JP2014191403A - 予測装置、予測方法及びプログラム - Google Patents
予測装置、予測方法及びプログラム Download PDFInfo
- Publication number
- JP2014191403A JP2014191403A JP2013063884A JP2013063884A JP2014191403A JP 2014191403 A JP2014191403 A JP 2014191403A JP 2013063884 A JP2013063884 A JP 2013063884A JP 2013063884 A JP2013063884 A JP 2013063884A JP 2014191403 A JP2014191403 A JP 2014191403A
- Authority
- JP
- Japan
- Prior art keywords
- unit
- transaction data
- data
- transaction
- prediction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000001514 detection method Methods 0.000 claims abstract description 42
- 238000004364 calculation method Methods 0.000 claims description 81
- 230000002159 abnormal effect Effects 0.000 claims description 16
- 238000004220 aggregation Methods 0.000 claims description 8
- 230000002776 aggregation Effects 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 abstract description 6
- 230000003442 weekly effect Effects 0.000 description 120
- 238000010586 diagram Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 10
- 238000012937 correction Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 5
- 230000007423 decrease Effects 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000556 factor analysis Methods 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
【解決手段】自動取引装置における取引データを取得する取得部と、前記取得部により取得された複数の単位期間の取引データから、対象の単位期間より所定期間前の第1の単位期間の取引データと類似する複数の第2の単位期間の取引データを検出する検出部と、前記検出部により検出された前記複数の第2の単位期間の取引データに基づいて、前記対象の単位期間の取引データを予測する予測部と、を備える予測装置。
【選択図】図2
Description
本発明の一実施形態に係る予測装置は、自動取引装置における未来の取引データを予測する。本発明は、多様な形態で実施され得る。以下では、まず、図1を参照して、本発明の一実施形態に係る予測装置による需要予測システムの概要について説明する。
支店5は、金融機関の店舗である。図1に示したように、支店5には、端末管理部6および複数の自動取引装置7が設置される。なお、本明細書では、端末管理部6および自動取引装置7が金融機関の店舗である支店5に設置される例を説明するが、コンビニエンスストア、駅構内、デパート、ホテル、オフィスビルなどの多様な施設に設置され得る。
端末管理部6は、同一の支店5内に設置された自動取引装置7を管理する機能を有する。具体的には、端末管理部6は、自動取引装置7が保有する取引媒体の保有量や流出量、稼働状況、取引内容等を管理する。端末管理部6は、専用網8を介して、自動取引装置中央管理部3および金融機関ホスト4に接続されており、管理下にある自動取引装置7における取引媒体の保有量等の情報を、自動取引装置中央管理部3および金融機関ホスト4に送信する。
自動取引装置7は、金融機関の顧客による操作に基づいて金銭の取引を実行する顧客操作型端末である。自動取引装置7は、現金や通帳、カード、レシート用紙等の多様な取引媒体が装填されており、取引処理の際に取引媒体が流出/流入する。後述の需要予測装置1は、自動取引装置7における未来の取引データを予測する。本明細書では、一例として自動取引装置7における現金の需要(流出量)を予測するものとする。
専用網8は、専用網8に接続されている装置から送信される情報の有線、または無線の伝送路である。専用網8は、金融機関のネットワークであり、例えば専用線またはIP−VPN(Internet Protocol−Virtual Private Network)により構成される。
