JP2007249354A - Index estimation device, index estimation method and index estimation program - Google Patents

Index estimation device, index estimation method and index estimation program Download PDF

Info

Publication number
JP2007249354A
JP2007249354A JP2006069047A JP2006069047A JP2007249354A JP 2007249354 A JP2007249354 A JP 2007249354A JP 2006069047 A JP2006069047 A JP 2006069047A JP 2006069047 A JP2006069047 A JP 2006069047A JP 2007249354 A JP2007249354 A JP 2007249354A
Authority
JP
Japan
Prior art keywords
index information
information
estimation
value
index
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
Application number
JP2006069047A
Other languages
Japanese (ja)
Other versions
JP4937608B2 (en
Inventor
Tsutomu Yonemori
力 米森
Masatoshi Nishimura
正寿 西村
Tsutomu Matsunaga
務 松永
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NTT Data Group Corp
Original Assignee
NTT Data Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by NTT Data Corp filed Critical NTT Data Corp
Priority to JP2006069047A priority Critical patent/JP4937608B2/en
Publication of JP2007249354A publication Critical patent/JP2007249354A/en
Application granted granted Critical
Publication of JP4937608B2 publication Critical patent/JP4937608B2/en
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Abstract

<P>PROBLEM TO BE SOLVED: To provide an index estimation device for calculating an index as an object of estimation by an established means. <P>SOLUTION: In an index estimation device 1, an enterprise value calculation part 100 calculates a score showing the predetermined value of an evaluation object enterprise based on the index information of a predetermined evaluation object enterprise. An input part 101 inputs the score and the index information of the predetermined enterprise scale and the index information of the estimation object. A model generation part 102 calculates the coefficients of a secondary curved surface model with the score and the index information of the enterprise scale and the index information of the estimation object as variables, and generates a secondary curved surface model. An amount estimation part 103 calculates unknown index information as the object of estimation from the already known score and the index information of the enterprise scale by using the generated secondary curved surface model. A visualization part 105 calculates secondary curved surface coordinate data 200 from the index information of the estimation object calculated by the amount estimation part 103, and makes a visualization result output part 106 display it. <P>COPYRIGHT: (C)2007,JPO&INPIT

Description

本発明は、例えば、企業の過去の財務指標等から営業利益などを推計する指標推計装置、指標推計方法、及び指標推計プログラムに関する。   The present invention relates to, for example, an index estimation device, an index estimation method, and an index estimation program that estimate an operating profit from a past financial index of a company.

従来、企業戦略の策定・投資などの目的から、大量の財務情報を用いた統計的な手法により、企業の利益や売上を推計することが行われている。こうした数値を推計する技術として主に用いられる統計モデルとしては、重回帰モデルがある（例えば、非特許文献１参照）。   Conventionally, for the purpose of formulating and investing in a corporate strategy, the profit and sales of a company are estimated by a statistical method using a large amount of financial information. As a statistical model mainly used as a technique for estimating such numerical values, there is a multiple regression model (see, for example, Non-Patent Document 1).

重回帰モデルでは、以下のような手順で推計を行う。まず与えられたモデル構築用のデータ、例えば、過去の財務指標のデータ等を用いて、以下のような式（１）のようなモデルを構築、すなわち、式（１）のａ１からａｎまでの係数パラメータを推定する。 In the multiple regression model, estimation is performed according to the following procedure. First given data for model construction, for example, using the data of historical financial indicators, build models such as equation (1) as follows, namely, a n from a 1 of the formula (1) The coefficient parameters up to are estimated.

Figure 2007249354
Figure 2007249354

式（１）において、ｘｉは、分析に用いる指標としての説明変数であり、ｙは、売上高や利益など推計対象となる指標としての目的変数であり、ａｉは、指標にかかる係数である。 In Expression (1), x i is an explanatory variable as an index used for analysis, y is an objective variable as an index to be estimated such as sales and profit, and a i is a coefficient relating to the index. is there.

ここで、分析対象となるデータが式（１）で十分に表現できない場合は、次式（２）のような２次項、あるいは相互項を導入したモデルが用いられることもある。   Here, when the data to be analyzed cannot be sufficiently expressed by the equation (1), a model in which a quadratic term or a mutual term such as the following equation (2) is introduced may be used.

Figure 2007249354
Figure 2007249354

重回帰モデルにおける、推定額の算出は、上記の式（１）または式（２）に対して評価対象企業のデータを代入することによって行われる。   Calculation of the estimated amount in the multiple regression model is performed by substituting the data of the evaluation target company into the above formula (1) or formula (2).

従来、企業の営業利益などを予想するための分析対象データとして、例えば、過去の財務データがあり、当該財務データに基づく営業利益を目的変数として、分析対象の企業の財務指標から営業利益を推計することが行われてきた。分析対象の具体例としては他に、広告宣伝費と従業員数から売上の推計を行う等の事例がある（例えば、非特許文献２参照）。
統計学入門、東京大学教養学部統計学教室、東京大学出版、１９９６． 多変量解析の実践（上）、菅 民郎、現代数学社、１９９３． Conventionally, there is past financial data as analysis target data for predicting the operating profit of a company, for example, and operating profit is estimated from the financial index of the analyzed company using the operating profit based on the financial data as a target variable. Has been done. As a specific example of the analysis target, there are other cases such as estimating sales from advertising expenses and the number of employees (for example, see Non-Patent Document 2).
Introduction to Statistics, Department of Statistics, Faculty of Liberal Arts, University of Tokyo, University of Tokyo Press, 1996. Practice of multivariate analysis (above), Tamio Tsuji, Contemporary Mathematics, 1993.

しかしながら、企業分析において、利益や売上高などの指標を推計対象とする際、上記式（１）や式（２）に当てはまる財務指標を組み合わせて所望の精度が得られる統計的モデルの構築を行わなければならない。しかし、これらの統計的モデルを構築するためには、試行錯誤を重ねて採用する指標を選択する必要があり、確立した手段に基いて所望の精度が得ることが出来ないという問題がある。   However, in the corporate analysis, when indicators such as profit and sales are to be estimated, a statistical model is constructed that can achieve the desired accuracy by combining the financial indicators applicable to the above formulas (1) and (2). There must be. However, in order to construct these statistical models, it is necessary to select an index to be adopted through trial and error, and there is a problem that a desired accuracy cannot be obtained based on established means.

また、上記式（２）の３項目のような、非線形項の推定を省略するためにニューラルネットワークを用いたモデル構築が成されることもあるが、ユーザの決めるべきパラメータが多く、また、パラメータの特定手段として確立された手段が存在しないため、この場合もモデル構築を行うためには試行錯誤を重ねなければならないという問題がある。   In addition, model construction using a neural network may be performed to omit estimation of nonlinear terms, such as the three items of the above formula (2), but there are many parameters to be determined by the user. In this case, there is a problem that trial and error must be repeated in order to construct a model.

また、上記のように試行錯誤を重ねて作成したモデルに対し、時間経過に伴ってモデルの更新が必要になった際には、再度データ整理およびモデル作成を繰り返さなければならないという問題がある。   In addition, when a model created by repeated trial and error as described above needs to be updated over time, there is a problem that data organization and model creation must be repeated again.

本発明は、上記問題を解決すべくなされたもので、その目的は、確立された手段により推計対象の指標の算出を行うことを可能とする指標推計装置、指標推計方法、及び指標推計プログラムを提供することにある。   The present invention has been made to solve the above problems, and an object of the present invention is to provide an index estimation device, an index estimation method, and an index estimation program capable of calculating an index to be estimated by established means. It is to provide.

上記問題を解決するために、本発明は、複数の指標で表される評価対象に対して、前記複数の指標の情報である指標情報のいずれかを推計対象指標情報とし、前記推計対象指標情報を既知である他の指標情報により算出する指標推計装置であって、予め定められる評価対象の指標情報に基づいて前記評価対象の所定の価値を示す価値情報を算出する価値算出手段と、前記価値算出手段から算出される価値情報と、予め定められる前記価値情報に対応する前記推計対象指標情報以外の指標情報である第１の指標情報及び前記推計対象指標情報を入力する入力手段と、前記入力手段により入力される前記価値情報及び前記第１の指標情報及び前記推計対象指標情報、並びに前記価値情報及び前記第１の指標情報及び前記推計対象指標情報を未知の変数とする２次曲面モデルに基づいて、当該２次曲面モデルの係数を所定の演算により算出する係数算出手段と、前記係数算出手段により算出された係数が設定される２次曲面モデルと、前記価値情報と、前記第１の指標情報とに基づいて、前記推計対象指標情報を算出する推計手段と、を備えたことを特徴とする指標推計装置である。   In order to solve the above-described problem, the present invention provides the estimation target index information with any one of the index information that is information of the plurality of indexes as the estimation target index information for the evaluation target represented by the plurality of indexes. A value calculating means for calculating value information indicating a predetermined value of the evaluation target based on predetermined index information of the evaluation target, and the value Input means for inputting value information calculated from the calculation means, first index information that is index information other than the estimation target index information corresponding to the predetermined value information, and the estimation target index information, and the input The value information, the first index information, and the estimation target index information input by the means, and the value information, the first index information, and the estimation target index information are unknown. A coefficient calculation means for calculating a coefficient of the quadric surface model by a predetermined calculation based on a quadric surface model as a number; a quadric surface model in which the coefficient calculated by the coefficient calculation means is set; An index estimation apparatus comprising: estimation means for calculating the estimation target index information based on value information and the first index information.

また、本発明は、上記に記載の発明において、前記推計手段が算出した前記推計対象指標情報と、当該推計対象指標情報の算出元となる前記価値情報及び前記第１の指標情報とに基づいて、係数が設定される２次曲面モデルの３次元座標上での座標位置を算出する座標位置算出手段と、前記座標位置算出手段が算出した座標位置を３次元座標上に出力する出力手段と、を備えたことを特徴とする。   In the invention described above, the present invention is based on the estimation target index information calculated by the estimation unit, the value information that is a calculation source of the estimation target index information, and the first index information. A coordinate position calculation means for calculating a coordinate position on a three-dimensional coordinate of a quadratic surface model for which a coefficient is set; an output means for outputting the coordinate position calculated by the coordinate position calculation means on the three-dimensional coordinate; It is provided with.

また、本発明は、上記に記載の発明において、前記所定の演算とは、最小自乗誤差基準に基づく山登り法、あるいはニュートン法であることを特徴とする。   Also, the present invention is characterized in that, in the above-described invention, the predetermined calculation is a hill-climbing method or a Newton method based on a least square error criterion.

また、本発明は、上記に記載の発明において、前記所定の価値とは、前記第１の指標情報の影響が低くなるような前記価値であり、前記価値情報と前記第１の指標情報とは、単調増加あるいは単調減少の関係にあることを特徴とする。   In the present invention described above, the predetermined value is the value such that the influence of the first index information is reduced, and the value information and the first index information are It is characterized by a monotonically increasing or monotonic decreasing relationship.

