール形成数を１、すなわち
プールを形成せず１台単位での保険引受けを行う場合の
補償額を、平均補償額として算出することができる。
を決定するように構成すべく、個々の予測残価率が基準
残価よりプラスとなる場合とマイナスとなる場合をプー
ル内で相殺して、平均補償額を求めている。なお、図６
におけるHを１とすれば、プール形成数を１、すなわち
プールを形成せず１台単位での保険引受けを行う場合の
補償額を、平均補償額として算出することができる。
【００８０】（保険料算出処理）保険料算出処理とは、
平均補償額に基づいて所定の保険料算出ロジックにより
保険料を算出する処理である。保険料算出ロジックとし
ては、標準予測残価率算出処理、非標準予測残価率算出
処理、平均補償額算出処理を、複数セット（例えば１万
セット〜１０万セット）繰り返すことにより、複数の平
均補償額を求め、かかる複数の平均補償額の平均値に対
し、例えば、推定誤差に対する安全率調整を行い、また
経費率・利潤率等を付加することにより保険料を算出す
る。一例を挙げれば、平均補償額ｘに対する安全率（割
増率）をｙ、保険料全体に占める経費率及び利潤率の合
計をｚとすれば、保険料＝ｘ×（１＋ｙ）／（１−ｚ）
という計算式で保険料を算出することができる。なお、
算出された保険料は、出力手段を介してテキストやグラ
フ、音声などによりユーザに提示される。
平均補償額に基づいて所定の保険料算出ロジックにより
保険料を算出する処理である。保険料算出ロジックとし
ては、標準予測残価率算出処理、非標準予測残価率算出
処理、平均補償額算出処理を、複数セット（例えば１万
セット〜１０万セット）繰り返すことにより、複数の平
均補償額を求め、かかる複数の平均補償額の平均値に対
し、例えば、推定誤差に対する安全率調整を行い、また
経費率・利潤率等を付加することにより保険料を算出す
る。一例を挙げれば、平均補償額ｘに対する安全率（割
増率）をｙ、保険料全体に占める経費率及び利潤率の合
計をｚとすれば、保険料＝ｘ×（１＋ｙ）／（１−ｚ）
という計算式で保険料を算出することができる。なお、
算出された保険料は、出力手段を介してテキストやグラ
フ、音声などによりユーザに提示される。
【００８１】（変形例）財物によっては、取引を行う時
期も、残価に影響を与える要因となり得る。例えば車を
対象とした場合、中古車業者の決算時期、消費者のボー
ナス時期、年度の切り替わりなど様々な季節要因の影響
を受け、同一車種（同一車色、同一グレード）かつ同一
経過年数の車であっても、取引する月によって残価が異
なってくる場合がある。更に、例えば１月を取引月とす
る車の残価が標準的な残価より高額であった場合、翌月
である２月を取引月とする車の残価も高額になりやすい
というように、過去の残価に対し正相関を示す傾向があ
る。そこで、本変形例では、取引を行う時期を月単位で
場合分けし、取引を行う月の影響を考慮して月ごとに予
測残価率を求めるように構成する。
期も、残価に影響を与える要因となり得る。例えば車を
対象とした場合、中古車業者の決算時期、消費者のボー
ナス時期、年度の切り替わりなど様々な季節要因の影響
を受け、同一車種（同一車色、同一グレード）かつ同一
経過年数の車であっても、取引する月によって残価が異
なってくる場合がある。更に、例えば１月を取引月とす
る車の残価が標準的な残価より高額であった場合、翌月
である２月を取引月とする車の残価も高額になりやすい
というように、過去の残価に対し正相関を示す傾向があ
る。そこで、本変形例では、取引を行う時期を月単位で
場合分けし、取引を行う月の影響を考慮して月ごとに予
測残価率を求めるように構成する。
【００８２】図９に示すように、本変形例は、第１実施
形態の構成に加え、更に、自己相関情報記憶手段１５を
備えている。以下、第１実施形態と異なる構成・動作に
ついて説明する。
形態の構成に加え、更に、自己相関情報記憶手段１５を
備えている。以下、第１実施形態と異なる構成・動作に
ついて説明する。
【００８３】関数記憶手段１０は、第１実施形態と同様
に、車種ごとに、車色やグレードについて標準化された
データに基づく予測モデル関数を記憶するが、更に、月
ごとの修正パラメータを記憶している。
に、車種ごとに、車色やグレードについて標準化された
データに基づく予測モデル関数を記憶するが、更に、月
ごとの修正パラメータを記憶している。
【００８４】月ごとの修正パラメータとは、予測モデル
関数の出力に対して、月ごとの残価の変動を反映させる
ためのパラメータであり、例えば、予測モデル関数の出
力に対する乗算係数として構成することができる。
関数の出力に対して、月ごとの残価の変動を反映させる
ためのパラメータであり、例えば、予測モデル関数の出
力に対する乗算係数として構成することができる。
【００８５】予測モデル関数及び月ごとの修正パラメー
タは、例えば中古車価格データベース２０に基づいて求
めることができる。ただし、各取引データには、少なく
とも、（車種、車色、グレード、経年期間、残価率、売
買取引月）の各値が含まれているとする。
タは、例えば中古車価格データベース２０に基づいて求
めることができる。ただし、各取引データには、少なく
とも、（車種、車色、グレード、経年期間、残価率、売
買取引月）の各値が含まれているとする。
【００８６】予測モデル関数及び月ごとの修正パラメー
タを求めるためには、まず中古車価格データベース２０
より、同一車種の中古車について、（車色、グレード、
経年期間、残価率、売買取引月）の各値を含むデータ群
を抽出する。次に、かかるデータ群に対し、各データの
車色、グレードに応じて標準化を行い、（経年期間、修
正残価率、Ｘ１、・・・、Ｘ１２）の各値を含む、標準
化されたデータ群を得る。ここで、Ｘ１、・・・、Ｘ
１２は、1月から１２月までに対応するダミー変数であ
り、売買取引月に該当するダミー変数のみ１を取り、そ
れ以外の場合は０を取るように設定される。
タを求めるためには、まず中古車価格データベース２０
より、同一車種の中古車について、（車色、グレード、
経年期間、残価率、売買取引月）の各値を含むデータ群
を抽出する。次に、かかるデータ群に対し、各データの
車色、グレードに応じて標準化を行い、（経年期間、修
正残価率、Ｘ１、・・・、Ｘ１２）の各値を含む、標準
化されたデータ群を得る。ここで、Ｘ１、・・・、Ｘ
１２は、1月から１２月までに対応するダミー変数であ
り、売買取引月に該当するダミー変数のみ１を取り、そ
れ以外の場合は０を取るように設定される。
【００８７】そして、標準化されたデータ群に対して、
例えば指数関数α×ｅｘｐ（−β×経年期間）／（Ｓ１
×Ｘ１＋Ｓ２×Ｘ２＋・・・＋Ｓ１２×Ｘ１２）を当て
はめる。（α、β）が予測モデル関数を構成するパラメ
ータであり、Ｓ１、・・・、Ｓ１２が各月の修正パラメ
ータである。指数関数等の当てはめには、各種の非線型
最小２乗法のアルゴリズムを用いることができる。な
お、最小２乗法を用い当てはめる際には、Ｓ１＋Ｓ２＋
・・・＋Ｓ１２＝１２という条件などを制約条件として
用いることが必要となる。
例えば指数関数α×ｅｘｐ（−β×経年期間）／（Ｓ１
×Ｘ１＋Ｓ２×Ｘ２＋・・・＋Ｓ１２×Ｘ１２）を当て
はめる。（α、β）が予測モデル関数を構成するパラメ
ータであり、Ｓ１、・・・、Ｓ１２が各月の修正パラメ
ータである。指数関数等の当てはめには、各種の非線型
最小２乗法のアルゴリズムを用いることができる。な
お、最小２乗法を用い当てはめる際には、Ｓ１＋Ｓ２＋
・・・＋Ｓ１２＝１２という条件などを制約条件として
用いることが必要となる。
【００８８】自己相関情報記憶手段１５は、車種ごと
に、前月の標準予測残価率と該前月の標準予測残価率期
待値の差と、当月の標準予測残価率と当月の標準予測残
価率期待値との差の相関の程度を示す自己相関パラメー
タρ（０≦ρ≦１）を記憶している。なお、ρを、過去
の複数月における前記差と、当月における前記差の相関
の程度を示すように構成してもよい。
に、前月の標準予測残価率と該前月の標準予測残価率期
待値の差と、当月の標準予測残価率と当月の標準予測残
価率期待値との差の相関の程度を示す自己相関パラメー
タρ（０≦ρ≦１）を記憶している。なお、ρを、過去
の複数月における前記差と、当月における前記差の相関
の程度を示すように構成してもよい。
【００８９】制御手段１４は、各処理は原則として第１
実施形態と同様であるが、標準予測残価率算出処理につ
いては図１０に示すフローチャートのように、非標準予
測残価率算出処理については図１１に示すフローチャー
トのように変形して実行する。また、平均補償額算出処
理では、１月から１２月までの非標準化された予測残価
率を読み出して平均補償額を算出する。 （標準予測残価率算出処理）ステップＳ１００からＳ１
０２までは第１実施形態と同様である。ステップＳ１０
３において、自己相関情報記憶手段１５を参照して、受
け付けた車種に対応する自己相関パラメータρを読み出
す。ステップＳ１０４において、月パラメータｊに１を
セットする。ステップＳ１０５において、（平均値、分
散）＝（０、１）となる正規分布に従う乱数を発生させ
る。ステップＳ１０６において、ｊ＝１の場合はステッ
プＳ１０７に進み、そうでない場合はステップＳ１０８
に進む。ステップＳ１０７において、前記発生させた乱
数を標準予測残価率算出用乱数として記憶し、ステップ