金融機関ホスト4は、自動取引装置7の上位装置として、専用網8を介して自動取引装置7と通信することにより、各種取引を制御する。例えば、金融機関ホスト4は、自動取引装置7を操作する顧客の認証や、自動取引装置7において顧客により指示された入金や振込などの金銭取引(勘定の取引処理)を実行する。また、金融機関ホスト4は、口座番号、暗証番号、氏名、住所、年齢、生年月日、電話番号、職業、家族構成、年収、預金口座残高などの顧客情報(口座の元帳)を管理する。
自動取引装置中央管理部3は、専用網8を介して自動取引装置7と通信することにより、各自動取引装置7の稼働状況を監視する。例えば、自動取引装置中央管理部3は、自動取引装置7内に残っている現金の量、取引の状況、エラー(現金切れや紙幣詰まりなど)の有り無しなどを監視している。また、後述の需要予測装置1によって予測された現金の流出量、および自動取引装置7内に残っている現金の量などから、自動取引装置7内の現金が無くなる日を予測し、事前に補充を行えるような「資金装填の計画」を立てて指示をする。また、自動取引装置中央管理部3は、自動取引装置7における取引データを、需要予測装置1に通知する。
操作端末2は、需要予測装置1により予測された流出量の出力を受け付けたり、需要予測装置1における各種パラメータを設定したりするための端末である。
需要予測装置1は、自動取引装置7において将来発生する需要を予測する予測装置である。自動取引装置7では例えば出金取引により現金が流出するので、適切なタイミングで自動取引装置7に現金を装填する必要がある。このため、需要予測装置1が、自動取引装置中央管理部3により取得された自動取引装置7の過去の取引データに基づいて、将来のある期間内の現金の流出量を予測する。
本実施形態に係る需要予測装置1は、自動取引装置7における過去の取引データから検出した複数の単位期間の取引データを平均化することで、未来の対象期間(対象の単位期間)における取引データを予測する。
図2は、第1の実施形態の係る需要予測装置1の内部構成を示すブロック図である。図2に示したように、需要予測装置1は、取得部10、分類部20、算出部30、検出部40、集計部50、予測部60、設定部70を有する。
取得部10は、自動取引装置7における取引データを取得する取得部としての機能を有する。具体的には、取得部10は、自動取引装置中央管理部3との通信により、自動取引装置7における過去の複数の単位期間における現金需要量の時系列データを取得する。単位期間は、年、月、週、日、時、分、秒などの多様な単位をとり得るが、本明細書では一例として1週間の週単位とする。取得部10は、取得した複数の週単位の取引データを分類部20に出力する。なお、以下では週単位の取引データを、週単位データとも称する。
分類部20は、複数の週単位データを、複数の取引パターンのうちいずれかに分類する機能を有する。取引パターンは、自動取引装置7の利用傾向を示す時系列の推移パターンしている。具体的には、取引パターンは、週初は流出量が多く週末に近づくにつれて少なくなる、週央に流出量が多くなる、等の自動取引装置7における流出量の週単位の時系列変化の特徴を示している。
算出部30は、複数の週単位データについて、週単位データごとに基準データ(第1の単位期間の取引データ)との類似度を算出する機能を有する。ここで、基準データとは、対象期間より所定期間前の週単位データである。基準データとしては、対象期間より1週前、1月前、1年前、数年前等の多様な週単位データをとり得る。本明細書では、週単位データが前年同週の週単位データに類似する傾向にあることに鑑み、基準データは対象期間より1年前の週単位データであるものとする。算出部30は、基準データと比較対象の週単位データとが類似するか否かを、類似度という数値により算出することができる。このため、後述の検出部40による検出基準を明確化することができる。
検出部40は、取得部10により取得された複数の週単位データから、基準データと類似する複数の週単位データ(第2の単位期間の取引データ)を検出する機能を有する。以下では、基準データと類似する週単位データを、類似データとも称する。
集計部50は、検出部40により検出された複数の類似データを集計した取引データ(集計取引データ)を生成する。以下では、集計した取引データを、集計データとも称する。集計部50は、複数の類似データにさらに基準データを集計して、集計データを生成してもよい。集計部50は、例えば、複数の類似データと基準データとの平均値、中央値、最頻値のいずれかを算出することにより、集計データを生成する。
予測部60は、検出部40により検出された複数の類似データに基づいて、対象期間の取引データを予測する。より具体的には、予測部60は、集計部50により生成された集計データに基づいて、対象期間の取引データを予測する。なお、予測部60は、さらに基準データに基づいて、対象期間の取引データを予測してもよい。取引データは、前年同週の取引データに類似する傾向があるためである。
設定部70は、自動取引装置7の利用傾向に応じて複数の取引パターンを設定する機能を有する。自動取引装置7の利用傾向は、上述したように設置される施設、施設内の位置等によって異なるため、設定部70は、各自動取引装置7の周囲の環境に応じて取引パターンを設定する。これにより、分類部20は、週単位データをより適切な取引パターンに分類することができる。設定部70は、例えば操作端末2による操作に基づいて、取引パターンの設定/変更を行う。