また、本発明は、複数の指標で表される評価対象に対して、前記複数の指標の情報である指標情報のいずれかを推計対象指標情報とし、前記推計対象指標情報を既知である他の指標情報により算出する指標推計方法であって、予め定められる評価対象の指標情報に基づいて前記評価対象の所定の価値を示す価値情報を算出するステップと、算出した価値情報と、予め定められる前記価値情報に対応する前記推計対象指標情報以外の指標情報である第１の指標情報及び前記推計対象指標情報を入力するステップと、入力する前記価値情報及び前記第１の指標情報及び前記推計対象指標情報、並びに前記価値情報及び前記第１の指標情報及び前記推計対象指標情報を未知の変数とする２次曲面モデルに基づいて、当該２次曲面モデルの係数を所定の演算により算出するステップと、算出した係数が設定される２次曲面モデルと、前記価値情報と、前記第１の指標情報とに基づいて、前記推計対象指標情報を算出するステップと、を含むことを特徴とする指標推計方法である。   Further, the present invention provides, for an evaluation target represented by a plurality of indexes, any one of the index information that is information of the plurality of indexes as estimation target index information, and the estimation target index information is known. An index estimation method that is calculated based on index information, the step of calculating value information indicating a predetermined value of the evaluation target based on predetermined index information of the evaluation target, the calculated value information, and the predetermined value A step of inputting first index information which is index information other than the estimation target index information corresponding to value information and the estimation target index information, and the input value information, the first index information and the estimation target index Information, the value information, the first index information, and the estimation target index information based on a quadratic surface model with unknown variables, coefficients of the quadric surface model are determined in advance. A step of calculating by calculation, and a step of calculating the estimation target index information based on the quadric surface model in which the calculated coefficient is set, the value information, and the first index information. Is an index estimation method characterized by

また、本発明は、複数の指標で表される評価対象に対して、前記複数の指標の情報である指標情報のいずれかを推計対象指標情報とし、前記推計対象指標情報を既知である他の指標情報により算出する指標推計装置の制御コンピュータに、予め定められる評価対象の指標情報に基づいて前記評価対象の所定の価値を示す価値情報を算出する手順と、算出した価値情報と、予め定められる前記価値情報に対応する前記推計対象指標情報以外の指標情報である第１の指標情報及び前記推計対象指標情報を入力する手順と、入力する前記価値情報及び前記第１の指標情報及び前記推計対象指標情報、並びに前記価値情報及び前記第１の指標情報及び前記推計対象指標情報を未知の変数とする２次曲面モデルに基づいて、当該２次曲面モデルの係数を所定の演算により算出する手順と、算出した係数が設定される２次曲面モデルと、前記価値情報と、前記第１の指標情報とに基づいて、前記推計対象指標情報を算出する手順とを実行させるための指標推計プログラムである。   Further, the present invention provides, for an evaluation target represented by a plurality of indexes, any one of the index information that is information of the plurality of indexes as estimation target index information, and the estimation target index information is known. A procedure for calculating value information indicating the predetermined value of the evaluation target based on the predetermined index information of the evaluation target, and the calculated value information are determined in advance in the control computer of the index estimation device calculated from the index information A procedure for inputting the first index information and the estimation target index information which are index information other than the estimation target index information corresponding to the value information, the value information to be input, the first index information and the estimation target Based on the quadratic surface model having the index information and the value information, the first index information, and the estimation target index information as unknown variables, the coefficient of the quadric surface model is calculated. A procedure for calculating the estimation target index information based on a quadratic surface model in which the calculated coefficient is set, the value information, and the first index information; This is an index estimation program.

この発明によれば、指標推計装置は、予めモデル生成のために定められる評価対象の指標情報に基づいて評価対象の所定の価値を示す価値情報を算出し、算出した価値情報と、予め定められる価値情報に対応する評価対象の推計対象指標情報以外の第１の指標情報及び推計対象指標情報を入力する。入力する価値情報及び第１の指標情報及び推計対象指標情報、並びに価値情報及び第１の指標情報及び推計対象指標情報を未知の変数とする２次曲面モデルに基づいて、当該２次曲面モデルの係数を所定の演算により算出し、算出した係数が設定される２次曲面モデルと、価値情報と、第１の指標情報とに基づいて、推計対象指標情報を算出する構成とした。これにより、２次曲面モデルの係数を算出するという確立された手段により、既知の推計対象指標情報及び価値情報及び第１の指標情報に対応する２次曲面モデルを生成することが可能となる。また、算出した係数が設定された２次曲面モデルと、既知の価値情報及び第１の指標情報とにより、未知の推計対象指標情報を算出することが可能となる。   According to this invention, the index estimation device calculates value information indicating the predetermined value of the evaluation target based on the index information of the evaluation target that is determined in advance for generating the model, and the calculated value information is determined in advance. First index information and estimation target index information other than the estimation target index information to be evaluated corresponding to the value information are input. Based on the input value information, the first index information and the estimation target index information, and the quadric surface model having the value information, the first index information and the estimation target index information as unknown variables, The coefficient is calculated by a predetermined calculation, and the estimation target index information is calculated based on the quadratic surface model in which the calculated coefficient is set, the value information, and the first index information. Accordingly, it is possible to generate a quadric surface model corresponding to known estimation target index information, value information, and first index information by an established means for calculating a coefficient of a quadric surface model. Also, unknown estimation target index information can be calculated from the quadric surface model in which the calculated coefficient is set, the known value information, and the first index information.

また、本発明によれば、指標推計装置は、算出した推計対象指標情報と、当該推計対象指標情報の算出元となる価値情報及び第１の指標情報とに基づいて、係数が設定される２次曲面モデルの３次元座標上での座標位置を算出し、算出した座標位置を３次元座標上に出力する構成とした。これにより、評価対象の指標情報に基づく傾向が２次曲面として表示することができ、視認によりその傾向を確認することが可能となる。   Further, according to the present invention, the index estimating apparatus sets a coefficient based on the calculated estimation target index information, the value information that is a calculation source of the estimation target index information, and the first index information 2 The coordinate position on the three-dimensional coordinate of the next curved surface model is calculated, and the calculated coordinate position is output on the three-dimensional coordinate. Thereby, the tendency based on the index information to be evaluated can be displayed as a quadric surface, and the tendency can be confirmed by visual recognition.

また、本発明によれば、指標推計装置における所定の演算とは、最小自乗誤差基準に基づく山登り法、ニュートン法である構成とした。これにより、２次曲面モデルの係数を算出する手段を特定の手段に固定することができ、全体として確立された手段で推計を行うことが可能となる。   Further, according to the present invention, the predetermined calculation in the index estimation device is configured to be a hill-climbing method or a Newton method based on a least square error criterion. As a result, the means for calculating the coefficient of the quadratic curved surface model can be fixed to a specific means, and estimation can be performed by means established as a whole.

また、本発明によれば、指標推計装置における所定の価値とは、第１の指標情報の影響が低くなるような価値であり、価値情報と第１の指標情報とは、単調増加あるいは単調減少の関係にある構成とした。これにより、価値情報と第１の指標情報は、互いに独立した相補的因子となり、価値情報と第１の指標情報とは単調増加あるいは単調減少の関係にあることから２次曲面モデルを構成することが可能となる。   Further, according to the present invention, the predetermined value in the index estimation device is a value that reduces the influence of the first index information, and the value information and the first index information are monotonically increasing or monotonically decreasing. It was set as the structure which has the relationship of. As a result, the value information and the first index information become complementary factors independent of each other, and the value information and the first index information are in a monotonically increasing or decreasing relationship, so that a quadric surface model is formed. Is possible.

以下、本発明の一実施形態を図面を参照して説明する。
図１は、本実施形態による指標推計装置１を示す概略ブロック図である。 Hereinafter, an embodiment of the present invention will be described with reference to the drawings.
FIG. 1 is a schematic block diagram showing an index estimation apparatus 1 according to the present embodiment.

本実施形態では、企業分析に用いる統計モデルとして、次式（３）で表される２次曲面の数式をモデルとして統計的モデルの構築を行う。モデル構築は、企業価値を表す企業価値スコアの指標情報（ｘ１）、企業規模の指標情報（ｘ２）、及び推計対象となる目的変数としての指標情報（ｙ）の組み合わせに基づいて、係数パラメータｂ０、ｂ１、ｂ２、ｂ３、ｂ４、ｂ５を推定することにより行う。 In the present embodiment, as a statistical model used for company analysis, a statistical model is constructed using a mathematical formula of a quadric surface expressed by the following formula (3) as a model. Model building, corporate value index information score (x 1) representing the corporate value, index information of the enterprise-wide (x 2), and based on a combination of index information (y) as a target variable to be estimated target coefficient This is done by estimating the parameters b 0 , b 1 , b 2 , b 3 , b 4 , b 5 .

Figure 2007249354
Figure 2007249354

上記の式（３）は、上述した式（２）と同じ構成の式であるが、本実施形態で用いる企業価値スコアの指標情報と企業規模の指標情報は、一般的な企業の指標情報の場合、単調増加、あるいは単調減少の関係があるため、２次曲面のモデルに対応付けることができることを前提としている。   The above formula (3) has the same configuration as the above formula (2), but the corporate value score index information and the enterprise scale index information used in the present embodiment are those of general corporate index information. In this case, since there is a relationship of monotonic increase or monotonic decrease, it is assumed that it can be associated with a model of a quadric surface.

指標推計装置１において、企業価値算出部１００は、分析対象の企業の指標情報を入力として、当該企業に対する企業価値スコアを算出する。ここで、企業価値算出部１００が算出する企業価値スコアは、企業分析に用いられる指標情報を用いて算出されるが、算出される企業価値スコアは、企業規模の指標情報の影響を低くした情報となっていることを前提としている。つまり、本実施形態の指標推計装置１では、企業規模の指標情報の影響を低くした企業価値スコアと、当該企業価値スコアとは独立した相補的な関係にある企業規模の指標情報に基づいて、推計対象の売上高や、売上利益などを算出することになる。
さらに、企業価値スコアと企業規模の指標情報が独立した相補的因子であることを前提としている。 In the index estimation device 1, the company value calculation unit 100 receives the index information of the analysis target company and calculates a company value score for the company. Here, the corporate value score calculated by the corporate value calculation unit 100 is calculated using index information used for corporate analysis. The calculated corporate value score is information that reduces the influence of the corporate scale index information. It is assumed that That is, in the index estimation device 1 of the present embodiment, based on the enterprise value score in which the influence of the enterprise scale index information is reduced and the enterprise scale index information that is independent and complementary to the enterprise value score, The sales and profits to be estimated are calculated.
Furthermore, it is assumed that the enterprise value score and the enterprise scale index information are independent complementary factors.

入力部１０１は、ｎ×３のサイズの行列で表されるモデル生成用データをモデル生成用ＤＢ（Data Base）１１０に記録する。ここで、ｎは、モデル生成に用いる企業のサンプル数を示し、また、データの次元数である３の値は、指標情報の数であり、モデル生成用データが企業価値算出部１００が算出した企業価値スコアの指標情報（ｘ１）と、企業規模を示す指標情報（ｘ２）と、推計対象となる目的変数としての指標情報（ｙ）とを示している。また、入力部１０１は、ｎ’×２のサイズの評価対象企業データを、評価対象企業ＤＢ１３０に記録する。ここで、ｎ’は、実際に評価の対象となる企業データの数を示し、また、データの次元数である２の値は、それぞれ、説明変数となる、評価対象企業の企業価値スコアの指標情報（ｘ１）及び企業規模を示す指標情報（ｘ２）を含んでいることを示している。また、入力部１０１は、モデル生成用の係数パラメータｂ０、ｂ１、ｂ２、ｂ３、ｂ４、ｂ５の初期値をモデル生成部１０２に入力する。 The input unit 101 records model generation data represented by an n × 3 matrix in a model generation DB (Data Base) 110. Here, n indicates the number of samples of the company used for model generation, and the value of 3 as the number of data dimensions is the number of index information, and the model value data is calculated by the company value calculation unit 100. The index information (x 1 ) of the enterprise value score, the index information (x 2 ) indicating the company scale, and the index information (y) as the objective variable to be estimated are shown. Further, the input unit 101 records evaluation target company data having a size of n ′ × 2 in the evaluation target company DB 130. Here, n ′ indicates the number of company data to be actually evaluated, and the value of 2 which is the number of data dimensions is an index of the company value score of the company to be evaluated, which is an explanatory variable. It shows that information (x 1 ) and index information (x 2 ) indicating the company scale are included. Further, the input unit 101 inputs initial values of model parameter coefficient parameters b 0 , b 1 , b 2 , b 3 , b 4 , and b 5 to the model generating unit 102.

