JP2005512230A - スコアリング方法 - Google Patents

Abstract

スコアリング方法は、要素の母集団中の相対的なスコアに基づいて、非対称と非線形の算術スコアリングを組み合わせる。この方法は、会社と市場の企業統治リスク測定を予測するために用いることができるリサーチテンプレート（１００）を提供する。このリサーチテンプレート（１００）は、次のようなデータポイント、インジケータ（１２０、１２２、１２４、１２６）、規範的ステートメント（１０８、１１０、１１２、１１４、１１６、１１８）、またはカテゴリー（１０２、１０４、１０６）で構成される。インジケータスコアは、規範的ステートメントのスコアを発生させ、規範的ステートメントのスコアは、カテゴリースコアを発生させ、カテゴリースコアは、全体のヘディングスコアを発生させる。

Description

本発明は、一般に、統計解析の分野に関する。特に、本発明は、コンピュータベースのアンケート調査、スコアリング、および信用度調査技術に関する。
本出願は、２００１年１２月５日に出願された米国仮特許出願「スコアリング方法（Ｓｃｏｒｉｎｇ Ｍｅｔｈｏｄｏｌｏｇｙ）」、出願番号第６０／３３７、７１２号の利益を請求する。

以下の文献は、コンピュータベースのアンケート調査を行う周知の米国特許の一般的な横断面を示している。

グラハムら（Ｇｒａｈａｍ ｅｔ ａｌ．）に付与された米国特許（特許文献１）は、（ａ）アンケート調査作成者がデータを入力する入力機構を含む処理装置と、（ｂ）アンケート調査作成者によるデータ入力から作られた、少なくとも１つの質問を含むアンケート調査の質問書の作成を可能にするアンケート調査オーサリング機構と、（ｃ）アンケート調査の質問書を複数の回答ユーザに送信する送信機構と、（ｄ）送信機構からの送信を受信し、複数の回答ユーザからの、少なくとも１つの質問に対する回答を含む回答文書を識別し、その回答に従ってデータベースをロードするように構成された照合機構を含む処理装置とを有する、複数のコンピューターユーザから情報を得るシステムを提供している。

イトーら（Ｉｔｏ ｅｔ ａｌ．）に付与された米国特許（特許文献２）は、アンケート調査会社が多くの回答者の個人情報を、アンケート調査会社のシステムのデータベースに保存するシステムを提供している。クライアントが所望の条件を入力すると、条件を満たす回答者に関する情報が自動的に検索される。回答者の数がクライアントに示される。クライアントが承認すると、アンケートの内容が電話またはファクシミリによって、特定の回答者のもとに送信されて、アンケートに対する回答が収集される。

フーレスト（Ｆｕｅｒｓｔ）に付与された米国特許（特許文献３）は、電子的アンケート調査の作成、ユーザ回答に対応するアンケート調査結果の自動収集および作表を可能にするソフトウェアツールを提供している。このツールを使用すれば、アンケート調査は自動的に生成され、ウェブサイトアドレスで書き込みされる。コンピューターユーザは、ウェブクライアントまたはブラウザで、ＵＲＬにアクセスし、ウェブを介してアンケート調査を完了する。各ユーザがアンケート調査を完了すると、アンケート調査結果が、リレーショナルデータベースに収集される。その後、統計ツールまたは他の解析的なソフトウェアアプリケーションを用いて、作表された結果を詳細にデータ解析することができる。他の好ましい実施形態において、ソフトウェアツールは、インターネットコンピュータからウェブを介してリレーショナルデータベースを管理するリモートサーバにアクセスするのに使用される。有利なことに、このコンピュータは、当該リレーショナルデータベースアプリケーションソフトをロードし、かつ作動させるのに通常必要とされるコンピュータ処理能力、またはメモリ（すなわち、システムメモリまたはディスク記憶容量）を必要としない。

ウォーカーら（Ｗａｌｋｅｒ ｅｔ ａｌ．）に付与された米国特許（特許文献４）は、処理されたアンケート調査を入手したいクライアントからの質問を含んだアンケート調査を受信する、オンラインサービスプロバイダコンピュータまたはＩＳＰコンピュータのような制御装置を提供している。制御装置は、アンケート調査の質問に基づいて回答者の質問を生成する。制御装置は、顧客取引リストのような、考えられる回答者のリストから１人または２人以上の回答者も選択する。回答者の質問は、選択された回答者に送信される。回答者の質問に対応する回答が受信される。制御装置は、回答に不一致テストを適用して、不一致テスト結果を生成する。不一致テストは、回答が質問に注意を払わないコンピュータまたは人から生じるかどうかを判定する。不一致テスト結果に基づいて、不正行為信号を発生してもよい。不正行為信号から、制御装置が、対応する回答者から受信した回答を無視し、回答者への支払いを減らし、または無くし、戒告メッセージを回答者に送信し、および／または回答者を今後のアンケート調査に参加させないというような、いくつかの行動が生じることもある。