続いて、図3〜10を参照して、需要予測装置1の動作処理について説明する。図3は、第1の実施形態に係る需要予測装置1の動作を示すフローチャートである。
図3に示すように、まず、ステップS104で、取得部10は、取引データを取得する。取得部10が取得する取引データの一例を、図4を参照して説明する。
次いで、ステップS108で、分類部20は、パターン判定により週単位データを分類する。より詳しくは、分類部20は、複数の取引パターンと週単位データとを比較することにより、週単位データをいずれかの取引パターンに分類する。
まず、分類部20は、平日(-116,83,473,207,-31)の平均値「123.2」を算出する。
=(-239.2,-40.2,349.8,83.8,-154.2,-33.2,-187.2)
=(239.2,40.2,349.8,83.8,154.2,33.2,187.2)
=(-0.68,-0.11,1.00,0.24,-0.44,-0.09,-0.54)
続いて、分類部20は、正規化された週単位データを、複数の異なる取引パターンと比較し、差分が最小となるいずれかの取引パターンに分類する。なお、分類部20は、週単位データを平日部分と休日部分とに分け、平日部分は平日の取引パターンと比較し、休日部分は休日の取引パターンと比較する。以下では、図5を参照して、週単位データの平日部分と平日の取引パターンとの比較について説明する。
パターンB:(-1, -0.5, 0, 0.5, 1)
パターンC:(1, 0.5, 0, -0.5, -1)
パターンD:(-0.6, 0.2, 0.6, 0.2, -0.6)
パターンE:(0.6, -0.2, -0.6, -0.2, 0.6)
|(-0.68, -0.11, 1.00, 0.24, -0.44)-(0, 0, 0, 0, 0)|
=(0.68, 0.11, 1.00, 0.24, 0.44)
パターンB:
|(-0.68, -0.11, 1.00, 0.24, -0.44)-(-1, -0.5, 0, 0.5, 1)|
=(0.32, 0.39, 1.00, 0.26, 1.44)
パターンC:
|(-0.68, -0.11, 1.00, 0.24, -0.44)-(1, 0.5, 0, -0.5, -1)|
=(1.68, 0.61, 1.00, 0.74, 0.56)
パターンD:
|(-0.68, -0.11, 1.00, 0.24, -0.44)-(-0.6, 0.2, 0.6, 0.2, -0.6)|
=(0.32, 0.51, 0.00, 0.16, 0.56)
パターンE:
|(-0.68, -0.11, 1.00, 0.24, -0.44)-(0.6, -0.2, -0.6, -0.2, 0.6)|
=(1.28, 0.09, 1.60, 0.44, 1.04)
0.68 + 0.11 + 1.00 + 0.24 + 0.44 = 2.47
取引パターンB:
0.32 + 0.39 + 1.00 + 0.26 + 1.44 = 3.40
取引パターンC:
1.68 + 0.61 + 1.00 + 0.74 + 0.56 = 4.60
取引パターンD:
0.32 + 0.51 + 0.00 + 0.16 + 0.56 = 1.55
取引パターンE:
1.28 + 0.09 + 1.60 + 0.44 + 1.04 = 4.45
パターンB−1〜B−5のいずれかに分類:分類結果は「パターンB」
パターンC−1〜C−5のいずれかに分類:分類結果は「パターンC」
パターンD−1〜D−5のいずれかに分類:分類結果は「パターンD」
パターンE−1〜E−5のいずれかに分類:分類結果は「パターンE」
|(-0.68, -0.11, 1.00, 0.24, -0.44)-(0, 0, 0, 0, 0)|
=(0.68, 0.11, 1.00, 0.24, 0.44)=2.47
パターンA−2:
|(-0.68, -0.11, 1.00, 0.24, -0.44)-(0.6, 0.6, 0.6, 0.6, 0.6)|
=(1.28, 0.71, 0.40, 0.36, 1.04)=3.79
パターンA−3:
|(-0.68, -0.11, 1.00, 0.24, -0.44)-(0.3, 0.3, 0.3, 0.3, 0.3)|
=(0.98, 0.41, 0.70, 0.06, 0.74)=2.89
パターンA−4:
|(-0.68, -0.11, 1.00, 0.24, -0.44)-(-0.3, -0.3, -0.3, -0.3, -0.3)|
=(0.38, 0.19, 1.30, 0.54, 0.14)=5.44
パターンA−5:
|(-0.68, -0.11, 1.00, 0.24, -0.44)-(-0.6, -0.6, -0.6, -0.6, -0.6)|
=(0.08, 0.49, 1.60, 0.84, 0.16)=3.17
0.68 + 0.11 + 0.00 + 0.24 + 0.44 = 1.47
パターンB:
0.32 + 0.39 + 0.00 + 0.26 + 1.44 = 2.40
パターンC:
1.68 + 0.61 + 0.00 + 0.74 + 0.56 = 3.60
