JP2004164155A

JP2004164155A - 個人信用格付けシステム、および、個人信用格付けプログラム

Info

Publication number: JP2004164155A
Application number: JP2002327794A
Authority: JP
Inventors: Sanpei Nakabayashi; 三平中林; Goro Sato; 悟郎佐藤; Michiyuki Kawada; 倫之川田
Original assignee: Financial Engineering Group Inc; Suruga Bank Ltd
Current assignee: Financial Engineering Group Inc; Suruga Bank Ltd
Priority date: 2002-11-12
Filing date: 2002-11-12
Publication date: 2004-06-10
Anticipated expiration: 2022-11-12
Also published as: JP4338958B2

Abstract

【課題】金融商品の利用の有無に関わらず、銀行取引口座開設後一定期間以上経過している顧客に個人信用格付けを付与する。
【解決手段】過去に個人向け金融商品の取引を実施した顧客事例から抽出した訓練事例に基づき不芳取引発生確率の推計値を算出するためのルールを生成するルール生成部２４は、金融商品の取引のある既与信顧客に適用する第１の変換ルールと、銀行取引口座を所有するが金融商品の取引の無い未与信顧客に適用する第２の変換ルールを生成する。銀行への取引口座開設後、一定期間以上経過し、その間に何らかの口座取引が行われた個人顧客に、第１のルール記憶手段或いは前記第２のルール記憶手段に記憶された変換ルールを適用するルール適用部２６は、既与信顧客について、第１の変換ルールを適用して格付けを付与し、その一方、未与信顧客については、第２のルール記憶手段に記憶された第２の変換ルールを適用して格付けを付与する。
【選択図】図２