バーネイら（Ｂａｒｎｅｙ ｅｔ ａｌ．）に付与された米国特許（特許文献５）は、作業分析システム、およびコンピュータが作業分析を実行できるようにコンピュータを作動させる方法を含んだ、部分コンピュータの使用方法を提供している。１つの実施形態において、作業分析システムは、業務指向し、労働者指向し、それらに関した業務状況の規模のジョブ分析調整と、それらに関連する業務指向、労働者指向、業務状況の重要性の作業分析のアンケート調査部分を含むマスタージョブ分析データベースと、人的資源製品を含む製品データベースと、マスタージョブ分析データベースと関連する知識管理モジュールとを含む。知識管理モジュールは、ユーザが、マスタージョブ分析データベースから業務指向、労働者指向、および業務状況の重要性の１つを選択し、作業分析のアンケート調査部分の関連する１つから、作業分析のアンケート調査を行なうことを可能にするアンケート調査アセンブリプログラムと、ユーザが、重要な労働者指向の重要性を識別し、重要な労働者指向の重要性を製品データベースの人的資源製品に関連付けることを可能にするアンケート調査分析プログラムとを含む。

米国特許（特許文献６）は、自由形式の質問（ｏｐｅｎ−ｅｎｄｅｄ ｑｕｅｓｔｉｏｎ）に対する自由形式の回答者の回答をデータ処理する方法およびシステムを提供し、自由形式の質問に対する回答者の自由形式の回答の、再現可能で、分類されていて、動的に可変の符号化を実現している。データ処理装置は、単語からなる自由形式の回答を有する、データ処理装置に格納された単語の更新可能で、検索可能な熟語辞書を有している。自由形式の回答はデータ処理装置に入力され、キーワード、修飾語、省略語、接続詞、および否定語のような対応する算語種別に分類され、組合されたキーワードおよび関連する修飾語はキーフレーズを形成している。入力された単語は、自由形式の入力回答者の回答に対応する２値化された文を提供する対応する２値化単語に変換される。２値化された文は細かく調べられ、キーワードおよび関連する修飾語も抽出され、抽出されたキーワードおよび関連する修飾語から形成されたキーフレーズ、およびキーワードそれ自体を有する検索可能なファイルが生成される。キーフレーズは、生成されたファイルで分類され、分類されたキーフレーズの発生回数が、正味のキーフレーズファイルを作成するために、重複を除外して計数される。正味のキーフレーズファイルはオペレータに表示され、オペレータは次に、表示された正味のキーフレーズを、格納され、オペレータの操作で更新または修正することができる符号化構造に分類する。

上記で引用された文献の正確なメリット、機能、および利点が何であれ、それらのいずれも、本発明の利点を成就も実現もしてはいない。
米国特許第５、８９３、０９８号 米国特許第５、７２５、３８４号 米国特許第６、１８９、０２９号 米国特許第６、０９３、０２６号 米国特許第６、０７０、１４３号 米国特許第４、９５８、２８４号

本発明は、要素の母集団中の相対的なスコアに基づいて、非対称と非線形の算術スコアリングを組み合わせるスコアリング方法を提供する。

典型的な実施態様において、この方法は、複数のデータポイントを有するリサーチテンプレートを使用して実行される。好ましい実施態様において、測定点は、インジケータ（ｉｎｄｉｃａｔｏｒ）、規範的ステートメント（ｎｏｒｍａｔｉｖｅ ｓｔａｔｅｍｅｎｔｓ）、またはカテゴリーのいずれかである。インジケータスコアは、規範的ステートメントのスコアを発生させ、規範的ステートメントは、カテゴリースコアを発生させ、カテゴリーは、全体のヘディングスコアを発生させる。具体的な実現において、本発明の方法は、企業統治リスクスコアリングシステムを実現するために用いられる。

１つの実施態様において、本発明のリサーチテンプレートは、インジケータステートメント、規範的ステートメント、およびカテゴリーを組み合わせた「決定木」フォーマットのリサーチテンプレートである。他の実施態様において、決定木フォーマットのリサーチテンプレートは、技術的な知見がスコアリングアルゴリズムに取り込まれることを可能にする、単一の「葉」への主観的な入力を備えている。

このように、本発明のスコアリングシステムの方法は、規範的ステートメントまたは他のカテゴリー内のスコアを分離し、これらのカテゴリーを算術で得点することができる（範囲が広いカテゴリースコアが、非対称および／または非算術な方式により、これらのカテゴリースコアの組み合わせに基づいて計算される）。

典型的な実施態様において、スコアは、強制的分布、すなわち「ＧＭＩ曲線」を使用してバイアスされる。ＧＭＩ曲線は、正規分布曲線に関連するμが、μより大きい平均値を有する曲線を可能にするようにずれている。歪んだ（ｓｋｅｗｅｄ）正規分布曲線である。このように、ＧＭＩ曲線は、規範的な統計量を直観的に理解できるリスク重み付けに変換する。

本発明を好ましい実施形態において図示し説明するが、本発明は、多くの異なった構成、形態、および材料でなされてもよい。本発明の好ましい実施形態を図面で示し、ここで詳細に説明するか、この開示は、本発明の原理およびその構成に関連する機能仕様書の例示、と見なし、本発明を例示した実施形態に限定することを意図するものではないこと理解されたい。当業者は、本発明の範囲内で他の多くの考えられる変形を思いつくであろう。

「インジケータステートメント」、「規範的ステートメント」、カテゴリー、およびヘディングの特定の例は、図と明細書全体にわたり、本発明のスコアリング方法を説明するために使用されることに注意されるべきである。他の例を考えられるが、開示された例は、本発明の範囲を制限するためには使用されるべきでない。