パターンD:
0.32 + 0.51 + 0.00 + 0.16 + 0.56 = 1.55
パターンE:
1.28 + 0.09 + 0.00 + 0.44 + 1.04 = 2.85
パターンG:(-1, -1)
パターンH:(1, 1)
|(-0.09, -0.54)-(0, 0)|
=(0.09, 0.54)
パターンG:
|(-0.09, -0.54)-(-1, -1)|
=(0.91, 0.46)
パターンH:
|(-0.09, -0.54)-(1, 1)|
=(1.09, 1.54)
0.09 + 0.54 = 0.63
パターンG:
0.91 + 0.46 = 1.37
パターンH:
1.09 + 1.54 = 2.63
平日部分:「パターンD」
休日部分:「パターンF」
需要予測装置1は、図5に示した取引パターンに加えて、図7に示す取引パターンを追加して、週単位データの分類を行ってもよい。図7は、第1の実施形態に係る分類部20が用いる平日の追加取引パターンの一例を示す図である。図7に示したように、グラフ260が示すパターンIは、週初に入金が増え、週末に出金が増えるパターンである。グラフ270が示すパターンJは、週初に出金が増え、週末に入金が増えるパターンである。グラフ280が示すパターンKは、水曜日に出金が増えるパターンである。グラフ290が示すパターンLは、水曜日に入金が増えるパターンである。
組み合わせ2:ショッピングモール(パターンA〜E+パターンI、J)
組み合わせ3:ショッピングモール(パターンA〜E+他の追加パターン)
組み合わせ4:スーパーマーケット(パターンA〜E+パターンK、L)
組み合わせ5:スーパーマーケット(パターンA〜E+他の追加パターン)
組み合わせ6:公共交通機関(パターンA〜E+他の追加パターン)
組み合わせ7:公共交通機関(パターンA〜E+他の追加パターン)
次に、ステップS110で、算出部30は、週単位データと基準データとの類似度を算出する。より詳しくは、算出部30は、分類部20による分類結果の差異、特徴量の差分、時期的な差分に基づいて算出した各類似度を重み付けして集計することで、週単位データと基準データとの類似度を算出する。まず、算出部30は、これらの算出基準に基づく類似度を算出する処理について説明する。
算出部30は、週単位データと基準データとの、分類部20による分類結果の差異に基づいて、週単位データごとに類似度を算出する。分類部20は、平日と休日とでそれぞれ分けて分類しているので、算出部30は、平日と休日のそれぞれの分類結果に基づいて、以下のように類似度を算出する。
0:同じ分類結果
1:正反対の分類結果
0.5 :上記以外の組み合わせ
0:同じ分類結果
1:正反対の分類結果
0.5 :上記以外の組み合わせ
平日部分:「パターンD」
休日部分:「パターンF」
平日部分:「パターンD」
休日部分:「パターンF」
休日部分の分類結果に基づく類似度:0(同じ分類結果)
算出部30は、週単位データと基準データとの特徴量の差分に基づいて、週単位データごとに類似度を算出する。具体的には、算出部30は、以下のように、週単位データが示す平均値と基準データが示す平均値との差分が少ないほど類似することを示す類似度を算出する。
1−(比較対象の週単位データの平均値/基準データの平均値)
各曜日の流出量:(-208, 67, 401, 261, 37, 151, 55)
平均値:109.1
各曜日の流出量:(-116, 83, 473, 207, -31, 90, -64)
平均値:91.7
1 - (91.7 / 109.1)= 1 - 0.84 = 0.16
60.5
週単位データから異常値を除いた平均値:
28.2
平均値の差分に基づく類似度:
1 - (28.2 / 60.5)= 1 - 0.47 = 0.53
算出部30は、週単位データと基準データとの、時期的な差分に基づいて、週単位データごとに類似度を算出する。具体的には、算出部30は、比較対象の週単位データについて、基準データとの属する月の初日の曜日の差分に基づいて、以下のように類似度を算出する。
0:月初の曜日が一致
1:月初の曜日の差分が3日以上
0.5:月初の曜日の差分が3日未満
0:同じ週
1:2週以上の差分
0.5:2週未満の差分
算出部30は、以上説明した複数の算出基準に基づいて算出したひとつ以上の類似度を、重み付けして集計する。算出部30は、一例として、以下に示す重み付け係数を用いて類似度を集計する。
平日部分の分類結果に基づく類似度:3
休日部分の分類結果に基づく類似度:3
平均値の差分に基づく類似度:2
月の初日の曜日の差分に基づく類似度:1
月における週番号の差分に基づく類似度:1
(「平日部分の分類結果に基づく類似度」×3
+「休日部分の分類結果に基づく類似度」×3
+「平均値の差分に基づく類似度」×2
+「月の初日の曜日の差分に基づく類似度」×1
+「月における週番号の差分に基づく類似度」×1
)/10
休日部分の分類結果に基づく類似度:0
平均値の差分に基づく類似度:0.16
月の初日の曜日の差分に基づく類似度:0.5
月における週番号の差分に基づく類似度:0.5
(0×3
+0×3
+0.16×2
+0.5×1
+0.5×1
)/10
=(0+0+0.32+0.5+0.5)=1.32