Ｓ１１０に進む。ステップＳ１０８において、前月
（（ｊ−１）で示される月）の標準予測残価率算出用乱
数を読み出す。ステップＳ１０９において、前記発生さ
せた乱数及び前記読み出した前月の標準予測残価率算出
用乱数に対し、前記読み出した自己相関パラメータρに
基づいて当月（ｊで示される月）の標準予測残価率算出
用乱数を算出する。ここで当月の標準予測残価率算出用
乱数の算出には、例えば以下の式を用いることができ
る。 当月の標準予測残価率算出用乱数=(前月の標準予測残価
率算出用乱数)×ρ+(発生させた乱数)×(１−ρ２)１／
２ ステップＳ１１０において、関数記憶手段１０を参照し
て、月ごとの修正パラメータＳｊを読み出す。そして、
標準予測残価率期待値及び前記読み出した予測モデル分
散及び当月の標準予測残価率算出用乱数に基づいて当月
（ｊで示される月）の標準予測残価率を算出し、記憶す
る。ここで当月の標準予測残価率の算出には、例えば以
下の式を用いることができる。 当月の標準予測残価率＝（標準予測残価率期待値）／Ｓ
ｊ＋（当月の標準予測残価率算出用乱数）×（予測モデ
ル分散）１／２ ステップＳ１０９及びステップＳ１１０の式のもとで
は、ρが１に近づく程、当月の標準予測残価率算出用乱
数は前月の標準予測残価率算出用乱数に近づくため、ρ
の値を調整することで、前月の残価率の傾向（例えば、
標準予測残価率期待値より高額、又は低額になる傾向）
に相関関係を持たせて、当月の標準予測残価率を算出す
ることができる。ステップＳ１１１において、ｊに１を
加算する。ステップＳ１１２において、ｊ≦１２の場
合、ステップＳ１０５に戻る。そうでない場合は処理を
終了する。
実施形態と同様であるが、標準予測残価率算出処理につ
いては図１０に示すフローチャートのように、非標準予
測残価率算出処理については図１１に示すフローチャー
トのように変形して実行する。また、平均補償額算出処
理では、１月から１２月までの非標準化された予測残価
率を読み出して平均補償額を算出する。 （標準予測残価率算出処理）ステップＳ１００からＳ１
０２までは第１実施形態と同様である。ステップＳ１０
３において、自己相関情報記憶手段１５を参照して、受
け付けた車種に対応する自己相関パラメータρを読み出
す。ステップＳ１０４において、月パラメータｊに１を
セットする。ステップＳ１０５において、（平均値、分
散）＝（０、１）となる正規分布に従う乱数を発生させ
る。ステップＳ１０６において、ｊ＝１の場合はステッ
プＳ１０７に進み、そうでない場合はステップＳ１０８
に進む。ステップＳ１０７において、前記発生させた乱
数を標準予測残価率算出用乱数として記憶し、ステップ
Ｓ１１０に進む。ステップＳ１０８において、前月
（（ｊ−１）で示される月）の標準予測残価率算出用乱
数を読み出す。ステップＳ１０９において、前記発生さ
せた乱数及び前記読み出した前月の標準予測残価率算出
用乱数に対し、前記読み出した自己相関パラメータρに
基づいて当月（ｊで示される月）の標準予測残価率算出
用乱数を算出する。ここで当月の標準予測残価率算出用
乱数の算出には、例えば以下の式を用いることができ
る。 当月の標準予測残価率算出用乱数=(前月の標準予測残価
率算出用乱数)×ρ+(発生させた乱数)×(１−ρ２)１／
２ ステップＳ１１０において、関数記憶手段１０を参照し
て、月ごとの修正パラメータＳｊを読み出す。そして、
標準予測残価率期待値及び前記読み出した予測モデル分
散及び当月の標準予測残価率算出用乱数に基づいて当月
（ｊで示される月）の標準予測残価率を算出し、記憶す
る。ここで当月の標準予測残価率の算出には、例えば以
下の式を用いることができる。 当月の標準予測残価率＝（標準予測残価率期待値）／Ｓ
ｊ＋（当月の標準予測残価率算出用乱数）×（予測モデ
ル分散）１／２ ステップＳ１０９及びステップＳ１１０の式のもとで
は、ρが１に近づく程、当月の標準予測残価率算出用乱
数は前月の標準予測残価率算出用乱数に近づくため、ρ
の値を調整することで、前月の残価率の傾向（例えば、
標準予測残価率期待値より高額、又は低額になる傾向）
に相関関係を持たせて、当月の標準予測残価率を算出す
ることができる。ステップＳ１１１において、ｊに１を
加算する。ステップＳ１１２において、ｊ≦１２の場
合、ステップＳ１０５に戻る。そうでない場合は処理を
終了する。
【００９０】（非標準予測残価率算出処理）ステップＳ
４００において、ユーザから各月のプール形成数Ｈ
ｊ（ｊは月を示す）を受け付ける。なお、例えば１月は
１００台、２月は１５０台というように、前記受け付け
るプール形成数が月ごとに異なっていてもよい。
４００において、ユーザから各月のプール形成数Ｈ
ｊ（ｊは月を示す）を受け付ける。なお、例えば１月は
１００台、２月は１５０台というように、前記受け付け
るプール形成数が月ごとに異なっていてもよい。
【００９１】ここで、各月のプール形成数の比が得られ
ている場合は、ユーザから年間プール形成数を受け付け
て、これを前記プール形成数の比に基づいて各月に振り
分けることにより、各月のプール形成数Ｈｊを定めるよ
うに構成してもよい。このとき、車色やグレードと同様
に、月を選択する確率が前記プール形成数の比に応じた
確率となるように設定し、かかる確率に従って月を選択
して振り分けるように構成してもよい。
ている場合は、ユーザから年間プール形成数を受け付け
て、これを前記プール形成数の比に基づいて各月に振り
分けることにより、各月のプール形成数Ｈｊを定めるよ
うに構成してもよい。このとき、車色やグレードと同様
に、月を選択する確率が前記プール形成数の比に応じた
確率となるように設定し、かかる確率に従って月を選択
して振り分けるように構成してもよい。
【００９２】ステップＳ４０１において、月パラメータ
ｊに１をセットする。
ｊに１をセットする。
【００９３】ステップＳ４０２において、ループ変数ｉ
に１をセットする。
に１をセットする。
【００９４】ステップＳ４０３において、構成比記憶手
段１２を参照して、標準予測残価率算出処理で受け付け
た車種に対応する車色及びグレードの構成比を読み出
す。
段１２を参照して、標準予測残価率算出処理で受け付け
た車種に対応する車色及びグレードの構成比を読み出
す。
【００９５】ステップＳ４０４において、各属性値を選
択する確率が構成比に応じた確率となるように設定し、
かかる確率に従って車色及びグレードを選択する。
択する確率が構成比に応じた確率となるように設定し、
かかる確率に従って車色及びグレードを選択する。
【００９６】ステップＳ４０５において、非標準化情報
記憶手段１３を参照して、前記受け付けた車種につい
て、車色の非標準化情報、及びグレードの非標準化情報
を読み出す。
記憶手段１３を参照して、前記受け付けた車種につい
て、車色の非標準化情報、及びグレードの非標準化情報
を読み出す。
【００９７】ステップＳ４０６において、標準予測残価
率算出処理で算出した当月（ｊで示される月）に対応す
る標準予測残価率を読み出し、かかる標準予測残価率に
対し前記読み出した各非標準化情報に基づいて修正を施
して、非標準化された予測残価率を算出して記憶する。
率算出処理で算出した当月（ｊで示される月）に対応す
る標準予測残価率を読み出し、かかる標準予測残価率に
対し前記読み出した各非標準化情報に基づいて修正を施
して、非標準化された予測残価率を算出して記憶する。
【００９８】ステップＳ４０７において、ｉに１を加算
する。
する。
【００９９】ステップＳ４０８において、ｉ≦Ｈｊであ
る場合はステップＳ４０４に戻り、そうでない場合はス
テップＳ４０９に進む。
る場合はステップＳ４０４に戻り、そうでない場合はス
テップＳ４０９に進む。
【０１００】ステップＳ４０９において、ｊに１を加算
する。
する。
【０１０１】ステップＳ４１０において、ｊ≦１２であ
る場合はステップＳ４０２に戻る。そうでない場合は処
理を終了する。
る場合はステップＳ４０２に戻る。そうでない場合は処
理を終了する。
【０１０２】本変形例の構成によれば、取引月の違いに
基づく影響を修正して、また、前月との相関を考慮し
て、各月の予測残価率を算出することができる。かかる
各月の予測残価率に基づいて平均補償額を算出すること
により、季節による残価の変動を反映させて保険料を算
出することができる。
基づく影響を修正して、また、前月との相関を考慮し
て、各月の予測残価率を算出することができる。かかる
各月の予測残価率に基づいて平均補償額を算出すること
により、季節による残価の変動を反映させて保険料を算
出することができる。
【０１０３】（第２の実施形態）次に、本発明の第２の
実施の形態について説明する。第２の実施の形態は、保
険料算出プログラム、又は残価予測プログラムを記録し
た記録媒体を備える。この記録媒体はＣＤ−ＲＯＭ、磁
気ディスク、半導体メモリその他の記録媒体であってよ
く、ネットワークを介して流通する場合も含む。
実施の形態について説明する。第２の実施の形態は、保
険料算出プログラム、又は残価予測プログラムを記録し
た記録媒体を備える。この記録媒体はＣＤ−ＲＯＭ、磁
気ディスク、半導体メモリその他の記録媒体であってよ
く、ネットワークを介して流通する場合も含む。
【０１０４】保険料算出プログラムは記録媒体からデー
タ処理装置に読み込まれ、データ処理装置の動作を制御
