JP2012198933A - 仕組金融商品の価値を予測する方法及びコンピュータ・システム - Google Patents

Abstract

【課題】天候ベースの仕組金融商品の価値を予測するコンピュータ実現方法を提供する。
【解決手段】方法は、所定の期間及び所定の地域の予測天候データに基づいて予測価値を算出する工程と、所定の期間及び所定の地域の過去の天候データから基準天候データを算出する工程と、予測天候データ及び基準天候データに基づいて、予測天候データに関連付けられた予測品質を示す品質指標を算出する工程とを含む。
【選択図】図２

Description

本発明は、仕組金融商品の価値を予測する方法及びコンピュータ・システムに関する。特に、本発明は、天候ベースの仕組金融商品の価値を予測するコンピュータ実現方法及びコンピュータ・システムに関する。

保険業界では、特定の天候条件の生起に対して保険をかけるために保険証券が提供される。同様に、保険会社及び金融サービス会社は、天候条件に基づいた金融商品、特に金融デリバティブ（一般に、仕組金融商品と呼ばれている）を提供する。天候ベースの仕組金融商品は、気温、降水量、日照時間、暖房度日、冷房度日、風速などの特定の天候尺度に価値が基づく投資商品である。

米国特許第６４１８４１７号明細書には、天候ベースの金融商品を評価する方法が開示されている。実行日及び満期日を有し、特定の地域及び少なくとも１つの天候条件について規定された金融商品の場合、天候ベースの金融商品の価値は、過去の天候データ、及び実行日と満期日との間の期間について予測された将来の天候データに基づいて求められる。

米国特許出願公開第２００４／０２３０５１９号明細書には、天候デリバティブの価格決定モデルを生成する方法が開示されている。価格決定モデルは、過去の天候データ及び現在の天候データに基づく。前述のモデルは、過去の天候データから、又は予測尺度からの現在の天候データの偏差を利用する。

本発明の目的は、天候ベースの仕組金融商品の価値を予測天候データに基づいて予測するコンピュータ実現方法及びコンピュータ・システムを提供することである。本発明の更なる目的は、天候ベースの仕組金融商品の価値を予測天候データに基づいて予測するコンピュータ実現方法及びコンピュータ・システムを提供することである。予測天候データの品質が考慮に入れられる。

本発明によれば、前述の目的は、特に、独立請求項の構成によって達成される。更に、更なる効果的な実施例が、従属請求項及び明細書から生じる。

本発明によれば、前述の目的は、天候ベースの仕組金融商品の価値を予測する場合、予測価値は、所定の期間及び所定の地域の予測天候データに基づいて算出される。基準天候データが、所定の期間及び所定の地域の過去の天候データから算出される。予測天候データ及び基準天候データに基づいて、予測天候データに関連付けられた予測品質を示す品質指標が算出される。基準天候データを過去の天候データから算出し、予測品質指標を基準天候データから算出することにより、金融商品の予測価値の品質尺度が提供される。品質尺度により、金融商品の投資家及び提供者が、金融商品の価値に関してより好適な情報を得たうえで意思決定を行うことが可能になる。

好ましい実施例では、基準価値は、基準天候データに基づいて算出され、金融商品の価値は、基準価値から、かつ、品質指標によって重み付けした予測価値から算出される。金融商品の価値を基準価値及び予測価値から算出し、予測価値を品質指標で重み付けることにより、金融商品の算出価値に対する予測価値の影響を調節することが可能になる。予測価値の影響は、予測天候データの品質に依存する。好ましくは、予測価値の重みは、基準天候データに対する予測天候データの精度の向上とともに増加する。よって、金融商品の算出価値が正確である確率が向上する。更に、本願において提示する新たな手法は、最適な天候デリバティブ・ポートフォリオの作成及び方向付けの一助となる。

好ましくは、予測天候インデックスは、予測天候データから求められ、予測価値は、金融商品の仕組パラメータを予測天候インデックスに施すことによって算出される。同様に、基準天候インデックスは、基準天候データから求められ、基準価値は、金融商品の仕組パラメータを基準天候インデックスに施すことによって算出される。例えば、予測天候データ、基準天候データ、及び過去の天候データは気温データを含む。同様に、予測天候インデックス及び基準天候インデックスは、所定の期間及び所定の地域の平均気温、累積気温、暖房度日数、及び冷房度日数のうちの少なくとも１つを含む。

実施例では、品質指標を算出する工程は、予測天候データのランク付け確率スコアを算出する工程、基準天候データのランク付け確率スコアを算出する工程、及び予測天候データのランク付け確率スコア及び基準天候データのランク付け確率スコアからランク付け確率スキル・スコアとして品質指標を算出する工程を含む。