本発明は、要素の母集団中の相対的なスコアに基づいて、非対称と非線形の算術スコアリングを組み合わせたスコアリング方法を提供する。典型的な実施形態において、この方法は、複数のデータポイントを有するリサーチテンプレートを使用して実行される。図１は、本発明のリサーチテンプレート１００の組織図の例を示している。詳細なリサーチテンプレートは、複数の個別の測定点に基づいている。測定点は、「カテゴリー」（１０２、１０４、１０６、）、「規範的ステートメント」（１０８、１１０、１１２、１１４、１１６、１１８）、または「インジケータ」（規範的ステートメント１０８の下で、例えばインジケータ１２０、１２２、１２４、１２６）のいずれかである。

規範的ステートメント１０８の下で、「インジケータ」（または「表示的ステートメント」）１２０、１２２、１２４、および１２６と関連するスコアは、規範的ステートメントのスコアを発生させる。同様に、規範的ステートメント１０８、１１０、および１１２と関連するスコアは、カテゴリー１０２と関連するカテゴリースコアを発生させる。最後に、カテゴリー１０２、１０４、および１０６と関連するカテゴリースコアは、ヘディング１０１と関連する全「ヘッドライン評価」を発生させる。

図２ａから図２ｅは、本発明の方法によって実行されるリサーチテンプレートのサンプルの例をまとめて示している。「１．ボード責任能力」と題する図２ａの行２０２がカテゴリー測定点を表わす。「Ｃ１．１ 役員会は、適切な規模であるべきであり、影響力を行使すべるべきである十分な数の独立したメンバーを有している」、および「Ｃ１．１ 機構」と題する図２ａの行２０４と２０６が規範的ステートメントの測定点に対応する。全ての規範的ステートメントは、１×、２×、または３×、または１０ポイントまたは２５ポイントのような割り当てられ、変更可能な重みを有している。参照番号２０８で示される行は、行２０４および２０６で与えられた規範的ステートメントの下のインジケータステートメントに相当する。インジケータステートメントは、「会社には監査委員会が有るか？」のような、客観的に、そして具体的に回答可能な質問である。図２ｂおよび図２ｃは、図２ａのカテゴリー２０２「役員会責任能力」の下の、インジケータステートメントおよび規範的ステートメントの類似例を示している。図２ｄおよび図２ｅは、インジケータステートメント（例えば、図２ｄの「Ｃ１．３ 役員会の全てのメンバーは、株主による正規の選挙によるべきである」および図２ｅの「Ｃ５．３ 全ての株主は、企業の買収に際して管理プレミアムに関与できるべきである」）の追加の例を示している。

１つの実施形態において、決定木フォーマットのリサーチテンプレートは、技術的な知見がスコアリングアルゴリズムに取り込まれることを可能にする、単一の「葉」への主観的な入力を備えている。決定木は、可能性が高いと考えられる「事実」についての全ての局面を取り込む。例えば、簡単な規範的ステートメント（例えば、「会社は、投票へのアクセスを容易にして株主の議決権を保護するべきである」）は、この規範的ステートメントの下に２０個のインジケータステートメントを備えている。これらのインジケータステートメントは、例えば人々が投票できる方法（人、代理人、メール、電話、インターネット等）、必要なあらゆる文書化、記録日付、株の規制、さらに総会が開催される場所のような種々のオプションを取り込んでいるが、それらに限定されるものではない。しかし、会社が、クリスマスイブの午後５時に会議を開くことを決定することで、人々が前年に投票するのを引き止めようとした場合（これは裁判所によってのみくつがえされるが）、アナリストはそのこと気づき、それが「株主議決権を保護していない」と信じるであろう。しかし、明らかに、会議とクリスマスイブというイベントの取り合わせは、いかなる決定木の質問（会社は、株主の戦いの最中に、クリスマスイブの午後５時に投票を行うことを企てたが、裁判所によって拒絶された、それで、その投票は起こらなかったか？）にもないであろう。しかし、アナリストは、会社が「株主の議決権を保護」しないと信じる十分な、しかし主観的な理由を持っている。本発明のテンプレートは、ブランクまたは「コメントおよび過去の歴史」２１０という決定木に「葉」を設けることによって、このような状況を考慮に入れている。これは、アナリストが、推奨されたスコアリング調整と共に、このような状況を記入できる単一の葉を提供している。この利点は、スコアリングにおける人の変数を正規化するように、品質管理が事実に正確さと、アナリスト間のパターン（例えば、あるアナリストは、非常に多くの調整を行うが、他アナリストは、全く行わないというような）の両方で葉をチェックできるという点である。

各インジケータステートメントまたは質問に関連した回答の範囲を限定することで、各回答にスコアを割り当てることができる。この典型的な実施形態において、インジケータは、「はい」、「いいえ」、または「わからない」という変形された２値法で回答できるように構成されていることに注意すべきである。インジケータの回答は、テンプレートに対して得点される。例えば、「はい」は、＋１に等しく、「いいえ」は、−１に等しく、「わからない」は、０に等しい。あるいは、重み付けが割り当てられてもよく、またはいくつかのインジケータ回答は得点されるが、他は得点されない、すなわち「はい」は、−１に等しく、「いいえ」は、得点されず、および「わからない」は、得点されない。この開示された質問および重み付けは単なる例であり、本発明の範囲および内容から逸脱することなく、他の質問および重み付けがそれに代わり使用できることには注意すべきである。全てのインジケータステートメントスコアは、いかなる規範的ステートメントのスコアの下でも、その規範的ステートメントに対して「生の」スコアを生じるように加えられる。その規範的ステートメントの各要素の生のスコアが、同じ規範的ステートメントの要素の生のスコアの母集団と比較される。