なお、指標情報（ｘ２）に用いられる企業規模を示す情報は、資産総額や従業員数などの情報であり、推計対象となる指標情報（ｙ）は、売上高や営業利益などの情報であり、モデル生成に用いられる指標情報の種類と、評価対象企業データの指標情報の種類は同じになるようにしておく。 The information indicating the company size used for the index information (x 2 ) is information such as the total amount of assets and the number of employees, and the index information (y) to be estimated is information such as sales and operating profit. The type of index information used for model generation is the same as the type of index information in the evaluation target company data.

また、企業価値算出部１００から入力される企業価値スコア以外の指標情報については、予め入力部１０１に設定されているものとするが、企業価値算出部１００にて用いた情報を流用してもよく、その場合、企業価値算出部１００から入力されることになる。   In addition, the index information other than the corporate value score input from the corporate value calculation unit 100 is set in the input unit 101 in advance, but the information used in the corporate value calculation unit 100 may be diverted. In that case, it is input from the enterprise value calculation unit 100.

モデル生成部１０２は、モデル生成用の係数パラメータｂ０、ｂ１、ｂ２、ｂ３、ｂ４、ｂ５の初期値と、モデル生成用ＤＢ１１０に記憶されているモデル生成用データに基づいて、最適化した係数パラメータｂ０、ｂ１、ｂ２、ｂ３、ｂ４、ｂ５（以下、最適係数パラメータと記載）を算出し、算出した最適係数パラメータｂ０、ｂ１、ｂ２、ｂ３、ｂ４、ｂ５を２次曲面モデルＤＢ１２０に記録する。以下、２次曲面モデルＤＢ１２０に記憶される係数パラメータｂ０、ｂ１、ｂ２、ｂ３、ｂ４、ｂ５を２次曲面モデル情報と記載する。 The model generation unit 102 is based on the initial values of the coefficient parameters b 0 , b 1 , b 2 , b 3 , b 4 , b 5 for model generation and the data for model generation stored in the model generation DB 110. , Optimized coefficient parameters b 0 , b 1 , b 2 , b 3 , b 4 , b 5 (hereinafter referred to as optimal coefficient parameters) are calculated, and the calculated optimal coefficient parameters b 0 , b 1 , b 2 , b 3 , b 4 , and b 5 are recorded in the quadric surface model DB 120. Hereinafter, coefficient parameters b 0 , b 1 , b 2 , b 3 , b 4 , and b 5 stored in the quadric surface model DB 120 are referred to as quadric surface model information.

額推計部１０３は、２次曲面モデルＤＢ１２０に記憶される２次曲面モデル情報に基づいて、上記の式（３）を設定し、設定した式（３）に評価対象企業ＤＢ１３０に記憶されている評価対象企業データを逐次入力し、それぞれの評価対象企業ごとの推計額（ｙ）を算出する。推計額結果出力部１０４は、額推計部１０３により算出された評価対象企業ごとの推計額を出力する。可視化部１０５は、２次曲面モデルＤＢ１２０に記憶される２次曲面モデル情報に基づいて、モデル生成用データあるいは、評価対象企業データ及び当該評価対象企業データに基づいて推計された推計額を、３次元座標上に表示するための２次曲面座標データ２００を算出する。可視化結果出力部１０６は、可視化部１０５により算出された２次曲面座標データ２００を３次元座標上に表示する。   The forehead estimation unit 103 sets the above formula (3) based on the quadric surface model information stored in the quadric surface model DB 120, and the set formula (3) is stored in the evaluation target company DB 130. The evaluation target company data is sequentially input, and the estimated amount (y) for each evaluation target company is calculated. The estimated amount result output unit 104 outputs an estimated amount for each evaluation target company calculated by the amount estimating unit 103. Based on the quadric surface model information stored in the quadric surface model DB 120, the visualization unit 105 obtains the model generation data or the estimated amount estimated based on the evaluation target company data and the evaluation target company data by 3 Quadratic curved surface coordinate data 200 to be displayed on the dimensional coordinates is calculated. The visualization result output unit 106 displays the quadric surface coordinate data 200 calculated by the visualization unit 105 on three-dimensional coordinates.

なお、企業価値スコアとして、財務指標の金額を推計するのであれば、後述する企業価値算出部１００にて算出される「知の潜在力スコア」などの企業価値スコアを用い、倒産額を推計する場合には、倒産可能性スコアを企業価値スコアとして用いることになる。これら企業価値スコアに対して、推計する金額の大きさを決める要因となる企業規模の指標情報を組み合わせることで、額の推計を実現することが可能となる。   If the amount of the financial index is estimated as the corporate value score, the bankruptcy value is estimated using a corporate value score such as an “intellectual potential score” calculated by the corporate value calculation unit 100 described later. In some cases, the bankruptcy possibility score is used as the corporate value score. It is possible to realize the estimation of the amount by combining the enterprise value score with the enterprise scale index information which becomes a factor that determines the size of the estimated amount of money.

次に、図２から図１１を参照して、企業価値算出部１００による企業評価価値スコアの算出手順について説明する。図２は、企業価値算出部１００の内部構成を示す概略ブロック図である。   Next, with reference to FIG. 2 to FIG. 11, the calculation procedure of the corporate evaluation value score by the corporate value calculation unit 100 will be described. FIG. 2 is a schematic block diagram showing the internal configuration of the enterprise value calculation unit 100.

企業価値算出部１００において、入力部１０は、企業価値スコアを算出するためのモデル構成用企業データと、評価対象企業データ及びモデル構成用パラメータを入力し、モデル構成用パラメータ及びモデル構成用企業データをモデル構成用企業ＤＢ１３に記録し、評価対象企業データを評価対象企業ＤＢ１７に記録する。   In the enterprise value calculation unit 100, the input unit 10 inputs the model configuration company data for calculating the enterprise value score, the evaluation target company data, and the model configuration parameters, and the model configuration parameter and the model configuration company data. Is recorded in the model construction company DB 13 and the evaluation target company data is recorded in the evaluation target company DB 17.

部分空間構成部１１は、入力部１０から入力されるモデル構成用データに基づいて、特定の尺度に基づいた部分空間を２つ構成する。ここで、特定の尺度とは、例えば、評価として企業の倒産可能性を評価する場合、倒産確率を特定の尺度とすることができる。倒産確率を特定の尺度とした場合、倒産する確率は０〜１００％の値で示され、当該値に基づいて、例えば、倒産確率が５０％以上の評価対象を「尺度の値の大きい側」として倒産企業群とし、倒産確率が５０％未満の評価対象を「尺度の値の小さい側」として非倒産企業群とすることで２つの部分空間に分けることが可能となる。   The subspace configuration unit 11 configures two subspaces based on a specific scale based on the model configuration data input from the input unit 10. Here, with a specific scale, for example, when evaluating the possibility of bankruptcy as an evaluation, the probability of bankruptcy can be a specific scale. When the bankruptcy probability is a specific scale, the probability of bankruptcy is indicated by a value of 0 to 100%. Based on the value, for example, an evaluation target having a bankruptcy probability of 50% or more is set to “the larger scale value side”. It is possible to divide into two subspaces by setting a bankruptcy company group as a bankruptcy company group, and setting an evaluation target having a bankruptcy probability of less than 50% as a “non-bankrupt company group” as a “small scale value side”.

部分空間修正部１２は、部分空間構成部１１が構成した部分空間を、後述する適応的学習手法により、最終的に出力されるスコアの精度を高めるように部分空間を修正し、部分空間情報として部分空間ＤＢ１４に記録する。   The partial space correction unit 12 corrects the partial space formed by the partial space configuration unit 11 by using an adaptive learning method described later so as to improve the accuracy of the score that is finally output, and generates the partial space information. Record in the subspace DB 14.

スコア算出部１８は、部分空間ＤＢ１４から部分空間情報を読み出し、評価対象企業ＤＢ１７から評価対象企業データを読み出し、読み出した部分空間情報に対応する部分空間における評価対象企業データのスコアを算出し、算出したスコアを指標推計装置１の入力部１０１に入力する。   The score calculation unit 18 reads the partial space information from the partial space DB 14, reads the evaluation target company data from the evaluation target company DB 17, calculates the score of the evaluation target company data in the partial space corresponding to the read partial space information, and calculates The score is input to the input unit 101 of the index estimation device 1.

なお、部分空間構成部１１は、入力部１０から入力されるモデル構成用データを用いるのではなく、モデル構成用企業ＤＢ１３からモデル構成用データを読み出し、読み出したモデル構成用データを用いるようにしてもよい。   The subspace configuration unit 11 does not use the model configuration data input from the input unit 10, but reads the model configuration data from the model configuration company DB 13 and uses the read model configuration data. Also good.

次に図３から図９を参照して、企業価値算出部１００の企業価値スコアを算出する動作について説明する。図３から図５はそれぞれ、部分空間構成部１１、部分空間修正部１２、スコア算出部１８の処理を示したフローチャートであり、図６から図８は、当該処理の手順を概念的に示した図である。   Next, with reference to FIGS. 3 to 9, the operation of calculating the corporate value score of the corporate value calculating unit 100 will be described. FIGS. 3 to 5 are flowcharts showing the processes of the subspace configuration unit 11, the subspace correction unit 12, and the score calculation unit 18, respectively, and FIGS. 6 to 8 conceptually show the procedure of the process. FIG.

最初に、図３及び図６を参照して部分空間構成部１１の処理について説明する。
図３において、まず最初に部分空間構成部１１は、入力部１０からモデル構成用企業データ及び部分空間を構成するＫＬ展開に用いられる部分空間の寄与率を定めるモデル構成用パラメータが入力される（ステップＳａ１）。ここで、モデル構成用企業データは、ｎ’’×ｐ行列（ｎ’’：サンプル数（モデルとなる企業の数）、ｐ：次元）で表される。 Initially, the process of the partial space structure part 11 is demonstrated with reference to FIG.3 and FIG.6.
In FIG. 3, first, the subspace configuration unit 11 receives from the input unit 10 model configuration company data and model configuration parameters that determine the contribution ratio of the subspace used for the KL expansion that configures the subspace ( Step Sa1). Here, the company data for model construction is represented by an n ″ × p matrix (n ″: the number of samples (the number of companies to be a model), p: dimension).

