JP2020197898A - 経営分析支援システム、及び経営分析支援方法 - Google Patents

Abstract

【課題】デフォルトの予兆を検知すると共にその要因を推測する経営分析システム及び経営分析方法を手教する。【解決手段】経営分析支援システムにおいて、デフォルト予測装置５は、金融取引の取引主体におけるデフォルト時期の情報と、デフォルト時期より以前の所定期間における取引主体が行った取引の履歴とを保持する記憶装置と、取引の履歴及びデフォルトの時期の各情報に基づき、取引の履歴の特徴と当該取引後のデフォルトの可能性との間の関係を示す特徴量情報を生成し、所定の金融取引の所定の取引主体が行った取引の履歴と特徴量情報とに基づき、所定の取引主体が将来の所定期間内にデフォルトする可能性を判定し、当該可能性が高いと判定した場合、所定の取引主体の取引の履歴の情報を表示する演算装置を含む。【選択図】図３

Description

本発明は、経営分析支援システム、及び経営分析支援方法に関する。

様々な取引先や融資先を有する金融機関にとって、それらの財務状況を把握し管理することは、基本的かつ重要な業務である。特に倒産（デフォルト）の予兆を早期に発見することは、債務不履行を回避すると同時に、より健全な投融資を促すことにもつながるという観点から特に重要であるといえる。

この点、特許文献１には、企業についての投資リスクや倒産リスク等の企業リスクを評価する技術が開示されている。すなわち、所定の企業評価サーバが、倒産比率が高い高リスク範囲か否かの評価をするためのリスク評価マトリックスに基づき、評価対象企業の評価結果を出力することが記載されている。

そして、このリスク評価マトリックスは、ＣＦ（キャッシュフロー）類型と、判定基準値に対する利益規格値の上下関係とのマトリックスであり、各企業の営業ＣＦ規格値、投資ＣＦ規格値、財務ＣＦ規格値について、閾値より上の値の領域「上」と、閾値以下の領域「下」とを組み合わせて作成したパターンを示したＣＦ類型判定テーブルを有するとされている。

特開２０１３−０８０４５６号公報

このように、特許文献１の発明では、企業の財務データに基づきデフォルトのリスクを評価する。しかしながら、デフォルトは日々の企業活動に基づく複合的な要因によって発生する。

そのため、企業活動の結果の指標である財務データに基づいてデフォルトの可能性を発見するだけでは、デフォルトの要因を特定するまでには至らないことが多い。前記のように、デフォルトは金融機関の投融資業務に大きな影響を及ぼす。それ故、デフォルトのリスク予測は、その要因分析まで含める形で、今後の業務に活かせることが、より望ましいといえる。

本発明はこのような問題に鑑みてなされたものであり、その目的は、デフォルトの予兆を検知すると共にその要因を推測することが可能な、経営分析支援システム、及び経営分析支援方法を提供することにある。

上記課題を解決する本発明の経営分析支援システムは、金融取引の取引主体におけるデフォルト時期の情報と、前記デフォルト時期より以前の所定期間における前記取引主体が行った取引の履歴と、を保持する記憶装置と、前記取引の履歴及び前記デフォルトの時期の各情報に基づき、取引の履歴の特徴と当該取引以後のデフォルトの可能性との間の関係を示す特徴量情報を生成する分析処理と、所定の金融取引の所定の取引主体が行った取引の履歴と、前記生成した特徴量情報とに基づき、前記所定の取引主体が将来の所定期間内
にデフォルトする可能性を判定し、当該可能性が高いと判定した場合、前記所定の取引主体の前記取引の履歴の情報を表示する検知処理と、を実行する演算装置と、を含むことを特徴とする。

また、本発明の経営分析支援方法は、金融取引の取引主体におけるデフォルト時期の情報と、前記デフォルト時期より以前の所定期間における前記取引主体が行った取引の履歴と、を保持する記憶装置を備える経営分析支援システムが、前記記憶装置で保持する前記取引の履歴及び前記デフォルトの時期の各情報に基づき、取引の履歴の特徴と当該取引後のデフォルトの可能性との間の関係を示す特徴量情報を生成する分析処理と、所定の金融取引の所定の取引主体が行った取引の履歴と、前記生成した特徴量情報とに基づき、前記所定の取引主体が将来の所定期間内にデフォルトする可能性を判定し、当該可能性が高いと判定した場合、前記所定の取引主体が行った取引の履歴の情報を表示する検知処理と、を実行する、ことを特徴とする。

本発明によれば、デフォルトの予兆を検知すると共にその要因を推測することができる。

上記した以外の課題、構成及び効果は、以下の実施形態の説明により明らかにされる。

本実施形態に係る経営分析支援システムの構成の一例を示す図である。 デフォルト予測装置が備える機能の一例を示す図である。 デフォルト予測装置が備えるハードウェアの一例を説明する図である。 デフォルト予測装置が行う処理の概要を説明する図である。 目的変数作成処理の詳細を説明するフロー図である。 格付けテーブルの一例を示す図である。 延滞テーブルの一例を示す図である。 デフォルト判定作業テーブルの一例を示す図である。 デフォルト判定結果テーブル（マクロ表）の一例を示す図である。 説明変数作成処理の詳細を説明するフロー図である。 取引データの一例を示す図である。 仕向合計の変動パターンの特定方法を説明する図である。 変動パターンの例を示す図である。 仕向金額合計の比のカテゴライズの例を説明する図である。 説明変数テーブルの一例を示す図である。 特徴量情報生成の一例を説明するフロー図である。 特徴量企業リストの作成方法の一例を説明する図である。 特徴量デフォルト企業リストの作成方法の一例を説明する図である。 特徴量一覧から特徴量情報を生成する方法の一例を説明する図である。 特徴量パターン別企業リストの一例を示す図である。 デフォルト要因特定処理の一例を説明するフロー図である。 合致特徴量一覧の一例を示す図である。 要フォロー企業一覧の一例を示す図である。 要フォロー企業特徴量一覧の一例を示す図である。 デフォルト要因表示画面の一例を示す図である。

図１は、本実施形態に係る経営分析支援システムの構成の一例を示す図である。経営分析支援システム１は、例えば、銀行等の金融機関に設けられるシステムであり、取引デー
タＤＢ２とデフォルト予測装置５とから構成される。

このうち取引データＤＢ２は、金融機関の顧客たる取引主体（企業）の取引の履歴や財務状況等のデータを記録したデータベースである。

また、デフォルト予測装置５は、取引データＤＢ２における企業の取引の履歴と、その企業がデフォルトした時期の情報とに基づき、所定の企業の倒産（デフォルト）の予兆を検知する装置である。

なお、デフォルト予測装置５と取引データＤＢ２との間は、ＬＡＮ（Local Area Network）、ＷＡＮ（Wide Area Network）、インターネット、専用線等の有線又は無線の通信
線又は通信ネットワーク３によって通信可能に接続される。

図２は、デフォルト予測装置５が備える機能の一例を示す図である。デフォルト予測装置５は、分析部１１０、及び検知部１３０を備える。

このうち分析部１１０は、企業のデフォルトの予測を行うために必要な所定の分析を行う。本実施形態では、分析部１１０は、目的変数を企業のデフォルトの有無、説明変数（特徴量）を企業の取引の履歴とすることで、取引の履歴の特徴とその後のデフォルトの可能性との間の関係を示す、特徴量情報３２３を生成する。

具体的には、分析部１１０は、目的変数生成部１１１、説明変数生成部１１２、及び特徴量生成部１１３を備える。

このうち目的変数生成部１１１は、各企業のデフォルトの有無及びその時期を特定することで目的変数を生成し、その結果をデフォルト判定結果テーブル１４０に記憶する。

また、説明変数生成部１１２は、各企業の取引の履歴を分析及び集計することで説明変数を作成し、これを説明変数テーブル２２０（ミクロ表）に記憶する。本実施形態では、説明変数は、取引の種類と、その種類の取引の属性値（取引金額等）の特徴的な変動パターンとで構成される変数であり、複数種類の説明変数が存在する。

また、特徴量生成部１１３は、目的変数生成部１１１が作成した目的変数と、説明変数生成部１１２が作成した説明変数とに基づき、取引の履歴の特徴とその後のデフォルトの可能性との間の関係を示す特徴量情報３２３を作成する。この特徴量情報３２３は、例えば、後述するような各種の演算処理、又は、機械学習等により作成される。

一方、検知部１３０は、上述の分析部１１０が作成した特徴量情報３２３に基づき、予め指定された企業（以下、判定企業という）が将来デフォルトする可能性を判定する。具体的には、検知部１３０は、判定企業設定部１３１、デフォルト要因特定部１３２、及び画面表示部１３３を備える。

このうち判定企業設定部１３１は、デフォルトの可能性があるか否かの判定を行う所定の企業（判定企業）を設定する。

また、デフォルト要因特定部１３２は、判定企業設定部１３１により設定された判定企業と、特徴量情報３２３とに基づき、判定企業が将来の所定期間内にデフォルトする可能性を判定する。そして、デフォルト要因特定部１３２は、その可能性が高いと判定した場合、判定企業が行った取引の履歴の特徴を示す情報を出力する。

例えば、デフォルト要因特定部１３２は、デフォルトの可能性が高い企業の一覧を示した要フォロー企業一覧５１０と、デフォルトの可能性が高い各企業の特徴量（取引の特徴的な履歴）の一覧である要フォロー企業特徴量一覧５２０とを出力する。

また、画面表示部１３３は、判定企業が行った取引の特徴的な履歴を示したデフォルト要因表示画面６００（図２５参照。詳細は後述）を表示する。

ここで、図３は、デフォルト予測装置５が備えるハードウェアの一例を説明する図である。デフォルト予測装置５は、ＣＰＵ（Central Processing Unit）などの演算装置１１
と、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）等のメモリ１２と、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）等の記憶装置１３と、通信装置１４と、キーボード、マウス、又はタッチパネル等の入力装置１５と、ディスプレイ及びタッチパネル等の出力装置１６とを備える。

これまでに説明したデフォルト予測装置５の各部の機能は、デフォルト予測装置５のハードウェアによって、もしくは、デフォルト予測装置５のＣＰＵ１１が、メモリ１２や記憶装置１３に記憶されている各プログラムを読み出して実行することにより実現される。

また、これらのプログラムは、例えば、二次記憶デバイスや不揮発性半導体メモリ、ハードディスクドライブ、ＳＳＤなどの記憶デバイス、又は、ＩＣカード、ＳＤカード、ＤＶＤなどの、デフォルト予測装置５で読み取り可能な非一時的データ記憶媒体に格納される。

＜＜処理概要＞＞
次に、デフォルト予測装置５が行う処理について説明する。デフォルト予測装置５は、例えば、ユーザから所定の入力を受け付けた場合に、以下の処理を実行する。

図４は、デフォルト予測装置５が行う処理の概要を説明する図である。まず、デフォルト予測装置５の分析部１１０は、各企業の取引の履歴の特徴及びデフォルトの関係を分析する分析処理を行う（ｓ１）。

具体的には、まず分析部１１０は、目的変数を作成する目的変数作成処理を実行する（ｓ１０）。また、分析部１１０は、説明変数を作成する説明変数作成処理を実行する（ｓ２０）。そして分析部１１０は、目的変数と説明変数に基づき、特徴量情報３２３を生成する（ｓ３０）。

分析処理の終了後、デフォルト予測装置５の検知部１３０は、判定企業のデフォルトの可能性を予測すると共にそのデフォルトの要因を推定する検知処理を行う（ｓ３）。

具体的には、まず検知部１３０は、判定企業を設定する判定企業設定処理を行う（ｓ４０）。そして、検知部１３０は、判定企業の説明変数と特徴量情報３２３とに基づき、当該判定企業のデフォルトの可能性及びそのデフォルトの要因を推定するデフォルト要因特定処理を実行する（ｓ５０）。

以下、分析処理及び検知処理の詳細を説明する。まず、分析処理の詳細を説明する。

＜＜分析処理＞＞
＜目的変数作成処理＞
図５は、分析処理における目的変数作成処理の詳細を説明するフロー図である。まず、目的変数生成部１１１は、取引データＤＢ２から、各企業の格付けを記録した格付けテー
ブル１００及び、各企業の支払いの延滞に関する情報を記録した延滞テーブル１２０を取得し、これらのテーブルを結合する（ｓ１１）。

（格付けテーブル）
図６は、格付けテーブルの一例を示す図である。格付けテーブル１００は、各企業の企業ＩＤ１０１、予め設定された過去の期間（例えば、直近の３か月間。以下、デフォルト判定期間という。）内から抽出された抽出年月１０２、及び、その抽出年月における企業の格付け１０３、の各項目の情報を有するレコードを備えるデータベースである。

（延滞テーブル）
図７は、延滞テーブルの一例を示す図である。延滞テーブル１２０は、各企業の企業ＩＤ１２１、デフォルト判定期間から抽出された抽出年月１２２、及び、その抽出年月における、金融機関からの貸し付けに対する延滞が続いている月数の合計である延滞月数１２３、の各項目の情報を有するデータベースである。

次に、図５のｓ１２、ｓ１３に示すように、目的変数生成部１１１は、ｓ１１で作成したテーブルに基づき、デフォルト判定期間における各月において各企業がデフォルトしたか否かを判定した結果を、デフォルト判定作業テーブル１６０に登録する。

（デフォルト判定作業テーブル）
図８は、デフォルト判定作業テーブル１６０の一例を示す図である。デフォルト判定作業テーブル１６０は、各企業の企業ＩＤ、デフォルト判定期間における各年月、その企業のその年月における延滞月数、その企業のその年月における格付け、その企業のその年月における延滞月数が所定月数以上である場合に１が設定される延滞フラグ、その企業のその年月における格付けが所定評価以上である場合に１が設定される格付けフラグ、及び、その企業の延滞フラグ及び格付けフラグが共に１の場合に（その企業がその年月にデフォルトしたとして）１が設定されるデフォルトフラグ、の各項目の情報を有するレコードを備えるデータベースである。

次に、図５のｓ１４に示すように、目的変数生成部１１１は、デフォルト判定作業テーブル１６０に基づき、デフォルト判定期間における各企業のデフォルトの有無の判定結果をデフォルト判定結果テーブル１４０に登録する（ｓ１４）。以上で、目的変数作成処理は終了する。

（デフォルト判定結果テーブル）
図９は、デフォルト判定結果テーブル（マクロ表）１４０の一例を示す図である。デフォルト判定結果テーブル１４０は、各企業の企業ＩＤ１４１、及び、その企業のデフォルトフラグ１４３、の各項目を有するレコードを備えるデータベースである。

このように、デフォルト判定結果テーブル１４０では、デフォルト判定期間のいずれかの月にデフォルトしたと判定された企業のデフォルトフラグに１が設定され、デフォルト判定期間に一度もデフォルトしなかったと判定された企業のデフォルトフラグにはその他の値（例えば０）が設定される。

＜説明変数作成処理＞
次に、説明変数作成処理の詳細を説明する。

図１０は、説明変数作成処理の詳細を説明するフロー図である。説明変数生成部１１２は、取引データＤＢ２から、各企業の取引の履歴を記録した取引データ２００を取得し記憶する（ｓ２１）。

（取引データ）
図１１は、取引データ２００の一例を示す図である。取引データ２００は、各企業の企業ＩＤ２０１、その企業が行った取引に係る記帳の種類２０２（電気代、給与、売り上げ、電気代等）、その企業が行った取引に係る入出金の種類２０３（仕向又は被仕向）、その企業が行ったその取引の年月日２０４、及び、その企業が行ったその取引の取引金額２０５（属性値）、の各項目の情報を有する複数のレコードで構成されている。

次に、図１０のｓ２２、ｓ２３に示すように、説明変数生成部１１２は、受信した取引データ２００に基づき、各企業の各種類の取引の属性値（取引金額）の月ごと及び日ごとの合計及び、取引の件数の月ごと及び日ごとの合計を、それぞれ算出する。

説明変数生成部１１２は、これらの集計結果に基づく、各企業の各種類の取引の属性値（取引金額）の時系列の変動から、デフォルト判定期間にデフォルトしたと判定された各企業の、それ以前の所定期間における取引金額の特徴的な時系列の変動パターンを、取引の種類ごとに算出する（ｓ２４）。

この際、説明変数生成部１１２は、その特徴的な変動パターンが起きた時期とその後デフォルトした時期との間の期間（以下、デフォルト猶予期間という）を算出する。

（変動パターンテーブル）
ここで、図１２は、取引の属性値の変動パターンの特定方法の一例として示す、仕向合計の変動パターンの特定方法を説明する図である。まず、説明変数生成部１１２は、ある企業のデフォルト判定期間より前の所定の基準年月以降、デフォルト判定期間までの各月の仕向合計金額の合計を順次記録した時系列列挙テーブル２４０を作成する。

そして、説明変数生成部１１２は、基準年月の仕向合計金額を基準とした、基準年月以後の各月の仕向合計金額の比率を順次記録した変動比率テーブル２４３を作成する。

そして、説明変数生成部１１２は、算出した各月の仕向合計金額の比率が基準年月から増加又は減少しているかといった傾向（変動パターン）を特定しその結果を変動パターンテーブル２４６を作成する。

具体的には、変動パターンテーブル２４６は、各企業の企業ＩＤ２４７、及び、その企業の変動パターン２４８（増加、減少、増加後減少、減少後増加、等）、の各項目の情報を有する複数のレコードで構成される。

変動パターンは、予めいくつかのパターンを設定することができる。図１３は、変動パターンの例を示す図である。同図に示すように、変動パターンは、（Ａ）属性値（又は属性値の比率）がデフォルト時期の所定月前から短期間で急激に増加した場合（例えば、仕向合計金額の比が２か月で所定比以上増加した場合）、（Ｂ）属性値（又は属性値の比率）がデフォルト時期の所定月前から短期間で急激に低下した場合（例えば、仕向合計金額の比が２か月で所定比以上低下した場合）、（Ｃ）属性値（又は属性値の比率）がデフォルト時期の所定月前で短期間で急激に増加しその後短期間で元の値に急激に低下した場合（例えば、仕向合計金額の比が２か月で所定比以上増加し、２か月以内で増加前の値に戻った場合）、（Ｄ）属性値（又は属性値の比率）がデフォルト時期の所定月前で短期間で急激に減少しその後短期間で元の値に急激に増加した場合（例えば、仕向合計金額の比が２か月で所定比以上減少し、２か月以内で減少前の値に戻った場合）、がある。

次に、図１０のｓ２５に示すように、説明変数生成部１１２は、ｓ２４で取引の属性値
の変動パターンに基づき特徴量情報３２３を生成する企業と、デフォルトの予測をする企業（判定企業）とに分割する。この分割比は任意であるが、例えば、５：５とする。

説明変数生成部１１２は、各企業の取引の属性値（取引データ）のそれぞれを、その値又は属性値の比に応じて予め設定した複数の範囲のいずれかに属させるカテゴライズを行う（ｓ２６）。この際、説明変数生成部１１２は、各範囲に属する取引データの数が、取引の種類ごとに同数になるように分割する。なお、分割する範囲やその数は任意であり、例えば、ユーザが自由に設定できるものとする。

図１４は、取引の属性値のカテゴライズの例として示す、仕向金額合計の比のカテゴライズの例を説明する図である。同図に示すように、説明変数生成部１１２は、ある年月における各企業の仕向金額合計の比を記録した変動比率テーブル２５０の各レコードにおける比の値が、複数の数値範囲（０．８以上１．２未満、１．２以上、０．８未満）のいずれかに属するように変動比率テーブル２５０を再構成した、変動比率カテゴリテーブル２５３を作成する。

すなわち、変動比率カテゴリテーブル２５３は、各企業の企業ＩＤ、及び、その企業の仕向金額合計の比が上記複数の範囲のうちいずれに該当するかを示す情報（所属範囲）、の各項目の情報を備えるデータベースである。この場合、各範囲に属する企業の数は同数となっている。

次に、図１０のｓ２７に示すように、説明変数生成部１１２は、各企業の各種類の取引の属性値の変動パターン、及び、各企業の各種類の取引のカテゴライズした属性値（以下、カテゴリ値という）の組み合わせを、説明変数として記録した説明変数テーブル２２０を作成する。以上で説明変数作成処理は終了する。

（説明変数テーブル）
ここで、図１５は、説明変数テーブル２２０の一例を示す図である。説明変数テーブル２２０は、各企業の企業ＩＤ２２１、その企業における各取引の種類ごと（仕向合計、被仕向合計、電気代（仕向）、電気代（被仕向））のカテゴリ値２２２、及び、その企業における各取引の種類ごとの取引データの変動パターン２２４、の各項目の情報を有する。このように、説明変数テーブル２２０は、取引に係る複数の説明変数のリストを記録したデータベースである。

なお、説明変数テーブル２２０には、説明変数として、取引のデータだけでなく、企業の財務状況を示すデータ（例えば、自己資本比率、格付け、売上高、総資産）を追加してもよい。

次に、特徴量情報生成処理の詳細を説明する。

＜特徴量情報生成処理＞
図１６は、特徴量情報生成の一例を説明するフロー図である。まず、特徴量生成部１１３は、説明変数作成処理で設定した各説明変数（特徴量）の任意の組み合わせのパターン（以下、特徴量パターンという。本実施形態では３つの説明変数の組み合わせとするが、これに限る趣旨ではない。）を設定する。

そして、特徴量生成部１１３は、その各特徴量パターンを有しており、その後デフォルト判定期間にデフォルトした企業の数（以下、デフォルト件数という）と、その各特徴量パターンを有していた全ての企業の数（以下、該当件数という）とを特定することにより、その各特徴量パターンを有していた企業がその後デフォルト判定期間にデフォルトした
割合（デフォルト割合：デフォルト件数／該当件数）を算出する（ｓ３１−ｓ３３）。

特徴量生成部１１３は、それらの結果を、特徴量企業リスト３０６及び特徴量デフォルト企業リスト３１６に記憶する。

なお、ｓ３１−ｓ３３の処理は、例えば、特徴量パターンの内容と、その特徴量パターンを有した後に発生したデフォルトの時期との関係を機械学習により特定することにより行ってもよい。

（特徴量企業リスト）
図１７は、特徴量企業リストの作成方法の一例を説明する図である。ここでは、特徴量パターンは３つの説明変数（特徴量に係る項目及びその条件）、すなわち、説明変数１：自己資本比率が３３％未満、説明変数２：格付けがＥ以下、説明変数３：仕向合計比が０．９未満、であったものとする。

まず特徴量生成部１１３は、説明変数テーブル２２０に基づき、全企業のうち説明変数１を有する企業のリスト及びその企業の件数を記録した第１条件テーブル３００を作成する。

続いて、特徴量生成部１１３は、第１条件テーブル３００に基づき、さらに説明変数２を有する企業及びその企業の件数を記録した第２条件テーブル３０３を作成する。

最後に、特徴量生成部１１３は、第２条件テーブル３０３に基づき、さらに説明変数３を有する企業及びその企業の件数を記録した特徴量企業リスト３０６を作成する。

このように、各説明変数ごとにテーブルを作成し、企業を段階的に絞り込んでいくことで、処理速度を向上させることができる。なお、絞り込んでいく段階で、抽出された企業の数が所定数以下となった場合は、その特徴量パターンは特徴量企業リスト３０６に記憶しないものとしてもよい。

同様に、図１８に示すように、特徴量生成部１１３は、特徴量デフォルト企業リスト３１６を作成する。特徴量デフォルト企業リスト３１６は、デフォルト判定期間にデフォルトした企業のみがリストの対象となる以外は特徴量企業リスト３０６と同様である。

次に、図１６のｓ３４に示すように、特徴量生成部１１３は、特徴量企業リスト３０６及び特徴量デフォルト企業リスト３１６に基づき、デフォルト割合が所定の閾値（例えば、５０％）以上である特徴量パターンを特定する。

また、特徴量生成部１１３は、ｓ３１−ｓ３３までに作成した各テーブルをまとめた、特徴量パターンごとのデフォルト割合を記録したテーブルである特徴量一覧３２０を生成する。また、特徴量生成部１１３は、生成した特徴量一覧３２０から、デフォルト割合が所定値以上である特徴量パターンを抽出することにより特徴量情報３２３を生成し、その内容を画面に表示する（ｓ３５）。

（特徴量一覧と特徴量情報）
図１９は、特徴量一覧から特徴量情報を生成する方法の一例を説明する図である。同図に示すように、自己資本比率が３３％未満、格付けがＥ、かつ仕向合計額比が０．９未満である特徴量パターンＮｏ．１のデフォルト割合は５０％である一方、自己資本比率が３３％未満、格付けがＡ、かつ仕向合計額比が１．１以上である特徴量パターンＮｏ．２のデフォルト割合は１０％であるので、特徴量生成部１１３は、値が高い特徴量パターンＮ
ｏ．１を抽出した特徴量情報３２３を作成する。

同図に示すように、特徴量情報３２３は、特徴量パターンの番号３２１、その特徴量パターンの内容３２２（特徴量に係る項目、及びその項目に係る特徴的な条件）、その特徴量パターンの該当件数３２４、その特徴量パターンのデフォルト件数３２５、及び、その特徴量パターンのデフォルト割合３２６、の各項目の情報を有するデータベースである。

次に、図１６のｓ３６に示すように、特徴量生成部１１３は、デフォルト割合が所定値以上である特徴量パターンと、その特徴量パターンを有する企業とのリストである特徴量パターン別企業リスト３３０を作成し、これを画面に表示する。以上で特徴量情報生成処理は終了する。

（特徴量パターン別企業リスト）
図２０は、特徴量パターン別企業リストの一例を示す図である。特徴量パターン別企業リスト３３０は、特徴量パターンの番号３３１と、その特徴量パターンを有する企業のリスト３３２とを含む情報である。

次に、デフォルト要因特定処理の詳細を説明する。

＜デフォルト要因特定処理＞
図２１は、デフォルト要因特定処理の一例を説明するフロー図である。特徴量情報生成処理の終了後、判定企業設定部１３１は、判定企業を設定する。具体的には、例えば、判定企業設定部１３１は、説明変数作成処理で予測用のデータとした企業を特定する。なお、判定企業設定部１３１は、デフォルトの予測を行いたい企業の企業ＩＤの入力を、ユーザから受け付けてもよい。

デフォルト要因特定部１３２は、説明変数テーブル２２０及び特徴量情報３２３に基づき、判定企業が現在有する特徴量パターン（以下、合致特徴量パターンという）を全て特定し、その内容を合致特徴量一覧５００に登録する（ｓ５１）。

（合致特徴量一覧）
図２２は、合致特徴量一覧の一例を示す図である。合致特徴量一覧５００は、各判定企業の企業ＩＤ、合致特徴量パターンを構成する特徴量を特定する番号（特徴量の番号）、その特徴量の該当件数、その特徴量のデフォルト件数、及び、その特徴量のデフォルト割合、の各項目の情報を有するレコードを備える。

次に、図２１のｓ５２に示すように、デフォルト要因特定部１３２は、合致特徴量パターンのうちデフォルト割合が高かった特徴量を合致特徴量一覧５００に基づき特定し、特定した特徴量を企業ごとに記録した要フォロー企業一覧を作成する。画面表示部１３３は、これを画面に表示する。

（要フォロー企業一覧）
図２３は、要フォロー企業一覧５１０の一例を示す図である。要フォロー企業一覧５１０は、各企業の企業ＩＤ５１２、その企業がデフォルトすると推定された時期であるデフォルト想定月５１１、その企業の合致特徴量パターンにおける特徴量の数５１３、及び、その企業が有する合致特徴量パターンの各特徴量に係るデフォルト割合のうち最も値が高かった最大デフォルト割合５１４、の各項目の情報を有するデータベースである。

なお、要フォロー企業一覧５１０は、さらに、参考情報として、その企業の業種名５１５、その企業の資産の合計５１６、及びその企業の現在の格付け５１７等の情報を有して
いてもよい。

また、画面表示部１３３は、要フォロー企業一覧５１０を表示するに際しては、最大デフォルト割合５１４が所定値以上であった企業の項目には強調表示を行ってもよい。

なお、デフォルト想定月５２２は、企業がある特徴量を有していた場合には、例えば、その特徴量を有していた時期にその特徴量に係るデフォルト猶予期間を加えることにより算出される。

また、図２１のｓ５３に示すようにデフォルト要因特定部１３２は、デフォルトの可能性があると判定された企業と、その企業が有する特徴量の情報とを有する要フォロー企業特徴量一覧を作成する。

そして、画面表示部１３３はこれを画面に表示する。具体的には、例えば、画面表示部１３３は、要フォロー企業一覧５１０を画面に表示した上で、ユーザから、情報を表示する企業の指定を受け付ける。そして、画面表示部１３３は、指定された企業に係る特徴量の情報を表示する。

（要フォロー企業特徴量一覧）
図２４は、要フォロー企業特徴量一覧の一例を示す図である。要フォロー企業特徴量一覧５２０は、指定された企業の企業ＩＤ５２１、その企業のデフォルト想定月５２２、その企業が有する特徴量パターンの番号５２３、その特徴量パターンを構成する各特徴量の内容５２４（特徴量に係る取引の種類及びその属性値の変動パターン）、その特徴量パターンを構成する各特徴量の条件５２５（特徴量に係る取引の種類の属性値の変動パターンの時期とデフォルトの発生予想時期との間の関係）、その特徴量パターンの該当件数５２６、及び、その特徴量パターンのデフォルト割合５２７、の各項目の情報を有するデータベースである。

次に、図２１のｓ５４に示すように、画面表示部１３３は、表示された要フォロー企業特徴量一覧５２０の画面に対して、ユーザから、特徴量に係る取引の種類の選択を受け付ける（例えば、要フォロー企業特徴量一覧５２０の１又は２以上の項目の選択を受け付ける）。すると、画面表示部１３３は、選択された各特徴量の変動（各種類の取引金額の変動等）を示した画面であるデフォルト要因表示画面を表示する。

（デフォルト要因表示画面）
図２５は、デフォルト要因表示画面６００の一例を示す図である。同図に示すように、デフォルト要因表示画面６００には、選択された各種類の取引の属性値（取引金額等）の時系列の変動を示した、１又は２以上のグラフ６１０が表示される。

各グラフ６１０は、過去の所定年月から現在までの、選択された種類の取引の属性値（取引金額等）の変動が表示される。例えば、残高の急減（所定割合以上の減少）、取引金額の急増及び急減（所定割合以上の増加及び減少）といった、特徴的な変動が表示される。なお、グラフ６１０の時間スケール及び属性値（取引金額）の表示スケールは、ユーザの指定により変化させることができる。

また、デフォルト要因表示画面６００には、各グラフ６１０に表示されている属性値の変動に対応づけられた、所定のメッセージ６２０がそれぞれ表示される。このメッセージ６２０は、取引の種類及びその属性値の変動パターンに対応した情報であり、この変動パターンを変えるために（このような変動パターンが発生しないようにするために）金融機関等が取るべき対策（業務）に関する情報を含んでいる。

例えば、ある時期に取引金額の急激の変化（急増、急減）があったことが変動パターンとしてデフォルト要因表示画面６００に現れている場合には、その時期の企業の取引や金融機関の業務対応に何か問題が無かったか等を検証すべきことを促すメッセージ６２０が表示される。

以上のようなデフォルト要因表示画面６００を表示することにより、金融機関は、デフォルトにつながる可能性がある、企業の取引の具体的な変化を把握しつつ、対応業務を行うことができる。

以上に説明したように、本実施形態の経営分析支援システム１は、金融取引を行った企業がデフォルトしたデフォルト時期の情報と、デフォルト時期より以前の所定期間における取引主体が行った取引の履歴とに基づき、企業の取引の履歴の特徴とデフォルトの可能性との間の関係を示す特徴量情報３２３を生成し、この特徴量情報３２３及び、判定企業が行った取引の履歴とに基づき、判定企業が将来の所定期間内にデフォルトする可能性を判定し、その可能性が高いと判定した場合、判定企業が行った取引の履歴の特徴を示す情報を出力する。

このように、企業の取引の履歴の特徴とデフォルトの可能性との間の関係から判定企業のデフォルトの可能性を判定し、判定企業が行った取引の履歴の特徴を示す情報を出力することで、他の企業の具体的な取引状況から判定企業のデフォルト時期を的確に予測しつつ、その予測の根拠となった具体的な取引の履歴の情報をユーザに提示することができる。

これにより、金融機関等は、企業のデフォルトの予兆を検知すると共にその要因を推測することができ、経営の改善につなげることができる。

特に、複数の種類の取引の履歴の特徴をそれぞれ把握することで、デフォルトと因果関係があると思われる複数の取引要因から、より因果関係の強い要因を特定することができる。

以上の実施形態の説明は、本発明の理解を容易にするためのものであり、本発明を限定するものではない。本発明はその趣旨を逸脱することなく、変更、改良され得ると共に本発明にはその等価物が含まれる。

例えば、延滞月数は、特定の金融機関に対するものであっても、複数の金融機関に対するものであってもよい。また、本実施形態では、デフォルトの判定を、延滞月数及び格付けにより行ったが、その他の要因によってデフォルトの判定を行ってもよい。

また、本実施形態では、説明変数の組み合わせの数（特徴量パターン）が３つである例を説明したが、説明変数の数はそれ以上であってもよい。

また、本実施形態では、取引の属性値の変動パターンとして、急増、急減、及びこれらの組み合わせを列挙したが、これらに限られるものではなく、様々な特徴的な変化のパターンがありうる。

以上の本明細書の記載により、少なくとも次のことが明らかにされる。すなわち、本実施形態の経営分析支援システムにおいて、前記演算装置は、前記特徴量情報を生成するに際して、前記取引の種類と当該種類の取引の属性値の変動との組み合わせに係る履歴を、前記取引の履歴の特徴として、複数の取引の種類について生成する、としてもよい。

このように、取引の種類とその種類の取引の属性値の変動との組み合わせを複数用い、これらを取引の履歴の特徴とすることで、日々変化し、かつ様々な種類を有する取引の履歴の特徴を的確に把握することができる。

また、本実施形態の経営分析支援システムにおいて、前記演算装置は、前記特徴量情報を生成するに際して、前記属性値の変動として、前記取引の属性値の所定期間内における所定値以上の増加又は減少の少なくともいずれかを特定する、としてもよい。

このような、属性値の急激な増加又は減少を取引の履歴の変動の特徴として把握することで、デフォルトの要因となり得る取引の変動を的確に把握することができる。

また、本実施形態の経営分析支援システムにおいて、前記演算装置は、前記所定の取引主体が前記将来の所定期間内にデフォルトする可能性が高いと判定した場合、前記属性値の所定期間内における所定値以上の増加又は減少の少なくともいずれかを示す情報を表示する、としてもよい。

これにより、金融機関等は、デフォルトの要因となりうる取引の状況を把握し、デフォルトの予兆の発見及びその分析に役立てることができる。

また、本実施形態の経営分析支援システムにおいて、前記演算装置は、前記取引の履歴の特徴を示す情報を出力すると共に、前記取引の履歴の特徴を変化させるための方策に関する情報を表示する、としてもよい。

これにより、金融機関等は、デフォルトの可能性がある事案に対して、適切な業務上の対応等をとることができる。

１ 経営分析支援システム
２ 取引データＤＢ
５ デフォルト予測装置
１１ 演算装置
１２ メモリ
１３ 記憶装置
１４ 入力装置
１５ 出力装置
１６ 通信装置
１００ 格付けテーブル
１１０ 分析部
１１１ 目的変数生成部
１１２ 説明変数生成部
１１３ 特徴量情報生成部
１２０ 延滞テーブル
１３０ 検知部
１３１ 判定企業設定部
１３２ デフォルト要因特定部
１３３ 画面表示部
１４０ デフォルト判定結果テーブル
１６０ デフォルト判定作業テーブル
２００ 取引データ
２２０ 説明変数テーブル
２４０ 時系列列挙テーブル
２４３ 変動比率テーブル
２４６ 変動パターンテーブル
３２３ 特徴量情報
５１０ 要フォロー企業一覧
５２０ 要フォロー企業特徴量一覧
６００ デフォルト要因表示画面

Claims (10)

1. 金融取引の取引主体におけるデフォルト時期の情報と、前記デフォルト時期より以前の所定期間における前記取引主体が行った取引の履歴と、を保持する記憶装置と、
   前記取引の履歴及び前記デフォルトの時期の各情報に基づき、取引の履歴の特徴と当該取引以後のデフォルトの可能性との間の関係を示す特徴量情報を生成する分析処理と、所定の金融取引の所定の取引主体が行った取引の履歴と、前記生成した特徴量情報とに基づき、前記所定の取引主体が将来の所定期間内にデフォルトする可能性を判定し、当該可能性が高いと判定した場合、前記所定の取引主体の前記取引の履歴の情報を表示する検知処理と、を実行する演算装置と、
   を含む経営分析支援システム。
2. 前記演算装置は、前記特徴量情報を生成するに際して、前記取引の種類と当該種類の取引の属性値の変動との組み合わせに係る履歴を、前記取引の履歴の特徴として、複数の取引の種類について生成する、請求項１に記載の経営分析支援システム。
3. 前記演算装置は、前記特徴量情報を生成するに際して、前記属性値の変動として、前記取引の属性値の所定期間内における所定値以上の増加又は減少の少なくともいずれかを特定する、請求項２に記載の経営分析支援システム。
4. 前記演算装置は、前記所定の取引主体が前記将来の所定期間内にデフォルトする可能性が高いと判定した場合、前記属性値の所定期間内における所定値以上の増加又は減少の少なくともいずれかを示す情報を表示する、請求項３に記載の経営分析支援システム。
5. 前記演算装置は、前記取引の履歴の情報を出力すると共に、前記取引の履歴の特徴を変化させるための方策に関する情報を表示する、請求項１に記載の経営分析支援システム。
6. 金融取引の取引主体におけるデフォルト時期の情報と、前記デフォルト時期より以前の所定期間における前記取引主体が行った取引の履歴と、を保持する記憶装置を備える経営分析支援システムが、
   前記記憶装置で保持する前記取引の履歴及び前記デフォルトの時期の各情報に基づき、取引の履歴の特徴と当該取引後のデフォルトの可能性との間の関係を示す特徴量情報を生成する分析処理と、所定の金融取引の所定の取引主体が行った取引の履歴と、前記生成した特徴量情報とに基づき、前記所定の取引主体が将来の所定期間内にデフォルトする可能性を判定し、当該可能性が高いと判定した場合、前記所定の取引主体が行った取引の履歴の情報を表示する検知処理と、を実行する、
   経営分析支援方法。
7. 前記経営分析支援システムは、前記特徴量情報を生成するに際して、前記取引の種類と当該種類の取引の属性値の変動との組み合わせに係る履歴を、前記取引の履歴の特徴として生成する、請求項６に記載の経営分析支援方法。
8. 前記経営分析支援システムは、前記特徴量情報を生成するに際して、前記属性値の変動として、前記取引の属性値の所定期間内における所定値以上の増加又は減少の少なくともいずれかを特定する、請求項７に記載の経営分析支援方法。
9. 前記経営分析支援システムは、前記所定の取引主体が前記将来の所定期間内にデフォルトする可能性が高いと判定した場合、前記属性値の所定期間内における所定値以上の増加又は減少の少なくともいずれかを示す情報を表示する、請求項８に記載の経営分析支援方法。
10. 前記経営分析支援システムは、前記取引の履歴の情報を出力すると共に、前記取引の履歴の特徴を変化させるための方策に関する情報を表示する、請求項６に記載の経営分析支援方法。

Images