Description

【０００１】
【発明の属する技術分野】
本発明は、金融機関の個人顧客に対する信用格付けを実施するシステムおよびそのプログラムに関する。
【０００２】
【従来の技術】
銀行業務等においては、貸出し債権のリスク管理の重要性が認識されており、取引先の法人に対する与信判断に外部の企業格付け情報を利用していることが多い。たとえば、主として上場法人に対しては、（株）日本格付研究所などの企業格付け専門機関、主として非上場法人に対しては（株）帝国データバンクなどの信用度調査専門機関があって、財務データなどをもとにして信用格付け情報を提供している。
たとえば、非特許文献１に示すように、財務定量モデルによる評価、定性要因による調整、および、外部情報の勘案の手順を経て、最終的な格付けを得ることができる。
【０００３】
【非特許文献】「特集クレジット・リスク（その１）信用格付けを活用した信用リスク管理体制の整備」（宮下俊郎、下田尚人著、「証券アナリストジャーナル２００２年３月号」第３２頁〜第３５頁、社団法人日本証券アナリスト協会、平成１４年３月２０日発行）
【０００４】
上述したように、法人については、与信先の格付けを付与する機関が存在するが、個人に関しては、国内では多数の個人に関する信用度の調査を行い、格付けを実施する専門機関は存在しない。
尤も、個人の与信適正化を図る目的で、銀行、クレジットカード会社、消費者金融会社などの金融機関種類別に個人信用情報機関が存在し、それぞれ個人別の借入れ件数や金額を取りまとめており、会員企業はローン申込者や取引中の顧客の個人向け金融商品の借入状況や決済状況に関する個人信用情報を知ることができる。この個人信用情報は会員企業である各金融機関にとっては申込のあった個人の他社からの借入状況や決済状況を相対的な個人の信用度合いの指標として用いることができる。
【０００５】
【発明が解決しようとする課題】
しかしながら、この個人信用情報は個人信用格付けの観点から見ると、会員企業における個人向け金融商品の利用申し込みが無い状態の個人に対しては獲得不能であるという問題点が存在する。
【０００６】
そもそも個人信用格付けは、個人向け金融商品の利用を想定した場合の返済に関わる信用度合いを表すもので、顧客ごとに個人向け金融商品の利用の有無に関わらずあらかじめ或る値として付与されるべきである。この観点から見ると、金融商品の利用申込時において初めて付与される個人の信用度合いを表すいかなる指標も個人信用格付けの範疇では無い。
【０００７】
本発明は、上記の問題点に鑑みなされたものであって、金融機関外部の情報には依存せず、金融機関内部における顧客との取引により発生する顧客の個人属性情報、融資利用・決済情報、および、銀行口座利用情報を用いて、個人向け金融商品の利用の有無に関わらず、銀行取引口座開設後一定期間以上経過している顧客に対する個人信用格付けを行うシステムおよびプログラムを提供することを目的とする。
【０００８】
【課題を解決するための手段】
概略的に、本発明は、２つの手段を備える。第１の手段は、金融機関内部に保管されている過去の個人向け金融商品取引事例データを訓練事例として不芳取引発生確率推計モデルを構築するとともに、不芳取引発生確率推計モデルから出力される不芳取引発生確率推計値を個人信用格付けに変換する規則を定義する。第２の手段は、現時点までの個々の訓練事例に対し、上記第１の手段から得られる個人信用格付け設定ルールを適用し各顧客に対するその時点における個人信用格付けを付与する。
【０００９】
すなわち、本発明の目的は、個人向け金融商品取引後の完済見込みの度合いを順序カテゴリとして示す個人信用格付けを算出し、個人顧客に付与する個人信用格付けシステムであって、過去に個人向け金融商品の取引を実施した顧客事例から抽出された訓練事例に基づき金融商品取引有無に関わらず個人顧客に適用できる所定の月以上の連続延滞および／または貸倒れ発生により定義された不芳取引発生確率の推計値を算出するためのルールを生成するルール生成手段であって、金融商品の取引のある個人顧客である既与信顧客に適用する第１の変換ルールと、銀行取引口座を所有するが金融商品の取引の無い個人顧客である未与信顧客に適用する第２の変換ルールを生成するルール生成手段と、前記第１の変換ルールを記憶する第１のルール記憶手段と、前記第２の変換ルールを記憶する第２のルール記憶手段と、銀行への取引口座開設後、一定期間以上経過し、かつ、その間に何らかの口座取引が行われた個人顧客に、前記第１のルール記憶手段或いは前記第２のルール記憶手段に記憶されたルールを適用するルール適用手段であって、前記個人顧客が既与信顧客である場合には、前記第１のルール記憶手段に記憶された第１の変換ルールを適用して、前記個人顧客に格付けを付与し、その一方、前記個人顧客が未与信顧客である場合には、前記第２のルール記憶手段に記憶された第２の変換ルールを適用して、前記個人顧客に格付けを付与するルール適用手段と、前記付与された格付けを、個人顧客と関連付けて記憶する格付けデータ記憶手段とを備えたことを特徴とする個人信用格付けシステムにより達成される。
【００１０】
好ましい実施態様においては、ルール生成手段が、訓練事例から不芳取引発生確率を推計する不芳取引発生確率モデルであって、過去の時点「ａ」から時点「ｂ」（ただしａ＜ｂ）までの第１の期間において個人向け金融商品利用中であり、かつ、当該期間内において不芳取引が発生していない条件を満足する訓練事例を共通の訓練事例として用い、前記時点「ａ」から時点「ｂ」までの第１の期間における流動性預金残高・固定性預金残高・ＡＴＭ出金回数を含む口座利用情報、時点「ｂ」における年齢・性別・職種を含む個人基本属性、および、前記時点「ａ」から時点「ｂ」までの前記第１の期間における当該個人向け金融商品の利用・決済情報を説明変数とし、前記時点「ｂ」から現時点「ｃ」（ただしｂ＜ｃ）までの第２の期間における、不芳取引決済の有無を目的変数とした第１の不芳取引発生確率推計モデルと、前記時点「ａ」から時点「ｂ」までの第１の期間における前記口座利用情報、および、前記時点「ｂ」における前記個人属性を説明変数とし、前記時点「ｂ」から時点「ｃ」までの前記第２の期間における前記不芳取引発生の有無を目的変数とする第２の不芳取引発生確率推計モデルとを生成する。
【００１１】
なお、ルール生成手段において、不芳取引発生確率の推計に用いるモデル構築手法は不芳取引発生の有無を目的クラス、その他の項目を説明変数とした判別ツリーモデルなどであるが、その他のいかなる分類（Ｃｌａｓｓｉｆｉｃａｔｉｏｎ）モデルであっても本発明に適用することができる。
【００１２】
また、好ましい実施態様においては、前記ルール生成手段が、前記第１の不芳取引発生確率モデルにより推計される訓練事例上の不芳取引発生率から、任意の数の順序尺度カテゴリ値への第１の変換ルールを生成し、かつ、前記第２の不芳取引発生確率モデルにより推計される訓練事例上の不芳取引発生率から、任意の数の順序尺度カテゴリ値への第２の変換ルールを生成する。
【００１３】
一般的な格付けへの変換方法の１つとして、信用格付けの出現分布が顧客母集団において一定の構成比率を満たすように調整することがある。ここでは、訓練事例上の不芳取引発生確率推計値の累積分布関数を求めた上で、累積出現確率に対応する不芳取引発生確率推計値を閾値の刻みとして用いればよい。たとえば、格付け「Ａ」は上位５％、格付け「Ｂ」は次の１０％、格付け「Ｃ」は次の２０％、格付け「Ｄ」は中央の３０％、格付け「Ｅ」は次の２０％、格付け「Ｆ」は次の１０％、格付け「Ｇ」は残りの５％の構成比率を持つように分布させたい場合には、不芳取引発生確率推計値の累積分布関数において累積分布値が５％、１５％、３５％、６５％、８５％、９５％および１００％に対応する不芳取引発生確率推計値を閾値として個人信用格付けへの変換規則を定義すればよい。
【００１４】