実施例では、予測天候データは、過去の複数年にわたる天候データ、及び１つ又は複数の月を包含する長期天候予測データから算出される。

更なる好ましい実施例では、予測天候データを算出する工程は、過去の複数年にわたる天候データの第１の累積分布関数を所定の期間について求める工程と、第１の累積分布関数の３分位に含まれる累積価値を算出する工程と、予測天候データの第２の累積分布関数を所定の期間について求める工程とを含む。第２の累積分布関数は、第１の累積分布関数の３分位に含まれる累積価値の、長期天候予測データから得られた４分位レベルを用いて第１の累積分布関数を下方スケーリングすることによって得られる。

別の実施例では、予測天候データを算出する工程は、過去の天候データから決定論的成分を備える基準気候学情報を所定の期間について求める工程と、基準気象学情報、及び所定の期間のアンサンブル予測から予測天候データを算出する工程とを含む。

実施例では、後続期間の複数の組の予測天候データが、そのそれぞれの期間に割り当てられて記憶される。予測天候データは、複数の組の予測天候データから算出される。予測天候データの各組は、一期間と後続期間との間で増加する値を有する重み付け係数によって重み付けられる。先行期間からの予測天候データの重み付けられた組を含めることにより、予測天候データの品質（すなわち、精度）が向上する。

実施例では、予測天候データは、過去の複数年にわたる気温データ、及び一又は複数の月を包含する長期気温予測データから求められる第１の気温データ累積分布関数を含む。基準天候データを算出する工程は、確率的時系列モデルを過去の気温データに施すことにより、気温データの第２の累積分布関数を求める工程を含む。予測価値は、第１の累積分布関数から求められる予測天候インデックスに金融商品の仕組パラメータを施すことによって算出される。基準価値は、第２の累積分布関数から求められる基準天候インデックスに金融商品の仕組パラメータを施すことによって算出される。品質指標を算出する工程は、第１の累積分布関数に基づいて第１のランク付け確率スコアを算出する工程と、第２の累積分布関数に基づいて第２のランク付け確率スコアを算出する工程と、第１のランク付け確率スコア及び第２のランク付け確率スコアから、ランク付け確率スキル・スコアとして品質指標を算出する工程とを含む。

天候ベースの仕組金融商品の価値を予測するコンピュータ実現方法及びコンピュータ・システムに加えて、本発明は、天候ベースの仕組金融商品の価値を予測する方法をコンピュータが実行するようにコンピュータの１つ又は複数のプロセッサを制御するコンピュータ・プログラム・コード手段を含むコンピュータ・プログラム・プロダクトにも関する。特に、コンピュータ・プログラム・プロダクトは、コンピュータ・プログラム・コード手段を中に含むコンピュータ読み取り可能な媒体を含む。

本発明の実施例を実施するコンピュータ・システムの例示的な、ディスプレイ及びデータ入力手段を備えるコンピュータを備える構成を略示するブロック図である。 天候ベースの仕組金融商品の価値を予測する、本発明によって実行される一連の工程の例を示すフロー図である。 過去の天候データに基づいて基準天候データを生成する確率的時系列モデルを略示するブロック図である。 過去の天候データ及び長期天候予測データに基づいて予測天候データを生成する日次異常法を略示するブロック図である。 分布関数の３分位について累積価値を示す、過去の天候データの累積分布関数を示す図である。 図５ａに示す累積分布関数に基づいて下方スケーリングされた予測天候データの累積分布関数を示す図である。 日次異常法によって求められる、予測天候データのランク付け確率スコアの算出を示す累積分布関数を示す図である。 ３分位法によって求められる、予測天候データのランク付け確率スコアの算出を示す累積分布関数を示す図である。

本発明は、添付図面を参照しながら、例として、更に詳細に説明する。

図１では、参照符号１は、コンピュータ・システムを表す。コンピュータ・システム１は、１つ又は複数のプロセッサを備える１つ又は複数のコンピュータ１’（例えば、パソコン）を含む。略示した通り、コンピュータ・システム１は、ディスプレイ、及びデータ入力手段（例えば、キーボード１７、及び、コンピュータ・マウスの形態のポインティング・デバイス２）を含む。コンピュータ・システム１は、メモリ、データベース１６及び種々の機能モジュール（すなわち、天候基準モジュール１１、重み付けモジュール１２１を備えた天候予測モジュール１２、基準モジュール１３、重み付けモジュール１４１を備えた価値予測モジュール１４、及び品質指標モジュール１５）を更に含む。好ましくは、機能モジュール及びデータベース１６は、プログラムされたソフトウェア・モジュールとして実現される。ソフトウェア・モジュールのコンピュータ・プログラム・コードは、（好ましくはコンピュータ読み取り可能な媒体上に（コンピュータ・システム１のコンピュータ１’に一体化されたメモリ内に、又はコンピュータ・システム１のコンピュータ１’に挿入することが可能なデータ担体上に）記憶される）コンピュータ・プログラム・プロダクトとして実現される。変形では、コンピュータ・システム１は、外部データ源５に、例えば電気通信ネットワークを介して接続される。