なお、本実施形態では、モデル構成用企業データとしては、図６の「手順１」に示されるようにモデル構成用企業のデータの例として「売上高」、「売上原価」、「従業員数」の３次元（ｐ＝３）を用いることとしているが、指標推計装置１の入力部１０１が入力する指標情報と同じ指標情報を用いても、異なる指標情報を用いてもよい。   In the present embodiment, as the model configuration company data, as shown in “Procedure 1” in FIG. 6, examples of model configuration company data include “sales”, “cost of sales”, and “number of employees”. However, the same index information as the index information input by the input unit 101 of the index estimation device 1 may be used, or different index information may be used.

また、サンプルの例として、Ａ〜Ｂ社の３社（ｎ’’＝３）を用いるものとする。また、モデル構成用パラメータは、データが有する情報量（具体的にはデータの分散）のうち、どの程度をＫＬ展開で構成される部分空間で近似するか、すなわちデータが有する誤差情報をどれだけ取り除くかに基づいて定められる値であり、０〜１００％の値が設定される。   In addition, as an example of the sample, three companies A to B (n ″ = 3) are used. In addition, the model configuration parameter indicates how much of the information amount (specifically, the variance of the data) the data approximates in the subspace composed of KL expansion, that is, how much error information the data has. It is a value determined based on whether to remove, and a value of 0 to 100% is set.

次に、部分空間構成部１１は、予め定められる特定の尺度の値に基づいて、モデル構成用企業データの中の企業ごとにラベルを割り当て、モデル構成用企業データを２つのデータ群に分割する。例えば、特定の尺度が倒産と非倒産の２値データで表されるラベルとして与えられる場合、そのラベルを用いてサンプルを倒産企業群と非倒産企業群のような２つのデータ群に分類する。また、特定の尺度が上述したように倒産確率等の０〜１００％の連続値あるいはそれに順ずる値で与えられる場合には、尺度の値の分布において尺度の値の大きい側、小さい側の両側から所定の値のサンプルを選択して、倒産企業群と非倒産企業群に分類することができる。なお、上述した例では倒産確率の５０％を境界として「尺度の値の大きい側」と「尺度の値の小さい側」とを分けたが、この分け方は確率値が半分の５０％には限られず、例えば、分割されるサンプル数が同じになるような尺度で分けるようにしてもよい。   Next, the subspace configuration unit 11 assigns a label to each company in the model configuration company data based on a predetermined specific scale value, and divides the model configuration company data into two data groups. . For example, when a specific scale is given as a label represented by binary data of bankruptcy and non-bankruptcy, the sample is classified into two data groups such as a bankrupt company group and a non-bankrupt company group. In addition, when a specific scale is given as a continuous value of 0 to 100% such as the probability of bankruptcy as described above or a value in accordance with it, both sides on the larger and smaller sides of the scale value distribution A sample having a predetermined value can be selected from the above and can be classified into a bankrupt company group and a non-bankrupt company group. In the above example, 50% of bankruptcy probabilities are used as the boundary, and “side with higher scale value” and “side with lower scale value” are separated. For example, it may be divided by a scale such that the number of divided samples is the same.

このとき、分類されるモデル構成用企業データは、Ａ（ｍ×ｐ行列）とＢ（（ｎ−ｍ）×ｐ行列）で表されることになる（ステップＳａ２）。具体的には、図６の手順１のイメージ図に示されるように「売上高」、「売上原価」、「従業員数」という３つの指標の場合、各企業のモデル構成用企業データは、３次元の空間の１点に配置され、特定の尺度である倒産確率に基づいて倒産企業群と非倒産企業群の２つのデータ群に分類する。   At this time, the classified company data for model construction is represented by A (m × p matrix) and B ((n−m) × p matrix) (step Sa2). Specifically, as shown in the image diagram of procedure 1 in FIG. 6, in the case of three indicators “sales”, “cost of sales”, and “number of employees”, the corporate data for model construction of each enterprise is three-dimensional. And is classified into two data groups, a bankrupt company group and a non-bankrupt company group, based on the bankruptcy probability which is a specific scale.

次に、部分空間構成部１１は、分類した２つのデータ群のそれぞれに対して、自己相関行列を算出し、算出した自己相関行列に対してＫＬ(Karhunen-Loeve)展開を適用する。ＫＬ展開を用いることによって、自己相関行列から部分空間を構成するための基底行列を算出することができる。例えば、上記のように２つのデータ群に分けられたモデル構成用企業データＡ及びＢに対して自己相関行列を算出するとＡＡ’及びＢＢ’として示され、それぞれの基底行列は、ＫＬ展開によりＡ’（ｐ×ｑ行列）及びＢ’（ｐ×ｒ行列）として算出される。なお、ｑとｒは、上述した寄与率パラメータであるモデル構成用パラメータにより定められる値である。そして、部分空間構成部１１は、算出した基底行列から部分空間を構成し（ステップＳａ３）、構成した部分空間を部分空間ＤＢ１４に記録するとともに部分空間修正部１２に出力する（ステップＳａ４）。   Next, the subspace forming unit 11 calculates an autocorrelation matrix for each of the two classified data groups, and applies a KL (Karhunen-Loeve) expansion to the calculated autocorrelation matrix. By using KL expansion, a base matrix for constructing a subspace can be calculated from the autocorrelation matrix. For example, when the autocorrelation matrices are calculated for the model construction company data A and B divided into the two data groups as described above, they are shown as AA ′ and BB ′. Calculated as' (p × q matrix) and B ′ (p × r matrix). Note that q and r are values determined by the model configuration parameters that are the contribution rate parameters described above. Then, the subspace constructing unit 11 constructs a subspace from the calculated base matrix (step Sa3), records the constructed subspace in the subspace DB 14, and outputs it to the subspace correcting unit 12 (step Sa4).

なお、上記のＫＬ展開とは、類別すべきカテゴリを特徴ベクトル成分の分布から形成される部分空間への射影を通して判定する統計的手法として知られている部分空間法において、変換するベクトル成分の固有ベクトル、すなわち上述した基底行列を計算するために用いられる手法である。このような固有ベクトルを算出できる計算方法であればＫＬ展開以外の方法であっても適用することが可能である。   The KL expansion is an eigenvector of a vector component to be converted in a subspace method known as a statistical method for determining a category to be classified through projection onto a subspace formed from a distribution of feature vector components. That is, it is a method used to calculate the above-described basis matrix. Any calculation method that can calculate such eigenvectors can be applied to methods other than KL expansion.

次に、図４を参照しつつ部分空間修正部１２の処理について説明する。
部分空間修正部１２は、部分空間構成部１１から出力される部分空間構成部１１が構成した２つの部分空間の情報を取得し、モデル構成用企業ＤＢ１３からモデル構成用企業データを読み出す（ステップＳｂ１）。次に、部分空間修正部１２は、２つの部分空間の情報と、モデル構成用企業データとに基づいて、スコアを算出する。ここで、スコアの算出は、２つの部分空間Ａ’とＢ’のぞれぞれと、個々のモデル構成用企業データから構成されるベクトルとの成す角度の差を算出することによって行われる。すなわち、部分空間Ａ’（ｐ×ｑ行列）とベクトルの成す角度をａｎｇｌｅＡとし、部分空間Ｂ’（ｐ×ｒ行列）とベクトルの成す角度をａｎｇｌｅＢとした場合、その差分であるａｎｇｌｅＡ−ａｎｇｌｅＢがスコアの値となる。 Next, the processing of the partial space correction unit 12 will be described with reference to FIG.
The partial space correction unit 12 acquires information on two partial spaces configured by the partial space configuration unit 11 output from the partial space configuration unit 11, and reads out the model configuration company data from the model configuration company DB 13 (step Sb1). ). Next, the partial space correction unit 12 calculates a score based on the information of the two partial spaces and the company data for model configuration. Here, the score is calculated by calculating a difference in angle between each of the two subspaces A ′ and B ′ and a vector composed of individual model constituent company data. That is, if the angle between the subspace A ′ (p × q matrix) and the vector is angleA and the angle between the subspace B ′ (p × r matrix) and the vector is angleB, the difference angleA-angleB is This is the score value.

次に、部分空間修正部１２は、算出したスコアを降順に並べて、特定の尺度により分類を行い、さらに次式（４）で示される再現率を算出することで評価を行う（ステップＳｂ２）。   Next, the subspace correction unit 12 arranges the calculated scores in descending order, performs classification based on a specific scale, and performs evaluation by calculating the recall shown by the following equation (4) (step Sb2).

Figure 2007249354
Figure 2007249354

なお、式（４）の分母である「倒産企業群の企業数」とは、モデル構成用企業データの各データに予め対応付けて記憶されている本来分類されるべきデータ群を示す情報、例えば、倒産あるいは非倒産のデータ群を示す情報に基づいて算出される数値である。   The “number of companies in the bankrupt company group” that is the denominator of the formula (4) is information indicating a data group that should be classified and stored in advance in association with each data of the model configuration company data, for example, A numerical value calculated based on information indicating a bankruptcy or non-bankruptcy data group.

次に、部分空間修正部１２は、適応的学習によって部分空間の修正を行う。具体的には、部分空間を構成した基となる自己相関行列ＡＡ’とＢＢ’に対して平均学習部分空間法に基づく次式（５）を適用することによって行う。   Next, the subspace correction unit 12 corrects the subspace by adaptive learning. More specifically, the following equation (5) based on the average learning subspace method is applied to the autocorrelation matrices AA ′ and BB ′ that form the basis of the subspace.

Figure 2007249354
Figure 2007249354

式（５）において、Ｒには自己相関行列でありＡＡ’あるいはＢＢ’が代入される。下付き添え字のｔは、更新時刻、あるいは更新回数を示している。また、γは更新幅のパラメータであり、予め更新させたい度合いに従って、例えば０．４程度の定数が設定される。   In Expression (5), R is an autocorrelation matrix, and AA ′ or BB ′ is substituted for R. The subscript t indicates the update time or the number of updates. Further, γ is an update width parameter, and a constant of about 0.4, for example, is set according to the degree to be updated in advance.

Ｒ及びγの上付き添え字ｉ及びｋは、クラスラベルであり、例えばモデル構成用企業データＡのラベルをａとし、モデル構成用企業データＢのラベルをｂとした場合には、ｉ、ｋは、ａあるいはｂとなる。例えば、ｔ＝０の場合、Ｒ０ ａは、ＡＡ’に対応し、Ｒ０ ｂは、ＢＢ’に対応する。 The superscripts i and k of R and γ are class labels. For example, when the label of the model construction company data A is a and the label of the model construction company data B is b, i, k Becomes a or b. For example, when t = 0, R 0 a corresponds to AA ′, and R 0 b corresponds to BB ′.

また、Ｒ及びγの上付き添え字が（ｉ，ｋ）あるいは（ｋ，ｉ）のように２つあるものは、誤って分類されたサンプルに基づく行列であることを示している。例えば、Ｒｔ （ｉ，ｋ）は、Ｒｔ−１ （ｉ）を用いてスコアを算出し、算出したスコアに基づいて分類が行われたときに、本来ｉとして分類されるべきサンプルがｋ（ｉ≠ｋ）に分類された場合に、当該ｋに分類されたサンプルを検出し、検出したサンプルから生成される行列Ｃの自己相関行列ＣＣ’に対応する。 In addition, two superscripts such as (i, k) or (k, i) with R and γ superscripts indicate that the matrix is based on an erroneously classified sample. For example, R t (i, k) calculates a score using R t-1 (i), and when classification is performed based on the calculated score, a sample that should be classified as i is k When classified into (i ≠ k), the sample classified into the k is detected and corresponds to the autocorrelation matrix CC ′ of the matrix C generated from the detected sample.

ここで、図７を参照しつつ、式（５）によって行われる適応的学習について説明する。
学習前の部分空間として図７の（適応的学習の方法）の（ａ）の図に示されるような状態が存在したとする。式（５）のｉ＝ａ：倒産を示すラベル、ｋ＝ｂ：非倒産を示すラベルとした場合、式（５）の右辺のそれぞれは以下のような適応的学習の処理を示すことになる。 Here, the adaptive learning performed by the equation (5) will be described with reference to FIG.
Assume that a state as shown in (a) of FIG. 7 (adaptive learning method) exists as a subspace before learning. When i = a in equation (5) is a label indicating bankruptcy, and k = b is a label indicating non-bankruptcy, each of the right sides of equation (5) indicates the following adaptive learning process. .

（第１項）：Ｒｔ−１ ａ：ｔ−１時点で基礎となる倒産企業の自己相関行列の項である。
（第２項）：γ（ａ，ｂ）Ｒｔ （ａ，ｂ）：真のラベルが倒産であるのに、非倒産として分類されたため、倒産のサンプルを取り込むように部分空間を回転及び移動させるために加算を行う自己相関行列の項である。
（第３項）：−γ（ｂ，ａ）Ｒｔ （ｂ，ａ）：真のラベルが非倒産であるのに、倒産として分類されたため、非倒産のサンプルを遠ざけるように部分空間を回転及び移動させるために減算を行う自己相関行列の項である。 (First term): R t-1 a : This is a term of an autocorrelation matrix of a bankrupt company as a basis at the time point t-1.
(2nd term): γ (a, b) R t (a, b) : Although the true label is bankrupt, it was classified as non-bankrupt, so the subspace was rotated and moved to capture the bankrupt sample. This is a term of an autocorrelation matrix that performs addition to achieve the above.
(Section 3): -γ (b, a) R t (b, a) : Although the true label is non-bankrupt, it was classified as bankrupt, so the subspace was rotated to keep the non-bankrupt sample away. And an autocorrelation matrix term that performs subtraction to move.

図７の（ｂ）の図が、第２項及び第３項の処理を２次元平面上で概念的に示した図であり、縦軸及び横軸は上記した指標に対応する。倒産企業の部分空間は、誤って分類されたサンプルを取り込むように回転及び移動し、非倒産企業の部分空間は、誤って分類されたサンプルから離れるように回転及び移動することになる。そして最終的に図７の（ｃ）の図に示すように全てのサンプルについて本来分類されるべき部分空間に含まれることになる（ステップＳｂ３）。   FIG. 7B is a diagram conceptually showing the processing of the second term and the third term on a two-dimensional plane, and the vertical axis and the horizontal axis correspond to the above-described indices. The bankruptcy company subspace will rotate and move to capture misclassified samples, and the non-bankruptcy company subspace will rotate and move away from the misclassified samples. Finally, as shown in the diagram of FIG. 7C, all the samples are included in the subspace that should be classified (step Sb3).

次に、部分空間修正部１２は、修正された部分空間に基づいて、再現率を算出し、前回の再現率と今回算出した再現率とに基づいて比較を行う（ステップＳｂ４）。例えば、今回の再現率を前回の再現率で割った割合の値が予め定められる一定割合値を超えていない場合には、修正を進めるためステップＳｂ４の処理に戻り、超えている場合には、部分空間の情報を出力し、部分空間ＤＢ１４に記録する（ステップＳｂ５）。   Next, the partial space correction unit 12 calculates a recall based on the corrected partial space, and performs comparison based on the previous recall and the currently calculated recall (step Sb4). For example, if the value of the ratio obtained by dividing the current recall by the previous recall does not exceed a predetermined constant value, the process returns to the process of step Sb4 in order to proceed with the correction. The partial space information is output and recorded in the partial space DB 14 (step Sb5).

次に、図５を参照しつつスコア算出部１８の処理について説明する。
まず最初に、スコア算出部１８は、部分空間修正部１２によって構成され、部分空間ＤＢ１４に記録された部分空間の情報を部分空間ＤＢ１４から読み出す。また、評価対象企業データを評価対象企業ＤＢ１７から読み出す（ステップＳｃ１）。ここで、評価対象企業データは、ｎ’’×ｐ行列（ｎ’’：サンプル数、ｐ：次元）で構成されているとする。 Next, the process of the score calculation unit 18 will be described with reference to FIG.
First, the score calculation unit 18 is configured by the partial space modification unit 12 and reads out the partial space information recorded in the partial space DB 14 from the partial space DB 14. Further, the evaluation target company data is read from the evaluation target company DB 17 (step Sc1). Here, it is assumed that the evaluation target company data is composed of an n ″ × p matrix (n ″: number of samples, p: dimension).

次に、スコア算出部１８は、図８の手順３に示すように、読み出した部分空間の情報によって示される部分空間と、読み出した評価対象企業データとに基づいて、各評価対象企業データのスコアを算出する。スコアの算出は、部分空間修正部１２の処理において説明したように、部分空間ごとの評価対象企業データから構成されるベクトルとの成す角度を算出し、算出した角度の差がスコアとなる（ステップＳｃ２）。   Next, as shown in the procedure 3 of FIG. 8, the score calculation unit 18 calculates the score of each evaluation target company data based on the partial space indicated by the read partial space information and the read evaluation target company data. Is calculated. In the calculation of the score, as described in the processing of the subspace correction unit 12, an angle formed with the vector composed of the evaluation target company data for each subspace is calculated, and the difference between the calculated angles becomes the score (step) Sc2).

次に、スコア算出部は、他の評価対象企業データが存在するか否かを判定する（ステップＳｃ３）。他の評価対象企業データが存在する場合には、ステップＳｃ２の処理を繰り返し、他の評価対象企業が存在しない場合には、スコアを指標推計装置１の入力部１０１に出力する（ステップＳｃ４）。   Next, the score calculation unit determines whether there is other evaluation target company data (step Sc3). When other evaluation target company data exists, the process of step Sc2 is repeated, and when no other evaluation target company exists, the score is output to the input unit 101 of the index estimation device 1 (step Sc4).

次に、図９は、上記の企業価値算出部１００を実際の企業データに適用して企業価値スコアを算出した例を示した図である。   Next, FIG. 9 is a diagram showing an example in which the enterprise value score is calculated by applying the enterprise value calculation unit 100 to actual enterprise data.

モデル構成用データ及び評価対象データとして、日経メディアマーケティング株式会社のデータバンクＮＥＥＤＳ財務データを用い、モデル構成用データとして２００２年度のデータを利用し、評価用データとして２００３年度のデータを使用している。サンプル数は、２００２年度のデータにおいて１９５社であり、２００３年度のデータにおいて１９０社である。また、分析には１１２個の指標を用いている。   The data bank NEEDS financial data of Nikkei Media Marketing Co., Ltd. is used as the model configuration data and the evaluation target data, the 2002 data is used as the model configuration data, and the 2003 data is used as the evaluation data. . The number of samples is 195 companies in the 2002 data, and 190 companies in the 2003 data. In addition, 112 indices are used for the analysis.

当該実施例では知的財産価値評価の一手法により用いられる「知の潜在力」を特定の尺度としており、当該尺度に基づいて２００２年度のサンプルと２００３年度のサンプルを予め分類した。分類結果は、２００２年度のサンプルである１９５社は、上位（知の潜在力ありとして分類される企業）が９７社であり、下位（知の潜在力なしとして分類される企業）９８社として分類され、２００３年度のサンプルである１９０社は、上位９２社、下位９８社として分類された。   In this example, “knowledge potential” used by a method of intellectual property value evaluation is used as a specific scale, and based on the scale, the 2002 sample and the 2003 sample are classified in advance. The 195 companies sampled in 2002 are classified as 97 companies with high ranks (enterprises classified as having intellectual potential) and 98 companies as low ranks (enterprises classified as having no intellectual potential). The 190 companies in the 2003 sample were classified as the top 92 and the bottom 98.

図９は、企業価値算出部１００を適用し、知の潜在力の企業価値スコアの算出を行った結果のうち、上位１９社の結果を示した図である。図９において、「知の潜在力あり」の項目に示される数値は、知の潜在力ありに対応する部分空間と当該企業の評価対象企業データから構成されるベクトルとの成す角度であり、「知の潜在力なし」の項目に示される数値は、知の潜在力なしに対応する部分空間と当該企業の評価対象企業データから構成されるベクトルとの成す角度である。また、「差分」の項目は、「知の潜在力あり」の項目の数値と「知の潜在力なし」の項目の数値との差であり、当該「差分」の値がスコアとなる。なお、特定の尺度として上記の「倒産」を用いる場合には、倒産可能性を企業価値スコアとして算出することになる。   FIG. 9 is a diagram showing the results of the top 19 companies among the results of calculating the enterprise value score of the intellectual potential by applying the enterprise value calculation unit 100. In FIG. 9, the numerical value shown in the item “with intellectual potential” is an angle formed between the subspace corresponding to the intellectual potential and a vector composed of the evaluation target company data of the company. The numerical value shown in the item “no intellectual potential” is an angle formed between a subspace corresponding to no intellectual potential and a vector composed of the enterprise data to be evaluated of the enterprise. The item “difference” is a difference between the numerical value of the item “with intellectual potential” and the numerical value of the item “without intellectual potential”, and the value of the “difference” is a score. When the above “bankruptcy” is used as a specific measure, the possibility of bankruptcy is calculated as a corporate value score.

上記の企業価値算出部１００の処理により、企業規模を示す指標情報の影響を低くして相対的な企業の価値を示すスコアを得ることができ、このスコアと、企業規模の指標情報とを用いて、以下に推計対象の指標を算出するための２次曲面モデルの生成について説明する。   By the processing of the enterprise value calculation unit 100 described above, it is possible to obtain a score indicating the relative value of the enterprise by lowering the influence of the indicator information indicating the enterprise scale, and using this score and the enterprise scale indicator information. Hereinafter, generation of a quadric surface model for calculating an index to be estimated will be described.

次に、図１０から図１２を参照しつつ、指標推計装置１の動作について説明する。
図１０は、指標推計装置１のモデル生成部１０２の動作を示したフローチャートである。まず、入力部１０１から入力される係数パラメータｂ０、ｂ１、ｂ２、ｂ３、ｂ４、ｂ５の初期値を上記の式（３）に設定する（ステップＳｉ１）。 Next, the operation of the index estimation device 1 will be described with reference to FIGS. 10 to 12.
FIG. 10 is a flowchart showing the operation of the model generation unit 102 of the index estimation device 1. First, initial values of coefficient parameters b 0 , b 1 , b 2 , b 3 , b 4 , and b 5 input from the input unit 101 are set in the above equation (3) (step Si1).

次に、モデル生成用ＤＢ１１０からｎ個の企業データのサンプルからなるｎ×３の行列のモデル生成用データを読み出し、読み出したモデル生成用データに含まれる企業価値スコアの指標情報（ｘ１）と、企業規模を示す指標情報（ｘ２）とを説明変数とし、推計対象の指標情報（ｙ）を目的変数として、上記式（３）を設定し、非線形最小自乗基準に基づく山登り法や、ニュートン法などを用いて、係数パラメータｂ０、ｂ１、ｂ２、ｂ３、ｂ４、ｂ５の最適値を算出する（ステップＳｉ２）。 Next, the model generation data of an n × 3 matrix composed of n company data samples is read from the model generation DB 110, and the index information (x 1 ) of the company value score included in the read model generation data Using the index information (x 2 ) indicating the company size as an explanatory variable, the index information (y) to be estimated as an objective variable, the above equation (3) is set, and the hill-climbing method based on the nonlinear least square criterion, The optimum values of the coefficient parameters b 0 , b 1 , b 2 , b 3 , b 4 , b 5 are calculated using a method or the like (step Si2).

そして、算出した最適係数パラメータｂ０、ｂ１、ｂ２、ｂ３、ｂ４、ｂ５を２次曲面モデル情報として２次曲面モデルＤＢ１２０に記録する（ステップＳｉ３）。 Then, the calculated optimum coefficient parameters b 0 , b 1 , b 2 , b 3 , b 4 , and b 5 are recorded in the quadric surface model DB 120 as quadric surface model information (step Si3).

図１１は、指標推計装置１の額推計部１０３の動作を示したフローチャートである。まず最初に、額推計部１０３は、２次曲面モデルＤＢ１２０から２次曲面モデル情報を読み出して、上記の式（３）を設定し、評価対象企業ＤＢ１３０から最初の評価対象企業データを読み出す（ステップＳｊ１）。そして、額推計部１０３は、２次曲面モデル情報、すなわち最適係数パラメータｂ０、ｂ１、ｂ２、ｂ３、ｂ４、ｂ５が設定された式（３）に、評価対象企業データに含まれるｘ１及びｘ２の情報を入力して、推計額（ｙ）を算出する（ステップＳｊ２）。次に、額推計部１０３は、評価対象企業ＤＢ１３０に他の評価対象企業データが存在するか否かを判定する（ステップＳｊ３）。他の評価対象企業データが存在すると判定した場合、ステップＳｊ２の処理を行う。一方、次の評価対象企業データが存在しない場合、算出した評価対象企業ごとの推計額を推計額結果出力部１０４と可視化部１０５に出力する。推計額結果出力部１０４は、額推計部１０３から出力された評価対象企業ごとの推計額（ｙ）を出力する。 FIG. 11 is a flowchart showing the operation of the forehead estimation unit 103 of the index estimation device 1. First, the forehead estimation unit 103 reads the quadric surface model information from the quadric surface model DB 120, sets the above equation (3), and reads the first evaluation object company data from the evaluation object company DB 130 (step Sj1). Then, the forehead estimation unit 103 adds the quadratic surface model information, that is, the formula (3) in which the optimum coefficient parameters b 0 , b 1 , b 2 , b 3 , b 4 , and b 5 are set to the evaluation target company data. enter the information of x 1 and x 2 are included, and calculates the estimated amount (y) (step Sj2). Next, the amount estimation unit 103 determines whether or not other evaluation target company data exists in the evaluation target company DB 130 (step Sj3). If it is determined that there is other evaluation target company data, the process of step Sj2 is performed. On the other hand, when the next evaluation target company data does not exist, the estimated amount for each evaluation target company is output to the estimated amount result output unit 104 and the visualization unit 105. The estimated amount result output unit 104 outputs the estimated amount (y) for each evaluation target company output from the amount estimating unit 103.

図１２は、指標推計装置１の可視化部１０５の動作を示したフローチャートである。可視化部１０５は、モデル生成データを可視化する場合と、評価対象企業データに基づいて推計した推計額及び評価対象企業データを組み合わせたデータを可視化する２つの動作を行う。   FIG. 12 is a flowchart showing the operation of the visualization unit 105 of the index estimation device 1. The visualization unit 105 performs two operations of visualizing model generation data and data combining the estimated amount estimated based on the evaluation target company data and the evaluation target company data.

モデル生成データを可視化する場合、可視化部１０５は、可視化対象のデータとして、モデル生成用ＤＢ１１０に記憶されるモデル生成用データと、２次曲面モデルＤＢ１２０に記憶される２次曲面モデル情報を取得する（ステップＳｋ１）。そして、可視化部１０５は、モデル生成用データに含まれるｎ×３行列のデータと、２次曲面モデル情報に含まれる最適化されたパラメータｂ０、ｂ１、ｂ２、ｂ３、ｂ４、ｂ５に基づいて３次元座標に表示するための２次曲面座標データ２００を算出する。可視化結果出力部１０６は、可視化部１０５によって算出された２次曲面座標データ２００を３次元座標に表示する（ステップＳｋ２）。 When visualizing model generation data, the visualization unit 105 acquires model generation data stored in the model generation DB 110 and quadratic surface model information stored in the quadric surface model DB 120 as data to be visualized. (Step Sk1). Then, the visualization unit 105 includes n × 3 matrix data included in the model generation data and optimized parameters b 0 , b 1 , b 2 , b 3 , b 4 , included in the quadric surface model information. calculating the quadratic surface coordinate data 200 for displaying the three-dimensional coordinates based on b 5. The visualization result output unit 106 displays the quadratic surface coordinate data 200 calculated by the visualization unit 105 as three-dimensional coordinates (step Sk2).

推計した推計額のデータを可視化する場合、可視化部１０５は、可視化対象のデータとして、額推計部１０３から出力される推計額のデータと、当該推計額を推計する際に用いられた評価対象企業データと、２次曲面モデルＤＢ１２０に記憶される２次曲面モデル情報とを取得する（ステップＳｋ１）。そして、可視化部１０５は、２次曲面モデル情報に含まれる最適係数パラメータｂ０、ｂ１、ｂ２、ｂ３、ｂ４、ｂ５と、推計額のデータと、当該推計額のデータに対応する評価対象企業データとに基づいて３次元座標に表示するための２次曲面座標データ２００を算出する。可視化結果出力部１０６は、可視化部１０５によって算出された２次曲面座標データ２００を３次元座標に表示する（ステップＳｋ２）。 When visualizing the estimated amount data, the visualization unit 105 uses the estimated amount data output from the amount estimation unit 103 as the data to be visualized and the evaluation target company used when estimating the estimated amount. Data and quadric surface model information stored in the quadric surface model DB 120 are acquired (step Sk1). The visualization unit 105 corresponds to the optimum coefficient parameters b 0 , b 1 , b 2 , b 3 , b 4 , b 5 included in the quadric surface model information, the estimated amount data, and the estimated amount data. Based on the evaluation object company data to be calculated, quadric surface coordinate data 200 for display in three-dimensional coordinates is calculated. The visualization result output unit 106 displays the quadratic surface coordinate data 200 calculated by the visualization unit 105 as three-dimensional coordinates (step Sk2).

図１３は、可視化結果出力部１０６により画面に出力された３次元座標上に表示された２次曲面であり、横軸が企業価値スコアの指標情報（ｘ１）であり、奥行きが企業規模の指標情報（ｘ２）であり、縦軸が推計対象である推計額（ｙ）からなる３次元座標上に、対応する指標情報（ｘ１）、指標情報（ｘ２）と、これらの指標情報から推計された推計額（ｙ）をプロットすることにより２次曲面が構成されることになる。この２次曲面により、企業価値スコアの指標情報（ｘ１）と、企業規模の指標情報（ｘ２）とを特定するだけで、指標情報（ｙ）を推計することが可能となる。 FIG. 13 is a quadric surface displayed on the three-dimensional coordinates output on the screen by the visualization result output unit 106, the horizontal axis is the index information (x 1 ) of the enterprise value score, and the depth is the enterprise scale. Index information (x 2 ), the vertical axis of which is the estimation target (y), and corresponding index information (x 1 ), index information (x 2 ), and these index information A quadric surface is constructed by plotting the estimated amount (y) estimated from. The quadratic surface, and the index information of the corporate value score (x 1), simply by specifying the enterprise index information (x 2), it is possible to estimate the index information (y).

次に、図１４及び図１６を参照して、従来の重回帰分析による推計手段と、本実施形態による推計手段の比較を行う。比較方法は、重回帰分析については、変数選択なしの場合と、変数選択ありの場合の２通りで推計を行い、本実施形態については、上述した手順により推計を行っている。ここで、重回帰分析における「変数選択あり」とは、重回帰分析において、候補となる変数から重相関係数Ｒ２の増分が最も大きい変数を１つ選択し、選択した変数を選択変数として用いる場合のことを意味する。一般的に、変数選択を行う方が、変数選択を行わない場合よりも精度が高くなることが知られている。 Next, referring to FIG. 14 and FIG. 16, comparison is made between the estimation means based on the conventional multiple regression analysis and the estimation means according to the present embodiment. As for the comparison method, for multiple regression analysis, estimation is performed in two ways, without variable selection and with variable selection. In this embodiment, estimation is performed according to the above-described procedure. Here, “with variable selection” in the multiple regression analysis means that one variable having the largest increment of the multiple correlation coefficient R 2 is selected from candidate variables in the multiple regression analysis, and the selected variable is used as the selection variable. It means that it is used. Generally, it is known that the accuracy of performing variable selection is higher than that of not performing variable selection.

また、比較に用いたデータは、上述した企業評価スコアの算出において用いた、日経メディアマーケティング株式会社のデータバンクＮＥＥＤＳ財務データであり、２００２年度のデータをモデル生成用に適用し、２００３年度のデータをテスト用、すなわち評価対象企業データとして適用している。また、企業価値スコアとしては、上述したようにＮＥＥＤＳ財務データに基づいて企業価値算出部１００が算出した「知の潜在力によるスコア」を適用した。   The data used for the comparison is the data bank NEEDS financial data of Nikkei Media Marketing Co., Ltd. used in the above-mentioned calculation of the corporate evaluation score. Is used for testing, that is, as evaluation target company data. As the corporate value score, the “score based on intellectual potential” calculated by the corporate value calculation unit 100 based on the NEEDS financial data as described above was applied.

分析対象指標は、目的変数を営業利益の額とし、説明変数として、重回帰分析では、２次指標として、８９指標を設定し、本実施形態の指標推計装置１に対しては、企業規模として資産総額、企業価値スコアとして「知の潜在力によるスコア」の２指標を設定した。   As the analysis target index, the objective variable is the amount of operating profit, and as the explanatory variable, in the multiple regression analysis, 89 index is set as the secondary index, and for the index estimation apparatus 1 of the present embodiment, as the enterprise scale Two indices of “score by knowledge potential” were set as total assets and corporate value score.

また、評価は、推計営業利益と営業利益の絶対値の誤差と、推計営業利益と営業利益との順位の一致性を示す順位相関とに基づいて行った。   The evaluation was performed based on the error between the absolute values of the estimated operating profit and the operating profit, and the rank correlation indicating the matching of the rank between the estimated operating profit and the operating profit.

図１４及び図１５は、それぞれ２００２年度の評価対象企業データと、２００３年の評価対象企業データに基づいて、本実施形態の指標推計装置１により算出された推計額である推計営業利益をプロットしたものであり、３次元座標における縦軸を、図面内の曲線で示したものである。図１４及び図１５から分かるように、本実施形態の指標推計装置１によれば、企業評価スコア（ｘ１）が小さく、資産総額（ｘ２）の大きい企業は、営業利益がマイナスとなる傾向が強く、企業評価スコア（ｘ１）及び資産総額（ｘ２）が大きい企業は、営業利益が大きくなる傾向が強いことが、表示されたグラフに示されている。 FIG. 14 and FIG. 15 plot the estimated operating profit, which is the estimated amount calculated by the index estimation device 1 of the present embodiment, based on the evaluation target company data for 2002 and the evaluation target company data for 2003, respectively. The vertical axis in three-dimensional coordinates is indicated by a curve in the drawing. As can be seen from FIGS. 14 and 15, according to the index estimation device 1 of the present embodiment, a company with a small company evaluation score (x 1 ) and a large total asset value (x 2 ) tends to have a negative operating profit. It is shown in the displayed graph that a company with a strong corporate evaluation score (x 1 ) and a large total asset value (x 2 ) has a strong tendency to increase operating profit.

図１６は、上述した「変数選択なし」及び「変数選択あり」の両方の重回帰分析による推計額と、本実施形態の指標推計装置１による推計額の絶対値誤差と、順位相関を示したものである。絶対値誤差は値が小さい程、精度が高いことを示すことになり、順位相関は値が大きい程、精度が高いことを示すことになる。図１６（ａ）は、モデルの生成に用いた２００２年度の評価対象企業データに適用したものであり、図１６（ｂ）は、２００２年度のモデル生成用データから得られた最適係数パラメータを用いて、２００３年度の評価対象企業データに適用したものである。図１６（ａ）及び（ｂ）に示すように、いずれの年度においても、重回帰分析より、本実施形態の指標推計装置１による推計額の方が精度が高いことが示されている。   FIG. 16 shows the estimated value based on the multiple regression analysis of both “no variable selection” and “with variable selection” described above, the absolute value error of the estimated value by the index estimation device 1 of the present embodiment, and the rank correlation. Is. The absolute value error indicates that the smaller the value is, the higher the accuracy is, and the rank correlation indicates that the higher the value is, the higher the accuracy is. FIG. 16 (a) is applied to the evaluation target company data for fiscal 2002 used for generating the model, and FIG. 16 (b) uses the optimum coefficient parameter obtained from the data for model generation for fiscal 2002. This is applied to the evaluation target company data in 2003. As shown in FIGS. 16A and 16B, in any fiscal year, it is shown that the estimated amount by the index estimation device 1 of the present embodiment is higher in accuracy than the multiple regression analysis.

上述したように、本実施形態の指標推計装置１により、確立された手段によりモデルを生成する際の係数パラメータを算出して、企業分析に用いられる指標の推計を行うことが可能となる。また、企業規模の指標情報と、企業価値スコアの指標情報を説明変数とし、推計対象の推計額を３次元座標上の２次曲面で示すことで、企業による指標の傾向を把握することが可能となる。また、推計により得られた指標は、従来の重回帰分析よりも高い精度のものを得ることが可能となる。   As described above, the index estimation apparatus 1 according to the present embodiment can calculate coefficient parameters for generating a model by established means and estimate an index used for company analysis. Moreover, it is possible to grasp the tendency of the index by the company by using the index information of the enterprise scale and the index information of the enterprise value score as explanatory variables, and the estimated amount of the estimation target is indicated by a quadric surface on three-dimensional coordinates. It becomes. Moreover, the index obtained by the estimation can be obtained with higher accuracy than the conventional multiple regression analysis.

なお、上記の実施形態では、例として企業のデータを用いたが、本発明はこれに限られず、指標によって示される様々なデータを対象とすることができる。   In the above embodiment, company data is used as an example. However, the present invention is not limited to this, and various data indicated by indices can be targeted.

また、本発明の価値算出手段は、企業価値算出部１００に対応し、入力手段は、入力部１０１に対応し、係数算出手段は、モデル生成部１０２に対応し、推計手段は、額推計部１０３に対応し、座標位置算出手段は、可視化部１０５に対応し、出力手段は、可視化結果出力部１０６に対応する。   The value calculation means of the present invention corresponds to the enterprise value calculation unit 100, the input means corresponds to the input unit 101, the coefficient calculation means corresponds to the model generation unit 102, and the estimation means is the amount estimation unit. The coordinate position calculation means corresponds to the visualization unit 105, and the output means corresponds to the visualization result output unit 106.

上述の指標推計装置は内部に、コンピュータシステムを有している。そして、上述した２次曲面モデルの生成の処理、推計対象の指標情報の算出処理、２次曲面を表示する処理は、プログラムの形式でコンピュータ読み取り可能な記録媒体に記憶されており、このプログラムをコンピュータが読み出して実行することによって、上記処理が行われる。ここでコンピュータ読み取り可能な記録媒体とは、磁気ディスク、光磁気ディスク、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ、半導体メモリ等をいう。また、このコンピュータプログラムを通信回線によってコンピュータに配信し、この配信を受けたコンピュータが当該プログラムを実行するようにしても良い。   The index estimation apparatus described above has a computer system inside. The process of generating the quadric surface model, the process of calculating the index information to be estimated, and the process of displaying the quadric surface are stored in a computer-readable recording medium in the form of a program. The above processing is performed by the computer reading and executing. Here, the computer-readable recording medium means a magnetic disk, a magneto-optical disk, a CD-ROM, a DVD-ROM, a semiconductor memory, or the like. Alternatively, the computer program may be distributed to the computer via a communication line, and the computer that has received the distribution may execute the program.

本実施形態の指標推計装置の内部構成を示すブロック図である。It is a block diagram which shows the internal structure of the parameter | index estimation apparatus of this embodiment. 同実施形態に係る企業価値算出部の内部構成を示したブロック図である。It is the block diagram which showed the internal structure of the corporate value calculation part which concerns on the same embodiment. 同実施形態に係る部分空間構築部の処理を示したフローチャートである。It is the flowchart which showed the process of the partial space construction part which concerns on the same embodiment. 同実施形態に係る部分空間修正部の処理を示したフローチャートである。It is the flowchart which showed the process of the partial space correction part which concerns on the same embodiment. 同実施形態に係るスコア算出部の処理を示したフローチャートである。It is the flowchart which showed the process of the score calculation part which concerns on the same embodiment. 同実施形態に係る部分空間構築部の処理の概念図である。It is a conceptual diagram of the process of the partial space construction part which concerns on the same embodiment. 同実施形態に係る部分空修正部の処理の概念図である。It is a conceptual diagram of the process of the partial sky correction part which concerns on the same embodiment. 同実施形態に係るスコア算出部の処理の概念図である。It is a conceptual diagram of a process of the score calculation part which concerns on the same embodiment. 同実施形態に係るスコアの算出結果例を示した図である。It is the figure which showed the example of the calculation result of the score which concerns on the same embodiment. 同実施形態に係るモデル生成部の処理を示したフローチャートである。It is the flowchart which showed the process of the model production | generation part which concerns on the same embodiment. 同実施形態に係る額推計部の処理を示したフローチャートである。It is the flowchart which showed the process of the amount estimation part which concerns on the embodiment. 同実施形態に係る可視化部の処理を示したフローチャートである。It is the flowchart which showed the process of the visualization part which concerns on the same embodiment. 同実施形態に係る可視化結果出力部の出力例を示した図である。It is the figure which showed the output example of the visualization result output part which concerns on the same embodiment. 同実施形態に係る推計結果を示した図である。It is the figure which showed the estimation result which concerns on the same embodiment. 同実施形態に係る推計結果を従来例と比較した図（その１）である。It is the figure (the 1) which compared the estimation result which concerns on the same embodiment with a prior art example. 同実施形態に係る推計結果を従来例と比較した図（その２）である。It is the figure (the 2) which compared the estimation result which concerns on the same embodiment with a prior art example.

符号の説明Explanation of symbols

１ 指標推計装置
１００ 企業価値算出部
１０１ 入力部
１０２ モデル生成部
１０３ 額推計部
１０４ 推計額結果出力部
１０５ 可視化部
１０６ 可視化結果出力部
１１０ モデル生成用ＤＢ
１２０ ２次曲面モデルＤＢ
１３０ 評価対象企業ＤＢ
２００ ２次曲面座標データ

DESCRIPTION OF SYMBOLS 1 Index estimation apparatus 100 Enterprise value calculation part 101 Input part 102 Model generation part 103 Amount estimation part 104 Estimated amount result output part 105 Visualization part 106 Visualization result output part 110 DB for model generation
120 quadratic surface model DB
130 Target company DB
200 Quadratic surface coordinate data

Claims (6)

複数の指標で表される評価対象に対して、前記複数の指標の情報である指標情報のいずれかを推計対象指標情報とし、前記推計対象指標情報を既知である他の指標情報により算出する指標推計装置であって、
予め定められる評価対象の指標情報に基づいて前記評価対象の所定の価値を示す価値情報を算出する価値算出手段と、
前記価値算出手段から算出される価値情報と、予め定められる前記価値情報に対応する前記推計対象指標情報以外の指標情報である第１の指標情報及び前記推計対象指標情報を入力する入力手段と、
前記入力手段により入力される前記価値情報及び前記第１の指標情報及び前記推計対象指標情報、並びに前記価値情報及び前記第１の指標情報及び前記推計対象指標情報を未知の変数とする２次曲面モデルに基づいて、当該２次曲面モデルの係数を所定の演算により算出する係数算出手段と、
前記係数算出手段により算出された係数が設定される２次曲面モデルと、前記価値情報と、前記第１の指標情報とに基づいて、前記推計対象指標情報を算出する推計手段と、
を備えたことを特徴とする指標推計装置。 For an evaluation target represented by a plurality of indicators, any one of the index information that is information of the plurality of indicators is used as the estimation target index information, and the estimation target index information is calculated from other known index information An estimation device,
Value calculating means for calculating value information indicating a predetermined value of the evaluation target based on predetermined index information of the evaluation target;
Input means for inputting value information calculated from the value calculation means, first index information that is index information other than the estimation target index information corresponding to the predetermined value information, and the estimation target index information;
A quadric surface using the value information, the first index information, and the estimation target index information, and the value information, the first index information, and the estimation target index information that are input by the input unit as unknown variables. Coefficient calculation means for calculating a coefficient of the quadric surface model by a predetermined calculation based on the model;
Estimation means for calculating the estimation target index information based on a quadratic surface model in which the coefficient calculated by the coefficient calculation means is set, the value information, and the first index information;
An index estimation device characterized by comprising: 前記推計手段が算出した前記推計対象指標情報と、当該推計対象指標情報の算出元となる前記価値情報及び前記第１の指標情報とに基づいて、係数が設定される２次曲面モデルの３次元座標上での座標位置を算出する座標位置算出手段と、
前記座標位置算出手段が算出した座標位置を３次元座標上に出力する出力手段と、
を備えたことを特徴とする請求項１に記載の指標推計装置。 A three-dimensional quadratic surface model in which coefficients are set based on the estimation target index information calculated by the estimation means, the value information that is a calculation source of the estimation target index information, and the first index information Coordinate position calculation means for calculating a coordinate position on the coordinates;
Output means for outputting the coordinate position calculated by the coordinate position calculation means on a three-dimensional coordinate;
The index estimation device according to claim 1, further comprising: 前記所定の演算とは、最小自乗誤差基準に基づく山登り法、あるいはニュートン法であることを特徴とする請求項１または２に記載の指標推計装置。   The index estimation apparatus according to claim 1 or 2, wherein the predetermined calculation is a hill-climbing method or a Newton method based on a least square error criterion. 前記所定の価値とは、前記第１の指標情報の影響が低くなるような前記価値であり、
前記価値情報と前記第１の指標情報とは、単調増加あるいは単調減少の関係にある
ことを特徴とする請求項１から３のいずれか１つに記載の指標推計装置。 The predetermined value is the value that reduces the influence of the first index information,
The index estimation apparatus according to any one of claims 1 to 3, wherein the value information and the first index information are in a monotonically increasing or monotonic decreasing relationship. 複数の指標で表される評価対象に対して、前記複数の指標の情報である指標情報のいずれかを推計対象指標情報とし、前記推計対象指標情報を既知である他の指標情報により算出する指標推計方法であって、
予め定められる評価対象の指標情報に基づいて前記評価対象の所定の価値を示す価値情報を算出するステップと、
算出した価値情報と、予め定められる前記価値情報に対応する前記推計対象指標情報以外の指標情報である第１の指標情報及び前記推計対象指標情報を入力するステップと、
入力する前記価値情報及び前記第１の指標情報及び前記推計対象指標情報、並びに前記価値情報及び前記第１の指標情報及び前記推計対象指標情報を未知の変数とする２次曲面モデルに基づいて、当該２次曲面モデルの係数を所定の演算により算出するステップと、
算出した係数が設定される２次曲面モデルと、前記価値情報と、前記第１の指標情報とに基づいて、前記推計対象指標情報を算出するステップと、
を含むことを特徴とする指標推計方法。 For an evaluation target represented by a plurality of indicators, any one of the index information that is information of the plurality of indicators is used as the estimation target index information, and the estimation target index information is calculated from other known index information An estimation method,
Calculating value information indicating a predetermined value of the evaluation target based on predetermined index information of the evaluation target;
Inputting the calculated value information, first index information that is index information other than the estimation target index information corresponding to the predetermined value information, and the estimation target index information;
Based on the quadratic surface model with the value information and the first index information and the estimation target index information to be input, and the value information and the first index information and the estimation target index information as unknown variables, Calculating a coefficient of the quadric surface model by a predetermined operation;
Calculating the estimation target index information based on the quadric surface model in which the calculated coefficient is set, the value information, and the first index information;
An index estimation method characterized by including: 複数の指標で表される評価対象に対して、前記複数の指標の情報である指標情報のいずれかを推計対象指標情報とし、前記推計対象指標情報を既知である他の指標情報により算出する指標推計装置の制御コンピュータに、
予め定められる評価対象の指標情報に基づいて前記評価対象の所定の価値を示す価値情報を算出する手順と、
算出した価値情報と、予め定められる前記価値情報に対応する前記推計対象指標情報以外の指標情報である第１の指標情報及び前記推計対象指標情報を入力する手順と、
入力する前記価値情報及び前記第１の指標情報及び前記推計対象指標情報、並びに前記価値情報及び前記第１の指標情報及び前記推計対象指標情報を未知の変数とする２次曲面モデルに基づいて、当該２次曲面モデルの係数を所定の演算により算出する手順と、
算出した係数が設定される２次曲面モデルと、前記価値情報と、前記第１の指標情報とに基づいて、前記推計対象指標情報を算出する手順と
を実行させるための指標推計プログラム。