或いは、変換ルールとして、不芳取引発生確率推計値の大きさそのものを閾値とする手法を採用してもよい。たとえば、不芳取引発生確率推計値が０％であれば格付け「Ａ」、０％超１％以下であれば格付け「Ｂ」、１％超２％以下であれば格付け「Ｃ」、２％超３％以下であれば格付け「Ｄ」、３％超５％以下であれば格付け「Ｅ」、５％超であれば格付け「Ｆ」を与える。上記手法を含めその他のいかなる変換規則でも本発明に用いることができる。
【００１５】
別の好ましい実施態様においては、ルール適用手段が、取引口座開設から前記少なくとも第１の期間経過している個人顧客中、既与信顧客について、現時点から前記第１の期間をさかのぼった第３の時点「ｄ」から現時点「ｃ」（ただし、ｄ＜ｃ）までの、前記第１の期間に相当する第２の期間における、当該既与信顧客の口座利用情報、現時点「ｃ」における個人基本属性、および、第２の期間における金融商品の利用・決済情報に基づき、第１のルール記憶手段に記憶された第１の変換ルールを参照して、その不芳取引発生確率推計値に対応する格付けを付与し、未与信顧客について、前記第３の時点「ｄ」から現時点「ｃ」までの、前記第１の期間に相当する第２の期間における、当該未与信顧客の口座利用情報、および、現時点「ｃ」における個人基本属性に基づき、第２のルール記憶手段に記憶された第２の変換ルールを参照して、その不芳取引発生確率値に対応する格付けを付与するように構成されている。
【００１６】
さらに、個人顧客が未与信顧客である場合に、前記ルール適用手段に、前記第２の変換ルールを適用させて、当該個人顧客に、予備的な格付けを与えさせ、当該個人顧客が、金融商品の取引を開始した後、前記第１の期間に相当する期間が経過した場合に、前記ルール適用手段に、前記第１の変換ルールを適用させて、融資実績に基づく格付けを与えさせる管理手段を備えているのが望ましい。これにより、たとえば、金融商品の取引を申し込んだ（たとえば、住宅ローンを申し込んだ）未与信顧客に対して、予備的な格付けを与え、金融商品の取引の開始後、所定の期間を経過した際に、より正確な新たな格付けを与えることが可能となる。
【００１７】
また、本発明の目的は、個人向け金融商品取引後の完済見込みの度合いを順序カテゴリとして示す個人信用格付けを算出し、個人顧客に付与するためにコンピュータを動作させる、コンピュータにより読み出し可能なプログラムであって、過去に個人向け金融商品の取引を実施した顧客事例から抽出された訓練事例に基づき金融商品取引有無に関わらず個人顧客に適用できる所定の月以上の連続延滞および／または貸倒れ発生により定義された不芳取引発生確率の推計値を算出するためのルールを生成するルール生成ステップであって、金融商品の取引のある個人顧客である既与信顧客に適用する第１の変換ルールを生成し、当該第１の変換ルールを、第１のルール記憶手段に記憶し、また、銀行取引口座を所有するが金融商品の取引の無い個人顧客である未与信顧客に適用する第２の変換ルールを生成し、当該第２の変換ルールを、第２のルール記憶手段に記憶するルール生成ステップと、銀行取引口座開設後、一定期間以上経過し、かつ、その間に何らかの口座取引が行われた個人顧客に、前記第１のルール記憶手段或いは前記第２のルール記憶手段に記憶されたルールを適用するルール適用ステップであって、前記個人顧客が既与信顧客である場合には、前記第１のルール記憶手段に記憶された第１の変換ルールを適用して、前記個人顧客に格付けを付与し、当該格付けを前記個人顧客と関連付けて格付けデータ記憶手段に記憶し、その一方、前記個人顧客が未与信顧客である場合には、前記第２のルール記憶手段に記憶された第２の変換ルールを適用して、前記個人顧客に格付けを付与し、当該格付けを、前記個人顧客と関連付けて格付けデータ記憶手段に記憶するルール適用ステップとを、前記コンピュータに実行させることを特徴とするプログラムによっても達成される。
【００１８】
【発明の実施の形態】
以下、添付図面を参照して本発明の実施の形態について説明する。本実施の形態にかかる個人信用格付けシステムは、金融機関取引顧客を抽出し、これに対して所定の処理を実行することにより個人信用格付けの付与を実施する。
本明細書においては、まず、個人信用格付けシステムによる個人信用格付けの原理を述べ、次いで、実際のプログラムによる処理について説明する。
【００１９】
個人信用格付けシステムにおいては、現時点「ｃ」をある年月日に設定し、第１の過去の時点「ａ」、第１の過去の時点と現時点との間に位置する第２の過去の時点「ｂ」に関して、適切な値を付与する。ここでは、例示的に、現時点「ｃ」を２００１年１０月１日、第１の時点「ａ」を現時点「ｃ」から遡って過去１２ヶ月前（２０００年１０月１日）、第２の時点「ｂ」を現時点から遡って過去６ヶ月前（２００１年４月１日）とする。
【００２０】
本実施の形態では、
（１）第１の時点「ａ」から第２の時点「ｂ」までの期間において、個人向け金融商品を継続して利用中であり、かつ、当該期間内において４日以上の延滞が３回以上あるいは月超延滞が１回以上という不芳取引がいずれも発生していない条件により抽出された顧客を訓練事例として用い、
（２）エントロピー基準による判別ツリー法を採用した不芳取引発生確率推計モデルを構築し、
（３）不芳取引発生確率の大きさによる個人信用格付けへの変換方式を採用して、変換ルールを定義し、
（４）第２の時点「ｂ」における未与信顧客および既与信顧客に対して個人信用格付けを付与する。
【００２１】
まず、（１）にて用いられる訓練事例について説明する。モデルの目的クラスである不芳取引発生の定義として、第２の時点「ｂ」（２００１年４月１日）から現時点「ｃ」の前日（２００１年９月３０日）までの期間に４日以上の延滞が３回以上あるいは月超延滞が１回以上発生していることとする。
【００２２】
既与信顧客に適用する第１の不芳取引発生確率推計モデルの説明変数は、第１の時点「ａ」（２０００年１０月１日）から第２の時点「ｂ」の前日（２００１年３月３１日）までの月次の流動性預金残高合計、固定性預金合計、ＡＴＭ出金、クレジット自振合計、給与振込み、自動振込み、送金、公共料金引落し額、年金振込み額の平均値を収納する銀行口座利用情報、および、第２の時点「ｂ」（２００１年４月１日）時点における生年月日、性別、初回口座開設日を収納する個人属性情報と、それらに加えて第１の時点「ａ」（２０００年１０月１日）から第２の時点「ｂ」の前日（２００１年３月３１日）までの月次の融資残高合計、貸金収益額の平均値を収納する融資利用・決済情報とする。
【００２３】
他方、未与信顧客に適用する第２の不芳取引発生確率推計モデルの説明変数は、同じく第１の時点「ａ」（２０００年１０月１日）から第２の時点「ｂ」の前日（２００１年３月３１日）までの月次の流動性預金残高合計、固定性預金合計、ＡＴＭ出金、クレジット自振合計、給与振込み、自動振込み、送金、公共料金引落し額、年金振込み額の平均値を収納する銀行口座利用情報、および、第２の時点「ｂ」（２００１年４月１日）における生年月日、性別、初回口座開設日を収納する個人属性情報とする。
【００２４】
次に、本実施の形態において採用するエントロピー基準による判別ツリー法についてより詳細に説明する。これについては、たとえば、「Ｃ４．５：ＰｒｏｇｒａｍｓｆｏｒＭａｃｈｉｎｅＬｅａｒｎｉｎｇ（１９９３年、Ｊ．ＲｏｓｓＱｕｉｎｌａｎ著ＭｏｒｇａｎＫａｕｆｍａｎｎＰｕｂｌｉｓｈｅｒｓ，Ｉｎｃ．発行）」に詳細に述べられている。
【００２５】
個人顧客の集合Ｓを、目的属性（一般にＮ個のクラスＣ_１，・・・，Ｃ_Ｎであるが、ここでは不芳取引発生の有無の２クラスとする。）
を適切に説明するように、ｋ個の排反な部分集合Ｔ_１，・・・，Ｔ_ｋに分割することを考える。一般に、クラスの混在度合いを表すエントロピー関数は以下のように定義される。ｆｒｅｑ（Ｃ_ｊ，Ｓ）により、集合Ｓ内にあるクラスＣ_ｊの事例数を表すものとする。このとき、事例の集合Ｓからランダムに１つの事例を選び、それがクラスＣ_ｊに属する確率Ｐｒｏｂ（Ｃ_ｊ）は、数１により表される。
【００２６】
【数１】