天候基準モジュール１１は、過去の天候データに基づいて基準天候データを確立するよう構成される。過去の天候データは、データベース１６に記憶されるか、又は外部データ源５から取り出される。図３に示すように、多くの年を包含する時系列としてブロック３１に示す過去の天候データは、ブロック３２及び３３に示す決定論的データを備えた部分、及びブロック３４に示す確率的データを備えた部分に分解される。決定論的部分は、ブロック３２に示す過去の趨勢データ、及びブロック３３に示す季節パターン・データを含む。基準天候データは、所定の期間及び所定の地域について求められる。期間及び地域は、予測される対象の仕組金融商品のパラメータに対応して規定される。ブロック３８に示す基準天候データは、確率的時系列モデルを過去の天候データに適用することによってシミュレートされる。特に、基準天候データは、自己回帰を介して、所定の期間に適用可能な決定論的データから、かつ、前述の期間について求められた確率的データから確立される。基準天候データを求めるうえで予測天候データは何ら用いられない。

天候予測モジュール１２は、複数年にわたる過去の天候データ、及び１つ又は複数の月を包含する長期天候予測データに基づいて予測天候データを確立するよう構成される。過去の天候データ、及び長期天候予測データは、例えば、所定の期間及び地域について、ヨーロッパ中期気象予報センター（ＥＣＭＷＦ）などの予報サービス提供者によって提供される。長期天候予測データは、データベース１６に記憶されるか、又は外部データ源５から取り出される。

第１の変形では、予測天候データは、図４に示す日次異常法を用いて求められる。日次異常法では、長期天候予測データは、ブロック４１に示すいわゆるアンサンブル予測（異常）の形態で提供される。アンサンブル予測は、ブロック４２及び４３に示す基準気候学データと合成される。基準気候学データは、特定年分の過去のデータ、例えば、ブロック４３に示す過去の趨勢データ、及び、ブロック４２に示す季節パターン・データを表す。ブロック４４に示す予測天候データはよって、決定論的天候データ、及び所定の期間についての考えられるいくつかの予測（アンサンブル予測）の再構成によって生成される。

第２の好ましい変形では、予測天候データは、図５ａ及び図５ｂに示す３分位法を用いて求められる。図５ａに示すように、過去の天候データについて、累積分布関数５０が、所定の期間について求められる（例えば、所定の期間中の（日次の）気温の累積分布）。過去の天候データの累積分布関数５０の３分位５１、５２、５３毎に、３分位５１、５２、５３に含まれた累積価値（例えば、１１８５０、１２１００、１３６００）が算出される。図５ｂに示すように、予測天候データについて、累積分布関数５７が所定の期間について求められる。長期天候予測データから、過去の天候データの累積分布関数５０の３分位５１、５２、５３に含まれた累積価値（例えば、１１８５０、１２１００及び１３６００）に対応する分位レベル（例えば、５％、１２％及び８３％）を求める。予測天候データの累積分布関数５７は、長期天候予測データから求められる分位レベル（例えば、５％、１２％及び８３％）を用いて、過去の天候データの累積分布関数５０を下方スケーリングすることによって確立される。

後続期間の複数の組の予測天候データが、それらのそれぞれの期間に割り当てられてデータベース１６に記憶される。重み付けモジュール１２１は、データベース１６に記憶された複数の組の予測天候データから、更なる計算に用いる対象の予測天候データを算出するよう構成される。予測天候データの組それぞれは、一期間から次の後続期間までの間に増加する価値を有する重み付け係数で重み付けされる。例えば、期間の長さは、１ヶ月であり、予測天候データの組は、当月、並びに１ヶ月，２ヶ月、３ヶ月及び４ヶ月の遅延を有する期間の予測天候データを含む。例えば、更なる計算に用いる対象の予測天候データは、当月、並びに、１ヶ月，２ヶ月、３ヶ月及び４ヶ月の遅延を有する期間それぞれに対して６０％、２０％、１０％、７．５％、２．５％の重み付け係数を用いて算出される。