する。データ処理装置は保険料算出プログラムの制御に
より、標準予測残価率算出処理、非標準予測残価率算出
処理、平均補償額算出処理、保険料算出処理等を実行す
る。すなわち、図１又は図９における保険料算出システ
ムによる処理と同一の処理を実行する。
タ処理装置に読み込まれ、データ処理装置の動作を制御
する。データ処理装置は保険料算出プログラムの制御に
より、標準予測残価率算出処理、非標準予測残価率算出
処理、平均補償額算出処理、保険料算出処理等を実行す
る。すなわち、図１又は図９における保険料算出システ
ムによる処理と同一の処理を実行する。
【０１０５】残価予測プログラムは記録媒体からデータ
処理装置に読み込まれ、データ処理装置の動作を制御す
る。データ処理装置は残価予測プログラムの制御によ
り、標準予測残価率算出処理、非標準予測残価率算出処
理等を実行する。すなわち、図７における残価予測シス
テムによる処理と同一の処理を実行する。更に、予測モ
デル関数を求める処理を実行するように構成してもよ
い。
処理装置に読み込まれ、データ処理装置の動作を制御す
る。データ処理装置は残価予測プログラムの制御によ
り、標準予測残価率算出処理、非標準予測残価率算出処
理等を実行する。すなわち、図７における残価予測シス
テムによる処理と同一の処理を実行する。更に、予測モ
デル関数を求める処理を実行するように構成してもよ
い。
【０１０６】（その他）なお、本発明は、上記実施の形
態に限定されることなく種々に変形して適用することが
可能である。例えば、残価＝当初価格×残価率という関
係に基づいて、残価率を残価に変換することができるた
め、上記実施形態において、「予測残価率」を「予測残
価」に置き換えても、本発明を同様に実行することがで
きる。
態に限定されることなく種々に変形して適用することが
可能である。例えば、残価＝当初価格×残価率という関
係に基づいて、残価率を残価に変換することができるた
め、上記実施形態において、「予測残価率」を「予測残
価」に置き換えても、本発明を同様に実行することがで
きる。
【０１０７】また、上記実施形態では、標本値を発生さ
せる分布として正規分布を用いているが、過去のデータ
から推定される分布であれば、正規分布以外の分布を用
いて標本値を発生させるように構成してもよい。例え
ば、対数正規分布等の分布を用いたり、過去の誤差分布
をブートストラップ法で当てはめるといったことが考え
られる。
せる分布として正規分布を用いているが、過去のデータ
から推定される分布であれば、正規分布以外の分布を用
いて標本値を発生させるように構成してもよい。例え
ば、対数正規分布等の分布を用いたり、過去の誤差分布
をブートストラップ法で当てはめるといったことが考え
られる。
【０１０８】また、本発明の残価予測方法及び残価予測
システムは、予測残価を用いたリース料率の算定方法・
算定システムや、自動車等の担保融資における担保価値
の算定方法・算定システムや、車両保険等の保険設計方
法・設計システムなど、予測残価を用いる種々の情報処
理方法・情報処理システムに適用することができる。
システムは、予測残価を用いたリース料率の算定方法・
算定システムや、自動車等の担保融資における担保価値
の算定方法・算定システムや、車両保険等の保険設計方
法・設計システムなど、予測残価を用いる種々の情報処
理方法・情報処理システムに適用することができる。
【０１０９】
【発明の効果】本発明は、過去に発売された同種財物の
現時点における中古市場の流通価格を用いて、当該財物
の将来における中古価格（残価）を予測することによっ
て、中古品として処分した場合の将来の交換価値を把握
することができ、従来の減価償却法よりも精度の高い予
測が可能となる。
現時点における中古市場の流通価格を用いて、当該財物
の将来における中古価格（残価）を予測することによっ
て、中古品として処分した場合の将来の交換価値を把握
することができ、従来の減価償却法よりも精度の高い予
測が可能となる。
【０１１０】また、本発明は、標準化することによっ
て、すなわち、各データが代表属性値を取ると擬制する
ことによって、同一カテゴリに同傾向を示すデータを集
約させているため、カテゴリを細分化した場合に生じる
データ減少を起こすことなく、同傾向を示すデータに基
づいて、精度よく残価を予測することができる。
て、すなわち、各データが代表属性値を取ると擬制する
ことによって、同一カテゴリに同傾向を示すデータを集
約させているため、カテゴリを細分化した場合に生じる
データ減少を起こすことなく、同傾向を示すデータに基
づいて、精度よく残価を予測することができる。
【０１１１】また、本発明は、一定数の財物をまとめて
プールを形成し、プール単位で残価保証保険を設計する
場合に、属性の構成比に基づいて属性値を確率的に選択
する構成としているため、プール内の属性の構成比、更
にはプール形成数に依存する属性の構成比のばらつきを
も考慮して、残価保証保険の保険料を算出することがで
きる。
プールを形成し、プール単位で残価保証保険を設計する
場合に、属性の構成比に基づいて属性値を確率的に選択
する構成としているため、プール内の属性の構成比、更
にはプール形成数に依存する属性の構成比のばらつきを
も考慮して、残価保証保険の保険料を算出することがで
きる。
【図１】 本発明の第１の実施形態である保険料算出シ
ステムの構成を示すブロック図である。
ステムの構成を示すブロック図である。
【図２】 予測モデル関数を説明するための図である。
【図３】 構成比の例を説明するための図である。
【図４】 非標準化情報の例を説明するための図であ
る。
る。
【図５】 標準予測残価率算出処理の流れを示すフロー
チャートである。
チャートである。
【図６】 非標準予測残価率算出処理の流れを示すフロ
ーチャートである。
ーチャートである。
【図７】 本発明の残価予測システムの構成を示すブロ
ック図である。
ック図である。
【図８】 平均補償額算出処理の流れを示すフローチャ
ートである。
ートである。
【図９】 第１の実施形態の変形例の構成を示すブロッ
ク図である。
ク図である。
【図１０】 変形例における標準予測残価率算出処理の
流れを示すフローチャートである。
流れを示すフローチャートである。
【図１１】 変形例における非標準予測残価率算出処理
の流れを示すフローチャートである。
の流れを示すフローチャートである。
１ 保険料算出システム １０ 関数記憶手段 １１ 分散記憶手段 １２ 構成比記憶手段 １３ 非標準化情報記憶手段 １４ 制御手段 １５ 自己相関情報記憶手段 ２０ 中古車価格データベース
───────────────────────────────────────────────────── フロントページの続き (72)発明者 酒居 孝典 愛知県名古屋市中区葵一丁目23番14号 株 式会社プロトコーポレーション内 (72)発明者 伊能 賢次 東京都千代田区丸の内一丁目２番１号 東 京海上火災保険株式会社内 (72)発明者 岡田 俊平 東京都千代田区丸の内一丁目２番１号 東 京海上火災保険株式会社内 Ｆターム(参考） 5B049 BB16 BB47 BB59 CC11 CC31 CC36 DD01 DD05 EE03 EE12 FF01 FF09 5B055 BB20 CB05 CC05 CC10 CC13 FA08 FB03
Claims (30)
- 【請求項１】 対象物の中古流通価格又は中古流通価格
の新品価格に対する比率（以下、中古流通価格とその新
品価格に対する比率を総称して「残価」と呼ぶ）、対象
物の属性、及び対象物の経過期間を含む取引データを記
憶する中古価格データベースと、 前記中古価格データベースに記憶する残価と経過期間の
対応関係に基づき、所定将来における予測残価を算出し
記憶する予測残価算出手段と、を備えたことを特徴とす
る残価予測システム。 - 【請求項２】 前記対象物は車であることを特徴とする
請求項１記載の残価予測システム。 - 【請求項３】 前記予測残価算出手段は、 前記中古価格データベースに記憶されている取引データ
について、該取引データに含まれる対象物の残価を、該
取引データに含まれる対象物の所定属性の属性値に基づ
き補正して、当該対象物の属性が代表属性値を取ると擬
制した場合（以下、代表属性値を取ると擬制することを
「標準化」と呼ぶ。）の残価を算出し、かかる標準化さ
れた残価と該取引データに含まれる経過期間に基づき所
定将来における標準化された予測残価を算出し記憶する
標準予測残価算出手段と、 前記標準化された予測残価に対し、残価を予測したい対
象物が備える属性に対応する修正を施して非標準化され
た予測残価を求め記憶する非標準化予測残価算出手段
と、を備えることを特徴とする請求項１又は２記載の残
価予測システム。 - 【請求項４】 前記予測残価算出手段は、 対象物が代表属性値を取ると擬制した場合（以下、代表
属性値を取ると擬制することを「標準化」と呼ぶ。）
の、所定将来における予測残価（以下、「標準化された
予測残価」と呼ぶ。）を算出し記憶する標準予測残価算
出手段と、 記憶手段に記憶する属性の構成比に基づいて、対象物が
備える属性の属性値を確率的に選択し、前記標準化され
た予測残価に対し前記選択した属性値に対応する修正を
施して非標準化された予測残価を求め記憶する非標準予