図３ａと図３ｂは、本発明の典型的な実施形態に関連するスコアリング方法３００をまとめて示している。方法３００は、次のステップを有する。

ステップ３０２：リサーチテンプレートの複数のデータポイントに関連する入力が入力される。

ステップ３０４：カテゴリーの各々に関連する規範的ステートメントに関連するスコアをランク付けることによって、ランク順に配列された母集団が形成され、その各規範的ステートメントのスコアは、関連するインジケータステートメントの個々のスコアの和に基づいている。

ステップ３０６：ランク順に配列された母集団は細分化され、重み付けされたスコアが各規範的ステートメントに割り当てられる。

ステップ３０８：カテゴリースコアが、関連するカテゴリーの下で、規範的ステートメントに関連するスコアの和に基づいて算出される。

ステップ３１０：カテゴリースコアは、ＧＭＩ曲線に基づいて変換される。

ステップ３１２：全体のヘッドラインスコアが、非対称の幾何学的なスコアリング（ＡＧＳ）手法に基づいて算出される。

ステップ３１４：算出されたヘッドラインスコアはランク付けされ、ランク付けされたスコアがＧＭＩ曲線を使用して変換される。

ステップ３１６：全体の要素スコアが、変換されたヘッドラインスコアの和に基づいて算出される。

ステップ３１８：最後に、算出されたスコアが、会社と市場のリスク評価を推定する際に利用される。

要素は、規範的ステートメントの下で、含まれる全インジケータステートメントの生のスコアを合計して、ランク付けされることに注意すべきである。次に、ランク順に配列された母集団はセグメントに分割され、規範的ステートメントの、全て、一部、部分否定、または全否定の変更可能な重みが割り当てられる。例えば、規範的ステートメントは１０ポイントの価値があり、ランクの順位が５分の１間隔で分割されているという状況においては、最上位の５分の１間隔は、＋１０ポイント、第２の５分の１間隔は、＋５ポイント、真中の５分の１間隔は、０ポイント、第４の５分の１間隔は、−５ポイント、第５の５分の１間隔は、−１０ポイントを受け取る。仮に、ランクの順位が３分割された場合には、この例の３分の１の最上位は１０ポイント（その規範的ステートメントの重み付けされたスコア）を受け取り、中央の３分の１は０ポイントを受け取り、最下位の３分の１は−１０ポイント（規範的ステートメントの負の重み）を受け取るであろう。

「区切点」にまたがる、観測点の組分けがある場合には、（例えば、多数の要素が同一の生のスコアを有し、５分位点または他の分割点に、またはその上、下に群を構成する）それらの要素は、それらがもしそうでなければ与えられたであろう平均のスコアを与えられるべきである。例えば、０ポイントが最上位の５分位点に、５ポイントが第２の５分位点に割り当てられることになっていた上記の事例では、分割点にまたがった群は、７．５ポイントを受け取るだろう。カテゴリースコアを算出するために、規範的ステートメントのスコアが直線的な算術法で加算され、生のカテゴリースコアを得る。

この典型的な実施形態において、生のカテゴリースコアは、スコアの分布を「ＧＭＩ曲線」に基づいた分布に強制することによって、固有の１０ポイントの分布である最終的なカテゴリースコアに変換される。ＧＭＩ曲線の目的は、規範的な統計量をより直観的に理解できるリスク重み付けに変換することである。

図４は、正規分布曲線を取り、それを歪めてわずかに大きい平均値を可能にし（６．５対５．０）、分布の裾に含まれるに違いないランク付けされた要素の数を制御するＧＭＩ曲線に関連する表を示している。これは、裾の観測値が真の異常値であることを確実にしている。ある釣合い感覚が得られるように、１、０００個の要素がランク付けされる場合、たった５０個だけが２．５またはそれより少ないスコアを受け取り、たった７０個だけが、９．０かそれよりよいスコアを受け取るけれども、６１０個は、５．０から７．５の評価を受け取るだろう。図５は、ｘ軸が、ＧＭＩスコアを表わし、ｙ軸が、特定のＧＭＩスコアに対して等価な範囲におけるパーセントの差である、図４の表のプロットを示している。ＧＭＩ曲線の目的は、規範的な統計量をさらに直観的に理解できるリスク重み付けに変換し、平均値よりもわずかに大きい点のまわりに最大値数の観測値を集め、真の異常値であるわずかな観測値を強調することである。

カテゴリースコア（ＧＭＩ曲線用に調整された）は、全要素、または「ヘッドライン」スコアを発生させる。（カテゴリースコアが全体の要素の評価をどのように発生させるかを理解するには、下記の非対称の幾何学的スコアリングの説明を参照。）各カテゴリースコアは、全体または「ヘッドライン」スコアへの重みを有している。

非対称の幾何学的スコアリング（ＡＧＳ）は、全体または「ヘッドライン」の評価をするのに使用される。（ＡＧＳは、出資者が、いかなる分布においても異常値であるイベントにとりわけ敏感あるとともに、出資者は、イベントが肯定的、または否定的な異常値かどうかによって、それらの異常値への不斉反応を有することを示すという行動の金融リサーチの調査研究に基づいている。別の言い方をすれば、出資者の効用関数は、肯定的、否定的な結果に対して同一ではなく、分布の両端での観測値に非直線的に敏感である）。