次いで、ステップS112で、検出部40は、基準データに類似する週単位データを検出する。より詳しくは、検出部40は、算出部30により算出された類似度が、所定の閾値未満である場合週単位データを、類似データとして検出する。
(98, 230, 272, 261, 91, 156, 322) :「1.74」
(218, 175, 152, 216, 340, 282, 128) :「6.24」
(356, 387, 480, 456, 354, 367, 478) :「1.96」
(382, 320, 148, 261, 315, 297, 226) :「8.37」
(229, 134, -35, -41, 242, 42, 270) :「5.12」
(140, -118, -212, 80, 256, 31, -12) :「7.56」
(39, 146, 313, 263, -179, 151, 254) :「0.87」
(367, 318, 5, 188, 235, 186, 103) :「4.94」
(98, 230, 272, 261, 91, 156, 322) :「1.74」
類似データB:
(356, 387, 480, 456, 354, 367, 478) :「1.96」
類似データC:
(39, 146, 313, 263, -179, 151, 254) :「0.87」
次に、ステップS116で、集計部50は、基準データおよび検出部40により検出された複数の類似データを集計した集計データを生成する。集計部50は、基準データおよび複数の類似データの平均値、中央値、最頻値のいずれかを算出することで、集計データを生成する。
(-208, 67, 401, 261, 37, 151, 55)
類似データ:
(98, 230, 272, 261, 91, 156, 322)
(356, 387, 480, 456, 354, 367, 478)
(39, 146, 313, 263, -179, 151, 254)
( -208+98+356+39,
67+230+387+146,
401+272+480+313,
261+261+456+263,
37+91+354 - 179,
151+156+367+151,
55+322+478+254 )/ 4
=(285, 830, 1466, 1241, 303, 825, 1109)/ 4
=(71, 208, 367, 310, 76, 206, 277)
中央値による集計データ:
(39, 146, 401, 261, 37, 151, 254)
最頻値による集計データ:
(39, 146, 401, 261, 37, 151, 254)
そして、ステップS120で、予測部60は、対象期間の取引データを予測する。より具体的には、予測部60は、集計部50により生成された集計データに基づいて、対象期間の取引データを予測する。
予測部60は、集計データと基準データとの平均値の比に基づいて集計データを補正し、補正した集計データを対象期間の取引データとして予測する。
(39, 146, 401, 261, 37, 151, 254) 平均値:「184.1」
基準データ:
(-208, 67, 401, 261, 37, 151, 55) 平均値:「109.1」
=109.1 / 184.1 = 0.59
=(39, 146, 401, 261, 37, 151, 254)×0.59
=(23, 87, 238, 155, 22, 89, 151) 平均値:「109.1」
予測部60は、直近データとその前年同週の週単位データの平均値の差に基づいて集計データを補正し、補正した集計データを対象期間の取引データとして予測する。
(382, 320, 148, 261, 315, 297, 226) 平均値:「278.4」
直近データの前年同週の週単位データ:
(367, 318, 5, 188, 235, 186, 103) 平均値:「200.3」
=278.4‐200.3=78.1
=(39, 146, 401, 261, 37, 151, 254)+78.1
=(117, 224, 479, 339, 115, 229, 332)
予測部60は、上記説明した以外の方法により集計データを補正してもよい。例えば、予測部60は、集計データと基準データとの平均値の差に基づいて集計データを補正し、補正した集計データを対象期間の取引データとして予測してもよい。より詳しくは、予測部60は、集計データと基準データとの平均値の差を算出し、集計データに算出した平均値の差を加算する補正を行うことで、対象期間の取引データを予測してもよい。
以上説明したように、需要予測装置1は、対象期間の前年同週の週単位データに類似する複数の類似データを平均化することで、必要となる過去データの量および事前の分析を抑制しつつ、予測の精度を向上することができる。
2 操作端末
3 自動取引装置中央管理部
4 金融機関ホスト
5 支店
6 端末管理部
7 自動取引装置
8 専用網
10 取得部
20 分類部
30 算出部
40 検出部
50 集計部
60 予測部
70 設定部
Claims (18)
- 自動取引装置における取引データを取得する取得部と、
前記取得部により取得された複数の単位期間の取引データから、対象の単位期間より所定期間前の第1の単位期間の取引データと類似する複数の第2の単位期間の取引データを検出する検出部と、