測残価算出手段と、を備えることを特徴とする請求項１
又は２記載の残価予測システム。 - 【請求項５】 前記対象物は車であり、前記属性は車
色、グレードのうち少なくともいずれかであることを特
徴とする請求項３又は４記載の残価予測システム。 - 【請求項６】 前記標準予測残価算出手段は、 前記中古価格データベースに記憶されている取引データ
について、該取引データに含まれる対象物の残価を、該
取引データに含まれる対象物の所定属性の属性値に基づ
き補正して、標準化された残価を算出する標準化機能
と、 前記標準化された残価と該取引データに含まれる経過期
間に基づき、標準化された予測残価の期待値を算出する
関数（以下、「予測関数」と呼ぶ。）を求める機能と、 前記予測関数に基づき所定将来における標準化された予
測残価の期待値を算出する機能と、を備えることを特徴
とする請求項３乃至５のいずれか１項に記載の残価予測
システム。 - 【請求項７】 前記標準予測残価算出手段は、 記憶手段に記憶する対象物の残価を、該対象物の所定属
性の属性値に基づき補正して、標準化された残価を算出
する標準化機能と、 前記標準化された残価と該対象物の経過期間に基づき、
標準化された予測残価の期待値を算出する関数（以下、
「予測関数」と呼ぶ。）を求める機能と、 前記標準化された残価に基づき、前記予測関数まわりの
分散を求める機能と、 前記予測関数に基づき所定将来における標準化された予
測残価の期待値を算出する機能と、（平均値、分散）＝
（前記算出した期待値、前記求めた分散）となる分布に
基づいて標本値を発生させ、標準化された予測残価とし
て記憶する機能と、を備えることを特徴とする請求項３
乃至５のいずれか１項に記載の残価予測システム。 - 【請求項８】 対象物の中古流通価格又は中古流通価格
の新品価格に対する比率（以下、中古流通価格とその新
品価格に対する比率を総称して「残価」と呼ぶ）、対象
物の属性、及び対象物の経過期間を含む取引データを記
憶する中古価格データベースを参照し、対象物の残価と
経過期間の対応関係に基づき、所定将来における予測残
価を算出する予測残価算出工程を備えることを特徴とす
る残価予測方法。 - 【請求項９】 前記対象物は車であることを特徴とする
請求項８記載の残価予測方法。 - 【請求項１０】 前記予測残価算出工程は、 前記中古価格データベースに記憶されている取引データ
について、該取引データに含まれる対象物の残価を、該
取引データに含まれる対象物の所定属性の属性値に基づ
き補正して、当該対象物の属性が代表属性値を取ると擬
制した場合（以下、代表属性値を取ると擬制することを
「標準化」と呼ぶ。）の残価を算出し、かかる標準化さ
れた残価と該取引データに含まれる経過期間に基づき所
定将来における標準化された予測残価を算出し記憶する
標準予測残価算出工程と、 前記標準化された予測残価に対し、残価を予測したい対
象物が備える属性に対応する修正を施して非標準化され
た予測残価を求め記憶する非標準化予測残価算出工程
と、を備えることを特徴とする請求項８又は９記載の残
価予測方法。 - 【請求項１１】 前記予測残価算出工程は、 対象物が代表属性値を取ると擬制した場合（以下、代表
属性値を取ると擬制することを「標準化」と呼ぶ。）
の、所定将来における標準化された予測残価（以下、
「標準化された予測残価」と呼ぶ。）を算出し記憶する
標準予測残価算出工程と、 記憶手段に記憶する属性の構成比に基づいて、対象物が
備える属性の属性値を確率的に選択し、前記標準化され
た予測残価に対し前記選択した属性値に対応する修正を
施して非標準化された予測残価を求め記憶する非標準予
測残価算出工程と、を備えることを特徴とする請求項８
又は９記載の残価予測方法。 - 【請求項１２】 前記対象物は車であり、前記属性は車
色、グレードのうち少なくともいずれかであることを特
徴とする請求項１０又は１１に記載の残価予測方法。 - 【請求項１３】 前記標準予測残価算出工程は、 前記中古価格データベースに記憶されている取引データ
について、該取引データに含まれる対象物の残価を、該
取引データに含まれる対象物の所定属性の属性値に基づ
き補正して、標準化された残価を算出する標準化工程
と、 前記標準化された残価と該取引データに含まれる経過期
間に基づき、標準化された予測残価の期待値を算出する
関数（以下、「予測関数」と呼ぶ。）を求める工程と、 前記予測関数に基づき所定将来における標準化された予
測残価の期待値を算出する工程と、を備えることを特徴
とする請求項１０乃至１２のいずれか１項に記載の残価
予測方法。 - 【請求項１４】 前記標準予測残価算出工程は、 記憶手段に記憶する対象物の残価を、該対象物の所定属
性の属性値に基づき補正して、標準化された残価を算出
する標準化工程と、 前記標準化された残価と該対象物の経過期間に基づき、
標準化された予測残価の期待値を算出する関数（以下、
「予測関数」と呼ぶ。）を求める工程と、 前記標準化された残価に基づき、前記予測関数まわりの
分散を求める工程と、 前記予測関数に基づき所定将来における標準化された予
測残価の期待値を算出する工程と、 （平均値、分散）＝（前記算出した期待値、前記求めた
分散）となる分布に基づいて標本値を発生させ、標準化
された予測残価として記憶する工程と、を備えることを
特徴とする請求項１０乃至１２のいずれか１項に記載の
残価予測方法。 - 【請求項１５】 残価保証保険の保険料を算出する保険
料算出システムであって、 対象物が代表属性値を取ると擬制した場合（以下、代表
属性値を取ると擬制することを「標準化」と呼ぶ。）
の、所定将来における予測残価（以下、「標準化された
予測残価」と呼ぶ。）を算出し記憶する標準予測残価算
出手段と、 記憶手段に記憶する属性の構成比に基づいて、対象物が
備える属性の属性値を確率的に選択し、前記標準化され
た予測残価に対し前記選択した属性値に対応する修正を
施して非標準化された予測残価（以下、「非標準予測残
価」と呼ぶ。）を求め記憶する非標準予測残価算出手段
と、 複数の前記非標準予測残価に基づいて保険料を算出する
保険料算出手段と、を備えることを特徴とする保険料算
出システム。 - 【請求項１６】 対象物が代表属性値を取ると擬制した
場合（以下、代表属性値を取ると擬制することを「標準
化」と呼ぶ。）の予測残価（以下、「標準化された予測
残価」と呼ぶ。）の期待値を算出する関数を記憶する関
数記憶手段と、 前記関数まわりの分散を記憶する分散記憶手段と、 対象物が備える属性に関し、属性の構成比を記憶する構
成比記憶手段と、 対象物が備える属性に関し、属性値ごとの非標準化情報
を記憶する非標準化情報記憶手段とを備えた保険料算出
システムであって、 前記関数記憶手段に記憶される関数に基づいて所定将来
における標準化された予測残価の期待値を算出し、前記
分散記憶手段より分散を読み出し、（平均値、分散）＝
（前記算出した期待値、前記読み出した分散）となる分
布に従って標準化された予測残価を算出する機能と、 前記構成比記憶手段から構成比を読み出し、各属性値を
選択する確率が前記読み出した構成比に応じた確率とな
るように設定して属性値を確率的に選択し、前記非標準
化情報記憶手段から前記選択した属性値に対応する非標
準化情報を読み出し、標準化された予測残価に対し前記
読み出した非標準化情報に基づいて修正を施して非標準
化された予測残価を算出する機能と、 複数の前記非標準化された予測残価について、それぞれ
所定の基準残価から減算して差分値を算出し、前記差分
値の平均値を平均補償額として算出し、前記平均補償額
に基づいて保険料を算出する機能と、を備えていること
を特徴とする保険料算出システム。 - 【請求項１７】 更に、対象物の残価データベースに基
づき、各データについて、対象物の標準化された残価を
算出する機能と、 前記標準化された残価と該対象物の経過期間に基づき、
標準化された予測残価の期待値を算出する関数を求めて
前記関数記憶手段に記憶する機能と、 前記標準化された残価に基づき、前記関数まわりの分散
を求めて前記分散記憶手段に記憶する機能と、を備える
ことを特徴とする請求項１６記載の保険料算出システ
ム。 - 【請求項１８】 前記対象物は車であり、前記属性は車
色、グレードのうち少なくともいずれかであることを特
徴とする請求項１５乃至１７のいずれか１項に記載の保
険料算出システム。 - 【請求項１９】 残価保証保険の保険料を算出する方法
であって、 対象物が代表属性値を取ると擬制した場合（以下、代表
属性値を取ると擬制することを「標準化」と呼ぶ。）
の、所定将来における予測残価（以下、「標準化された
予測残価」と呼ぶ。）を算出し記憶する標準予測残価算
出工程と、 記憶手段に記憶する属性の構成比に基づいて、対象物が
備える属性の属性値を確率的に選択し、前記標準化され
た予測残価に対し前記選択した属性値に対応する修正を
施して非標準化された予測残価（以下、「非標準予測残
価」と呼ぶ。）を求め記憶する非標準予測残価算出工程
と、 複数の前記非標準予測残価に基づいて保険料を算出する
保険料算出工程と、を備えることを特徴とする保険料算
出方法。 - 【請求項２０】 前記標準予測残価算出工程は、 対象物の標準予測残価の期待値を算出する関数と、前記
関数まわりの分散とを読み出す工程と、 前記読み出した関数に基づき所定将来における標準化さ