図６はＡＧＳに関連する方法６００を示している。ステップ６０２において、母集団のあらゆる要素に関連するすべての生のスコアは、カテゴリースコアごとに編集される。ステップ６０４において、スコアの母集団は、領域Ａ、６０６に入るスコア、領域Ｂ、６０８に入るスコア、および領域Ｃ、６１０に入るスコアの３のグループに分割される。領域Ａ、６０６のスコアは、平均値μより２標準偏差以上小さいスコアを示す（すなわち、領域Ａは、μ−２σより小さいスコアを示し、ここで、σは、スコアの標準偏差である）。領域Ｂ、６０８のスコアは、平均値よりより２標準偏差小さく、平均値より２標準偏差大きい間のスコアを示す（すなわち、領域Ｂは、μ−２σとμ＋２σの間にあるスコアを示す）。領域Ｃ、６１０のスコアは、平均値より２標準偏差またはそれより大きいスコアを示す（すなわち、領域Ｃは、μ＋２σより大きいスコアを示す）。

平均値より２標準偏差小さく、平均値より２標準偏差大きい間にあるスコアの要素に対して、要素の最終的なカテゴリースコア（ＧＭＩ曲線に基づいた）にカテゴリー重みが乗算される。その積が、全体の要素評価に対するカテゴリースコアの寄与率である。これは正規算術寄与率（ＮＡＣ）と呼ばれている。

平均値より２標準偏差以上小さいスコアの要素に対して、正規算術寄与率は、全体の要素、または「ヘッドライン」の評価に対するカテゴリースコアの寄与率を算出する始点である。正規算術寄与率と可能な最大カテゴリースコア間の差の２倍が、次に、正規の寄与率から差し引かれる。その和は、全体の要素の評価に対するそのカテゴリーの寄与率の合計である。言いかえれば、要素の生のスコアが、いかなるカテゴリーの平均値より２標準偏差以上小さい場合、「ヘッドライン」スコアに対するそのカテゴリーの寄与率の合計は、正規算術寄与率−２×（ＮＡＣ−最大カテゴリースコア）、となるであろう。

平均値より２標準偏差以上大きいスコアの要素に対して、全体または「ヘッドライン」スコアに対するそのカテゴリースコアの寄与率は、正規算術寄与率の１．５倍（１．５×ＮＡＣ）である。非対称の幾何学的なスコアリングの変形例は、観測値が平均値からさらに離れるにつれて、ペナルティー／報酬を増やすことである。例えば、２標準偏差の正の観測値は１．５×ＮＡＣを受け取るが、２．１標準偏差の正の観測値は１．６×ＮＡＣを受け取り、２．２標準偏差の正の観測値は１．７×ＮＡＣを受け取る等。しかし、上記の例は、例示のみを目的としており、増やされたペナルティー／報酬は、算術的な方法で計算する必要がないことは注意すべきである。

生の「ヘッドライン」または全体要素評価は、「ヘッドライン」または全体評価に対するあらゆるカテゴリー寄付率の和である。得点された要素の母集団を次に、ランク付けし、ＧＭＩ曲線を使用してそれらのスコアをその後に変換することによって、生の「ヘッドライン」スコアは、最終的な全体の要素スコアに変換される。

さらに、本発明は、コンピュータに命令して本発明に関連するあらゆる方法を実行させるのに使用可能な、格納されたプログラムコードを有する記憶媒体である、コンピュータのプログラムコードに基づいた製品を含む。コンピュータ記憶媒体は、ＣＤ−ＲＯＭ、ＤＶＤ、磁気テープ、光ディスク、ハードドライブ、フロッピーディスク、強誘電体メモリ、フラッシュメモリ、強磁性メモリ、光学的記憶装置、電荷結合素子、磁気または光カード、スマートカード、ＥＥＰＲＯＭ、ＥＰＲＯＭ、ＲＡＭ、ＲＯＭ、ＤＲＡＭ、ＳＲＡＭ、シンクロナスＤＲＡＭ、または他のあらゆる適切なスタテックまたはダイナミックメモリまたはデータ記憶装置を含んでいるが、それに限定されるものではない。

コンピュータのプログラムコードに基づいた製品で実行されるのは、（ａ）リサーチテンプレートの複数のデータポイントに関連する入力の入力を支援すること、（ｂ）各カテゴリーに関連する規範的ステートメントに関連するスコアをランク付けることによって、ランク順の母集団が形成すること、そしてその各規範的ステートメントのスコアは、関連するインジケータステートメントの個々のスコアの和に基づいていること、（ｃ）ランク順に配列された母集団を細分化し、規範的ステートメントの各々に重み付けしたスコアを割り当てること、（ｄ）関連するカテゴリーの下で、規範的ステートメントに関連するスコアの和に基づいてカテゴリースコアを算出すること、（ｅ）ＧＭＩ曲線に基づいてカテゴリースコアを変換すること、（ｆ）全ヘッドラインスコアを、非対称の幾何学的なスコアリング（ＡＧＳ）手法に基づいて算出すること、（ｇ）算出されたヘッドラインスコアをランク付けし、ＧＭＩ曲線を使用してランク付けされたスコアを変換すること、（ｈ）変換されたヘッドラインスコアの和に基づいて、全要素スコアを算出すること、（ｉ）算出されたスコアに基づいて、会社と市場のリスク測定を推定することに対するソフトウェアモジュールである。