前記検出部により検出された前記複数の第2の単位期間の取引データに基づいて、前記対象の単位期間の取引データを予測する予測部と、
を備える予測装置。 - 前記予測装置は、前記複数の単位期間の取引データごとに前記第1の単位期間の取引データとの類似度を算出する算出部をさらに備え、
前記検出部は、前記算出部により算出された前記類似度に基づいて前記第2の単位期間の取引データを検出する、請求項1に記載の予測装置。 - 前記予測装置は、前記複数の単位期間の取引データを、前記自動取引装置の利用傾向を示す複数の取引パターンのうちいずれかに分類する分類部をさらに備え、
前記算出部は、前記複数の単位期間の取引データについて前記第1の単位期間の取引データとの前記分類部により分類された取引パターンの差異に基づいて前記類似度を算出し、
前記検出部は、前記類似度に応じて前記取引パターンの差異が少ない単位期間の取引データを、前記第2の単位期間の取引データとして検出する、請求項2に記載の予測装置。 - 前記取引パターンは、類似する複数の拡張パターンを含み、
前記分類部は、前記取引パターンが含む複数の拡張パターンのいずれかに分類される前記取引データを、当該取引パターンに分類する、請求項3に記載の予測装置。 - 前記単位期間は、前記利用傾向が異なる複数の微小単位期間から成り、
前記分類部は、前記複数の単位期間の取引データを前記微小単位期間ごとに前記複数の取引パターンのうちいずれかに分類し、
前記算出部は、前記分類部により分類された前記微小単位期間ごとの分類結果に応じて前記類似度を算出する、請求項3または4に記載の予測装置。 - 前記単位期間は1週間であり、前記所定期間は1年であり、前記複数の微小単位期間は平日および休日である、請求項5に記載の予測装置。
- 前記算出部は、前記複数の単位期間の取引データについて前記第1の単位期間の取引データとの属する月の初日の曜日の差分に基づいて前記類似度を算出し、
前記検出部は、前記類似度に基づいて前記曜日の差分が少ない単位期間の取引データを前記第2の単位期間の取引データとして検出する、請求項6に記載の予測装置。 - 前記算出部は、前記複数の単位期間の取引データについて前記第1の単位期間の取引データとの属する月における週番号の差分に基づいて前記類似度を算出し、
前記検出部は、前記類似度に基づいて前記週番号の差分が少ない単位期間の取引データを前記第2の単位期間の取引データとして検出する、請求項6または7に記載の予測装置。 - 前記算出部は、前記複数の単位期間の取引データについて前記第1の単位期間の取引データとの平均値の差分に基づいて前記類似度を算出し、
前記検出部は、前記類似度に基づいて前記平均値の差分が少ない単位期間の取引データを、前記第2の単位期間の取引データとして検出する、請求項6〜8のいずれか一項に記載の予測装置。 - 前記分類部は、前記取引データから異常値を除いて分類し、
前記算出部は、前記取引データから前記異常値を除いて前記類似度を算出する、請求項3〜9のいずれか一項に記載の予測装置。 - 前記予測装置は、前記利用傾向に応じて前記複数の取引パターンを設定する設定部をさらに備える、請求項3〜10のいずれか一項に記載の予測装置。
- 前記予測部は、さらに第1の単位期間の取引データに基づいて、前記対象の単位期間の取引データを予測する、請求項1〜11のいずれか一項に記載の予測装置。
- 前記予測装置は、前記第1の単位期間の取引データおよび前記複数の第2の単位期間の取引データを集計して集計取引データを生成する集計部をさらに備え、
前記予測部は、前記集計部により生成された前記集計取引データに基づいて前記対象の単位期間の取引データを予測する、請求項12に記載の予測装置。 - 前記予測部は、直近の単位期間の取引データおよび前記直近の単位期間より前記所定期間前の単位期間の取引データを比較し、比較結果に基づいて前記集計取引データを補正した取引データを、前記対象の単位期間の取引データとする、請求項13に記載の予測装置。
- 前記予測部は、前記集計取引データおよび前記第1の単位期間の取引データを比較し、比較結果に基づいて前記集計取引データを補正した取引データを、前記対象の単位期間の取引データとする、請求項13に記載の予測装置。
- 前記取引データは現金の流出量である、請求項1〜15のいずれか一項に記載の予測装置。
- 自動取引装置における取引データを取得するステップと、
取得された複数の単位期間の取引データから、対象の単位期間より所定期間前の第1の単位期間の取引データと類似する複数の第2の単位期間の取引データを検出するステップと、
検出された前記複数の第2の単位期間の取引データに基づいて、前記対象の単位期間の取引データを予測するステップと、
を備える予測方法。 - コンピュータに、
自動取引装置における取引データを取得するステップと、
取得された複数の単位期間の取引データから、対象の単位期間より所定期間前の第1の単位期間の取引データと類似する複数の第2の単位期間の取引データを検出するステップと、
検出された前記複数の第2の単位期間の取引データに基づいて、前記対象の単位期間の取引データを予測するステップと、