For an evaluation target represented by a plurality of indicators, any one of the index information that is information of the plurality of indicators is used as the estimation target index information, and the estimation target index information is calculated from other known index information To the control computer of the estimation device,
A procedure for calculating value information indicating a predetermined value of the evaluation target based on predetermined index information of the evaluation target;
A procedure for inputting the calculated value information, first index information that is index information other than the estimation target index information corresponding to the predetermined value information, and the estimation target index information;
Based on the quadratic surface model with the value information and the first index information and the estimation target index information to be input, and the value information and the first index information and the estimation target index information as unknown variables, A procedure for calculating coefficients of the quadric surface model by a predetermined calculation;
An index estimation program for executing a step of calculating the estimation target index information based on the quadric surface model in which the calculated coefficient is set, the value information, and the first index information.

JP2006069047A 2006-03-14 2006-03-14 INDICATOR ESTIMATION DEVICE, INDICATOR ESTIMATION METHOD, AND INDICATOR ESTIMATION PROGRAM Expired - Fee Related JP4937608B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2006069047A JP4937608B2 (en) 2006-03-14 2006-03-14 INDICATOR ESTIMATION DEVICE, INDICATOR ESTIMATION METHOD, AND INDICATOR ESTIMATION PROGRAM

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2006069047A JP4937608B2 (en) 2006-03-14 2006-03-14 INDICATOR ESTIMATION DEVICE, INDICATOR ESTIMATION METHOD, AND INDICATOR ESTIMATION PROGRAM

Publications (2)

Publication Number Publication Date
JP2007249354A true JP2007249354A (en) 2007-09-27
JP4937608B2 JP4937608B2 (en) 2012-05-23

Family

ID=38593618

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2006069047A Expired - Fee Related JP4937608B2 (en) 2006-03-14 2006-03-14 INDICATOR ESTIMATION DEVICE, INDICATOR ESTIMATION METHOD, AND INDICATOR ESTIMATION PROGRAM

Country Status (1)

Country Link
JP (1) JP4937608B2 (en)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009087219A (en) * 2007-10-02 2009-04-23 Doshisha Corporate value evaluation device, corporate value evaluation method, and computer program
WO2014162602A1 (en) * 2013-04-05 2014-10-09 株式会社日立製作所 Index-setting assistance device and index-setting assistance method
JP2017091195A (en) * 2015-11-10 2017-05-25 学校法人神奈川大学 Geometrical display system, program, and method for three-dimensional dynamism
JP6229988B1 (en) * 2016-11-30 2017-11-15 エクイティ・エックス株式会社 Information processing apparatus, information processing method, and information processing program
WO2021086996A1 (en) * 2019-11-01 2021-05-06 Tableau Software, LLC Providing data visualizations based on personalized recommendations
US11392608B2 (en) 2019-06-17 2022-07-19 Tableau Software, LLC Analyzing marks in visualizations based on dataset characteristics
US11397746B2 (en) 2020-07-30 2022-07-26 Tableau Software, LLC Interactive interface for data analysis and report generation
US11550815B2 (en) 2020-07-30 2023-01-10 Tableau Software, LLC Providing and surfacing metrics for visualizations
US11573807B2 (en) 2019-03-28 2023-02-07 Tableau Software, LLC Providing user interfaces based on data source semantics
US11579760B2 (en) 2020-09-08 2023-02-14 Tableau Software, LLC Automatic data model generation
US11783266B2 (en) 2019-09-18 2023-10-10 Tableau Software, LLC Surfacing visualization mirages

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003233703A (en) * 2001-08-28 2003-08-22 Hitachi Ltd Management index processing system
JP2004348170A (en) * 2003-04-04 2004-12-09 Eri Okada Intellectual value index calculation method
JP2005352637A (en) * 2004-06-09 2005-12-22 Ntt Data Corp Device, system and program for enterprise evaluation

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003233703A (en) * 2001-08-28 2003-08-22 Hitachi Ltd Management index processing system
JP2004348170A (en) * 2003-04-04 2004-12-09 Eri Okada Intellectual value index calculation method
JP2005352637A (en) * 2004-06-09 2005-12-22 Ntt Data Corp Device, system and program for enterprise evaluation

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009087219A (en) * 2007-10-02 2009-04-23 Doshisha Corporate value evaluation device, corporate value evaluation method, and computer program
WO2014162602A1 (en) * 2013-04-05 2014-10-09 株式会社日立製作所 Index-setting assistance device and index-setting assistance method
JP2017091195A (en) * 2015-11-10 2017-05-25 学校法人神奈川大学 Geometrical display system, program, and method for three-dimensional dynamism
JP6229988B1 (en) * 2016-11-30 2017-11-15 エクイティ・エックス株式会社 Information processing apparatus, information processing method, and information processing program
JP2018092284A (en) * 2016-11-30 2018-06-14 エクイティ・エックス株式会社 Information processing apparatus, information processing method and program for information processing
US11573807B2 (en) 2019-03-28 2023-02-07 Tableau Software, LLC Providing user interfaces based on data source semantics
US11392608B2 (en) 2019-06-17 2022-07-19 Tableau Software, LLC Analyzing marks in visualizations based on dataset characteristics
US11783266B2 (en) 2019-09-18 2023-10-10 Tableau Software, LLC Surfacing visualization mirages
JP2022554196A (en) * 2019-11-01 2022-12-28 タブロー ソフトウェア，エルエルシー Providing data visualization based on personalized recommendations
WO2021086996A1 (en) * 2019-11-01 2021-05-06 Tableau Software, LLC Providing data visualizations based on personalized recommendations
JP7313553B2 (en) 2019-11-01 2023-07-24 タブロー ソフトウェア，エルエルシー Providing data visualization based on personalized recommendations
US11397746B2 (en) 2020-07-30 2022-07-26 Tableau Software, LLC Interactive interface for data analysis and report generation
US11550815B2 (en) 2020-07-30 2023-01-10 Tableau Software, LLC Providing and surfacing metrics for visualizations
US11893039B2 (en) 2020-07-30 2024-02-06 Tableau Software, LLC Interactive interface for data analysis and report generation
US11579760B2 (en) 2020-09-08 2023-02-14 Tableau Software, LLC Automatic data model generation

Also Published As

Publication number Publication date
JP4937608B2 (en) 2012-05-23

Similar Documents

Publication Publication Date Title
JP4937608B2 (en) INDICATOR ESTIMATION DEVICE, INDICATOR ESTIMATION METHOD, AND INDICATOR ESTIMATION PROGRAM
Talagala et al. Meta-learning how to forecast time series
Palar et al. On efficient global optimization via universal Kriging surrogate models
JP5988419B2 (en) Prediction method, prediction system, and program
JP5282493B2 (en) Optimal solution relation display device, method, and program
JP2005135287A (en) Prediction device, method, and program
US20090182539A1 (en) Multi-objective optimal design support device, method and program storage medium
US10818063B2 (en) Repurposing existing animated content
Wortmann Surveying design spaces with performance maps: A multivariate visualization method for parametric design and architectural design optimization
CN107239477B (en) Geographic data support vector regression method fusing spatial correlation
Muchayan Comparison of Holt and Brown's Double Exponential Smoothing Methods in The Forecast of Moving Price for Mutual Funds
US8275780B2 (en) Rule discovery program, rule discovery process, and rule discovery apparatus
JP2013097723A (en) Text summarization apparatus, method and program
US20190065891A1 (en) Image detection method, system and non-volatile computer readable medium
JP2007328744A (en) Regression analyzing method and device therefor
JP4343140B2 (en) Evaluation apparatus and computer program therefor
US20190220336A1 (en) Information processing device, information processing method, and recording medium
US20210248293A1 (en) Optimization device and optimization method
GB2597135A (en) High flowrate formation tester
JP2008070956A (en) Evaluation device, evaluation method and evaluation program
JP3987059B2 (en) Optimal value search support device, optimal value search support method, and recording medium
JP5826348B1 (en) Prediction device, prediction method, and computer program
US20230012430A1 (en) Storage medium, model generation method, and information processing apparatus
WO2023204029A1 (en) Information processing method, information processing system, and program
JP5680144B2 (en) Prediction device, prediction method, and computer program

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20090130

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20110809

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20111007

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: 20120214

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20120222

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20150302

Year of fee payment: 3

R150 Certificate of patent or registration of utility model

Ref document number: 4937608

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

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

LAPS Cancellation because of no payment of annual fees