以下の段落では、天候ベースの仕組金融商品の価値を予測する、本発明によって実行される一連の工程の例を、図２を参照して説明する。

工程Ｓ１では、価値予測モジュール１４が、仕組金融商品の予測価値を算出する。まず、予測天候インデックスが、図４又は図５ａ及び図５ｂそれぞれを参照して前述した日次異常法又は３分位法によって算出された予測天候データから算出される。例えば、過去の天候データ、及び、よって、予測天候データは気温データを含み、予測天候インデックスは、所定の期間及び所定の地域の平均気温、累積気温、暖房度日数、又は冷房度日数を含む。インデックス・タイプは、予測する対象の金融商品の個別のパラメータによって規定される。予測天候インデックスは、天候データから、図４に示す異常法によって算出することが可能である。あるいは、図５ａ及び図５ｂに示す３分位法は、平均気温インデックス又は累積気温インデックスを算出するよう施すことが可能である。冷房度日数又は暖房度日数のような更なるインデックスに３分位法を拡張することが可能である。これは、平均気温の予測３分位を前提として、所望の気温インデックスの条件付き分布を算出することによって達成することが可能である。本願において提案される方法及びシステムが気温データに限定されないが、天候データを降水量、又は、例えば、風の速度や方向によって表すことも可能であることを当業者は分かるであろう。よって、工程Ｓ１２では、仕組金融商品の予測価値は、工程Ｓ１１で算出された予測天候インデックスに金融商品の仕組パラメータを施すことによって算出される。例えば、プット又はコールのディール・ストラクチャを有する金融商品の場合、地域、天候ベース・インデックスのタイプ、及び期間に加えて、仕組パラメータは、ストライク（Ｐ_{ｓｔｒｉｋｅ}）、ティック（Ｐ_ｔｉｃｋ）及びリミット（Ｐ_{ｌｉｍｉｔ}）のパラメータ値を含む。プット又はコールのディール・ストラクチャの場合、仕組金融商品の予測価値は、公式（１）又は（２）それぞれによって算出される。

Ｖ_{ｆｏｒｅｃａｓｔｅｄ−ｐｕｔ}＝Ｅ［ｍｉｎ（ｍａｘ（（Ｐ_{ｓｔｒｉｋｅ}−Ｉ_{ｆｏｒｅｃａｓｔｅｄ}）・Ｐ_ｔｉｃｋ，０），Ｐ_{ｌｉｍｉｔ}）］ （１）
Ｖ_{ｆｏｒｅｃａｓｔｅｄ−ｃａｌｌ}＝Ｅ［ｍｉｎ（ｍａｘ（（Ｉ_{ｆｏｒｅｃａｓｔｅｄ}−Ｐ_{ｓｔｒｉｋｅ}）・Ｐ_ｔｉｃｋ，０），Ｐ_{ｌｉｍｉｔ}）］ （２）
Ｉ_{ｆｏｒｅｃａｓｔｅｄ}は、予測インデックス分布をたどる確率変数である。

工程Ｓ１３では、仕組金融商品の予測価値が、出力としてディスプレイ３上に表示される。

工程Ｓ２では、参照モジュール１３は、仕組金融商品の基準価値を算出する。まず、基準天候インデックスがＳ２１で、図３を参照して前述したように算出された基準天候データから算出される。過去の天候データに対応して、基準天候データは気温データを含み、基準天候インデックスは、所定の期間及び所定の地域の平均気温、累積気温、暖房度日数、又は冷房度日数を含む。基準天候インデックスは、予測天候インデックスについて前述したように、基準天候データから算出される。更に、工程Ｓ２２で、仕組金融商品の基準価値は、金融商品の予測価値について前述したように、工程Ｓ２１で算出された基準天候インデックスに金融商品の仕組パラメータを施すことによって算出される。

工程Ｓ３では、品質指標モジュール１５は、予測天候データの予測の品質を示す品質指標を算出する。品質指標は、予測天候データ及び基準天候データに基づいて算出される。工程Ｓ３１では、ランク付け確率スコア（ＲＰＳ_{ｆｏｒｅｃａｓｔｅｄ}）が、予測天候データについて公式（３）によって算出される。ここで、ＣＤＦ_{ｆｏｒｅｃａｓｔｅｄ}は、予測天候データの累積分布関数であり、ＣＤ_{Ｆａｃｔｕａｌ}は、（すなわち、実際の生起した適切な天候条件を表す天候データの）実際の実現の累積分布関数である。

ＲＰＳ_{ｆｏｒｅｃａｓｔｅｄ}＝∫（ＣＤＦ_{ｆｏｒｅｃａｓｔｅｄ}（ｘ）−ＣＤＦ_{ａｃｔｕａｌ}（ｘ））^２ｄｘ （３）
図６ａ及び図６ｂでは、参照符号６０は実際の実現を表し、参照符号６１は基準天候データの累積分布関数ＣＤＦ_{ｒｅｆｅｒｅｎｃｅ}を表し、参照符号６２は、３分位法によって導き出された予測データの累積分布関数ＣＤＦ_{ｆｏｒｅｃａｓｔｅｄ}を表す。図６ａでは、参照符号６３は、基準天候データのランク付け確率スコアを表す領域を表す。図６ｂでは、参照符号６４は、３分位法によって導き出された予測天候データのランク付け確率スコアを表す領域を表す。明らかに、３分位法により、実際の実現により近い結果が得られる。

工程Ｓ３２では、ランク付け確率スコア（ＲＰＳ_{ｒｅｆｅｒｅｎｃｅ}）が基準天候データについて公式（４）によって算出される。ここで、ＣＤＦ_{ｒｅｆｅｒｅｎｃｅ}は、基準天候データの累積分布関数である。

ＲＰＳ_{ｒｅｆｅｒｅｎｃｅ}＝∫（ＣＤＦ_{ｒｅｆｅｒｅｎｃｅ}（ｘ）−ＣＤＦ_{ａｃｔｕａｌ}（ｘ））^２ｄｘ （４）
工程Ｓ３３では、品質指標が、予測天候データの平均ランク付け確率スコア、及び数年間の基準天候データの平均ランク付け確率スコアから算出されたランク付け確率スキル・スコア（ＲＰＳＳ）として公式（５）によって算出される。

ランク付け確率スキル・スコアは、基準天候データに対する、天候データの予測の精度を示す。ランク付け確率スキル・スコアは、基準シミュレーションに対する予測の精度の向上のパーセンテージを示す。スキル・スコアは、単に統計シミュレーションによって導き出された基準の精度と等しい精度を有する予測の場合、０％の値を有する。正のスコアは、予測精度が基準の精度に対して向上していることを示す。負のスコアは、予測精度が基準の精度より悪いことを示す。品質指標の算出は、ランク付け確率スキル・スコアのみに限定されるものでない。別の品質尺度も本願で提示した方法論で使用できる。

工程Ｓ３４では、品質指標が出力としてディスプレイ３上に表示される。

好ましい選択肢では、工程Ｓ４で、価値予測モジュール１４は、工程Ｓ２で算出された基準価値、及び工程Ｓ１で算出された予測価値から仕組金融商品の予測価値を算出する。仕組金融商品の予測価値は、工程Ｓ３で算出された品質指標を重み付け係数として用いて基準価値及び予測価値から算出される。仕組金融商品の予測価値Ｖ_{ｆｏｒｅｃａｓｔｅｄ}は、例えば式（６）によって算出される。ここで、α（ｓ）は品質指標の関数であり、Ｖ_{ｆｏｒｅｃａｓｔ}は、工程Ｓ１において算出された予測価値であり、Ｖ_{ｒｅｆｅｒｅｎｃｅ}は、工程Ｓ２において算出された基準価値である。

Ｖ_{ｆｏｒｅｃａｓｔｅｄ}＝α（０）・Ｖ_{ｆｏｒｅｃａｓｔ}＋（１−α（ｓ））・Ｖ_{ｒｅｆｅｒｅｎｃｅ} （６）
工程Ｓ４１では、仕組金融商品の（重み付けされた）予測価値Ｖ_{ｆｏｒｅｃａｓｔｅｄ}が、出力としてディスプレイ３上に表示される。

本発明の範囲から逸脱しない限り、異なる工程順序が可能である。例えば、工程Ｓ３２を工程Ｓ３１に先行して行うことができる。

Claims (35)

1. 天候ベースの仕組金融商品の価値を予測するコンピュータ実現方法であって、
   所定の期間及び所定の地域の予測天候データに基づいて予測価値を算出する工程と、
   前記所定の期間及び前記所定の地域の過去の天候データから基準天候データを算出する工程と、
   前記予測天候データ及び前記基準天候データに基づいて、前記予測天候データに関連付けられた予測品質を示す品質指標を算出する工程と、
   前記品質指標で重み付けされた前記予測価値及び前記基準天候データから算出された基準価値に基づいて前記天候ベースの仕組金融商品の予測価値をコンピュータによって算出する工程と
   を含む方法。
2. 請求項１記載の方法であって、前記方法は、前記基準天候データに基づいて前記基準価値を算出する工程を更に含む方法。
3. 請求項１記載の方法であって、前記予測価値は、前記予測天候データから求められた予測天候インデックスに前記天候ベースの仕組金融商品の仕組パラメータを施すことによって算出され、前記基準価値は、前記基準天候データから求められた基準天候インデックスに前記天候ベースの仕組金融商品の前記仕組パラメータを施すことによって算出される方法。
4. 請求項３記載の方法であって、前記予測天候データ、前記基準天候データ、及び前記過去の天候データは気温データを含み、前記予測天候インデックス及び前記基準天候インデックスは、前記所定の期間及び前記所定の地域の平均気温、累積気温、暖房度日数、及び冷房度日数のうちの１つを含む方法。
5. 請求項１乃至４の何れか一項に記載の方法であって、前記品質指標を算出する工程は、前記予測天候データのランク付け確率スコアを算出する工程と、前記基準天候データのランク付け確率スコアを算出する工程と、前記予測天候データの前記ランク付け確率スコア及び前記基準天候データの前記ランク付け確率スコアからランク付け確率スキル・スコアとしての前記品質指標を算出する工程とを含む方法。
6. 請求項１乃至５の何れか一項に記載の方法であって、前記予測天候データが過去の複数年の天候データ、及び一又は複数の月にわたる長期天候予測データから算出される方法。
7. 請求項６記載の方法であって、前記予測天候データを算出する工程は、前記過去の天候データの第１の累積分布関数を前記所定の期間について求める工程と、前記第１の累積分布関数の３分位に含まれる累積価値を算出する工程と、前記第１の累積分布関数の前記３分位に含まれる前記累積価値の長期天候予測データから得られる分位レベルを用いて前記第１の累積分布関数を下方スケーリングすることにより、前記予測天候データの第２の累積分布関数を前記所定の期間について求める工程とを含む方法。
8. 請求項６記載の方法であって、前記予測天候データを算出する工程は、前記過去の天候データから決定論的成分を備える基準気候学情報を前記所定の期間について求める工程と、前記基準気候学情報、及び前記所定の期間のアンサンブル予測から前記予測天候データを算出する工程とを含む方法。
9. 請求項１記載の方法であって、複数の予測天候データの組が記憶され、前記複数の予測天候データの組それぞれが、前記所定の期間に後続する当該期間に割り当てられ、前記予測天候データは前記複数の予測天候データの組から算出され、予測天候データの組それぞれは、一期間と後の期間との間に増加する値を有する重み付け係数で重み付けされる方法。
10. 請求項１記載の方法であって、前記予測天候データは、過去の複数年の気温データ、及び一又は複数の月にわたる長期気温予測データから求められる気温データの第１の累積分布関数を含み、前記基準天候データを算出する工程は、確率的時系列モデルを前記過去の気温データに施すことにより、気温データの第２の累積分布関数を求める工程を含み、前記予測価値は、前記第１の累積分布関数から求められる予測天候インデックスに前記天候ベースの仕組金融商品の仕組パラメータを施すことによって算出され、前記基準価値は、前記第２の累積分布関数から求められる基準天候インデックスに前記天候ベースの仕組金融商品の仕組パラメータを施すことによって算出され、前記品質指標を算出する工程は、前記第１の累積分布関数に基づいて第１のランク付け確率スコアを算出する工程と、前記第２の累積分布関数に基づいて第２のランク付け確率スコアを算出する工程と、前記第１のランク付け確率スコア及び前記第２のランク付け確率スコアからランク付け確率スキル・スコアとして前記品質指標を算出する工程とを含む方法。
11. 天候ベースの仕組金融商品の価値を予測するコンピュータ・システムであって、
    所定の期間及び所定の地域の予測天候データに基づいて予測価値を算出する、コンピュータ上で実現された価値予測モジュールと、
    前記所定の期間及び前記所定の地域の過去の天候データから基準天候データを算出する基準モジュールと、
    前記予測天候データ及び前記基準天候データに基づいて、前記予測天候データに関連付けられた予測品質を示す品質指標を算出する品質指標モジュールとを含み、
    前記コンピュータ上で実現された前記価値予測モジュールは、前記品質指標で重み付けされた前記予測価値及び前記基準天候データから算出された基準価値に基づいて前記天候ベースの仕組金融商品の予測価値を更に算出し、前記コンピュータ・システムは、
    前記天候ベースの仕組金融商品の前記予測価値の出力及び表示の少なくとも１つを行う、前記コンピュータ上で実現された出力モジュールを更に含むコンピュータ・システム。
12. 請求項１１記載のコンピュータ・システムであって、前記基準モジュールは、前記基準天候データに基づいて前記基準価値を算出するよう構成されたコンピュータ・システム。
13. 請求項１１記載のコンピュータ・システムであって、前記価値予測モジュールは、前記予測天候データから求められた予測天候インデックスに前記天候ベースの仕組金融商品の仕組パラメータを施すことによって前記予測価値を算出するよう構成され、前記基準モジュールは、前記基準天候データから求められた基準天候インデックスに前記天候ベースの仕組金融商品の前記仕組パラメータを施すことによって前記基準価値を算出するよう構成されたコンピュータ・システム。
14. 請求項１３記載のコンピュータ・システムであって、前記予測天候データ、前記基準天候データ、及び前記過去の天候データは気温データを含み、前記予測天候インデックス及び前記基準天候インデックスは、前記所定の期間及び前記所定の地域の平均気温、累積気温、暖房度日数、及び冷房度日数のうちの１つを含むコンピュータ・システム。
15. 請求項１１乃至１４の何れか一項に記載のコンピュータ・システムであって、前記品質指標モジュールは、前記予測天候データのランク付け確率スコアを算出し、前記基準天候データのランク付け確率スコアを算出し、前記予測天候データのランク付け確率スコア及び前記基準天候データのランク付け確率スコアからランク付け確率スキル・スコアとして前記品質指標を算出するよう構成されたコンピュータ・システム。
16. 請求項１１乃至１５の一項に記載のコンピュータ・システムであって、過去の複数年の天候データ、及び一又は複数の月にわたる長期天候予測データから前記予測天候データを算出する天候予測モジュールを含むコンピュータ・システム。
17. 請求項１６記載のコンピュータ・システムであって、前記天候予測モジュールは、前記過去の天候データの第１の累積分布関数を前記所定の期間について判定し、前記第１の累積分布関数の３分位に含まれる累積価値を算出し、前記第１の累積分布関数の前記３分位に含まれる前記累積価値の前記長期天候予測データから得られる分位レベルを用いて前記第１の累積分布関数を下方スケーリングすることにより、前記予測天候データの第２の累積分布関数を前記所定の期間について求めるよう構成されたコンピュータ・システム。
18. 請求項１６記載のコンピュータ・システムであって、前記天候予測モジュールは、決定論的成分を備えた基準気候学情報を前記過去の天候データから前記所定の期間について求め、前記基準気候学情報及び前記所定の時間のアンサンブル予測から前記予測天候データを算出するよう構成されたコンピュータ・システム。
19. 請求項１１記載のコンピュータ・システムであって、前記システムは、複数の予測天候データの組を記憶するデータベースを含み、前記複数の組はそれぞれが、前記所定の期間に後続する当該期間に割り当てられ、前記システムは、前記複数の予測天候データの組から前記予測天候データを算出する天候予測モジュールを含み、予測天候データの各組は、一期間と後の期間との間で増加する値を有する重み付け係数で重み付けされるコンピュータ・システム。
20. 請求項１１記載のコンピュータ・システムであって、前記予測天候データは、過去の複数年の温度データ、及び一又は複数の月にわたる長期気温予測データから求められる気温データの第１の累積分布関数を含み、前記システムは、前記基準天候データを算出する天候基準モジュールを含み、前記天候基準モジュールは、確率的時系列モデルを前記過去の気温データに施すことにより、気温データの第２の累積分布関数を求めるよう構成され、前記価値予測モジュールは、前記第１の累積分布関数から求められた予測天候インデックスに前記天候ベースの仕組金融商品の仕組パラメータを施すことにより、前記予測価値を算出するよう構成され、前記基準モジュールは、前記第２の累積分布関数から求められる基準天候インデックスに前記天候ベースの仕組金融商品の仕組パラメータを施すことによって基準価値を算出するよう構成され、前記品質指標モジュールは、前記第１の累積分布関数に基づいて第１のランク付け確率スコアを算出し、前記第２の累積分布関数に基づいて第２のランク付け確率スコアを算出し、前記第１のランク付け確率スコア及び前記第２のランク付け確率スコアからランク付け確率スキル・スコアとして前記品質指標を算出するよう構成されたコンピュータ・システム。
21. 実行されると、
    所定の期間及び所定の地域の予測天候データに基づいて予測価値を算出する機能と、
    前記所定の期間及び前記所定の地域の過去の天候データから基準天候データを算出する機能と、
    前記予測天候データ及び前記基準天候データに基づいて、前記予測天候データに関連付けられた予測品質を示す品質指標を算出する機能と、
    前記品質指標で重み付けされた前記予測価値及び前記基準天候データから算出された基準値に基づいて前記天候ベースの仕組金融商品の予測価値を算出する機能と
    をコンピュータに実行させる、コンピュータ読み取り可能な記憶媒体において実施されたコンピュータ読み取り可能なプログラム・コードを有するコンピュータ読み取り可能な記憶媒体。
22. 請求項２１記載のコンピュータ読み取り可能な記憶媒体であって、
    実行されると、
    前記基準天候データに基づいて基準価値を算出する機能を前記コンピュータに実行させるプログラム・コードを更に備えるコンピュータ読み取り可能な記憶媒体。
23. 請求項２１記載のコンピュータ読み取り可能な記憶媒体であって、
    実行されると、
    前記予測天候データから求められた予測天候インデックスに前記天候ベースの仕組金融商品の仕組パラメータを施すことにより、前記予測価値を算出する機能と、前記基準天候データから求められた基準天候インデックスに前記天候ベースの仕組金融商品の前記仕組パラメータを施すことにより、前記基準価値を算出する機能とを前記コンピュータに実行させるプログラム・コードを更に備えるコンピュータ読み取り可能な記憶媒体。