れた予測残価の期待値を算出する工程と、 （平均値、分散）＝（前記算出した期待値、前記読み出
した分散）となる分布に基づいて標本値を発生させ、標
準化された予測残価として記憶する工程と、を備えるこ
とを特徴とする請求項１９記載の保険料算出方法。 - 【請求項２１】 前記標準予測残価算出工程は、 対象物の標準化された予測残価の期待値を算出する関数
と、前記関数まわりの分散とを読み出す工程と、 前記読み出した関数に基づき所定将来における標準化さ
れた予測残価の期待値を算出する工程と、 自己相関情報を読み出す工程と、 （平均値、分散）＝（０、１）となる分布に基づいて乱
数を発生させる工程と、 前記発生させた乱数及び過去に用いた標準予測残価算出
用乱数に対し、前記読み出した自己相関情報に基づいて
標準予測残価算出用乱数を算出する工程と、 前記算出した標準化された予測残価の期待値及び前記読
み出した分散及び前記算出した標準予測残価算出用乱数
に基づいて標準化された予測残価を算出し、記憶する工
程と、を備えることを特徴とする請求項１９記載の保険
料算出方法。 - 【請求項２２】 前記標準予測残価算出工程は、更に、 対象物の残価データベースに基づき、各データについ
て、対象物の標準化された残価を算出する標準化工程
と、 前記標準化された残価と該対象物の経過期間に基づき、
標準化された予測残価の期待値を算出する関数を求めて
記憶する工程と、 前記標準化された残価に基づき、前記関数まわりの分散
を求めて記憶する工程と、を備えることを特徴とする請
求項２０又は２１記載の保険料算出方法。 - 【請求項２３】 前記非標準予測残価算出工程は、 対象物が備える所定の属性に関し、記憶手段に記憶する
属性の構成比を読み出す工程と、 各属性値を選択する確率が構成比に応じた確率となるよ
うに設定して、属性値を確率的に選択する工程と、 記憶手段に記憶する前記選択した属性値に対応する非標
準化情報を読み出す工程と、 標準化された予測残価に対し、前記読み出した非標準化
情報に基づいて修正を施して非標準予測残価を算出し記
憶する工程と、を備えることを特徴とする請求項１９乃
至２２のいずれか１項に記載の保険料算出方法。 - 【請求項２４】 前記保険料算出工程は、 複数の前記非標準予測残価を読み出す工程と、 各前記読み出した非標準予測残価について、それぞれ所
定の基準残価から減算して差分値を算出し記憶する工程
と、 前記差分値の平均値を算出し、平均補償額として記憶す
る工程と、 前記平均補償額に基づいて保険料を算出する工程と、を
備えることを特徴とする請求項１９乃至２３のいずれか
１項に記載の保険料算出方法。 - 【請求項２５】 前記保険料算出工程は、所定標本数の
非標準予測残価を１セットとし、複数セットについてそ
れぞれ平均補償額を求め、複数の平均補償額の平均値に
基づいて保険料を算出することを特徴とする請求項２４
記載の保険料算出方法。 - 【請求項２６】 前記対象物は車であり、前記属性は車
色、グレードのうち少なくともいずれかであることを特
徴とする請求項１９乃至２５のいずれか１項に記載の保
険料算出方法。 - 【請求項２７】 請求項８乃至１４のいずれか１項に記
載の残価予測方法をコンピュータで実行させるための残
価予測プログラムを格納したコンピュータ読み取り可能
な記録媒体。 - 【請求項２８】 請求項１９乃至２５いずれか１項に記
載の保険料算出方法をコンピュータで実行させるための
保険料算出プログラムを格納したコンピュータ読み取り
可能な記録媒体。 - 【請求項２９】 請求項８乃至１４のいずれか１項に記
載の残価予測方法をコンピュータで実行させるための残
価予測プログラム。 - 【請求項３０】 請求項１９乃至２５いずれか１項に記
載の保険料算出方法をコンピュータで実行させるための
保険料算出プログラム。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000332475A JP3581094B2 (ja) | 2000-10-31 | 2000-10-31 | 残価予測システム及びその方法、並びにコンピュータ上で動作する残価予測プログラムを記録した記録媒体 |
| US09/983,441 US7366679B2 (en) | 2000-10-31 | 2001-10-24 | Residual value forecasting system and method thereof, insurance premium calculation system and method thereof, and computer program product |
| EP01309234A EP1265169A3 (en) | 2000-10-31 | 2001-10-31 | Attribute forecasting system and method thereof, insurance premium calculation system and method thereof, and computer program product |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000332475A JP3581094B2 (ja) | 2000-10-31 | 2000-10-31 | 残価予測システム及びその方法、並びにコンピュータ上で動作する残価予測プログラムを記録した記録媒体 |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2002381926A Division JP2003216819A (ja) | 2002-12-27 | 2002-12-27 | 保険料算出システム及びその方法、並びにコンピュータ上で動作する保険料算出プログラムを記録した記録媒体 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2002140462A true JP2002140462A (ja) | 2002-05-17 |
| JP3581094B2 JP3581094B2 (ja) | 2004-10-27 |
Family
ID=18808677
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2000332475A Expired - Lifetime JP3581094B2 (ja) | 2000-10-31 | 2000-10-31 | 残価予測システム及びその方法、並びにコンピュータ上で動作する残価予測プログラムを記録した記録媒体 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US7366679B2 (ja) |
| EP (1) | EP1265169A3 (ja) |
| JP (1) | JP3581094B2 (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111291914A (zh) * | 2018-12-06 | 2020-06-16 | 北京嘀嘀无限科技发展有限公司 | 一种群体聚集场景的预测方法、装置、设备及存储介质 |
| JP7169727B1 (ja) | 2021-05-26 | 2022-11-11 | トヨタ自動車株式会社 | 情報処理装置および車両製造方法 |
Families Citing this family (51)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7369838B1 (en) * | 2000-10-03 | 2008-05-06 | At&T Corporation | Intra-premises wireless broadband service using lumped and distributed wireless radiation from cable source input |
| US7546273B2 (en) * | 2001-08-30 | 2009-06-09 | International Business Machines Corporation | System and method for evaluating residual values of products |
| US7415471B1 (en) * | 2001-11-30 | 2008-08-19 | Midland Loan Services, Inc. | Methods and systems for automated data collection and analysis for use in association with asset securitization |
| US7822691B1 (en) * | 2001-12-28 | 2010-10-26 | Fannie Mae | Method for determining house prices indices |
| DE10310527B4 (de) * | 2003-03-11 | 2008-11-20 | Christian Hogl | Verfahren zum Initiieren und/oder Durchführen einer Zahlungstransaktion |
| US20050044050A1 (en) * | 2003-08-18 | 2005-02-24 | Horticultural Asset Management, Inc. | Techniques for valuing, insuring, and certifying a valuation of landscape architectures |
| US7711584B2 (en) | 2003-09-04 | 2010-05-04 | Hartford Fire Insurance Company | System for reducing the risk associated with an insured building structure through the incorporation of selected technologies |
| US9311676B2 (en) | 2003-09-04 | 2016-04-12 | Hartford Fire Insurance Company | Systems and methods for analyzing sensor data |
| JP2005135287A (ja) * | 2003-10-31 | 2005-05-26 | National Agriculture & Bio-Oriented Research Organization | 予測装置、予測方法および予測プログラム |
| US10311455B2 (en) * | 2004-07-08 | 2019-06-04 | One Network Enterprises, Inc. | Computer program product and method for sales forecasting and adjusting a sales forecast |
| US20060074707A1 (en) * | 2004-10-06 | 2006-04-06 | Schuette Thomas A | Method and system for user management of a fleet of vehicles including long term fleet planning |
| JP4607574B2 (ja) * | 2004-12-27 | 2011-01-05 | 新光企業株式会社 | 保険料率設定支援システム |
| US7734497B2 (en) * | 2005-02-23 | 2010-06-08 | International Business Machines Corporation | Method, system, and storage medium for implementing transaction-based data exchange |
| US7685063B2 (en) | 2005-03-25 | 2010-03-23 | The Crawford Group, Inc. | Client-server architecture for managing customer vehicle leasing |
| US20060265235A1 (en) * | 2005-05-12 | 2006-11-23 | The Crawford Group, Inc. | Method and system for managing vehicle leases |
| EP1974490A4 (en) * | 2005-12-19 | 2012-01-18 | Commvault Systems Inc | SYSTEM AND METHOD FOR APPLYING DIGITAL CONTENT A FLEXIBLE LICENSE ASSIGNMENT PROCEDURE |
| US20070250327A1 (en) * | 2006-04-24 | 2007-10-25 | Shad Hedy | System and method for used vehicle valuation based on actual transaction data provided by industry participants |
| US20070282624A1 (en) * | 2006-05-31 | 2007-12-06 | Athey Michael J | System and method for generating a value retention schedule |
| US20080052216A1 (en) * | 2006-08-22 | 2008-02-28 | Johnson Arthur W | System and method for determining used vehicle market values for use in hedging risks associated with used vehicle futures contracts |
| US20080077451A1 (en) * | 2006-09-22 | 2008-03-27 | Hartford Fire Insurance Company | System for synergistic data processing |
| WO2008066860A1 (en) * | 2006-11-29 | 2008-06-05 | Ocean Tomo, Llc | A marketplace for trading intangible asset derivatives and a method for trading intangible asset derivatives |
| US8359209B2 (en) | 2006-12-19 | 2013-01-22 | Hartford Fire Insurance Company | System and method for predicting and responding to likelihood of volatility |
| WO2008079325A1 (en) * | 2006-12-22 | 2008-07-03 | Hartford Fire Insurance Company | System and method for utilizing interrelated computerized predictive models |
| JP2010524078A (ja) * | 2007-04-04 | 2010-07-15 | ヴァリューガード アーベー | 自動化された保険サービスシステム |
| US20090043615A1 (en) * | 2007-08-07 | 2009-02-12 | Hartford Fire Insurance Company | Systems and methods for predictive data analysis |
| US9665910B2 (en) * | 2008-02-20 | 2017-05-30 | Hartford Fire Insurance Company | System and method for providing customized safety feedback |
| US7870049B1 (en) | 2008-08-15 | 2011-01-11 | United Services Automobile Association (Usaa) | Systems and methods for implementing real estate value insurance |
| US7890403B1 (en) * | 2008-08-15 | 2011-02-15 | United Services Automobile Association (Usaa) | Systems and methods for implementing real estate future market value insurance |
| US7885879B1 (en) | 2008-08-15 | 2011-02-08 | United Services Automobile Association (Usaa) | Systems and methods for implementing real estate value insurance |
| US8612314B2 (en) | 2008-09-09 | 2013-12-17 | Truecar, Inc. | System and method for the utilization of pricing models in the aggregation, analysis, presentation and monetization of pricing data for vehicles and other commodities |
| EP2913790A1 (en) | 2008-09-09 | 2015-09-02 | Truecar Inc. | System and method for calculating and displaying price distributions based on analysis of transactions |
| US20110004498A1 (en) * | 2009-07-01 | 2011-01-06 | International Business Machines Corporation | Method and System for Identification By A Cardholder of Credit Card Fraud |
| US8355934B2 (en) * | 2010-01-25 | 2013-01-15 | Hartford Fire Insurance Company | Systems and methods for prospecting business insurance customers |
| US8412560B1 (en) * | 2010-03-05 | 2013-04-02 | Amazon Technologies, Inc. | Price optimization using current offers |
| US9460471B2 (en) | 2010-07-16 | 2016-10-04 | Hartford Fire Insurance Company | System and method for an automated validation system |
| US10296929B2 (en) | 2011-06-30 | 2019-05-21 | Truecar, Inc. | System, method and computer program product for geo-specific vehicle pricing |
| US8645193B2 (en) * | 2011-07-28 | 2014-02-04 | Truecar, Inc. | System and method for analysis and presentation of used vehicle pricing data |
| US9805422B1 (en) | 2012-05-24 | 2017-10-31 | Allstate Insurance Company | Systems and methods for calculating seasonal insurance premiums |
| TWI610166B (zh) | 2012-06-04 | 2018-01-01 | 飛康國際網路科技股份有限公司 | 自動災難復原和資料遷移系統及方法 |
| US20140019205A1 (en) * | 2012-07-11 | 2014-01-16 | Sap Ag | Impact measurement based on data distributions |
| US9607310B2 (en) * | 2012-08-15 | 2017-03-28 | Alg, Inc. | System, method and computer program for forecasting residual values of a durable good over time |
| US11257101B2 (en) | 2012-08-15 | 2022-02-22 | Alg, Inc. | System, method and computer program for improved forecasting residual values of a durable good over time |
| US10430814B2 (en) | 2012-08-15 | 2019-10-01 | Alg, Inc. | System, method and computer program for improved forecasting residual values of a durable good over time |
| US20140207705A1 (en) * | 2013-01-24 | 2014-07-24 | Alg, Inc. | Residual risk analysis system, method and computer program product therefor |
| US10504159B2 (en) | 2013-01-29 | 2019-12-10 | Truecar, Inc. | Wholesale/trade-in pricing system, method and computer program product therefor |
| US9773251B2 (en) * | 2014-06-03 | 2017-09-26 | Ford Global Technologies, Llc | Apparatus and system for generating vehicle usage model |
| US20180025452A1 (en) * | 2016-07-21 | 2018-01-25 | Realtex Value LLC | Computerized systems and methods for optimizing building construction |
| US20180068355A1 (en) * | 2016-09-07 | 2018-03-08 | CMT Group, LLC | Rental vehicle fleet management system |
| CA2982060A1 (en) * | 2016-10-11 | 2018-04-11 | Alg, Inc. | System, method and computer program for improved forecasting residual values of a durable good over time |
| US10394871B2 (en) | 2016-10-18 | 2019-08-27 | Hartford Fire Insurance Company | System to predict future performance characteristic for an electronic record |
| US10459666B2 (en) | 2017-03-03 | 2019-10-29 | Commvault Systems, Inc. | Using storage managers in respective data storage management systems for license distribution, compliance, and updates |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0869503A (ja) | 1994-06-20 | 1996-03-12 | Fujitsu Ltd | リース会計処理装置 |
| US5911131A (en) * | 1995-12-20 | 1999-06-08 | Vig; Tommy | Computer aided calculation, appraisal and valuation of works of art |
| JP3877815B2 (ja) | 1996-11-08 | 2007-02-07 | 光永 和田 | 自動車のリースプラン比較演算装置 |
| JPH10320459A (ja) | 1997-05-16 | 1998-12-04 | Hoomuzu:Kk | 土地評価システム |
| JPH1125158A (ja) | 1997-06-30 | 1999-01-29 | Ryoichi Ino | 中古車のオークション落札価格の予測演算処理方法、及び中古車のオークション落札価格の予測演算処理装置 |
| JP2980576B2 (ja) | 1997-09-12 | 1999-11-22 | 株式会社東芝 | 物理乱数発生装置及び方法並びに物理乱数記録媒体 |
| US7236983B1 (en) * | 1998-11-09 | 2007-06-26 | Chrome Data Corporation | Hierarchical data structure for vehicle identification and configuration data including protected customer data |
| JP3529663B2 (ja) | 1999-03-31 | 2004-05-24 | 株式会社東芝 | 走行所要時間情報演算装置 |
| US6502080B1 (en) * | 1999-08-31 | 2002-12-31 | The Chase Manhattan Bank | Automatic lease residual management system |
| US6622129B1 (en) * | 2000-02-14 | 2003-09-16 | Brian L. Whitworth | Method of creating an index of residual values for leased assets, transferring residual value risk, and creating lease securitizations |
-
2000
- 2000-10-31 JP JP2000332475A patent/JP3581094B2/ja not_active Expired - Lifetime
-
2001
- 2001-10-24 US US09/983,441 patent/US7366679B2/en not_active Expired - Lifetime
- 2001-10-31 EP EP01309234A patent/EP1265169A3/en not_active Withdrawn
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111291914A (zh) * | 2018-12-06 | 2020-06-16 | 北京嘀嘀无限科技发展有限公司 | 一种群体聚集场景的预测方法、装置、设备及存储介质 |
| JP7169727B1 (ja) | 2021-05-26 | 2022-11-11 | トヨタ自動車株式会社 | 情報処理装置および車両製造方法 |
| JP2022181695A (ja) * | 2021-05-26 | 2022-12-08 | トヨタ自動車株式会社 | 情報処理装置および車両製造方法 |
| JP7476939B2 (ja) | 2021-05-26 | 2024-05-01 | トヨタ自動車株式会社 | 情報処理装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| US7366679B2 (en) | 2008-04-29 |
| JP3581094B2 (ja) | 2004-10-27 |
| EP1265169A3 (en) | 2002-12-18 |
| EP1265169A2 (en) | 2002-12-11 |
| US20020072958A1 (en) | 2002-06-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3581094B2 (ja) | 残価予測システム及びその方法、並びにコンピュータ上で動作する残価予測プログラムを記録した記録媒体 | |
| Engelmann et al. | The Basel II risk parameters: estimation, validation, and stress testing | |
| Pigeon et al. | Individual loss reserving with the multivariate skew normal framework | |
| Liu et al. | Are there structural breaks in realized volatility? | |
| US20080010188A1 (en) | Method and apparatus for predicting outcomes of a home equity line of credit | |
| US8170905B2 (en) | System and method determining reference values of sensitivities and client strategies based on price optimization | |
| US20080235130A1 (en) | System and Computer Program for Modeling and Pricing Loan Products | |
| WO2019105226A1 (zh) | 一种用于营销活动效果预测的方法、装置及电子设备 | |
| US20190378180A1 (en) | Method and system for generating and using vehicle pricing models | |
| WO2020024718A1 (zh) | 外汇交易量预测方法和装置 | |
| Jiang et al. | A new hedonic regression for real estate prices applied to the Singapore residential market | |
| Corsi et al. | Volatility forecasting: The jumps do matter | |
| Liebermann | Real‐time nowcasting of GDP: A factor model vs. professional forecasters | |
| JP4443619B2 (ja) | ポートフォリオの信用リスクの計算方法および装置 | |
| Mun | Advanced analytical models: over 800 models and 300 applications from the basel II accord to Wall Street and beyond | |
| Régis et al. | Using multi-state markov models to identify credit card risk | |
| US20120136822A1 (en) | Key performance indicator feedback in rule-based system | |
| Bertola et al. | Dealer pricing of consumer credit | |
| CN112241916A (zh) | 个人信用风险违约预警方法、装置、设备及存储介质 | |
| CN115147030A (zh) | 利率评估方法、装置、电子设备及可读存储介质 | |
| JP2003216819A (ja) | 保険料算出システム及びその方法、並びにコンピュータ上で動作する保険料算出プログラムを記録した記録媒体 | |
| Ghysels et al. | Real-time Forecasts of state and Local Government Budgets with an Application to the COVID-19 Pandemic | |
| Musakwa | Pricing a motor extended warranty with limited usage cover | |
| Bagui et al. | Traffic and revenue forecast at risk for a BOT road project | |
| CN112581282A (zh) | 估值结果损益变动监控方法、装置、电子设备及介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20040423 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20040518 |
|
| 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: 20040630 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20040721 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 3581094 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080730 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090730 Year of fee payment: 5 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100730 Year of fee payment: 6 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100730 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110730 Year of fee payment: 7 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120730 Year of fee payment: 8 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130730 Year of fee payment: 9 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313117 |
|
| S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| 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 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| EXPY | Cancellation because of completion of term |