ただし、ここで、｜Ｓ｜は集合Ｓの事例数を表す。
このときクラスＣ_ｊが生起したことによって得られる情報量Ｉｎｆｏ（Ｃ_ｊ）は、数２により表される。
【００２７】
【数２】

このように情報量を定義すると、起こりやすい事象（Ｐｒｏｂ（Ｃ_ｊ）が大）に関しては情報量が小さく、めったに起こらない事象（Ｐｒｏｂ（Ｃ_ｊ）が小）に関しては情報量が大きくなる。情報量をクラスの選ばれやすさで平均をとった、数３で表されるものを、集合Ｓのエントロピー（Ｅｎｔｒｏｐｙ（Ｓ））と称する。
【００２８】
【数３】

Ｘを、集合ＳをＴ_１，・・・，Ｔ_ｋに分割する方法の１つとする。ここで、ｋは、２からＸのカテゴリ数までの可能性がある。このとき、分割後の部分集合Ｔ_ｉのエントロピーの期待値Ｅｎｔｒｏｐｙ_ｘ（Ｓ）は、数４に示すように、Ｅｎｔｒｏｐｙ（Ｔ_ｉ）の重み付き平均で与えられる。
【００２９】
【数４】

ここで分割Ｘによってもたらされるエントロピーの差で定義される利得Ｇａｉｎ（Ｘ）は、数５に示すように与えられ、これは、分割によって平均的にどのくらいクラスを予測する上での情報量が増えたかを表している。
【００３０】
【数５】

さて、利得そのものを基準に用いると、集合Ｓの分割に際して分割数ｋが大きいＸが採択されやすくなるという欠点がある。上述した文献においては、それを防ぐため以下のような基準を用いて分割を行う。まず、分割情報量Ｓｐｌｉｔ（Ｘ）を数６に示すように定義する。
【００３１】
【数６】

次いで、Ｓｐｌｉｔ（Ｘ）で利得を調整した利得比ＧａｉｎＲａｔｉｏ（Ｘ）を、数７に示すように定義する。
【数７】

【００３２】
さらに、利得Ｇａｉｎ（Ｘ）が平均以上という制約のもとで、利得比ＧａｉｎＲａｔｉｏ（Ｘ）を最大化するＸを顧客集合Ｓの分割属性として選択する。具体的には以下のアルゴリズムに従う。
【００３３】
ステップ１．最初の事例集合Ｓ_０を分割対象集合Ｓに割り当てる。
ステップ２．分割対象集合Ｓの事例数があらかじめ定めた最小事例数基準より大きい場合は集合Ｓに対してすべての属性Ｘ_ｉ（ｉ＝１，２，・・・，ｍ，・・・，Ｍ）について分割後の利得と利得比を計算する。
ステップ３．得られた利得があらかじめ定めた最小利得基準より大きい属性に関して、利得が平均以上のもので、利得比が最大の属性Ｘ_ｍを選び、それを用いて分割対象集合Ｓを分割する。
ステップ４．分割後の部分集合Ｔ_ｊ（ｊ＝１，２，・・・，ｋ）それぞれを分割対象集合Ｓに割り当て、上記のステップ２、ステップ３の処理を再帰的に繰り返す。
【００３４】
アルゴリズム停止条件：ステップ２においてすべての分割対象集合Ｓの事例数が最小事例数基準に満たない場合、もしくは、ステップ３においてどの分割対象集合Ｓにおいても、どのような分割属性を選択しても最小利得基準が得られない場合はアルゴリズムを終了する。
【００３５】
図８は、上記ステップ１〜ステップ５の処理を実行することにより、１００件の事例を含む集合Ｓから、部分集合を得た一例を示す図である。ここでは、全体集合Ｓ（符号８０１参照）から、キャンペーンでの申し込みによる顧客の部分集合（符号８１１参照）、および、店頭での申し込みによる顧客の部分集合（符号８１２）という２つの排反する部分集合が生成されている。
さらに、前者については、排反する男性という属性を持つ顧客の部分集合（符号８２１参照）および女性という属性を持つ顧客の部分集合（符号８２２参照）が生成され、その一方、後者については、排反する３０歳未満という属性を持つ顧客の部分集合（符号８３１参照）および３０歳以上という属性を持つ部分集合（符号８３２参照）が生成されている。
【００３６】
上述したようなエントロピー基準による判別ツリー法を採用した不芳取引発生確率推計モデルの出力は、未与信顧客に適用すべき第１のモデルに関して、全事例顧客集団をｎ１個のセグメントに分割したものとなる。その一方、既与信顧客に適用すべき第２のモデルに関して、全事例顧客集団をｎ２個のセグメントに分割したものとなる。一般性を失わず、例示的に、ここではｎ１＝１８０、ｎ２＝１２０とする。
【００３７】
不芳取引発生確率推計値から個人信用格付けへの変換規則は、任意に設定可能であるが、ここでは一般性を失わずに不芳取引発生確率推計値の大きさによりＡからＧまでの７通りに設定する。対応する不芳取引発生確率推計値の閾値は、それぞれ、１％、３％、５．５％、１０％、２０％である。
その後、第２の時点「ｂ」（２００１年４月１日）における未与信顧客および既与信顧客に対し、上記個人信用格付けルールを適用し、個人信用格付けを付与する。その結果、たとえば、以下の表１に示すような格付けの分布が得られる。
【００３８】
【表１】

【００３９】
上述した格付けを現実に実現するためのシステムおよびプログラムについて以下に説明する。図１は、本実施の形態にかかる個人信用格付けを実現するためのコンピュータシステムのハードウェア構成を示すブロックダイヤグラムである。図１に示すように、コンピュータシステム１０は、ＣＰＵ１２、キーボードやマウスなどの入力装置１４、表示装置１６、ハードディスクなどの記憶装置１８、処理中のワークエリアなどとして利用されるＲＡＭ２０、ＣＤ−ＲＯＭなどの可搬記憶媒体２１をアクセスする記憶媒体ドライバ２２などを備えている。無論、ネットワーク（図示せず）を介して外部からのデータ授受を実現するためには、そのための種々のインタフェース（図示せず）が設けられていても良い。
【００４０】
本実施の形態において、個人信用格付けプログラムは、ＣＤ−ＲＯＭに記憶され、これを記憶媒体ドライバ２２にて読み込み、記憶装置１８に記憶すればよい。或いは、外部からネットワーク（図示せず）を介してダウンロードしても良い。記憶装置１８に記憶されたデータは、随時読み出され、データに基づく画像が、表示装置１６の画面上に表示されるほか、記憶媒体ドライバ２２を介して、ＣＤ−ＲやＣＤ−Ｒ／Ｗなど記録可能な可搬記憶媒体に記憶され得る。記憶装置１８は、これらデータを収容するのに十分な容量を有する。個人信用格付けプログラムをインストールすることにより、コンピュータシステムは、個人信用格付けシステムとして機能することができる。
【００４１】
図２は、本実施の形態にかかる個人信用格付けシステムの機能を記載したブロックダイヤグラムである。図２に示すように、本実施の形態にかかる個人信用格付けシステムは、個人信用格付けのための個人信用格付けルールを生成するルール生成部２４と、生成された個人信用格付けルールにしたがって、所定の顧客の格付けを実行するルール適用部２６とを有している。
【００４２】
本実施の形態においては、後に詳述するように、ローンが既に組まれていて（つまり融資を利用していて）返済中の顧客（既与信顧客）と、ローンが組まれていない（つまり融資を利用していない）状態の顧客（未与信顧客）のそれぞれに、格付けを与えることができるようになっている。これを実現するために、ルール生成部２４およびルール適用部２６には、それぞれ、既与信顧客に関する処理および未与信顧客に関する処理を実行する構成要素を備えている。ルール生成部２４は、既与信顧客のための個人信用格付けルールを生成する既与信顧客格付けルール生成部２８と、未与信顧客のための個人信用格付けルールを生成する未与信顧客格付けルール生成部３０とを有している。また、ルール適用部２６も、同様に、既与信顧客格付けルール適用部３２と、未与信顧客格付けルール適用部３４とを有している。これらルール生成部２４およびルール適用部２６は、主として、図１のＣＰＵ１２が作動することによりその機能が実現される。
【００４３】
また、図２に示すように、本実施の形態においては、顧客の属性および顧客の取引具合、並びに、不芳取引の有無を示す情報がＤＢとして記憶されている。より詳細には、顧客格付けシステムは、融資利用・決済情報ＤＢ３６、個人属性情報ＤＢ３８、銀行口座利用情報ＤＢ４０および目的クラス情報ＤＢ４２とを備えている。これらＤＢは、システムの記憶装置１８中に構築され得る。
【００４４】
融資利用・決済情報ＤＢ３６には、少なくとも、既与信顧客ごとの、第１の時点「ａ」から第２の時点「ｂ」までの期間における月次の融資残高合計、貸金収益額の平均値など、いわゆるローンの返済の具合を示す情報が記憶される。属性情報ＤＢ３８には、顧客ごとの生年月日、性別、初回口座開設日など顧客の個人情報が記憶される。また、銀行口座利用情報ＤＢ４０には、少なくとも、顧客ごとの、第１の時点「ａ」から第２の時点「ｂ」までの期間における月次の流動性預金残高合計、固定性預金合計、ＡＴＭ出金、クレジット自振合計、給与振込み、自動振込み、送金、公共料金引落とし額、年金振込みの平均値を含む銀行口座利用情報が記憶される。
【００４５】
なお、上記融資利用・決済情報、銀行口座利用情報として、銀行内のシステムのＤＢに記憶された情報を抽出して、それぞれのＤＢに記憶したものを利用することができる。或いは、銀行内のシステムのＤＢに直接アクセスして、必要な情報を抽出して、後述するルール生成やルール適用の処理に利用しても良い。前者においては、たとえば、前処理として、銀行内のシステムのＤＢに記憶された情報から、上記第１の時点「ａ」から第２の時点「ｂ」までの融資利用・決済情報、個人属性情報、銀行口座利用情報を算出ないし取得することができる。
【００４６】
目的クラス情報ＤＢ４２には、既与信顧客のそれぞれについて、第２の時点「ｂ」から現時点「ｃ」の前日までの期間に、不芳取引が発生しているか否かを示すフラグが、目的クラス情報として記憶されている。なお、本実施の形態においても、例として、第１の時点「ａ」を２０００年１０月１日、第２の時点「ｂ」を２００１年４月１日、現時点「ｃ」を２００１年１０月１日と考える。また、不芳取引とは、４日以上の延滞が３回以上あるいは月超延滞が１回以上発生していることを意味する。
【００４７】
また、顧客格付けシステムには、ルール生成部２４にて生成された既与信顧客格付けルールを記憶する既与信顧客格付けルール記憶部４４および未与信顧客格付けルール記憶部４６が設けられるとともに、ルール適用部２６にて生成された顧客の格付けデータを記憶する顧客格付けデータ記憶部４８が設けられる。これら記憶部も、記憶装置１８により実現することができる。
さらに、顧客格付けシステムは、主としてＣＰＵ１２によりその機能が実現される管理部５０を有している。管理部５０は、入力装置１４から与えられる操作者の指示に応答して、プログラムにしたがって、種々の構成部材を起動し、所定の処理を実行するよう指示を与える。また、処理結果を含む画像データを表示装置１６に与えることができる。
【００４８】
このように構成された顧客格付けシステムの動作について説明する。本実施の形態において、顧客格付けシステムの処理は、概略的には、ルール生成部２４によるルール作成処理と、ルール適用部２６による、顧客の格付け処理とを含む。図３は、ルール作成処理の概略を示す図である。既与信顧客格付けルール生成部２８と、未与信顧客格付けルール生成部３０とでは、ルール生成に参照するＤＢが異なり、このため、ルール生成の際にも説明変数として利用する情報が異なる。
【００４９】
また、これらルール生成部２８、３０は、ともに、顧客中、第１の時点「ａ」（２０００年１０月１日）から第２の時点「ｂ」の前日（２００１年３月３１日）までの期間（便宜上、「第１の期間」とも称する。）、個人向け金融商品を継続して利用中であり、かつ、当該期間内において、不芳取引が発生していない顧客の事例に基づいて個人信用格付けルールを生成する。
【００５０】
したがって、図５に示すように、既与信顧客格付けルール生成部２８は、まず、上述した第１の期間に不法取引が発生していないという条件（抽出条件）を満たす顧客に関するレコードを、融資利用・決済情報ＤＢ３６、個人属性情報ＤＢ３８、銀行口座利用情報ＢＤ４０から抽出するとともに、当該顧客に関する目的クラス情報も、目的クラス情報ＤＢ４２から抽出する（ステップ５０１）。つまり、既与信顧客格付けルール生成部２８は、ルール作成元データ（図３の符号３０１参照）となる各種ＤＢ３６〜４２中、抽出条件を満たす顧客に関する全ての情報を利用する。
【００５１】
次いで、既与信顧客格付けルール生成部２８は、抽出された顧客のレコード中の情報を訓練事例として、不芳取引発生確率モデルを構築する（ステップ５０２）。ここでは、上記第１の期間における、月次の融資残高合計、貸金収益額の平均値（融資利用・決済情報）、第２の時点「ｂ」における生年月日、性別、初回口座開設日（個人属性情報）、上記第１の期間における月次の流動性預金残高合計、固定性預金合計、ＡＴＭ出金、クレジット自振合計、給与振込み、自動振込み、送金、公共料金引落し額、年金振込み額の平均値（銀行口座利用情報）が説明変数として用いられ、第２の期間における目的クラス情報（不芳取引発生の有無）が、目的属性となる。
【００５２】
より具体的には、先に述べたように、以下のステップ１〜ステップ５の処理が実行される。
【００５３】
ステップ１．最初の事例集合Ｓ_０を分割対象集合Ｓに割り当てる。
ステップ２．分割対象集合Ｓの事例数があらかじめ定めた最小事例数基準より大きい場合は集合Ｓに対してすべての属性Ｘ_ｉ（ｉ＝１，２，・・・，ｍ，・・・，Ｍ）について分割後の利得と利得比を計算する。
ステップ３．得られた利得があらかじめ定めた最小利得基準より大きい属性に関して、利得が平均以上のもので、利得比が最大の属性Ｘ_ｍを選び、それを用いて分割対象集合Ｓを分割する。
ステップ４．分割後の部分集合Ｔ_ｊ（ｊ＝１，２，・・・，ｋ）それぞれを分割対象集合Ｓに割り当て、上記のステップ２、ステップ３の処理を再帰的に繰り返す。
【００５４】
アルゴリズム停止条件：ステップ２においてすべての分割対象集合Ｓの事例数が最小事例数基準に満たない場合、もしくは、ステップ３においてどの分割対象集合Ｓにおいても、どのような分割属性を選択しても最小利得基準が得られない場合はアルゴリズムを終了する。
【００５５】
その後、既与信顧客格付けルール生成部２８は、生成された部分集合ごとの、第２の期間における不芳取引発生確率推計値を、個人信用格付けに変換する個人信用格付けルールを定義する（ステップ５０３）。これにより、各部分集合と、個人信用格付けとが対応付けられる。具体的な手法は、不芳取引発生確率推計値の累積分布関数を求めた上で、累積出現確率に対応する不法取引発生確率推計値を閾値の刻みとして用いても良い。これは前述したように、上位５％に位置する部分集合については格付け「Ａ」、次の１０％に位置する部分集合については格付け「Ｂ」、さらに次の２０％に位置する部分集合については格付け「Ｃ」、中央の３０パーセントに位置する部分集合については格付け「Ｄ」、さらに次の２０％に位置する部分集合については格付け「Ｅ」、次の１０％に位置する部分集合については格付け「Ｆ」、残りの５パーセントに位置する部分集合については格付け「Ｇ」を与える。
【００５６】
或いは、不芳取引発生確率推計値の大きさそのものを閾値として、たとえば、推計値が０％の部分集合については格付け「Ａ」、推計値が０％超１％以下の部分集合については格付け「Ｂ」、推計値が１％超２％以下の部分集合については格付け「Ｃ」、推計値が２％超３％以下の部分集合については格付け「Ｄ」、３％超５％以下の部分集合については格付け「Ｅ」、５％超の部分集合については格付け「Ｆ」を与えても良い。
【００５７】
ステップ５０３においては、各部分集合と格付けとを関連付けたテーブルを作成しても良い。或いは、部分集合と対応する不芳取引確率推計値とを関連付けたテーブル、および、不芳取引確率推計値と、格付けの閾値とを関連付けたテーブルを作成しても良い。
このようにして得られたルール（テーブル）は、既与信顧客格付けルール記憶部４４に記憶される（ステップ５０４）。これにより、既与信顧客格付けルール生成部２８による処理が終了する。
【００５８】
次に、未与信顧客格付けルール生成部３０による処理を説明する。未与信顧客格付けルール生成部３０も、基本的には、図５に示す処理を実行する。しかしながら、ステップ５０１において、未与信格付けルール生成部３０は、第１の期間に不法取引が発生していないという条件（抽出条件）を満たす顧客に関するレコードを、個人属性情報ＤＢ３８、銀行口座利用情報ＢＤ４０から抽出するとともに、当該顧客に関する目的クラス情報を、目的クラス情報ＤＢ４２から抽出する。つまり、ルール作成元データ（図３の３０１参照）のうち、個人属性情報および銀行口座利用情報のみが、説明変数として用いられる点が既与信顧客格付けルール生成部２８による処理と異なる。第２の期間における目的クラス情報が、目的属性となることは同様である。
未与信顧客格付けルール生成部３０により得られた個人信用格付けルール（テーブル）は、未与信顧客格付けルール記憶部４６に記憶される。これにより、未与信顧客格付けルール生成部３０による処理が終了する。
【００５９】
これら既与信格付けルール生成部２８および未与信格付けルール生成部３０は、後述するように、ルール適用後の不芳取引発生率の予測値と実際値との比較から、その乖離が所定の範囲を超えたと管理部５０が判断した場合に起動され、それぞれにおいて、既与信顧客のための個人信用格付けルール（テーブル）および未与信顧客のための個人信用格付けルール（テーブル）が生成され、それぞれ、既与信顧客格付けルール記憶部４４および未与信顧客格付けルール記憶部４６に記憶される。
【００６０】
次に、ルール適用部２６による顧客の格付けにつき説明を加える。図４は、ルール適用処理の概略を示す図である。既与信顧客格付けルール適用部３２と、未与信顧客格付けルール適用部３４とでは、ルール適用の際に参照するＤＢが異なる。
【００６１】
これらルール適用部３２、３４は、ともに、格付け対象となる顧客の、現時点から所定の期間（第１の時点「ａ」から第２の時点「ｂ」にいたる期間、つまり、「ｂ−ａ」の期間）だけさかのぼった時点（便宜上、「第３の時点」とも称する。）から現時点の前日までの、銀行口座利用情報（図４の符号４１３，４２２参照）、現時点での顧客属性（符号４１２、４２１参照）、および、既与信顧客格付けルール適用部３２の処理においては、これらに加えて融資利用・決済情報（符号４１１参照）が、ルール適用データとして利用される（符号４０１、４０２参照）。なお、第３の時点から現時点の前日までの期間を、便宜上「第２の期間」とも称する。また、本明細書において、現時点「ｃ」を２００１年１０月１日と考えているため、上記第３の時点は、第２の時点「ｂ」（２００１年４月１日）に一致する。無論、現時点が異なれば、第３の時点もこれに伴って変更されることは言うまでも無い。
【００６２】
図６に示すように、既与信顧客格付けルール適用部３２は、格付けすべき顧客のレコードを、融資利用・決済情報ＤＢ３６、個人属性情報ＤＢ３８および銀行口座利用情報ＤＢ４０から検索し（ステップ６０１）、かつ、上記第２の期間における月次の融資残高合計、貸金収益額の平均値（融資利用・決済情報）、現時点「ｃ」における生年月日、性別、初回口座開設日（個人属性情報）、第２の期間における月次の流動性預金残高合計、固定性預金合計、ＡＴＭ出金、クレジット自振合計、給与振込み、自動振込み、送金、公共料金引落し額、年金振込み額の平均値（銀行口座利用情報）を、前記レコードから抽出する（ステップ６０２）。
【００６３】
これら第３の時点から現時点の前日までの融資利用・決済情報、銀行口座利用情報、および、現時点の個人属性情報も、前処理として、銀行のシステムから算出ないし取得しておけば良い。
次いで、既与信顧客格付けルール適用部３２は、既与信顧客格付けルール記憶部４４に記憶された個人信用格付けルール（テーブル）を参照し、前記抽出された顧客の各種情報により特定される部分集合に対応付けられた格付けを決定する（ステップ６０３）。格付けは、顧客と関連付けられて顧客格付けデータ記憶部４８に記憶される（ステップ６０４）。
【００６４】
次に、未与信顧客格付けルール適用部３４による処理を説明する。未与信顧客格付けルール適用部３４も、基本的には、図６に示す処理を実行する。しかしながら、ステップ６０１においては、格付けすべき顧客のレコードが、個人属性情報ＤＢ３８および銀行口座利用情報ＤＢ４０から検索される。また、ステップ６０２において、現時点「ｃ」における生年月日、性別、初回口座開設日（個人属性情報）、および、第２の期間における月次の流動性預金残高合計、固定性預金合計、ＡＴＭ出金、クレジット自振合計、給与振込み、自動振込み、送金、公共料金引落し額、年金振込み額の平均値（銀行口座利用情報）が、前記レコードから抽出される。未与信顧客格付けルール適用部３４において特定された顧客（未与信顧客）の格付けも、当該顧客と関連付けられて顧客格付けデータ記憶部４８に記憶される。
【００６５】
管理部５０は、操作者が入力装置１４を操作することにより与えられた、顧客を特定する情報および格付けの指示に応答して、上記ＤＢ３６〜４０を参照し、顧客が、既与信の状態であるか未与信の状態であるかを判断する。顧客が既与信であれば、既与信顧客格付けルール適用部３２を起動し、その一方、顧客が未与信であれば、未与信顧客格付けルール適用部３４を起動すればよい。
【００６６】
次に、管理部５０による他の処理について説明する。本実施の形態においては、設定された期間（第１の期間）内に不芳取引がいずれも発生していない条件で抽出したローン利用中の顧客（既与信顧客）の事例が、ルール生成に用いるデータの抽出範囲となる。そこで、管理部５０は、所定の周期（たとえば、３ヶ月から半年周期）で融資利用・決済情報ＤＢ３６中の情報を参照して、部分集合ごとの実際の不芳取引発生率の実際値を算出し、各部分集合の不法取引発生確率推計値と比較し、これらの値の乖離が所定の範囲を超えた場合に、新たな個人信用格付けルールを生成すべきと判断する。このような判断がなされた場合に、管理部５０は、既与信顧客格付けルール生成部２８および未与信顧客格付けルール生成部３０をそれぞれ起動して、処理を実行させる。
【００６７】
また、ローンが組まれていない状態の顧客（未与信顧客）が住宅や車の購入の際に融資を受けることにより、既与信顧客になる場合がある。管理部５０は、これを考慮して、図７に示すような処理を実行する。この処理は、所定の周期（たとえば、１ヶ月に１度）で実行すればよい。なお、個人属性情報ＤＢ３８の顧客ごとのレコードには、融資利用の有無を示すフラグおよび融資利用開始日が含まれる。また、管理部５０は、顧客がローンを利用した際に、個人属性情報ＤＢ３８の当該顧客に関連付けられたレコード中、融資フラグを「１」にセットするとともに、融資利用開始日を記録する。
【００６８】
管理部５０は、個人属性情報ＤＢ３８中のレコードを選択して（ステップ７０１）、当該レコード中の融資フラグが「１」であるか否か、つまり、顧客がローンを利用し、未与信顧客から既与信顧客に変化したかを判断する（ステップ７０２）。ステップ７０２でイエス（Ｙｅｓ）の場合に、管理部５０は、レコード中の融資利用開始日を参照して、第２の期間が経過しているか否かを判断する（ステップ７０３）。このステップ７０３でイエス（Ｙｅｓ）と判断された場合に、管理部５０は、レコード中の融資フラグを「０」にリセットし（ステップ７０４）、既与信顧客格付けルール適用部３２を起動する。これに応答して、既与信顧客格付けルール適用部３２は、当該顧客に格付けを与え、そのデータを顧客格付けデータ記憶部４８に記憶する。これにより、この顧客の格付けは、未与信格付けルールに基づくものから、既与信格付けルールに基づくものに更新される。このように、本実施の形態によれば、未与信顧客が既与信顧客になった場合には、管理部の処理により、当該顧客に、融資実績に基づく格付けを与えることが可能となる。管理部５０は、ステップ７０１〜７０５の処理を、処理対象となる顧客に関する全てのレコードに関して実行する（ステップ７０６参照）。
【００６９】
本実施の形態によれば、既与信顧客を格付けするためのルールを生成して、既与信顧客には、上記ルールを適用して格付けを与える一方、未与信顧客を格付けするための他のルールを作成して、未与信顧客については、当該他のルールを適用し、格付けを与える。したがって、融資を利用していない顧客、たとえば、これから融資を利用しようと考えている顧客についても格付けを与えることが可能となる。
【００７０】
また、本実施の形態によれば、未与信顧客が既与信顧客となった場合には、所定の期間の経過後に、既与信顧客としてのルールを適用して格付けを更新することができる。これにより、融資実績に基づく格付けを顧客に与えることが可能となる。
本発明は、以上の実施の形態に限定されることなく、特許請求の範囲に記載された発明の範囲内で、種々の変更が可能であり、それらも本発明の範囲内に包含されるものであることは言うまでもない。
【００７１】
【発明の効果】
本発明によれば、個人向け金融商品の利用の有無に関わらず、銀行取引口座開設後一定期間以上経過している顧客に対して個人信用格付けを付与することができる。これにより、個人ローンの貸倒れリスクの低減に大きく寄与することができる。
【００７２】
未与信者に対する個人顧客格付けは、一種の事前審査という役割を果たす。金融機関においては、得られた個人顧客格付けにしたがって、リスクが低いと考えられる顧客に対して、ＡＴＭを通じて個人化されたメッセージを出力し、外部信用情報などの適切なチェックのみでほぼ即時に融資を実現することが可能となり、新たな金融商品（融資）の利用者を開拓することができる。
【００７３】
また、上記個人顧客格付けをベースにすれば、各営業店や、それを束ねた地域単位での「債権の質」を常にモニターすることが可能となる。特に、債権の質の時系列的な変動を観察することにより、実質的な「早期警告」を行うことができる。また、債権内容の劣化が予見される場合には、より高質と考えられる顧客層に対してのキャンペーンを行うなど、ポートフォリオ管理に活用することができる。
【図面の簡単な説明】
【図１】図１は、本実施の形態にかかる個人信用格付けを実現するためのコンピュータシステムのハードウェア構成を示すブロックダイヤグラムである。
【図２】図２は、本実施の形態にかかる個人信用格付けシステムの機能を記載したブロックダイヤグラムである。
【図３】図３は、本実施の形態にかかるルール作成処理の概略を示す図である。
【図４】図４は、本実施の形態にかかるルール適用処理の概略を示す図である。
【図５】図５は、本実施の形態にかかる顧客格付けルール生成部にて実行される処理を示すフローチャートである。
【図６】図６は、本実施の形態にかかる顧客格付けルール適用部にて実行される処理を示すフローチャートである。
【図７】図７は、本実施の形態にかかる管理部にて実行される処理の例を示すフローチャートである。
【図８】図８は、本実施の形態において、ある集合Ｓから部分集合を取得した一例を示す図である。
【符号の説明】
２４ルール生成部
２６ルール適用部
２８既与信顧客格付けルール生成部
３０未与信顧客格付けルール生成部
３２既与信顧客格付けルール適用部
３４未与信顧客格付けルール適用部
３６融資利用・決済情報ＤＢ
３８個人属性情報ＤＢ
４０銀行口座利用情報ＤＢ
４２目的クラス情報ＤＢ
４４既与信顧客格付けルール記憶部
４６未与信顧客格付けルール記憶部
４８顧客格付けデータ記憶部
５０管理部

Claims

個人向け金融商品取引後の完済見込みの度合いを順序カテゴリとして示す個人信用格付けを算出し、個人顧客に付与する個人信用格付けシステムであって、
過去に個人向け金融商品の取引を実施した顧客事例から抽出された訓練事例に基づき金融商品取引有無に関わらず個人顧客に適用できる所定の月以上の連続延滞および／または貸倒れ発生により定義された不芳取引発生確率の推計値を算出するためのルールを生成するルール生成手段であって、金融商品の取引のある個人顧客である既与信顧客に適用する第１の変換ルールと、銀行取引口座を所有するが金融商品の取引の無い個人顧客である未与信顧客に適用する第２の変換ルールを生成するルール生成手段と、
前記第１の変換ルールを記憶する第１のルール記憶手段と、
前記第２の変換ルールを記憶する第２のルール記憶手段と、
銀行への取引口座開設後、一定期間以上経過し、かつ、その間に何らかの口座取引が行われた個人顧客に、前記第１のルール記憶手段或いは前記第２のルール記憶手段に記憶されたルールを適用するルール適用手段であって、前記個人顧客が既与信顧客である場合には、前記第１のルール記憶手段に記憶された第１の変換ルールを適用して、前記個人顧客に格付けを付与し、その一方、前記個人顧客が未与信顧客である場合には、前記第２のルール記憶手段に記憶された第２の変換ルールを適用して、前記個人顧客に格付けを付与するルール適用手段と、
前記付与された格付けを、個人顧客と関連付けて記憶する格付けデータ記憶手段とを備えたことを特徴とする個人信用格付けシステム。
前記ルール生成手段が、訓練事例から不芳取引発生確率を推計する不芳取引発生確率モデルであって、
過去の時点「ａ」から時点「ｂ」（ただしａ＜ｂ）までの第１の期間において個人向け金融商品利用中であり、かつ、当該期間内において不芳取引が発生していない条件を満足する訓練事例を共通の訓練事例として用い、
前記時点「ａ」から時点「ｂ」までの第１の期間における流動性預金残高・固定性預金残高・ＡＴＭ出金回数を含む口座利用情報、時点「ｂ」における年齢・性別・職種を含む個人基本属性、および、前記時点「ａ」から時点「ｂ」までの前記第１の期間における当該個人向け金融商品の利用・決済情報を説明変数とし、前記時点「ｂ」から現時点「ｃ」（ただしｂ＜ｃ）までの第２の期間における、不芳取引発生の有無を目的変数とした第１の不芳取引発生確率推計モデルと、
前記時点「ａ」から時点「ｂ」までの第１の期間における前記口座利用情報、および、前記時点「ｂ」における前記個人属性を説明変数とし、前記時点「ｂ」から時点「ｃ」までの前記第２の期間における前記不芳取引発生の有無を目的変数とする第２の不芳取引発生確率推計モデルとを生成することを特徴とする請求項１に記載の個人信用格付けシステム。
前記ルール生成手段が、前記第１の不芳取引発生確率モデルにより推計される訓練事例上の不芳取引発生率から、任意の数の順序尺度カテゴリ値への第１の変換ルールを生成し、かつ、前記第２の不芳取引発生確率モデルにより推計される訓練事例上の不芳取引発生率から、任意の数の順序尺度カテゴリ値への第２の変換ルールを生成することを特徴とする請求項２に記載の個人信用格付けシステム。
前記ルール適用手段が、取引口座開設から前記少なくとも第１の期間経過している個人顧客中、既与信顧客について、現時点から前記第１の時点をさかのぼった第３の時点「ｄ」から現時点「ｃ」（ただし、ｄ＜ｃ）までの、前記第１の期間に相当する第２の期間における、当該既与信顧客の口座利用情報、現時点「ｃ」における個人基本属性、および、第２の期間における金融商品の利用・決済情報に基づき、第１のルール記憶手段に記憶された第１の変換ルールを参照して、その不芳取引発生確率推計値に対応する格付けを付与し、
未与信顧客について、前記第３の時点「ｄ」から現時点「ｃ」までの、前記第１の期間に相当する第２の期間における、当該未与信顧客の口座利用情報、および、現時点「ｃ」における個人基本属性に基づき、第２のルール記憶手段に記憶された第２の変換ルールを参照して、その不芳取引発生確率値に対応する格付けを付与するように構成されたことを特徴とする請求項２または３に記載の個人信用格付けシステム。
さらに、個人顧客が未与信顧客である場合に、前記ルール適用手段に、前記第２の変換ルールを適用させて、当該個人顧客に、予備的な格付けを与えさせ、当該個人顧客が、金融商品の取引を開始した後、前記第１の期間に相当する期間が経過した場合に、前記ルール適用手段に、前記第１の変換ルールを適用させて、融資実績に基づく格付けを与えさせる管理手段を備えたことを特徴とする請求項１ないし４の何れか一項に記載の個人信用格付けシステム。
個人向け金融商品取引後の完済見込みの度合いを順序カテゴリとして示す個人信用格付けを算出し、個人顧客に付与するためにコンピュータを動作させる、コンピュータにより読み出し可能なプログラムであって、
過去に個人向け金融商品の取引を実施した顧客事例から抽出された訓練事例に基づき金融商品取引有無に関わらず個人顧客に適用できる所定の月以上の連続延滞および／または貸倒れ発生により定義された不芳取引発生確率の推計値を算出するためのルールを生成するルール生成ステップであって、金融商品の取引のある個人顧客である既与信顧客に適用する第１の変換ルールを生成し、当該第１の変換ルールを、第１のルール記憶手段に記憶し、また、銀行取引口座を所有するが金融商品の取引の無い個人顧客である未与信顧客に適用する第２の変換ルールを生成し、当該第２の変換ルールを、第２のルール記憶手段に記憶するルール生成ステップと、
銀行への取引口座開設後、一定期間以上経過し、かつ、その間に何らかの口座取引が行われた個人顧客に、前記第１のルール記憶手段或いは前記第２のルール記憶手段に記憶されたルールを適用するルール適用ステップであって、前記個人顧客が既与信顧客である場合には、前記第１のルール記憶手段に記憶された第１の変換ルールを適用して、前記個人顧客に格付けを付与し、当該格付けを前記個人顧客と関連付けて格付けデータ記憶手段に記憶し、その一方、前記個人顧客が未与信顧客である場合には、前記第２のルール記憶手段に記憶された第２の変換ルールを適用して、前記個人顧客に格付けを付与し、当該格付けを、前記個人顧客と関連付けて格付けデータ記憶手段に記憶するルール適用ステップとを、前記コンピュータに実行させることを特徴とする個人信用格付けプログラム。
前記ルール生成ステップにおいて、
訓練事例から不芳取引発生確率を推計する不芳取引発生確率モデルであって、
過去の時点「ａ」から時点「ｂ」（ただしａ＜ｂ）までの第１の期間において個人向け金融商品利用中であり、かつ、当該期間内において不芳取引が発生していない条件を満足する訓練事例を共通の訓練事例として用い、
前記時点「ａ」から時点「ｂ」までの第１の期間における流動性預金残高・固定性預金残高・ＡＴＭ出金回数を含む口座利用情報、時点「ｂ」における年齢・性別・職種を含む個人基本属性、および、前記時点「ａ」から時点「ｂ」までの前記第１の期間における当該個人向け金融商品の利用・決済情報を説明変数とし、前記時点「ｂ」から現時点「ｃ」（ただしｂ＜ｃ）までの第２の期間における、不芳取引発生の有無を目的変数とした第１の不芳取引発生確率推計モデルと、
前記時点「ａ」から時点「ｂ」までの第１の期間における前記口座利用情報、および、前記時点「ｂ」における前記個人属性を説明変数とし、前記時点「ｂ」から時点「ｃ」までの前記第２の期間における前記不芳取引発生の有無を目的変数とする第２の不芳取引発生確率推計モデルとを生成するように、前記コンピュータを動作させることを特徴とする請求項６に記載の個人信用格付けプログラム。
前記ルール生成ステップにおいて、
前記第１の不芳取引発生確率モデルにより推計される訓練事例上の不芳取引発生率から、任意の数の順序尺度カテゴリ値への第１の変換ルールを生成し、かつ、前記第２の不芳取引発生確率モデルにより推計される訓練事例上の不芳取引発生率から、任意の数の順序尺度カテゴリ値への第２の変換ルールを生成するように、前記コンピュータを動作させることを特徴とする請求項７に記載の個人信用格付けプログラム。
前記ルール適用ステップにおいて、
取引口座開設から前記少なくとも第１の期間経過している個人顧客中、既与信顧客について、現時点から前記第１の時点をさかのぼった第３の時点「ｄ」から現時点「ｃ」（ただし、ｄ＜ｃ）までの、前記第１の期間に相当する第２の期間における、当該既与信顧客の口座利用情報、現時点「ｃ」における個人基本属性、および、第２の期間における金融商品の利用・決済情報に基づき、第１のルール記憶手段に記憶された第１の変換ルールを参照して、その不芳取引発生確率推計値に対応する格付けを付与し、
未与信顧客について、前記第３の時点「ｄ」から現時点「ｃ」までの、前記第１の期間に相当する第２の期間における、当該未与信顧客の口座利用情報、および、現時点「ｃ」における個人基本属性に基づき、第２のルール記憶手段に記憶された第２の変換ルールを参照して、その不芳取引発生確率値に対応する格付けを付与するように、前記コンピュータを動作させることを特徴とする請求項７または８に記載の個人信用格付けプログラム。
さらに、個人顧客が未与信顧客である場合に、前記ルール適用手段において、前記第２の変換ルールを適用させて、当該個人顧客に、予備的な格付けを与えるように、前記コンピュータを動作させ、かつ、
当該個人顧客が、金融商品の取引を開始した後、前記第１の期間に相当する期間が経過した場合に、前記ルール適用手段に、前記第１の変換ルールを適用させて、融資実績に基づく格付けを与えるように、前記コンピュータを動作させることを特徴とする請求項６ないし９の何れか一項に記載の個人信用格付けプログラム。