24. 請求項２３記載のコンピュータ読み取り可能な記憶媒体であって、前記予測天候データ、前記基準天候データ及び前記過去の天候データが気温データを含み、前記予測天候インデックス及び前記基準天候インデックスが、前記所定の期間及び前記所定の地域の平均気温、累積気温、暖房度日数、及び冷房度日数のうちの１つを含むコンピュータ読み取り可能な記憶媒体。
25. 請求項２１記載のコンピュータ読み取り可能な記憶媒体であって、
    実行されると、
    前記予測天候データのランク付け確率スコアを算出する機能と、前記基準天候データのランク付け確率スコアを算出する機能と、前記予測天候データの前記ランク付け確率スコア及び前記基準天候データの前記ランク付け確率スコアからランク付け確率スキル・スコアとしての前記品質指標を算出する機能とを前記コンピュータに実行させるプログラム・コードを更に備えるコンピュータ読み取り可能な記憶媒体。
26. 請求項２１記載のコンピュータ読み取り可能な記憶媒体であって、
    実行されると、
    過去の複数年の天候データ、及び一又は複数の月にわたる長期天候予測データから前記予測天候データを算出する機能を前記コンピュータに実行させるプログラム・コードを更に備えるコンピュータ読み取り可能な記憶媒体。
27. 請求項２６記載のコンピュータ読み取り可能な記憶媒体であって、
    実行されると、
    前記過去の天候データの第１の累積分布関数を前記所定の期間について求める機能と、前記第１の累積分布関数の３分位に含まれる累積価値を算出する機能と、前記第１の累積分布関数の前記３分位に含まれる前記累積価値について、前記長期天候予測データから得られた分位レベルを使用して前記第１の累積分布関数を下方スケーリングすることにより、前記予測天候データの第２の累積分布関数を前記所定の期間について求める機能とを前記コンピュータに実行させるプログラム・コードを更に備えるコンピュータ読み取り可能な記憶媒体。
28. 請求項２６記載のコンピュータ読み取り可能な記憶媒体であって、
    実行されると、
    決定論的成分を備える基準気候学情報を前記過去の天候データから前記所定の期間について求める機能と、前記基準気候学情報、及び前記所定の期間のアンサンブル予測から前記予測天候データを算出する機能とを前記コンピュータに実行させるプログラム・コードを更に備えるコンピュータ読み取り可能な記憶媒体。
29. 請求項２１記載のコンピュータ読み取り可能な記憶媒体であって、複数の予測天候データの組を記憶する機能であって、前記複数の予測天候データの組はそれぞれ、前記所定の期間に後続する当該期間に割り当てられる機能と、前記複数の予測天候データの組から前記予測天候データを前記コンピュータが算出する機能とを前記コンピュータに実行させるプログラム・コードを更に備え、予測天候データの各組は、一期間と後の期間との間で増加する価を有する重み付け係数で重み付けされるコンピュータ読み取り可能な記憶媒体。
30. 請求項２１記載のコンピュータ読み取り可能な記憶媒体であって、前記予測天候データが、過去の複数年の気温データ、及び一又は複数の月にわたる長期気温予測データから求められた気温データの第１の累積分布関数を含み、確率的な時系列モデルを前記過去の気温データに施すことにより、気温データの第２の累積分布関数を求める機能と、前記第１の累積分布関数から求められた予測天候インデックスに前記天候ベースの仕組金融商品の仕組パラメータを施すことにより、前記予測価値を算出する機能と、前記第２の累積分布関数から求められた基準天候インデックスに前記金融商品の仕組パラメータを施すことにより、前記基準価値を算出する機能と、前記第１の累積分布関数に基づいて第１のランク付け確率スコアを算出する機能と、前記コンピュータが前記第２の累積分布関数に基づいて第２のランク付け確率スコアを算出する機能と、前記コンピュータが前記第１のランク付け確率スコア及び前記第２のランク付け確率スコアからランク付け確率スキル・スコアとして前記品質指標を算出する機能とを前記コンピュータに実行させるプログラム・コードを更に備えるコンピュータ読み取り可能な記憶媒体。
31. 請求項１記載の方法であって、
    前記基準天候データは、自己回帰を介して、前記所定の期間に適用可能な決定論的データから、かつ、前記所定の期間について求められた確率的データから求められる方法。
32. 請求項１記載の方法であって、
    前記基準天候データは、確率的時系列モデルを前記過去の天候データに適用することによってシミュレートされる方法。
33. 請求項１記載の方法であって、
    前記予測天候データは、前記基準天候データを求めるうえで用いられない方法。
34. 請求項３１記載の方法であって、
    前記決定論的データは、過去の趨勢データ、及び季節パターン・データを含む方法。
35. 請求項１記載の方法であって、
    前記予測価値は
    Ｖ_{ｆｏｒｅｃａｓｔｅｄ−ｐｕｔ}＝Ｅ［ｍｉｎ（ｍａｘ（（Ｐ_{ｓｔｒｉｋｅ}−Ｉ_{ｆｏｒｅｃａｓｔｅｄ}）・Ｐ_ｔｉｃｋ，０），Ｐ_{ｌｉｍｉｔ}）］
    で規定されるプット・オプション価値Ｖ_{ｆｏｒｅｃａｓｔｅｄ−ｐｕｔ}であり、
    Ｐ_{ｓｔｒｉｋｅ}は前記天候ベースの仕組金融商品のストライク価格値であり、
    Ｐ_ｔｉｃｋは前記天候ベースの仕組金融商品のティック価格値であり、
    Ｐ_{ｌｉｍｉｔ}は前記天候ベースの仕組金融商品のリミット価格値であり、
    Ｉ_{ｆｏｒｅｃａｓｔｅｄ}は、予測天候インデックスの分布をたどる確率変数である方法。

Images