を実行させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013063884A JP6131078B6 (ja) | 2013-03-26 | 予測装置、予測方法及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013063884A JP6131078B6 (ja) | 2013-03-26 | 予測装置、予測方法及びプログラム |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2014191403A true JP2014191403A (ja) | 2014-10-06 |
JP6131078B2 JP6131078B2 (ja) | 2017-05-17 |
JP6131078B6 JP6131078B6 (ja) | 2017-06-14 |
Family
ID=
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020086708A (ja) * | 2018-11-20 | 2020-06-04 | 株式会社三菱Ufj銀行 | 利用額予測方法およびプログラム |
CN111445340A (zh) * | 2020-04-25 | 2020-07-24 | 中信银行股份有限公司 | 金融产品的估值方法、装置和电子设备及可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08123884A (ja) * | 1994-06-10 | 1996-05-17 | Oki Electric Ind Co Ltd | 自動取引装置の資金需要予測システム |
JPH10269306A (ja) * | 1997-03-28 | 1998-10-09 | Toshiba Corp | 自動取引装置の資金運用支援方法および資金運用支援装置 |
JP2000067307A (ja) * | 1998-08-25 | 2000-03-03 | Toshiba Corp | 自動取引装置の資金運用支援装置 |
JP2006244062A (ja) * | 2005-03-02 | 2006-09-14 | Osaka Gas Co Ltd | エネルギ負荷データ作成装置及びコージェネレーションシステム |
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08123884A (ja) * | 1994-06-10 | 1996-05-17 | Oki Electric Ind Co Ltd | 自動取引装置の資金需要予測システム |
JPH10269306A (ja) * | 1997-03-28 | 1998-10-09 | Toshiba Corp | 自動取引装置の資金運用支援方法および資金運用支援装置 |
JP2000067307A (ja) * | 1998-08-25 | 2000-03-03 | Toshiba Corp | 自動取引装置の資金運用支援装置 |
JP2006244062A (ja) * | 2005-03-02 | 2006-09-14 | Osaka Gas Co Ltd | エネルギ負荷データ作成装置及びコージェネレーションシステム |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020086708A (ja) * | 2018-11-20 | 2020-06-04 | 株式会社三菱Ufj銀行 | 利用額予測方法およびプログラム |
JP7236256B2 (ja) | 2018-11-20 | 2023-03-09 | 株式会社三菱Ufj銀行 | 利用額予測方法およびプログラム |
CN111445340A (zh) * | 2020-04-25 | 2020-07-24 | 中信银行股份有限公司 | 金融产品的估值方法、装置和电子设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
JP6131078B2 (ja) | 2017-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Steinberg | Brexit and the macroeconomic impact of trade policy uncertainty | |
US11477220B2 (en) | Adaptive threshold estimation for streaming data | |
Malik et al. | Measuring volatility persistence in the presence of sudden changes in the variance of Canadian stock returns | |
WO2019105226A1 (zh) | 一种用于营销活动效果预测的方法、装置及电子设备 | |
US20110238550A1 (en) | Systems and methods for predicting financial behaviors | |
Abbring et al. | Better safe than sorry? Ex ante and ex post moral hazard in dynamic insurance data | |