スコアリング方法を有効に実現するシステムと方法が、上記の実施形態において示された。種々の好ましい実施形態を示して説明したが、かかる開示によって本発明を限定する意図はなく、むしろ、添付の請求項に定義されるように、本発明の精神および範囲に含まれる修正および代替の構成をすべてことが意図されていることが理解されるだろう。例えば、本発明は、インジケータステートメントの種類、カテゴリーの種類、ヘディングの種類、特定の重み付けの方式、特定のスコア値、特定の重み値、本発明のスコアリング方法のモジュールを実行するのに使用されるソフトウェア／プログラム、またはコンピュータ環境によって限定されるべきでない。

上記の拡張機能は、種々のコンピュータ環境で実行される。例えば、本発明のモジュールは、従来のＩＢＭ ＰＣまたはその等価物、複数の節点を有するシステム（例えば、ＬＡＮ）、またはネットワークシステム（例えば、インターネット、ＷＷＷ、無線情報ネットワーク）で実行可能である。すべてのプログラミングおよびそれに関連したデータは、スタテックまたはダイナミックなコンピュータメモリに格納され、ユーザは、次の従来のコンピュータ記憶装置、表示装置（すなわちＣＲＴ）および／またはハードコピー（すなわち印刷物）の形態のいずれでも取り出すことができる。本発明のプログラミングは、統計解析プログラミングにおけるある当業者によって行うことができる。

本発明のリサーチテンプレートの組織図の例を示す。 本発明の方法によって実行されるリサーチテンプレートのサンプルの例を示す。 本発明の方法によって実行されるリサーチテンプレートのサンプルの例を示す。 本発明の方法によって実行されるリサーチテンプレートのサンプルの例を示す。 本発明の方法によって実行されるリサーチテンプレートのサンプルの例を示す。 本発明の方法によって実行されるリサーチテンプレートのサンプルの例を示す。 本発明の典型的な実施形態に関連するスコアリング方法を示す。 本発明の典型的な実施形態に関連するスコアリング方法を示す。 正規分布曲線を取り、それを歪めてわずかに大きい平均を可能にし（６．５対５．０）、分布の裾に含まれるに違いないランク付けされた要素の数を制御するＧＭＩ曲線と関連する表を示す。 図４の表のグラスを示す。 ＡＧＳに関連する方法を示す。

Claims (17)

1. リスクスコアを推定する、決定木フォーマットのリサーチテンプレート（１００）であって、前記テンプレート（１００）が、
   ａ．１つまたは２つ以上の規範的ステートメント（１０８、１１０、１１２、１１４、１１６、１１８）と、
   ｂ．各インジケータステートメントへの応答がインジケータステートメントスコアを決めるとともに、前記各規範的ステートメントの下でのインジケータステートメントスコアの和が、前記各規範的ステートメントに関連する規範的スコアを与えるように、各前記規範的ステートメントに関連する１つまたは２つ以上の前記インジケータステートメント（１２０、１２２、１２４、１２６）と、
   ｃ．１つまたは２つ以上のヘディング（１０１）と、
   ｄ．カテゴリースコアが、前記各ヘディングの下で、前記規範的スコアに重み付けして合計することで算出され、かつヘディングスコアが、前記カテゴリースコアに、ＧＭＩスコアおよび非対称の幾何学的なスコアリング手法によってバイアスをかけることによって算出されるように、前記各ヘディングと関連する１つまたは２つ以上のカテゴリー（１０２、１０４、１０６）と、
   を有し、
   それによって、推定リスクスコアが、ＧＭＩ曲線に基づいて前記ヘディングスコアにバイアスをかけて算出される、
   決定木フォーマットのリサーチテンプレート。
2. 前記非対称の幾何学的なスコアリング手法は、
   ａ．カテゴリースコアを、次の領域、すなわち平均値より２標準偏差以上小さいカテゴリースコアを表わす第１の領域のスコアと、平均値より２標準偏差小さく、平均値より２標準偏差大きい間のカテゴリースコアを表わす第２の領域のスコアと、平均値より２標準偏差以上大きいスコアを表わす第３領域のスコアの領域に分割するステップと、
   ｂ．前記第１の領域に入るカテゴリースコアに対して、前記ヘッドラインスコアに対するそのカテゴリーの寄与率の合計を、正規算術寄与率−２×（ＮＡＣ−最大のカテゴリースコア）によって与えるステップと、
   ｃ．前記第２の領域に入るカテゴリースコアに対して、前記ヘッドラインスコアに対するそのカテゴリーの寄与率の合計を、カテゴリースコアとカテゴリー重み付けの積によって与えるステップと、
   ｄ．前記第３の領域に入るカテゴリースコアに対して、前記ヘッドラインスコアに対するそのカテゴリースコアの寄与率を、正規算術寄与率の１．５倍とするステップと、
   を有する、請求項１に記載のリスクスコアを推定する、決定木フォーマットのリサーチテンプレート（１００）。
3. 前記テンプレートは、各前記規範的ステートメントの下に葉（２１０）をさらに有し、前記葉は、前記インジケータステートメントによって包含されない付加的な入力を可能にし、前記葉は、規範的ステートメントのスコアに関連する調整を与える、請求項１に記載のリスクスコアを推定する、決定木フォーマットのリサーチテンプレート（１００）。
4. 前記インジケータのスコアは、修正された２値のスコアであり、前記修正された２値のスコアは、次の値、すなわち−１、０、または＋１のいずれかを有する、請求項１に記載のリスクスコアを推定する、決定木フォーマットのリサーチテンプレート（１００）。
5. 前記リスクスコアは、企業統治リスク評価である、請求項１に記載のリスクスコアを推定する、決定木フォーマットのリサーチテンプレート（１００）。
6. リスクを計算するスコアリング方法であって、
   ａ．１つまたは２つ以上のヘディング（１０１）と、前記各ヘディングに関連する１つまたは２つ以上のカテゴリー（１０２、１０４、１０６）と、前記各カテゴリーに関連する１つまたは２つ以上の規範的ステートメント（１０８、１１０、１１２、１１４、１１６、１１８）と、前記各規範的ステートメントに関連する１つまたは２つ以上のインジケータステートメント（１２０、１２２、１２４、１２６）とを有するリサーチテンプレート（１００）を描画するステップと、
   ｂ．規範的ステートメントのスコア、インジケータステートメントスコア、カテゴリースコア、およびヘディングスコアを、前記入力した入力に基づいて順次算出し、前記規範的ステートメントのスコアが、関連するインジケータステートメントのスコアに和に基づいて算出され、前記カテゴリースコアが、ＧＭＩ曲線に変換された規範的ステートメントのスコア和に基づいて算出され、前記ヘディングスコアが、前記カテゴリースコアの非対称の幾何学的スコアリングに基づいて算出されるステップと、
   ｃ．ＧＭＩ変換されたヘディングスコアの和に基づいて、全体のリスクスコアを計算するステップと、
   ｄ．前記計算されたリスクスコアを描画するステップと、
   を有するリスクを計算するスコアリング方法。
7. 前記非対称の幾何学的なスコアリングは、
   ａ．カテゴリースコアを、次の領域、すなわち、平均値より２標準偏差以上小さいカテゴリースコアを表わす第１の領域のスコアと、平均値より２標準偏差小さく、平均値より２標準偏差大きい間のカテゴリースコアを表わす第２の領域のスコアと、平均値より２標準偏差以上大きいスコアを表わす第３領域のスコアの領域とに分割することと、
   ｂ．前記第１の領域に入るカテゴリースコアに対して、前記ヘッドラインスコアに対するそのカテゴリーの寄与率の合計を、正規算術寄与率−２×（ＮＡＣ−最大のカテゴリースコア）によって与えることと、
   ｃ．前記第２の領域に入るカテゴリースコアに対して、前記ヘッドラインスコアに対するそのカテゴリーの寄与率の合計を、カテゴリースコアとカテゴリー重み付けの積によって与えることと、
   ｄ．前記第３の領域に入るカテゴリースコアに対して、前記ヘッドラインスコアに対するそのカテゴリースコアの寄与率を正規算術寄与率の１．５倍とすることと、
   に基づいている、請求項６に記載の、リスクを計算するスコアリング方法。
8. 前記インジケータのスコアは、修正された２値のスコアであり、前記修正された２値のスコアは、次の値、すなわち−１、０、または＋１のいずれかを有する、請求項６に記載のリスクを計算するスコアリング方法。
9. 前記算出されたリスクスコアは、企業統治リスク評価である、請求項６に記載のリスクを計算するスコアリング方法。
10. 企業統治リスクを予測する、非対称と非線形の算術スコアリングを組み合わせたスコアリング方法であって、
    ａ．１つまたは２つ以上のヘディング（１０１）に関連する入力と、前記各ヘディングに関連する１つまたは２つ以上のカテゴリー（１０２、１０４、１０６）と、前記各カテゴリーに関連する１つまたは２つ以上の規範的ステートメント（１０８、１１０、１１２、１１４、１１６、１１８）と、前記各規範的ステートメントに関連する１つまたは２つ以上のインジケータステートメント（１２０、１２２、１２４、１２６）とを入力するステップと、
    ｂ．各規範的ステートメントに関連する規範的スコアを、インジケータステートメントに関連するインジケータのスコアの和と、入力された入力から抽出された前記インジケータのスコアの値に基づいて算出するステップと、
    ｃ．前記算出された規範的スコアの和と、入力された入力から抽出された前記規範的スコアの値に基づいて、各カテゴリーに関連するカテゴリースコアを算出するステップと、
    ｄ．前記計算されたカテゴリースコアをＧＭＩ曲線に基づいて変換するステップと、
    ｅ．重み付けされ、変換されたカテゴリースコアの非対称の幾何学的なスコアリングに基づいて、全体のヘッドラインスコアを算出するステップと、
    ｆ．変換され、算出されたヘッドラインスコアの和に基づいて、全体の要素スコアを算出し、前記変換を前記ＧＭＩ曲線によって行なうステップと、
    ｇ．前記全体の要素のスコアを用いて前記企業統治リスクを予測するステップと、
    を有するスコアリング方法。
11. 前記非対称の幾何学的なスコアリングは、
    ａ．カテゴリースコアを、次の領域、すなわち、平均値より２標準偏差以上小さいカテゴリースコアを表わす第１の領域のスコアと、平均値より２標準偏差小さく、平均値より２標準偏差大きい間のカテゴリースコアを表わす第２の領域のスコアと、平均値より２標準偏差以上大きいスコアを表わす第３の領域のスコアの領域に分割することと、
    ｂ．前記第１の領域に入るカテゴリースコアに対して、前記ヘッドラインスコアに対するそのカテゴリーの寄与率の合計を、正規算術寄与率−２×（ＮＡＣ−最大のカテゴリースコア）によって与えることと、
    ｃ．前記第２の領域に入るカテゴリースコアに対して、前記ヘッドラインスコアに対するそのカテゴリーの寄与率の合計を、カテゴリースコアとカテゴリー重み付けの積によって与えること、
    ｄ．前記第３の領域に入るカテゴリースコアに対して、前記ヘッドラインスコアに対するそのカテゴリースコアの寄与率が正規算術寄与率の１．５倍であること、
    に基づく、請求項１０に記載の企業統治リスクを予測する、非対称と非線形の算術スコアリングを組み合わせたスコアリング方法。
12. 前記インジケータのスコアは、修正された２値のスコアであり、前記修正された２値のスコアは、次の値、すなわち−１、０、または＋１のいずれかを有する、請求項１０に記載の企業統治リスクを予測する、非対称と非線形の算術スコアリングを組み合わせたスコアリング方法。
13. 前記規範的ステートメントのスコアは、少なくとも１つの前記規範的ステートメントの下で、葉（２１０）に入力された入力に基づいて調整され、前記葉は、前記インジケータステートメントによって包含されない付加的な入力を可能にする、請求項１０に記載の企業統治リスクを予測する、非対称と非線形の算術スコアリングを組み合わせたスコアリング方法。
14. 前記方法は、ネットワークにわたって実行される、請求項１０に記載の企業統治リスクを予測する、非対称と非線形の算術スコアリングを組み合わせたスコアリング方法。
15. 前記ネットワークは、ローカルエリアネットワーク（ＬＡＮ）、広域ネットワーク（ＷＡＮ）、またはインターネットのいずれかを含む、請求項１４に記載の企業統治リスクを予測する、非対称と非線形の算術スコアリングを組み合わせたスコアリング方法。
16. 企業統治リスクを予測する、非対称と非線形の算術スコアリングを組み合わせたスコアリング方法を実行する、コンピュータ使用可能な媒体を有する製品であって、前記媒体は、
    ａ．１つまたは２つ以上のヘディングに関連する入力と、前記各ヘディングに関連する１つまたは２つ以上のカテゴリーと、前記各カテゴリーに関連する１つまたは２つ以上の規範的ステートメントと、各前記規範的ステートメントに関連する１つまたは２つ以上のインジケータステートメントとを入力することを支援する、コンピュータ読取り可能なプログラムコードと、
    ｂ．各規範的ステートメントに関連する規範的スコアを、インジケータステートメントに関連するインジケータのスコアの和と、入力された入力から抽出された前記インジケータのスコアの値に基づいて算出する、コンピュータ読取り可能なプログラムコードと、
    ｃ．前記算出された規範的スコアの和と、入力された入力から抽出された前記規範的スコアの値に基づいて、各カテゴリーに関連するカテゴリースコアを算出する、コンピュータ読取り可能なプログラムコードと、
    ｄ．前記計算されたカテゴリースコアをＧＭＩ曲線に基づいて変換する、コンピュータ読取り可能なプログラムコードと、
    ｅ．重み付けされ、変換されたカテゴリースコアの非対称の幾何学的なスコアリングに基づいて、全体のヘッドラインスコアを算出する、コンピュータ読取り可能なプログラムコードと、
    ｆ．変換され、算出されたヘッドラインスコアの和に基づいて、全体の要素スコアを算出し、前記変換を前記ＧＭＩ曲線によって行う、コンピュータ読取り可能なプログラムコードと、
    ｇ．前記全体の要素のスコアを用いて前記企業統治リスクを予測する、コンピュータ読取り可能なプログラムコードと、
    を有する、企業統治リスクを予測する、非対称と非線形の算術スコアリングを組み合わせたスコアリング方法を実行する、コンピュータ使用可能な媒体を有する製品。
17. 前記非対称の幾何学的なスコアリングは、
    ａ．カテゴリースコアを、次の領域、すなわち、平均値より２標準偏差以上小さいカテゴリースコアを表わす第１の領域のスコアと、平均値より２標準偏差小さく、平均値より２標準偏差大きい間のカテゴリースコアを表わす第２の領域のスコアと、平均値より２標準偏差以上大きいスコアを表わす第３領域のスコアの領域に分割する、コンピュータ読取り可能なプログラムコードと、
    ｂ．前記第１の領域に入るカテゴリースコアに対して、正規算術寄与率−２×（ＮＡＣ−最大のカテゴリースコア）によって与えられる、前記ヘッドラインスコアに対するそのカテゴリーの寄与率の合計を計算する、コンピュータ読取り可能なプログラムコードと、
    ｃ．前記第２の領域に入るカテゴリースコアに対して、カテゴリースコアとカテゴリー重み付けの積よって与えられる、前記ヘッドラインスコアに対するそのカテゴリーの寄与率の合計を計算する、コンピュータ読取り可能なプログラムコードと、
    ｄ．前記第３の領域に入るカテゴリースコアに対して、正規算術寄与率の１．５倍として前記ヘッドラインスコアに対するそのカテゴリースコアの寄与率を計算する、コンピュータ読取り可能なプログラムコードと、
    に基づく、請求項１６に記載の企業統治リスクを予測する、非対称と非線形の算術スコアリングを組み合わせたスコアリング方法を実行する、コンピュータ使用可能な媒体を有する製品。

Images