US20100241547A1 (en) | Systems and methods for deposit predictions based upon monte carlo analysis | |
Jovanović et al. | Financial indicators as predictors of illiquidity | |
RU2723448C1 (ru) | Способ расчета кредитного рейтинга клиента | |
US10178241B2 (en) | Telecommunication price-based routing apparatus, system and method | |
US8417630B2 (en) | Systems and methods for deposit predictions based upon template matching | |
Başarır | Volatility structure of stock price index and exchange rates: Casuality analysis for Turkey | |
Feridun | Currency crises in emerging markets: the case of post‐liberalization Turkey | |
JP2014174802A (ja) | 需要予測装置、需要予測方法、およびプログラム | |
Cheung et al. | Truths and myths about RMB misalignment: A meta-analysis | |
JP6131078B6 (ja) | 予測装置、予測方法及びプログラム | |
JP6131078B2 (ja) | 予測装置、予測方法及びプログラム | |
US20230385844A1 (en) | Granting provisional credit based on a likelihood of approval score generated from a dispute-evaluator machine-learning model | |
JP5997977B2 (ja) | 需要予測装置、需要予測方法、およびプログラム | |
Faizova et al. | The Impact of Digitalization Risks on the Business Processes of an Insurance Company | |
CN107545347B (zh) | 用于防控风险的属性确定方法、装置及服务器 | |
Cui et al. | Customer churn prediction using improved FCM algorithm | |
Gourieroux et al. | Model risk management: Valuation and governance of pseudo-models | |
JP6336795B2 (ja) | 情報処理装置及びプログラム | |
JP6232882B2 (ja) | 情報処理装置及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20150415 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20150415 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20150415 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20151019 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20160810 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20160920 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20161117 |
|
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: 20170321 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170417 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6131078 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R154 | Certificate of patent or utility model (reissue) |
Free format text: JAPANESE INTERMEDIATE CODE: R154 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6131078 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |