JP2021140201A - Real estate loan condition proposal program - Google Patents
Real estate loan condition proposal program Download PDFInfo
- Publication number
- JP2021140201A JP2021140201A JP2020034532A JP2020034532A JP2021140201A JP 2021140201 A JP2021140201 A JP 2021140201A JP 2020034532 A JP2020034532 A JP 2020034532A JP 2020034532 A JP2020034532 A JP 2020034532A JP 2021140201 A JP2021140201 A JP 2021140201A
- Authority
- JP
- Japan
- Prior art keywords
- information
- real estate
- acquired
- loan
- financial information
- 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.)
- Pending
Links
- 230000007613 environmental effect Effects 0.000 claims description 16
- 238000004891 communication Methods 0.000 claims description 9
- 230000036541 health Effects 0.000 claims description 6
- 230000007423 decrease Effects 0.000 claims description 5
- 238000007596 consolidation process Methods 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 description 18
- 238000013528 artificial neural network Methods 0.000 description 10
- 238000000034 method Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 7
- 238000013135 deep learning Methods 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000010191 image analysis Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000012364 cultivation method Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
本発明は、不動産の購入予定者に対する融資条件を提案する不動産融資条件提案プログラムに関する。 The present invention relates to a real estate loan condition proposal program that proposes loan conditions to a prospective purchaser of real estate.
不動産の購入予定者に対して金融機関が融資を行う際には、銀行員が購入予定者の信用度を判定する。この信用度の判定は、その融資先の過去の決算書や業績等、様々な情報を勘案した上で行うことになる。しかしながら、判定しなければならない融資先の数が多い場合等には判定作業が遅れてしまう場合もあり、また判定作業の労力の負担を軽減する必要もあった。一方、この融資判定は、一企業にとって融資を受けられるか否かが死活問題になる場合もあることから、高い判定精度が求められる。従来において、このような融資判定を自動的かつ高精度に行ってくれるシステムは提案されていないのが現状であった。 When a financial institution makes a loan to a prospective purchaser of real estate, a bank clerk determines the creditworthiness of the prospective purchaser. This credit rating is determined after considering various information such as the past financial statements and business results of the lender. However, when the number of lenders that must be judged is large, the judgment work may be delayed, and it is also necessary to reduce the labor burden of the judgment work. On the other hand, this loan judgment requires high judgment accuracy because it may be a matter of life and death for one company whether or not it can receive a loan. In the past, there has been no proposal for a system that automatically and accurately makes such a loan decision.
そこで本発明は、上述した問題点に鑑みて案出されたものであり、その目的とするところは、不動産の購入予定者に対する融資条件を提案する不動産融資条件提案プログラムにおいて、その融資先の信用度や融資条件等を自動的かつ高精度に判定することが可能な不動産融資条件提案プログラムを提供することにある。 Therefore, the present invention has been devised in view of the above-mentioned problems, and an object of the present invention is the creditworthiness of the lender in the real estate loan condition proposal program that proposes the loan conditions to the prospective purchaser of real estate. The purpose is to provide a real estate loan condition proposal program that can automatically and accurately determine loan conditions.
上述した課題を解決するために、本発明に係る不動産融資条件提案プログラムは、不動産の購入予定者に対する融資条件を提案する不動産融資条件提案プログラムにおいて、新たに融資条件を提案する購入予定者の最近の財務情報と、当該購入予定者が購入予定の不動産に関する不動産情報とを取得する情報取得ステップと、予め取得した過去の不動産の購入予定者の参照用財務情報と、上記参照用財務情報を取得した購入予定者が購入予定の不動産に関する参照用不動産情報とを有する組み合わせと、当該購入予定者に対して提案された融資条件との３段階以上の連関度を利用し、上記情報取得ステップにおいて取得した財務情報に応じた参照用財務情報と取得した不動産情報に応じた参照用不動産情報とを有する組み合わせと、上記融資条件との３段階以上の連関度に基づき、融資条件を提案する提案ステップとをコンピュータに実行させることを特徴とする。 In order to solve the above-mentioned problems, the real estate loan condition proposal program according to the present invention is a real estate loan condition proposal program that proposes loan conditions to a prospective purchaser of real estate. Acquire the information acquisition step for acquiring the financial information of the real estate and the real estate information about the real estate to be purchased by the purchaser, the reference financial information of the past real estate purchaser acquired in advance, and the above reference financial information. Acquired in the above information acquisition step by using the combination of the prospective purchaser with reference real estate information about the real estate to be purchased and the degree of association with the loan conditions proposed to the prospective purchaser in three or more stages. A proposal step for proposing loan conditions based on a combination of reference financial information according to the financial information obtained and reference real estate information according to the acquired real estate information, and a degree of association with the above loan conditions in three or more stages. Is characterized by having a computer execute.
特段のスキルや経験が無くても、不動産の購入予定者に対して金融機関が融資を行うか否かを判別する上で、その融資先の信用度を自動的かつ高精度に判定することが可能となる。 Even if you do not have any special skills or experience, it is possible to automatically and accurately determine the creditworthiness of the lender in determining whether or not a financial institution will lend to a prospective real estate purchaser. It becomes.
以下、本発明を適用した不動産融資条件提案プログラムについて、図面を参照しながら詳細に説明をする。 Hereinafter, the real estate loan condition proposal program to which the present invention is applied will be described in detail with reference to the drawings.
図１は、本発明を適用した不動産融資条件提案プログラムが実装される不動産融資条件提案システム１の全体構成を示すブロック図である。不動産融資条件提案システム１は、情報取得部９と、情報取得部９に接続された探索装置２と、探索装置２に接続されたデータベース３とを備えている。
FIG. 1 is a block diagram showing an overall configuration of a real estate loan condition proposal system 1 in which a real estate loan condition proposal program to which the present invention is applied is implemented. The real estate loan condition proposal system 1 includes an
情報取得部９は、本システムを活用する者が各種コマンドや情報を入力するためのデバイスであり、具体的にはキーボードやボタン、タッチパネル、マウス、スイッチ等により構成される。情報取得部９は、テキスト情報を入力するためのデバイスに限定されるものではなく、マイクロフォン等のような音声を検知してこれをテキスト情報に変換可能なデバイスで構成されていてもよい。また情報取得部９は、カメラ等の画像を撮影可能な撮像装置として構成されていてもよい。情報取得部９は、紙媒体の書類から文字列を認識できる機能を備えたスキャナで構成されていてもよい。また情報取得部９は、後述する探索装置２と一体化されていてもよい。情報取得部９は、検知した情報を探索装置２へと出力する。また情報取得部９は地図情報をスキャニングすることで位置情報を特定する手段により構成されていてもよい。また情報取得部９は、温度センサ、湿度センサ、流量センサ、その他物質や物性を特定することが可能なセンサも含む。情報取得部９は、インターネット上のサイトに掲載されている文字列やデータを自動的に取り込んでくる手段で構成されていてもよい。
The
データベース３は、不動産融資条件提案を行う上で必要な様々な情報が蓄積される。株不動産融資条件提案を行う上で必要な情報としては、予め取得した過去の不動産の購入予定者の参照用財務情報、参照用財務情報を取得した購入予定者が購入予定の不動産に関する参照用不動産情報、参照用財務情報を取得した購入予定者の属性に関する参照用属性情報、参照用財務情報を取得した時期における参照用外部環境情報と、過去において購入予定者に対して提案された融資条件や、当該購入予定者に対して判断された融資の可否判断とのデータセットが記憶されている。
つまり、データベース３には、このような参照用財務情報に加え、参照用不動産情報、参照用属性情報、参照用外部環境情報の何れか１以上と、過去において判定された融資条件や、融資の可否判断とが互いに紐づけられて記憶されている。
That is, in the
探索装置２は、例えば、パーソナルコンピュータ（ＰＣ）等を始めとした電子機器で構成されているが、ＰＣ以外に、携帯電話、スマートフォン、タブレット型端末、ウェアラブル端末等、他のあらゆる電子機器で具現化されるものであってもよい。ユーザは、この探索装置２による探索解を得ることができる。
The
図２は、探索装置２の具体的な構成例を示している。この探索装置２は、探索装置２全体を制御するための制御部２４と、操作ボタンやキーボード等を介して各種制御用の指令を入力するための操作部２５と、有線通信又は無線通信を行うための通信部２６と、各種判断を行う推定部２７と、ハードディスク等に代表され、実行すべき検索を行うためのプログラムを格納するための記憶部２８とが内部バス２１にそれぞれ接続されている。さらに、この内部バス２１には、実際に情報を表示するモニタとしての表示部２３が接続されている。
FIG. 2 shows a specific configuration example of the
制御部２４は、内部バス２１を介して制御信号を送信することにより、探索装置２内に実装された各構成要素を制御するためのいわゆる中央制御ユニットである。また、この制御部２４は、操作部２５を介した操作に応じて各種制御用の指令を内部バス２１を介して伝達する。
The
操作部２５は、キーボードやタッチパネルにより具現化され、プログラムを実行するための実行命令がユーザから入力される。この操作部２５は、上記実行命令がユーザから入力された場合には、これを制御部２４に通知する。この通知を受けた制御部２４は、推定部２７を始め、各構成要素と協調させて所望の処理動作を実行していくこととなる。この操作部２５は、前述した情報取得部９として具現化されるものであってもよい。
The
推定部２７は、探索解を推定する。この推定部２７は、推定動作を実行するに当たり、必要な情報として記憶部２８に記憶されている各種情報や、データベース３に記憶されている各種情報を読み出す。この推定部２７は、人工知能により制御されるものであってもよい。この人工知能はいかなる周知の人工知能技術に基づくものであってもよい。
The
表示部２３は、制御部２４による制御に基づいて表示画像を作り出すグラフィックコントローラにより構成されている。この表示部２３は、例えば、液晶ディスプレイ（ＬＣＤ）等によって実現される。
The
記憶部２８は、ハードディスクで構成される場合において、制御部２４による制御に基づき、各アドレスに対して所定の情報が書き込まれるとともに、必要に応じてこれが読み出される。また、この記憶部２８には、本発明を実行するためのプログラムが格納されている。このプログラムは制御部２４により読み出されて実行されることになる。
When the
上述した構成からなる不動産融資条件提案システム１における動作について説明をする。 The operation of the real estate loan condition proposal system 1 having the above-described configuration will be described.
不動産融資条件提案システム１では、例えば図３に示すように、参照用財務情報と、参照用不動産情報との組み合わせが形成されていることが前提となる。参照用財務情報とは、過去の不動産の購入予定者の財務状態を示すあらゆる情報が含まれる。不動産購入予定者は、個人、法人の何れも含まれる。参照用財務情報の例としては、自営業者の確定申告書に記述された情報、法人の財務情報に記述された情報、個人の源泉徴収票（年収）に記述された情報、現状の資産を示す情報、保有する不動産に関する情報、保有する不動産に住み続けている年数等である。これに加えて、現状保有している現金の額、金融資産の額、債権の種類などもこの参照用財務情報に含めてもよい。これらの参照用財務情報としては、担保物件の状況や他の借り入れ状況等も含まれる。参照用財務情報は、例えば、源泉徴収票、給与明細書、確定申告書、住民税決定通知書、課税証明書等の記載を画像解析、必要に応じてディープラーニング技術を利用し、解析画像の特徴量に基づいて自動判別し、データ化してもよい。また財務情報は、不動産購入予定者の実際の財務状態をベースとした実際の借入希望金額で表されるものであってもよい。 In the real estate loan condition proposal system 1, for example, as shown in FIG. 3, it is premised that a combination of reference financial information and reference real estate information is formed. Reference financial information includes any information that indicates the financial status of a prospective purchaser of real estate in the past. Those who plan to purchase real estate include both individuals and corporations. Examples of reference financial information include information described in the self-employed person's tax return, information described in corporate financial information, information described in an individual withholding slip (annual income), and current assets. Information to be shown, information about the real estate owned, years of living in the real estate owned, etc. In addition to this, the amount of cash currently held, the amount of financial assets, the type of receivables, etc. may be included in this reference financial information. These reference financial information includes the status of collateral properties and other borrowing status. For reference financial information, for example, image analysis of the description of withholding slip, salary statement, final tax return, residence tax decision notice, taxation certificate, etc., and if necessary, deep learning technology is used to analyze the analysis image. It may be automatically determined based on the feature amount and converted into data. In addition, the financial information may be represented by the actual desired amount of borrowing based on the actual financial condition of the prospective real estate purchaser.
参照用不動産情報は、購入予定の不動産の将来性、収益性、立地、周囲の環境、築年数、空室リスク、家賃下落リスク等である。この参照用不動産情報は、購入予定の不動産の価格や当該価格に対する借入希望金額も含むようにしてもよい。また、参照用不動産情報は、空室リスクや家賃下落リスク等を数値化したもので構成されていてもよい。 The reference real estate information includes the future potential, profitability, location, surrounding environment, age, vacancy risk, rent decline risk, etc. of the real estate to be purchased. The reference real estate information may include the price of the real estate to be purchased and the desired amount of borrowing for the price. In addition, the reference real estate information may be composed of quantified vacancy risk, rent fall risk, and the like.
参照用不動産情報における将来性、収益性は、投資用不動産融資であれば、物件の資産価値・担保評価、収益性、賃貸中のオーナーチェンジ物件であればその管理状況を示すものであってもよい。 The future potential and profitability of the reference real estate information may indicate the asset value / collateral evaluation of the property in the case of investment real estate financing, the profitability, and the management status of the rented owner-changed property. ..
参照用不動産情報は、不動産関連の書類（売買契約書（工事請求契約書など）、重要事項説明書 、登記事項証明書（登記簿謄本）、明細地図、建築確認通知書、土地公図、土地の図面、分譲案内のパンフレットや価格表、土地使用承諾書（借地の場合）、土地賃貸借契約書（借地の場合）等から抽出することができる。これらの不動産関連の書類の記載を画像解析、必要に応じてディープラーニング技術を利用し、解析画像の特徴量に基づいて自動判別し、データ化してもよい。 For reference real estate information, real estate related documents (sales contract (construction request contract, etc.), important matter explanation, registration certificate (registered copy), detailed map, building confirmation notice, land official map, land It can be extracted from drawings, sales guide brochures and price lists, land use consent forms (in the case of leased land), land lease contracts (in the case of leased land), etc. Image analysis of the descriptions of these real estate related documents, If necessary, a deep learning technique may be used to automatically discriminate based on the feature amount of the analyzed image and convert it into data.
入力データとしては、このような参照用財務情報と、参照用不動産情報が並んでいる。このような入力データとしての、参照用財務情報に対して、参照用不動産情報が組み合わさったものが、図３に示す中間ノード６１である。各中間ノード６１は、更に出力に連結している。この出力においては、金融融資条件Ａ〜Ｅが表示されている。この金融融資条件は、それぞれ金融融資するあらゆる条件を示すものであり、最大貸出可能金額、利息、返済年数、担保の条件等が含まれる。また、この最大貸出可能金額については、あくまで借入希望金額との関係において出力されるものであってもよい。 As input data, such reference financial information and reference real estate information are arranged side by side. The intermediate node 61 shown in FIG. 3 is a combination of the reference financial information and the reference real estate information as such input data. Each intermediate node 61 is further connected to an output. In this output, financial loan conditions A to E are displayed. These financial loan conditions indicate all the conditions for making a financial loan, and include the maximum lending amount, interest, repayment period, collateral conditions, and the like. In addition, the maximum lending amount may be output in relation to the desired borrowing amount.
参照用財務情報と、参照用不動産情報との各組み合わせ（中間ノード）は、この出力解としての、融資条件に対して３段階以上の連関度を通じて互いに連関しあっている。参照用財務情報と、参照用不動産情報がこの連関度を介して左側に配列し、融資条件Ａ、Ｂ、Ｃ、Ｄ、Ｅ、・・・が連関度を介して右側に配列している。連関度は、左側に配列された参照用財務情報と、参照用不動産情報に対して、何れの融資条件と関連性が高いかの度合いを示すものである。換言すれば、この連関度は、各参照用財務情報と、参照用不動産情報が、いかなる融資条件に紐付けられる可能性が高いかを示す指標であり、各参照用財務情報と、参照用不動産情報から、融資先としての不動産の購入予定者にとって最も相応しい融資条件を選択する上での的確性を示すものである。図３の例では、連関度としてｗ１３〜ｗ２２が示されている。このｗ１３〜ｗ２２は以下の表１に示すように１０段階で示されており、１０点に近いほど、中間ノードとしての各組み合わせが出力としての融資条件と互いに関連度合いが高いことを示しており、逆に１点に近いほど中間ノードとしての各組み合わせが出力としての融資条件と互いに関連度合いが低いことを示している。 Each combination (intermediate node) of the reference financial information and the reference real estate information is related to each other through three or more levels of association with the loan conditions as this output solution. The reference financial information and the reference real estate information are arranged on the left side through this degree of association, and the loan terms A, B, C, D, E, ... Are arranged on the right side through this degree of association. The degree of association indicates the degree of relevance to which loan terms are highly relevant to the reference financial information and the reference real estate information arranged on the left side. In other words, this degree of association is an index showing what kind of loan terms each reference financial information and reference real estate information is likely to be associated with, and each reference financial information and reference real estate. From the information, it shows the accuracy in selecting the most suitable loan conditions for the prospective purchaser of real estate as a loan recipient. In the example of FIG. 3, w13 to w22 are shown as the degree of association. These w13 to w22 are shown in 10 stages as shown in Table 1 below, and the closer to 10 points, the higher the degree of relevance of each combination as an intermediate node to the loan conditions as output. On the contrary, the closer to one point, the lower the degree of relevance of each combination as an intermediate node to the loan conditions as output.
探索装置２は、このような図３に示す３段階以上の連関度ｗ１３〜ｗ２２を予め取得しておく。つまり探索装置２は、実際の探索解の判別を行う上で参照用財務情報と参照用不動産情報、並びにその場合の融資条件の何れが好適であったか、過去のデータを蓄積しておき、これらを分析、解析することで図３に示す連関度を作り上げておく。
The
この分析、解析は人工知能により行うようにしてもよい。かかる場合には、例えば参照用財務情報Ｐ０１で、参照用不動産情報Ｐ１６である場合に、その融資条件を過去のデータから分析する。Ａの事例が多い場合には、このＡにつながる連関度をより高く設定し、Ｂ」の事例が多く、Ａの事例が少ない場合には、Ｂにつながる連関度を高くし、Ａにつながる連関度を低く設定する。例えば中間ノード６１ａの例では、融資条件ＡとＢの出力にリンクしているが、以前の事例から融資条件Ａにつながるｗ１３の連関度を７点に、融資条件Ｂにつながるｗ１４の連関度を２点に設定している。
This analysis and analysis may be performed by artificial intelligence. In such a case, for example, in the case of reference financial information P01 and reference real estate information P16, the loan terms are analyzed from past data. If there are many cases of A, the degree of association that leads to A is set higher, and if there are many cases of "B", if there are few cases of A, the degree of association that leads to B is increased and the degree of association that leads to A is increased. Set the degree low. For example, in the example of the
また、この図３に示す連関度は、人工知能におけるニューラルネットワークのノードで構成されるものであってもよい。即ち、このニューラルネットワークのノードが出力に対する重み付け係数が、上述した連関度に対応することとなる。またニューラルネットワークに限らず、人工知能を構成するあらゆる意思決定因子で構成されるものであってもよい。 Further, the degree of association shown in FIG. 3 may be composed of the nodes of the neural network in artificial intelligence. That is, the weighting coefficient for the output of the node of this neural network corresponds to the above-mentioned degree of association. Further, the network is not limited to a neural network, and may be composed of all decision-making factors constituting artificial intelligence.
図３に示す連関度の例で、ノード６１ｂは、参照用財務情報Ｐ０１に対して、参照用不動産情報Ｐ１４の組み合わせのノードであり、融資条件Ｃの連関度がｗ１５、融資条件Ｅの連関度がｗ１６となっている。ノード６１ｃは、参照用財務情報Ｐ０２に対して、参照用不動産情報Ｐ１５、Ｐ１７の組み合わせのノードであり、融資条件Ｂの連関度がｗ１７、融資条件Ｄの連関度がｗ１８となっている。
In the example of the degree of association shown in FIG. 3, the
このような連関度が、人工知能でいうところの学習済みデータとなる。このような学習済みデータを作った後に、実際にこれから融資条件提案のための探索を行う際において、上述した学習済みデータを利用して行うこととなる。かかる場合には、新たに融資条件の提案を行う個人又は法人から最近の財務情報に加え、購入予定の不動産に関する不動産情報を取得する。融資条件の提案を行う個人又は法人は、これから不動産の購入を予定している者であるが、既に不動産を購入し、その残額の支払いをしようとする法人や個人もこれに含まれる。このような財務情報に加え、購入予定者が購入予定の不動産情報の取得方法は、上述した参照用財務情報、参照用不動産情報と同様である。 Such a degree of association is what is called learned data in artificial intelligence. After creating such learned data, when actually searching for a loan condition proposal from now on, the above-mentioned learned data will be used. In such a case, in addition to the latest financial information, real estate information regarding the real estate to be purchased will be obtained from the individual or corporation that newly proposes the loan conditions. Individuals or corporations that propose loan terms are those who are planning to purchase real estate, but this also includes corporations and individuals who have already purchased real estate and are willing to pay the balance. In addition to such financial information, the method of acquiring the real estate information to be purchased by the prospective purchaser is the same as the above-mentioned reference financial information and reference real estate information.
このようにして新たに取得した財務情報、不動産情報に基づいて、最適な融資条件を探索する。かかる場合には、予め取得した図３（表１）に示す連関度を参照する。例えば、新たに取得した財務情報がＰ０２と同一かこれに類似するものである場合であって、不動産情報がＰ１７と同一かこれに類似する場合には、連関度を介してノード６１ｄが関連付けられており、このノード６１ｄは、融資条件Ｃがｗ１９、融資条件Ｄが連関度ｗ２０で関連付けられている。かかる場合には、連関度の最も高い融資条件Ｃを最適解として選択する。但し、最も連関度の高いものを最適解として選択することは必須ではなく、連関度は低いものの連関性そのものは認められる融資条件Ｄを最適解として選択するようにしてもよい。また、これ以外に矢印が繋がっていない出力解を選択してもよいことは勿論であり、連関度に基づくものであれば、その他いかなる優先順位で選択されるものであってもよい。 Based on the newly acquired financial information and real estate information in this way, the optimum loan conditions are searched for. In such a case, the degree of association shown in FIG. 3 (Table 1) acquired in advance is referred to. For example, if the newly acquired financial information is the same as or similar to P02 and the real estate information is the same as or similar to P17, the node 61d is associated via the degree of association. The node 61d is associated with the loan condition C by w19 and the loan condition D by the degree of association w20. In such a case, the loan condition C having the highest degree of association is selected as the optimum solution. However, it is not essential to select the one with the highest degree of association as the optimum solution, and the loan condition D, which has the lowest degree of association but is recognized as having the association itself, may be selected as the optimum solution. In addition to this, it goes without saying that an output solution to which the arrows are not connected may be selected, and as long as it is based on the degree of association, it may be selected in any other priority.
また、入力から伸びている連関度ｗ１〜ｗ１２の例を以下の表２に示す。 In addition, Table 2 below shows examples of the degrees of association w1 to w12 extending from the input.
この入力から伸びている連関度ｗ１〜ｗ１２に基づいて中間ノード６１が選択されていてもよい。つまり連関度ｗ１〜ｗ１２が大きいほど、中間ノード６１の選択における重みづけを重くしてもよい。しかし、この連関度ｗ１〜ｗ１２は何れも同じ値としてもよく、中間ノード６１の選択における重みづけは何れも全て同一とされていてもよい。 The intermediate node 61 may be selected based on the degree of association w1 to w12 extending from this input. That is, the larger the degree of association w1 to w12, the heavier the weighting in the selection of the intermediate node 61 may be. However, the degrees of association w1 to w12 may all have the same value, and the weights in the selection of the intermediate node 61 may all be the same.
なお、上述した連関度を介した判断を行う上では、参照用不動産情報として、参照用財務情報を取得した購入予定者が購入予定の不動産の将来性、収益性、立地、周囲の環境、築年数、空室リスク、家賃下落リスクの何れか１以上を指標化したもの含めてもよい。かかる場合には、取得する不動産情報についても同様に、新たな購入予定者が購入予定の不動産の将来性、収益性、立地、周囲の環境、築年数、空室リスク、家賃下落リスクの何れか１以上を指標化したもの含めてもよい。このとき、参照用不動産情報と、不動産情報との間で、指標化する種類を互いに共通化させておくことが望ましい。 In making a judgment based on the degree of association described above, as reference real estate information, the prospective purchaser who has acquired the reference financial information has the future potential, profitability, location, surrounding environment, and construction of the real estate to be purchased. It may include an index of any one or more of the number of years, the risk of vacancy, and the risk of rent decline. In such a case, the real estate information to be acquired is also one of the future potential, profitability, location, surrounding environment, age, vacancy risk, and rent decline risk of the real estate that the new purchaser plans to purchase. An index of 1 or more may be included. At this time, it is desirable that the type of indexing is common to each other between the reference real estate information and the real estate information.
上述した連関度を介した判断を行う上では、参照用不動産情報として、参照用財務情報を取得した購入予定者が購入予定の不動産の価格を含むものであってもよい。かかる場合には、取得する不動産情報についても同様に購入予定の不動産の価格を含むことになる。 In making a judgment based on the degree of association described above, the reference real estate information may include the price of the real estate to be purchased by the prospective purchaser who has acquired the reference financial information. In such a case, the real estate information to be acquired will also include the price of the real estate to be purchased.
図４は、上述した参照用財務情報と、参照用不動産情報との組み合わせと、当該組み合わせに対する融資の可否判断との３段階以上の連関度が設定されている例を示している。この図４の連関度は、図３に示す連関度の出力解に対応する金融融資条件を、融資の可否判断に置換したものであり、他の構成は何れも図３と同様である。 FIG. 4 shows an example in which a combination of the above-mentioned reference financial information and reference real estate information, and a degree of association of three or more levels of determining whether or not to lend to the combination are set. The degree of association in FIG. 4 is obtained by replacing the financial loan conditions corresponding to the output solution of the degree of association shown in FIG. 3 with the determination of whether or not the loan is possible, and all other configurations are the same as in FIG.
ここでいう融資の可否判断は、不動産の購入予定者に対して融資をすることが可能か、不可能か、或いは条件付きで可能であればその条件を規定するものである。 The decision on whether or not to lend here defines the conditions for lending to the prospective purchaser of real estate, if it is possible, impossible, or conditionally possible.
このような図４に示す連関度を予め取得した上で、先ず新たに融資条件を提案する購入予定者の最近の財務情報と、当該購入予定者が購入予定の不動産に関する不動産情報とを取得する。次に、上述した連関度を利用し、取得した財務情報に応じた参照用財務情報と取得した不動産情報に応じた参照用不動産情報とを有する組み合わせと、上記融資の可否判断との３段階以上の連関度に基づき、融資の可否を判断する。 After acquiring the degree of association shown in FIG. 4 in advance, first, the latest financial information of the prospective purchaser who proposes new loan conditions and the real estate information regarding the real estate that the prospective purchaser plans to purchase are acquired. .. Next, using the above-mentioned degree of association, there are three or more stages: a combination of reference financial information according to the acquired financial information and reference real estate information according to the acquired real estate information, and the above-mentioned loan approval / disapproval judgment. Judge whether or not to lend based on the degree of association.
図５は、上述した参照用財務情報と、参照用属性情報との組み合わせと、当該組み合わせに対する融資条件との３段階以上の連関度が設定されている例を示している。 FIG. 5 shows an example in which the combination of the above-mentioned reference financial information and the reference attribute information and the loan conditions for the combination are set to three or more levels of association.
参照用属性情報とは、参照用財務情報を取得した購入予定者のあらゆる属性を含む情報であり、例えば、現在の職業、職種、勤務先、勤務先の事業内容、勤続年数を含む。また参照用属性情報は、参照用財務情報を取得した購入予定者の年齢や健康状態も含む。この参照用属性情報は、過去に債務整理や自己破産歴があるか、また携帯電話やクレジットローンの延滞歴があるか等の情報も含まれる。 The reference attribute information is information including all attributes of the prospective purchaser who has acquired the reference financial information, and includes, for example, the current occupation, occupation, place of employment, business content of the place of employment, and years of service. The reference attribute information also includes the age and health condition of the prospective purchaser who acquired the reference financial information. This reference attribute information also includes information such as whether there is a history of debt consolidation or self-bankruptcy in the past, and whether there is a history of overdue mobile phones or credit loans.
図５の例では、入力データとして例えば参照用財務情報Ｐ０１〜Ｐ０３、参照用属性情報Ｐ１８〜２１であるものとする。このような入力データとしての、参照用財務情報に対して、参照用属性情報が組み合わさったものが、図５に示す中間ノードである。各中間ノードは、更に出力に連結している。この出力においては、出力解としての、信用度が表示されている。 In the example of FIG. 5, it is assumed that the input data is, for example, reference financial information P01 to P03 and reference attribute information P18 to 21. The intermediate node shown in FIG. 5 is a combination of reference attribute information and reference financial information as such input data. Each intermediate node is further linked to the output. In this output, the credit rating as the output solution is displayed.
参照用財務情報と参照用属性情報との各組み合わせ（中間ノード）は、この出力解としての、融資条件に対して３段階以上の連関度を通じて互いに連関しあっている。参照用財務情報と参照用属性情報がこの連関度を介して左側に配列し、融資条件が連関度を介して右側に配列している。連関度は、左側に配列された参照用財務情報と参照用属性情報に対して、融資条件と関連性が高いかの度合いを示すものである。換言すれば、この連関度は、各参照用財務情報と参照属性情報が、いかなる融資条件に紐付けられる可能性が高いかを示す指標であり、参照用財務情報と参照用属性情報から最も確からしい各融資条件を選択する上での的確性を示すものである。財務情報に加え、実際の融資先の属性がいかなる状態にあるのかに応じて、資金回収の可能性は変化する。このため、これらの参照用財務情報と参照用属性情報の組み合わせで、最適な信用度を探索していくこととなる。 Each combination (intermediate node) of the reference financial information and the reference attribute information is related to each other through three or more levels of association with the loan conditions as this output solution. The reference financial information and the reference attribute information are arranged on the left side through this degree of association, and the loan terms are arranged on the right side through this degree of association. The degree of association indicates the degree of relevance to the loan terms with respect to the reference financial information and the reference attribute information arranged on the left side. In other words, this degree of association is an indicator of what kind of loan terms each reference financial information and reference attribute information is likely to be associated with, and is the most reliable from the reference financial information and the reference attribute information. It shows the accuracy in selecting each unique loan condition. In addition to financial information, the likelihood of fund recovery varies depending on the attributes of the actual lender. Therefore, the optimum credit rating is searched for by combining these reference financial information and reference attribute information.
図５の例では、連関度としてｗ１３〜ｗ２２が示されている。このｗ１３〜ｗ２２は表１に示すように１０段階で示されており、１０点に近いほど、中間ノードとしての各組み合わせが出力と互いに関連度合いが高いことを示しており、逆に１点に近いほど中間ノードとしての各組み合わせが出力と互いに関連度合いが低いことを示している。 In the example of FIG. 5, w13 to w22 are shown as the degree of association. As shown in Table 1, these w13 to w22 are shown in 10 stages, and the closer to 10 points, the higher the degree of relevance of each combination as an intermediate node to the output, and conversely, 1 point. The closer they are, the less relevant each combination as an intermediate node is to the output.
探索装置２は、このような図５に示す３段階以上の連関度ｗ１３〜ｗ２２を予め取得しておく。つまり探索装置２は、実際の探索解の判別を行う上で、参照用財務情報と参照用属性情報、並びにその場合の融資条件が何れが好適であったか、過去のデータを蓄積しておき、これらを分析、解析することで図５に示す連関度を作り上げておく。
The
この分析、解析は人工知能により行うようにしてもよい。かかる場合には、例えば参照用財務情報Ｐ０１で、参照用属性情報Ｐ２０である場合に、その信用度を過去のデータから分析する。例えば中間ノード６１ａの例では、融資条件ＡとＢの出力にリンクしているが、以前の事例から融資条件Ａにつながるｗ１３の連関度を７点に、融資条件Ｂにつながるｗ１４の連関度を２点に設定している。
This analysis and analysis may be performed by artificial intelligence. In such a case, for example, in the case of the reference financial information P01 and the reference attribute information P20, the creditworthiness is analyzed from the past data. For example, in the example of the
また、この図５に示す連関度は、人工知能におけるニューラルネットワークのノードで構成されるものであってもよい。即ち、このニューラルネットワークのノードが出力に対する重み付け係数が、上述した連関度に対応することとなる。またニューラルネットワークに限らず、人工知能を構成するあらゆる意思決定因子で構成されるものであってもよい。 Further, the degree of association shown in FIG. 5 may be composed of the nodes of the neural network in artificial intelligence. That is, the weighting coefficient for the output of the node of this neural network corresponds to the above-mentioned degree of association. Further, the network is not limited to a neural network, and may be composed of all decision-making factors constituting artificial intelligence.
図５に示す連関度の例で、ノード６１ｂは、参照用財務情報Ｐ０１に対して、参照用属性情報Ｐ１８の組み合わせのノードであり、融資条件Ｃの連関度がｗ１５、融資条件Ｅの連関度がｗ１６となっている。ノード６１ｃは、参照用財務情報Ｐ０２に対して、参照用属性情報Ｐ１９、Ｐ２１の組み合わせのノードであり、融資条件Ｂの連関度がｗ１７、融資条件Ｄの連関度がｗ１８となっている。
In the example of the degree of association shown in FIG. 5, the
このような連関度が、人工知能でいうところの学習済みデータとなる。このような学習済みデータを作った後に、実際にこれから助言を行う際において、上述した学習済みデータを利用して行うこととなる。かかる場合には、上述した財務情報に加え、新たに融資条件を判定する融資先に関する属性情報を取得する。属性情報は、参照用属性情報に対応したものである。 Such a degree of association is what is called learned data in artificial intelligence. After creating such trained data, when actually giving advice from now on, the above-mentioned trained data will be used. In such a case, in addition to the above-mentioned financial information, the attribute information regarding the lender for newly determining the loan conditions is acquired. The attribute information corresponds to the reference attribute information.
このような参照用属性情報、属性情報の取り込み方法は、上述した属性情報が記述されている書類の記載を画像解析、必要に応じてディープラーニング技術を利用し、解析画像の特徴量に基づいて自動判別し、データ化してもよい。 Such reference attribute information and the method of importing the attribute information are based on the feature amount of the analyzed image by image analysis of the description of the document in which the above-mentioned attribute information is described and, if necessary, deep learning technology. It may be automatically determined and converted into data.
このようにして新たに取得した財務情報、属性情報に基づいて、信用度を探索する。かかる場合には、予め取得した図５（表１）に示す連関度を参照する。例えば、新たに取得した財務情報がＰ０２と同一かこれに類似するものである場合であって、属性情報がＰ２１である場合には、連関度を介してノード６１ｄが関連付けられており、このノード６１ｄは、融資条件Ｃがｗ１９、融資条件Ｄが連関度ｗ２０で関連付けられている。かかる場合には、連関度の最も高い融資条件Ｃを最適解として選択する。但し、最も連関度の高いものを最適解として選択することは必須ではなく、連関度は低いものの連関性そのものは認められる融資条件Ｄを最適解として選択するようにしてもよい。また、これ以外に矢印が繋がっていない出力解を選択してもよいことは勿論であり、連関度に基づくものであれば、その他いかなる優先順位で選択されるものであってもよい。 The credit rating is searched based on the newly acquired financial information and attribute information in this way. In such a case, the degree of association shown in FIG. 5 (Table 1) acquired in advance is referred to. For example, when the newly acquired financial information is the same as or similar to P02 and the attribute information is P21, the node 61d is associated via the degree of association, and this node In 61d, the loan condition C is associated with w19, and the loan condition D is associated with the degree of association w20. In such a case, the loan condition C having the highest degree of association is selected as the optimum solution. However, it is not essential to select the one with the highest degree of association as the optimum solution, and the loan condition D, which has the lowest degree of association but is recognized as having the association itself, may be selected as the optimum solution. In addition to this, it goes without saying that an output solution to which the arrows are not connected may be selected, and as long as it is based on the degree of association, it may be selected in any other priority.
なお、参照用属性情報、属性情報は、購入予定者の過去の債務整理歴、過去の自己破産歴、携帯電話の通信料の納付延滞歴、クレジットローンの延滞歴の何れか１以上を指標化したものを利用してもよい。このとき、参照用属性情報と、属性情報との間で、指標化する種類を互いに共通化させておくことが望ましい。これらの指標は、例えば納付延滞歴の回数が多いほど、また延滞期間が長いほどマイナスになるようにし、逆にこれらの延滞歴がない場合にはプラスになるように設定してもよい。 For reference attribute information and attribute information, one or more of the past debt consolidation history, past self-bankruptcy history, mobile phone communication charge delinquency history, and credit loan delinquency history of the prospective purchaser is indexed. You may use what you have done. At this time, it is desirable to make the index type common to each other between the reference attribute information and the attribute information. These indicators may be set to be negative as the number of payment delinquency history increases and the delinquency period is long, and conversely, they may be set to be positive when there is no such delinquency history.
なお、参照用属性情報、属性情報は、購入予定者の年齢及び健康状態を指標化してもよい。健康状態は、例えば購入予定者が実際に医療機関において受診した健康診断の結果や人間ドックの結果において、Ａ〜Ｅの５段階で評価されており、Ａになるほど良好であり、Ｅになるほど要注意、或いは実際に病気や欠陥が発見された場合であるとしたとき、このＡの割合や数、Ｃ以下、Ｄ以下、或いはＥの各割合や数等で指標化されていてもよい。年齢の指標化は高いほどマイナスになり、若いほどプラスになるように指標化されていてもよい。 The reference attribute information and the attribute information may index the age and health condition of the prospective purchaser. For example, the health condition is evaluated on a scale of 5 from A to E in the results of health examinations and the results of human docks that the prospective purchaser actually consulted at a medical institution. Or, when a disease or defect is actually found, it may be indexed by the ratio or number of A, C or less, D or less, or each ratio or number of E. The index of age may be negative as it is high, and may be positive as it is young.
図６は、上述した参照用財務情報と、参照用属性情報との組み合わせと、当該組み合わせに対する融資の可否判断との３段階以上の連関度が設定されている例を示している。この図６の連関度は、図５に示す連関度の出力解に対応する金融融資条件を、融資の可否判断に置換したものであり、他の構成は何れも図５と同様である。 FIG. 6 shows an example in which a combination of the above-mentioned reference financial information and reference attribute information and a degree of association of three or more levels of determining whether or not to lend to the combination are set. The degree of association in FIG. 6 is obtained by replacing the financial loan conditions corresponding to the output solution of the degree of association shown in FIG. 5 with the determination of whether or not the loan is possible, and all other configurations are the same as in FIG.
このような図６に示す連関度を予め取得した上で、先ず新たに融資の可否を判断する購入予定者の最近の財務情報と、当該購入予定者の属性情報とを取得する。次に、上述した連関度を利用し、取得した財務情報に応じた参照用財務情報と取得した属性情報に応じた参照用属性情報とを有する組み合わせと、上記融資の可否判断との３段階以上の連関度に基づき、融資の可否を判断する。 After acquiring the degree of association shown in FIG. 6 in advance, first, the latest financial information of the prospective purchaser who newly determines whether or not to lend and the attribute information of the prospective purchaser are acquired. Next, using the above-mentioned degree of association, there are three or more stages of a combination having reference financial information according to the acquired financial information and reference attribute information according to the acquired attribute information, and the above-mentioned loan approval / disapproval judgment. Judge whether or not to lend based on the degree of association.
図７は、上述した参照用財務情報と、参照用属性情報との組み合わせと、当該組み合わせに対する融資先の信用度との３段階以上の連関度が設定されている例を示している。この図７の連関度は、図５に示す連関度の出力解に対応する金融融資条件を、融資先の信用度に置換したものであり、他の構成は何れも図５と同様である。 FIG. 7 shows an example in which the combination of the above-mentioned reference financial information and the reference attribute information and the creditworthiness of the lender with respect to the combination are set to three or more levels of association. The degree of association in FIG. 7 is obtained by replacing the financial loan conditions corresponding to the output solution of the degree of association shown in FIG. 5 with the creditworthiness of the lender, and all other configurations are the same as in FIG.
融資先の信用度は、「正常」、「要注意」、「破綻可能性有」、「実質破綻」、「破綻」等とランク付けするようにしてもよいし、百分率で表示し、１００％が最も信用度が高く、０％が最も信用度が低いものとしてもよい。この信用度は、参照用財務情報等との間でのデータセットとして事前に収集される。この信用度は例えば以前金融機関において判断を行った記録などがあればそれをそのまま用いるようにしてもよい。また同一又は類似の参照用決算情報で、融資が認められた件数と、融資が下りなかった件数とから信用度を算出するようにしてもよい。ちなみに、この信用度は、参照用財務情報を提供した企業に対して付されたものである。このため、過去の審査において、参照用財務情報を提供してもらった企業と、その企業に対して付された信用度を取得することで、これらのデータセットを取得することができる。このような事例を数多く集めておく。 The creditworthiness of the lender may be ranked as "normal", "need attention", "possible bankruptcy", "substantial bankruptcy", "bankruptcy", etc., or displayed as a percentage, and 100% The highest credit rating and 0% may be the lowest credit rating. This credit rating is collected in advance as a data set with reference financial information and the like. For this credit rating, for example, if there is a record of a previous judgment made by a financial institution, it may be used as it is. Further, the credit rating may be calculated from the number of cases where the loan was approved and the number of cases where the loan was not obtained with the same or similar reference settlement information. By the way, this credit rating is given to the company that provided the financial information for reference. Therefore, in the past examination, these data sets can be obtained by acquiring the company that provided the financial information for reference and the credit rating attached to the company. I will collect many such cases.
このような図７に示す連関度を予め取得した上で、先ず新たに信用度を判断する購入予定者の最近の財務情報と、当該購入予定者の属性情報とを取得する。次に、上述した連関度を利用し、取得した財務情報に応じた参照用財務情報と取得した属性情報に応じた参照用属性情報とを有する組み合わせと、上記融資の可否判断との３段階以上の連関度に基づき、信用度を判断する。 After acquiring the degree of association shown in FIG. 7 in advance, first, the latest financial information of the prospective purchaser who newly determines the creditworthiness and the attribute information of the prospective purchaser are acquired. Next, using the above-mentioned degree of association, there are three or more stages of a combination having reference financial information according to the acquired financial information and reference attribute information according to the acquired attribute information, and the above-mentioned loan approval / disapproval judgment. Judge the creditworthiness based on the degree of association.
図８は、上述した参照用財務情報と、参照用外部環境情報との組み合わせと、当該組み合わせに対する融資条件との３段階以上の連関度が設定されている例を示している。 FIG. 8 shows an example in which the combination of the above-mentioned reference financial information, the reference external environment information, and the loan conditions for the combination are set to three or more levels of association.
参照用外部環境情報とは、外部環境情報に関する様々な情報である。ここでいう外部環境情報は、経済データ（ＧＤＰ、雇用統計、鉱工業生産指数、設備投資、労働力調査等）、家計データ（家計消費状況調査、家計データ、１週間の平均就業時間、貯蓄額の統計データ、年収の統計データ等）、不動産データ（オフィス空室率、坪単価、賃料相場、地価、空き家データ等）、自然環境データ（災害データ、気温データ、降水量データ、風向きデータ、湿度データ等）に代表されるものである。外部環境情報は、これらのデータの一部、全部が反映されるもの以外に、その審査対象の企業の外部のあらゆる情報が含まれる。参照用外部環境情報は、外部環境自体を類型化しておくようにしてもよい。 The reference external environment information is various information related to the external environment information. The external environmental information here is economic data (GDP, employment statistics, mining and industry production index, capital investment, labor force survey, etc.), household data (household consumption situation survey, household data, average working hours per week, savings amount). Statistical data, annual income statistical data, etc.), real estate data (office vacancy rate, unit price per tsubo, rent market, land price, vacant house data, etc.), natural environment data (disaster data, temperature data, precipitation data, wind direction data, humidity data, etc.) Etc.). The external environment information includes all information outside the company to be examined, in addition to the information that reflects a part or all of these data. The external environment information for reference may be categorized as the external environment itself.
図８の例では、入力データとして例えば参照用財務情報Ｐ０１〜Ｐ０３、参照用外部環境情報Ｐ１８〜２１であるものとする。このような入力データとしての、参照用財務情報に対して、参照用外部環境情報が組み合わさったものが、図８に示す中間ノードである。各中間ノードは、更に出力に連結している。この出力においては、出力解としての、信用度が表示されている。 In the example of FIG. 8, it is assumed that the input data is, for example, reference financial information P01 to P03 and reference external environment information P18 to 21. The intermediate node shown in FIG. 8 is a combination of the reference financial information and the reference external environment information as such input data. Each intermediate node is further linked to the output. In this output, the credit rating as the output solution is displayed.
参照用財務情報と参照用外部環境情報との各組み合わせ（中間ノード）は、この出力解としての、融資条件に対して３段階以上の連関度を通じて互いに連関しあっている。参照用財務情報と参照用外部環境情報がこの連関度を介して左側に配列し、融資条件が連関度を介して右側に配列している。連関度は、左側に配列された参照用財務情報と参照用外部環境情報に対して、融資条件と関連性が高いかの度合いを示すものである。換言すれば、この連関度は、各参照用財務情報と参照外部環境情報が、いかなる融資条件に紐付けられる可能性が高いかを示す指標であり、参照用財務情報と参照用外部環境情報から最も確からしい各融資条件を選択する上での的確性を示すものである。財務情報に加え、実際の融資先の属性がいかなる状態にあるのかに応じて、資金回収の可能性は変化する。このため、これらの参照用財務情報と参照用外部環境情報の組み合わせで、最適な信用度を探索していくこととなる。 Each combination (intermediate node) of the reference financial information and the reference external environment information is related to each other through three or more levels of association with the loan conditions as this output solution. The reference financial information and the reference external environment information are arranged on the left side through this degree of association, and the loan terms are arranged on the right side through this degree of association. The degree of association indicates the degree of relevance to the loan terms with respect to the reference financial information and the reference external environment information arranged on the left side. In other words, this degree of association is an index showing what kind of loan terms each reference financial information and reference external environment information are likely to be associated with, and from the reference financial information and the reference external environment information. It shows the accuracy in selecting each of the most probable loan terms. In addition to financial information, the likelihood of fund recovery varies depending on the attributes of the actual lender. Therefore, the optimum credit rating will be searched for by combining these reference financial information and reference external environment information.
図８の例では、連関度としてｗ１３〜ｗ２２が示されている。このｗ１３〜ｗ２２は表１に示すように１０段階で示されており、１０点に近いほど、中間ノードとしての各組み合わせが出力と互いに関連度合いが高いことを示しており、逆に１点に近いほど中間ノードとしての各組み合わせが出力と互いに関連度合いが低いことを示している。 In the example of FIG. 8, w13 to w22 are shown as the degree of association. As shown in Table 1, these w13 to w22 are shown in 10 stages, and the closer to 10 points, the higher the degree of relevance of each combination as an intermediate node to the output, and conversely, 1 point. The closer they are, the less relevant each combination as an intermediate node is to the output.
探索装置２は、このような図８に示す３段階以上の連関度ｗ１３〜ｗ２２を予め取得しておく。つまり探索装置２は、実際の探索解の判別を行う上で、参照用財務情報と参照用外部環境情報、並びにその場合の融資条件が何れが好適であったか、過去のデータを蓄積しておき、これらを分析、解析することで図８に示す連関度を作り上げておく。
The
この分析、解析は人工知能により行うようにしてもよい。かかる場合には、例えば参照用財務情報Ｐ０１で、参照用外部環境情報Ｐ２０である場合に、その信用度を過去のデータから分析する。例えば中間ノード６１ａの例では、融資条件ＡとＢの出力にリンクしているが、以前の事例から融資条件Ａにつながるｗ１３の連関度を７点に、融資条件Ｂにつながるｗ１４の連関度を２点に設定している。
This analysis and analysis may be performed by artificial intelligence. In such a case, for example, in the case of the reference financial information P01 and the reference external environment information P20, the creditworthiness is analyzed from the past data. For example, in the example of the
また、この図８に示す連関度は、人工知能におけるニューラルネットワークのノードで構成されるものであってもよい。即ち、このニューラルネットワークのノードが出力に対する重み付け係数が、上述した連関度に対応することとなる。またニューラルネットワークに限らず、人工知能を構成するあらゆる意思決定因子で構成されるものであってもよい。 Further, the degree of association shown in FIG. 8 may be composed of the nodes of the neural network in artificial intelligence. That is, the weighting coefficient for the output of the node of this neural network corresponds to the above-mentioned degree of association. Further, the network is not limited to a neural network, and may be composed of all decision-making factors constituting artificial intelligence.
図８に示す連関度の例で、ノード６１ｂは、参照用財務情報Ｐ０１に対して、参照用外部環境情報Ｐ１８の組み合わせのノードであり、融資条件Ｃの連関度がｗ１５、融資条件Ｅの連関度がｗ１６となっている。ノード６１ｃは、参照用財務情報Ｐ０２に対して、参照用外部環境情報Ｐ１９、Ｐ２１の組み合わせのノードであり、融資条件Ｂの連関度がｗ１７、融資条件Ｄの連関度がｗ１８となっている。
In the example of the degree of association shown in FIG. 8, the
このような連関度が、人工知能でいうところの学習済みデータとなる。このような学習済みデータを作った後に、実際にこれから助言を行う際において、上述した学習済みデータを利用して行うこととなる。かかる場合には、上述した財務情報に加え、新たに融資条件を判定する融資先に関する外部環境情報を取得する。外部環境情報は、参照用外部環境情報に対応したものである。
このような参照用外部環境情報、外部環境情報の取り込み方法は、上述した外部環境情報が記述されている書類の記載を画像解析、必要に応じてディープラーニング技術を利用し、解析画像の特徴量に基づいて自動判別し、データ化してもよい。
Such a degree of association is what is called learned data in artificial intelligence. After creating such trained data, when actually giving advice from now on, the above-mentioned trained data will be used. In such a case, in addition to the above-mentioned financial information, external environmental information regarding the lender for determining the loan conditions is newly acquired. The external environment information corresponds to the reference external environment information.
For such reference external environment information and the method of importing the external environment information, the description of the document in which the above-mentioned external environment information is described is image-analyzed, and if necessary, deep learning technology is used, and the feature amount of the analyzed image is used. It may be automatically determined based on the above and converted into data.
このようにして新たに取得した財務情報、外部環境情報に基づいて、信用度を探索する。かかる場合には、予め取得した図８（表１）に示す連関度を参照する。例えば、新たに取得した財務情報がＰ０２と同一かこれに類似するものである場合であって、外部環境情報がＰ２１である場合には、連関度を介してノード６１ｄが関連付けられており、このノード６１ｄは、融資条件Ｃがｗ１９、融資条件Ｄが連関度ｗ２０で関連付けられている。かかる場合には、連関度の最も高い融資条件Ｃを最適解として選択する。但し、最も連関度の高いものを最適解として選択することは必須ではなく、連関度は低いものの連関性そのものは認められる融資条件Ｄを最適解として選択するようにしてもよい。また、これ以外に矢印が繋がっていない出力解を選択してもよいことは勿論であり、連関度に基づくものであれば、その他いかなる優先順位で選択されるものであってもよい。 The credit rating is searched based on the newly acquired financial information and external environmental information in this way. In such a case, the degree of association shown in FIG. 8 (Table 1) acquired in advance is referred to. For example, when the newly acquired financial information is the same as or similar to P02 and the external environment information is P21, the node 61d is associated via the degree of association. The node 61d is associated with the loan condition C by w19 and the loan condition D by the degree of association w20. In such a case, the loan condition C having the highest degree of association is selected as the optimum solution. However, it is not essential to select the one with the highest degree of association as the optimum solution, and the loan condition D, which has the lowest degree of association but is recognized as having the association itself, may be selected as the optimum solution. In addition to this, it goes without saying that an output solution to which the arrows are not connected may be selected, and as long as it is based on the degree of association, it may be selected in any other priority.
なお、この参照用財務情報と参照用外部環境情報との組み合わせで連関度を形成する場合も同様に、出力解として融資の可否判断を探索するようにしてもよい。かかる場合には、図６に示すように、参照用財務情報と、参照用属性情報の代替として参照用外部環境情報との組み合わせと、当該組み合わせに対する融資の可否判断との３段階以上の連関度が設定されている例を示している。 Similarly, when the degree of association is formed by the combination of the reference financial information and the reference external environment information, the judgment as to whether or not the loan is possible may be searched as an output solution. In such a case, as shown in FIG. 6, the degree of association between the combination of the reference financial information and the reference external environment information as a substitute for the reference attribute information and the judgment of whether or not to lend to the combination has three or more levels. Shows an example in which is set.
このような図６に示す連関度を予め取得した上で、先ず新たに融資の可否を判断する購入予定者の最近の財務情報と、外部環境情報とを取得する。次に、上述した連関度を利用し、取得した財務情報に応じた参照用財務情報と取得した外部環境情報に応じた参照用外部環境情報とを有する組み合わせと、上記融資の可否判断との３段階以上の連関度に基づき、融資の可否を判断する。
After acquiring the degree of association shown in FIG. 6 in advance, first, the latest financial information of the prospective purchaser who newly determines whether or not to lend and the external environment information are acquired. Next, using the above-mentioned degree of association, a combination having reference financial information according to the acquired financial information and reference external environmental information according to the acquired external environmental information, and the above-mentioned loan approval /
なお、この参照用財務情報と参照用外部環境情報との組み合わせで連関度を形成する場合も同様に、出力解として融資先の信用度を探索するようにしてもよい。かかる場合には、図７に示すように、参照用財務情報と、参照用属性情報の代替として参照用外部環境情報との組み合わせと、当該組み合わせに対する融資先の信用度との３段階以上の連関度が設定されている例を示している。 Similarly, when the degree of association is formed by the combination of the reference financial information and the reference external environment information, the creditworthiness of the lender may be searched as an output solution. In such a case, as shown in FIG. 7, the degree of association between the combination of the reference financial information and the reference external environment information as a substitute for the reference attribute information and the creditworthiness of the lender with respect to the combination is three or more levels. Shows an example in which is set.
このような図７に示す連関度を予め取得した上で、先ず新たに融資の可否を判断する購入予定者の最近の財務情報と、外部環境情報とを取得する。次に、上述した連関度を利用し、取得した財務情報に応じた参照用財務情報と取得した外部環境情報に応じた参照用外部環境情報とを有する組み合わせと、上記融資先の信用度との３段階以上の連関度に基づき、融資先の信用度を判断する。 After acquiring the degree of association shown in FIG. 7 in advance, first, the latest financial information of the prospective purchaser who newly determines whether or not to lend and the external environment information are acquired. Next, using the above-mentioned degree of association, a combination having reference financial information according to the acquired financial information and reference external environmental information according to the acquired external environmental information, and the creditworthiness of the lender are 3 Judge the creditworthiness of the lender based on the degree of association above the stage.
なお、本発明においては、入力パラメータとして、参照用財務情報に加えて、参照用不動産情報、参照用属性情報、参照用外部環境情報を２種類以上を組み合わせて上述した連関度を形成するようにしてもよい。 In the present invention, in addition to the reference financial information, two or more types of reference real estate information, reference attribute information, and reference external environment information are combined as input parameters to form the above-mentioned degree of association. You may.
また、図９に示すように、参照用情報Ｕとして、参照用財務情報、参照用不動産情報、参照用属性情報、参照用外部環境情報等で構成し、参照用情報Ｖとして、参照用情報Ｕと組み合わせて連関度を構成する参照用財務情報、参照用不動産情報、参照用属性情報、参照用外部環境情報とし、これらの組み合わせの連関度に基づいて判別するようにしてもよい。出力解は、上述した各栽培方法に該当する。 Further, as shown in FIG. 9, the reference information U is composed of reference financial information, reference real estate information, reference attribute information, reference external environment information, and the like, and as reference information V, reference information U. The reference financial information, the reference real estate information, the reference attribute information, and the reference external environment information that constitute the degree of association in combination with the above may be used for determination based on the degree of association of these combinations. The output solution corresponds to each cultivation method described above.
このとき、参照用情報Ｕについて得られた出力をそのまま入力データとして、参照用情報Ｖとの組み合わせの中間ノード６１を介して出力と関連付けられていてもよい。例えば、参照用情報Ｕについて、出力解を出した後、これをそのまま入力として、他の参照用情報Ｖとの間での連関度を利用し、出力を探索するようにしてもよい。 At this time, the output obtained for the reference information U may be used as the input data as it is, and may be associated with the output via the intermediate node 61 in combination with the reference information V. For example, for the reference information U, after the output solution is output, this may be used as an input as it is, and the output may be searched by using the degree of association with other reference information V.
上述した連関度においては、１０段階評価で連関度を表現しているが、これに限定されるものではなく、３段階以上の連関度で表現されていればよく、逆に３段階以上であれば１００段階でも１０００段階でも構わない。一方、この連関度は、２段階、つまり互いに連関しているか否か、１又は０の何れかで表現されるものは含まれない。 In the above-mentioned degree of association, the degree of association is expressed by a 10-step evaluation, but it is not limited to this, and it may be expressed by a degree of association of 3 or more levels, and conversely, it may be expressed by 3 or more levels. For example, 100 steps or 1000 steps may be used. On the other hand, this degree of association does not include those expressed in two stages, that is, whether or not they are related to each other, either 1 or 0.
上述した構成からなる本発明によれば、特段のスキルや経験が無くても、誰でも手軽に融資を検討している企業の信用度の探索を行うことができる。また本発明によれば、この探索解の判断を、人間が行うよりも高精度に行うことが可能となる。更に、上述した連関度を人工知能（ニューラルネットワーク等）で構成することにより、これを学習させることでその判別精度を更に向上させることが可能となる。 According to the present invention having the above-described configuration, anyone can easily search for the creditworthiness of a company considering financing without any special skill or experience. Further, according to the present invention, it is possible to determine the search solution with higher accuracy than that performed by a human being. Further, by configuring the above-mentioned degree of association with artificial intelligence (neural network or the like), it is possible to further improve the discrimination accuracy by learning this.
なお、上述した入力データ、及び出力データは、学習させる過程で完全に同一のものが存在しない場合も多々あることから、これらの入力データと出力データを類型別に分類した情報であってもよい。つまり、入力データを構成する情報Ｐ０１、Ｐ０２、・・・・Ｐ１５、１６、・・・は、その情報の内容に応じて予めシステム側又はユーザ側において分類した基準で分類し、その分類した入力データと出力データとの間でデータセットを作り、学習させるようにしてもよい。 Since there are many cases where the input data and the output data described above do not exist exactly the same in the process of learning, the input data and the output data may be classified by type. That is, the information P01, P02, ... P15, 16, ... That constitute the input data are classified according to the criteria classified in advance on the system side or the user side according to the content of the information, and the classified inputs. A data set may be created between the data and the output data and trained.
また、本発明によれば、３段階以上に設定されている連関度を介して最適な解探索を行う点に特徴がある。連関度は、上述した１０段階以外に、例えば０〜１００％までの数値で記述することができるが、これに限定されるものではなく３段階以上の数値で記述できるものであればいかなる段階で構成されていてもよい。 Further, according to the present invention, there is a feature that an optimum solution search is performed through the degree of association set in three or more stages. The degree of association can be described by, for example, a numerical value from 0 to 100% in addition to the above-mentioned 10 steps, but the degree of association is not limited to this, and any step can be described as long as it can be described by a numerical value of 3 or more steps. It may be configured.
このような３段階以上の数値で表される連関度に基づいてより信用度に関する信憑性が高く、誤認の低い信用度を判別することで、探索解の可能性の候補として複数考えられる状況下において、当該連関度の高い順に探索して表示することも可能となる。 In a situation where there are multiple possible candidates for a search solution by determining the creditworthiness with higher credibility and less misunderstanding based on the degree of association expressed by such numerical values of three or more levels. It is also possible to search and display in descending order of the degree of association.
これに加えて、本発明によれば、連関度が１％のような極めて低い出力の判別結果も見逃すことなく判断することができる。連関度が極めて低い判別結果であっても僅かな兆候として繋がっているものであり、何十回、何百回に一度は、その判別結果として役に立つ場合もあることをユーザに対して注意喚起することができる。 In addition to this, according to the present invention, it is possible to judge without overlooking the discrimination result of the output having an extremely low degree of association such as 1%. It warns the user that even a judgment result with an extremely low degree of association is connected as a slight sign and may be useful as the judgment result once every tens or hundreds of times. be able to.
更に本発明によれば、このような３段階以上の連関度に基づいて探索を行うことにより、閾値の設定の仕方で、探索方針を決めることができるメリットがある。閾値を低くすれば、上述した連関度が１％のものであっても漏れなく拾うことができる反面、より適切な判別結果を好適に検出できる可能性が低く、ノイズを沢山拾ってしまう場合もある。一方、閾値を高くすれば、最適な探索解を高確率で検出できる可能性が高い反面、通常は連関度は低くてスルーされるものの何十回、何百回に一度は出てくる好適な解を見落としてしまう場合もある。いずれに重きを置くかは、ユーザ側、システム側の考え方に基づいて決めることが可能となるが、このような重点を置くポイントを選ぶ自由度を高くすることが可能となる。 Further, according to the present invention, there is an advantage that the search policy can be determined by the method of setting the threshold value by performing the search based on the degree of association of three or more stages. If the threshold value is lowered, even if the above-mentioned degree of association is 1%, it can be picked up without omission, but it is unlikely that a more appropriate discrimination result can be detected favorably, and a lot of noise may be picked up. be. On the other hand, if the threshold value is raised, there is a high possibility that the optimum search solution can be detected with a high probability. Sometimes the solution is overlooked. It is possible to decide which one to prioritize based on the ideas of the user side and the system side, but it is possible to increase the degree of freedom in selecting the points to be emphasized.
更に本発明では、上述した連関度を更新させるようにしてもよい。この更新は、例えばインターネットを始めとした公衆通信網を介して提供された情報を反映させるようにしてもよい。また市況情報に加え、イベント情報、外部環境情報、家計情報、不動産情報、専門家意見情報、自然環境情報に関する知見、情報、データを取得した場合、これらに応じて連関度を上昇させ、或いは下降させる。 Further, in the present invention, the above-mentioned degree of association may be updated. This update may reflect information provided via a public communication network such as the Internet. In addition to market information, when event information, external environmental information, household information, real estate information, expert opinion information, and natural environment information knowledge, information, and data are acquired, the degree of association is increased or decreased accordingly. Let me.
つまり、この更新は、人工知能でいうところの学習に相当する。新たなデータを取得し、これを学習済みデータに反映させることを行っているため、学習行為といえるものである。 In other words, this update corresponds to learning in the sense of artificial intelligence. It can be said that it is a learning act because it acquires new data and reflects it in the learned data.
また、この連関度の更新は、公衆通信網から取得可能な情報に基づく場合以外に、専門家による研究データや論文、学会発表や、新聞記事、書籍等の内容に基づいてシステム側又はユーザ側が人為的に、又は自動的に更新するようにしてもよい。これらの更新処理においては人工知能を活用するようにしてもよい。 In addition, this update of the degree of association is done by the system side or the user side based on the contents of research data, treatises, conference presentations, newspaper articles, books, etc. by experts, except when it is based on information that can be obtained from the public communication network. It may be updated artificially or automatically. Artificial intelligence may be utilized in these update processes.
また学習済モデルを最初に作り上げる過程、及び上述した更新は、教師あり学習のみならず、教師なし学習、ディープラーニング、強化学習等を用いるようにしてもよい。教師なし学習の場合には、入力データと出力データのデータセットを読み込ませて学習させる代わりに、入力データに相当する情報を読み込ませて学習させ、そこから出力データに関連する連関度を自己形成させるようにしてもよい。 Further, the process of first creating the trained model and the above-mentioned update may use not only supervised learning but also unsupervised learning, deep learning, reinforcement learning, and the like. In the case of unsupervised learning, instead of reading and learning the data set of input data and output data, information corresponding to the input data is read and trained, and the degree of association related to the output data is self-formed from there. You may let it.
１ 不動産融資条件提案システム
２ 探索装置
２１ 内部バス
２３ 表示部
２４ 制御部
２５ 操作部
２６ 通信部
２７ 推定部
２８ 記憶部
６１ ノード
1 Real estate loan
Claims (12)
新たに融資条件を提案する購入予定者の最近の財務情報と、当該購入予定者が購入予定の不動産に関する不動産情報とを取得する情報取得ステップと、
予め取得した過去の不動産の購入予定者の参照用財務情報と、上記参照用財務情報を取得した購入予定者が購入予定の不動産に関する参照用不動産情報とを有する組み合わせと、当該購入予定者に対して提案された融資条件との３段階以上の連関度を利用し、上記情報取得ステップにおいて取得した財務情報に応じた参照用財務情報と取得した不動産情報に応じた参照用不動産情報とを有する組み合わせと、上記融資条件との３段階以上の連関度に基づき、融資条件を提案する提案ステップとをコンピュータに実行させること
を特徴とする不動産融資条件提案プログラム。 In the real estate loan condition proposal program that proposes loan conditions to prospective real estate purchasers
An information acquisition step to acquire the latest financial information of a prospective purchaser who proposes new loan terms and real estate information about the real estate that the prospective purchaser plans to purchase.
For the combination of the reference financial information of the person who plans to purchase the past real estate acquired in advance and the reference real estate information about the real estate to be purchased by the person who has acquired the above reference financial information, and the person who plans to purchase the property. A combination of reference financial information according to the financial information acquired in the above information acquisition step and reference real estate information according to the acquired real estate information, using the degree of association with the proposed loan conditions in three or more stages. A real estate loan condition proposal program characterized by having a computer execute a proposal step for proposing a loan condition based on the degree of association with the above loan conditions in three or more stages.
新たに融資条件を提案する購入予定者の最近の財務情報と、当該購入予定者が購入予定の不動産に関する不動産情報とを取得する情報取得ステップと、
予め取得した過去の不動産の購入予定者の参照用財務情報と、上記参照用財務情報を取得した購入予定者が購入予定の不動産に関する参照用不動産情報とを有する組み合わせと、当該購入予定者に対して判断された融資の可否判断との３段階以上の連関度を利用し、上記情報取得ステップにおいて取得した財務情報に応じた参照用財務情報と取得した不動産情報に応じた参照用不動産情報とを有する組み合わせと、上記融資の可否判断との３段階以上の連関度に基づき、融資の可否を判断する判断ステップとをコンピュータに実行させること
を特徴とする不動産融資可否判断プログラム。 In the real estate loan approval / disapproval judgment program that determines whether or not to lend to the prospective real estate purchaser
An information acquisition step to acquire the latest financial information of a prospective purchaser who proposes new loan terms and real estate information about the real estate that the prospective purchaser plans to purchase.
For the combination of the reference financial information of the person who plans to purchase the past real estate acquired in advance and the reference real estate information about the real estate to be purchased by the person who has acquired the above reference financial information, and the person who plans to purchase the property. Using the degree of linkage of three or more levels with the judgment on whether or not to lend, the reference financial information according to the financial information acquired in the above information acquisition step and the reference real estate information according to the acquired real estate information can be obtained. A real estate loan approval / disapproval judgment program characterized in that a computer executes a judgment step of determining whether or not a loan is possible based on the degree of association between the combination to be possessed and the above-mentioned degree of association of the possibility of financing.
上記提案ステップでは、上記参照用財務情報を取得した購入予定者が購入予定の不動産の将来性、収益性、立地、周囲の環境、築年数、空室リスク、家賃下落リスクの何れか１以上の指標のうち、上記不動産情報と同種の指標からなる参照用不動産情報とを有する組み合わせの上記連関度を利用すること
を特徴とする請求項１記載の不動産融資条件提案プログラム。 In the above information acquisition step, real estate information consisting of one or more indicators of the future potential, profitability, location, surrounding environment, age, vacancy risk, and rent decline risk of the real estate to be purchased is acquired.
In the above proposal step, the prospective purchaser who has acquired the above reference financial information has one or more of the future potential, profitability, location, surrounding environment, age, vacancy risk, and rent decline risk of the real estate to be purchased. The real estate loan condition proposal program according to claim 1, wherein among the indicators, the above-mentioned degree of association of a combination having the above-mentioned real estate information and reference real estate information consisting of the same kind of indicators is used.
上記提案ステップでは、上記参照用財務情報を取得した購入予定者が購入予定の不動産の価格を含む参照用不動産情報とを有する組み合わせの上記連関度を利用すること
を特徴とする請求項１記載の不動産融資条件提案プログラム。 In the above information acquisition step, real estate information including the price of the real estate to be purchased is acquired, and
The proposal step according to claim 1, wherein the prospective purchaser who has acquired the reference financial information uses the combination of the reference real estate information including the price of the real estate to be purchased. Real estate loan condition proposal program.
新たに融資条件を提案する購入予定者の最近の財務情報と、当該購入予定者の属性に関する属性情報とを取得する情報取得ステップと、
予め取得した過去の不動産の購入予定者の参照用財務情報と、上記参照用財務情報を取得した購入予定者の属性に関する参照用属性情報とを有する組み合わせと、当該購入予定者に対して提案された融資条件との３段階以上の連関度を利用し、上記情報取得ステップにおいて取得した財務情報に応じた参照用財務情報と取得した属性情報に応じた参照用属性情報とを有する組み合わせと、上記融資条件との３段階以上の連関度に基づき、融資条件を提案する提案ステップとをコンピュータに実行させること
を特徴とする不動産融資条件提案プログラム。 In the real estate loan condition proposal program that proposes loan conditions to prospective real estate purchasers
An information acquisition step to acquire the latest financial information of the prospective purchaser who proposes a new loan condition and the attribute information regarding the attribute of the prospective purchaser.
A combination having a reference financial information of a past real estate purchaser who has acquired in advance and a reference attribute information regarding the attribute of the purchaser who has acquired the above reference financial information is proposed to the purchaser. A combination of reference financial information according to the financial information acquired in the above information acquisition step and reference attribute information according to the acquired attribute information, and the above, using the degree of association with the loan conditions of three or more levels. A real estate loan condition proposal program characterized by having a computer execute a proposal step for proposing a loan condition based on three or more levels of association with the loan condition.
新たに融資条件を提案する購入予定者の最近の財務情報と、当該購入予定者の属性に関する属性情報とを取得する情報取得ステップと、
予め取得した過去の不動産の購入予定者の参照用財務情報と、上記参照用財務情報を取得した購入予定者の属性に関する参照用属性情報とを有する組み合わせと、当該購入予定者に対して判断された融資の可否判断との３段階以上の連関度を利用し、上記情報取得ステップにおいて取得した財務情報に応じた参照用財務情報と取得した属性情報に応じた参照用属性情報との組み合わせと、上記融資の可否判断との３段階以上の連関度に基づき、融資の可否を判断する判断ステップとをコンピュータに実行させること
を特徴とする不動産融資可否判断プログラム。 In the real estate loan approval / disapproval judgment program that determines whether or not to lend to the prospective real estate purchaser
An information acquisition step to acquire the latest financial information of the prospective purchaser who proposes a new loan condition and the attribute information regarding the attribute of the prospective purchaser.
The combination of the reference financial information of the prospective purchaser of the past real estate acquired in advance and the reference attribute information regarding the attribute of the prospective purchaser who acquired the above reference financial information is judged for the prospective purchaser. Using the degree of association with the judgment of whether or not to lend, the combination of the reference financial information according to the financial information acquired in the above information acquisition step and the reference attribute information according to the acquired attribute information, A real estate loan approval / disapproval judgment program characterized by having a computer execute a judgment step for determining whether or not a loan is possible based on the degree of association with the above-mentioned loan approval / disapproval judgment in three or more stages.
新たに融資条件を提案する購入予定者の最近の財務情報と、当該購入予定者の属性に関する属性情報とを取得する情報取得ステップと、
予め取得した過去の不動産の購入予定者の参照用財務情報と、上記参照用財務情報を取得した購入予定者の属性に関する参照用属性情報とを有する組み合わせと、当該購入予定者に対して判断された信用度との３段階以上の連関度を利用し、上記情報取得ステップにおいて取得した財務情報に応じた参照用財務情報と取得した属性情報に応じた参照用属性情報とを有する組み合わせと、上記信用度との３段階以上の連関度に基づき、信用度を判断する判断ステップとをコンピュータに実行させること
を特徴とする不動産融資先信用度判断プログラム。 In the real estate lender credit judgment program that judges the creditworthiness when making a loan to a prospective real estate purchaser
An information acquisition step to acquire the latest financial information of the prospective purchaser who proposes a new loan condition and the attribute information regarding the attribute of the prospective purchaser.
Judgment is made for the prospective purchaser as a combination of the reference financial information of the prospective purchaser of the past real estate acquired in advance and the reference attribute information regarding the attribute of the prospective purchaser who acquired the above reference financial information. A combination of reference financial information according to the financial information acquired in the above information acquisition step and reference attribute information according to the acquired attribute information, and the above credit rating, using the degree of association with the credit rating of three or more levels. A real estate lender credit judgment program characterized by having a computer execute a judgment step for judging credit based on three or more levels of association with.
上記提案ステップでは、上記参照用財務情報を取得した購入予定者の債務整理歴、過去の自己破産歴、携帯電話の通信料の納付延滞歴、クレジットローンの延滞歴の何れか１以上の指標のうち、上記属性情報と同種の指標からなる参照用属性情報とを有する組み合わせの上記連関度を利用すること
を特徴とする請求項５記載の不動産融資条件提案プログラム。 In the above information acquisition step, attribute information consisting of one or more of the past debt consolidation history, past self-bankruptcy history, mobile phone communication charge delinquency history, and credit loan delinquency history of the prospective purchaser is acquired. death,
In the above proposal step, one or more indicators of the debt consolidation history of the prospective purchaser who acquired the financial information for reference, the history of past self-bankruptcy, the history of delinquent payment of communication charges for mobile phones, and the history of delinquency of credit loans are used. The real estate loan condition proposal program according to claim 5, wherein the above-mentioned degree of association of a combination having the above-mentioned attribute information and reference attribute information consisting of the same type of index is used.
上記提案ステップでは、上記参照用財務情報を取得した購入予定者の年齢及び健康状態の指標からなる参照用属性情報とを有する組み合わせの上記連関度を利用すること
を特徴とする請求項５記載の不動産融資条件提案プログラム。 In the above information acquisition step, attribute information consisting of an index of the age and health condition of the prospective purchaser is acquired.
The fifth aspect of claim 5, wherein in the above proposal step, the above-mentioned degree of association is used in combination with the reference attribute information including the age and health condition indicators of the prospective purchaser who has acquired the reference financial information. Real estate loan condition proposal program.
新たに融資条件を提案する購入予定者の最近の財務情報と、当該財務情報を取得した時期における外部環境情報とを取得する情報取得ステップと、
予め取得した過去の不動産の購入予定者の参照用財務情報と、上記参照用財務情報を取得した時期における参照用外部環境情報とを有する組み合わせと、当該購入予定者に対して提案された融資条件との３段階以上の連関度を利用し、上記情報取得ステップにおいて取得した財務情報に応じた参照用財務情報と取得した外部環境情報に応じた参照用外部環境情報とを有する組み合わせと、上記融資条件との３段階以上の連関度に基づき、融資条件を提案する提案ステップとをコンピュータに実行させること
を特徴とする不動産融資条件提案プログラム。 In the real estate loan condition proposal program that proposes loan conditions to prospective real estate purchasers
The information acquisition step to acquire the latest financial information of the prospective purchaser who proposes new loan conditions and the external environmental information at the time when the financial information was acquired,
A combination of previously acquired reference financial information of a prospective purchaser of real estate and external environmental information for reference at the time when the above reference financial information was acquired, and loan conditions proposed to the prospective purchaser. A combination of reference financial information according to the financial information acquired in the above information acquisition step and reference external environment information according to the acquired external environment information, and the above loan, using the degree of association of three or more levels with A real estate loan condition proposal program characterized by having a computer execute a proposal step for proposing a loan condition based on three or more levels of association with the condition.
新たに融資条件を提案する購入予定者の最近の財務情報と、当該財務情報を取得した時期における外部環境情報とを取得する情報取得ステップと、
予め取得した過去の不動産の購入予定者の参照用財務情報と、上記参照用財務情報を取得した時期における参照用外部環境情報とを有する組み合わせと、当該購入予定者に対して判断された融資の可否判断との３段階以上の連関度を利用し、上記情報取得ステップにおいて取得した財務情報に応じた参照用財務情報と取得した外部環境情報に応じた参照用外部環境情報とを有する組み合わせと、上記融資の可否判断との３段階以上の連関度に基づき、融資の可否を判断する判断ステップとをコンピュータに実行させること
を特徴とする不動産融資可否判断プログラム。 In the real estate loan approval / disapproval judgment program that determines whether or not to lend to the prospective real estate purchaser
The information acquisition step to acquire the latest financial information of the prospective purchaser who proposes new loan conditions and the external environmental information at the time when the financial information was acquired,
The combination of the reference financial information of the past purchaser of the real estate acquired in advance and the reference external environment information at the time when the above reference financial information was acquired, and the loan determined to the purchaser. A combination of a reference financial information according to the financial information acquired in the above information acquisition step and a reference external environmental information according to the acquired external environmental information by using three or more levels of association with the approval / disapproval judgment. A real estate loan approval / disapproval judgment program characterized by having a computer execute a judgment step for determining whether or not a loan is possible based on the degree of association with the above-mentioned loan approval / disapproval judgment in three or more stages.
新たに融資条件を提案する購入予定者の最近の財務情報と、当該財務情報を取得した時期における外部環境情報とを取得する情報取得ステップと、
予め取得した過去の不動産の購入予定者の参照用財務情報と、上記参照用財務情報を取得した時期における参照用外部環境情報とを有する組み合わせと、当該購入予定者に対して判断された信用度との３段階以上の連関度を利用し、上記情報取得ステップにおいて取得した財務情報に応じた参照用財務情報と取得した外部環境情報に応じた参照用外部環境情報とを有する組み合わせと、上記信用度との３段階以上の連関度に基づき、信用度を判断する判断ステップとをコンピュータに実行させること
を特徴とする不動産融資可否判断プログラム。 In the real estate lender credit judgment program that judges the creditworthiness when making a loan to a prospective real estate purchaser
The information acquisition step to acquire the latest financial information of the prospective purchaser who proposes new loan conditions and the external environmental information at the time when the financial information was acquired,
The combination of the reference financial information of the past purchaser of the real estate acquired in advance and the reference external environmental information at the time when the above reference financial information was acquired, and the credit rating judged for the purchaser. The combination of the reference financial information according to the financial information acquired in the above information acquisition step and the reference external environment information according to the acquired external environmental information, and the above credit rating, using the three or more levels of linkage of A real estate loan approval / disapproval decision program characterized by having a computer execute a decision step to judge the creditworthiness based on the degree of association of three or more levels.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2020034532A JP2021140201A (en) | 2020-02-29 | 2020-02-29 | Real estate loan condition proposal program |
| JP2021068788A JP2021140800A (en) | 2020-02-29 | 2021-04-15 | Real estate loan approval determination program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2020034532A JP2021140201A (en) | 2020-02-29 | 2020-02-29 | Real estate loan condition proposal program |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2021068788A Division JP2021140800A (en) | 2020-02-29 | 2021-04-15 | Real estate loan approval determination program |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2021140201A true JP2021140201A (en) | 2021-09-16 |
Family
ID=77669612
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2020034532A Pending JP2021140201A (en) | 2020-02-29 | 2020-02-29 | Real estate loan condition proposal program |
| JP2021068788A Pending JP2021140800A (en) | 2020-02-29 | 2021-04-15 | Real estate loan approval determination program |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2021068788A Pending JP2021140800A (en) | 2020-02-29 | 2021-04-15 | Real estate loan approval determination program |
Country Status (1)
| Country | Link |
|---|---|
| JP (2) | JP2021140201A (en) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003022314A (en) * | 2001-07-06 | 2003-01-24 | Recruit Co Ltd | Method, device and program for estimating real estate price function |
| JP2009032238A (en) * | 2007-06-26 | 2009-02-12 | Suruga Bank Ltd | Acceptance/refusal determination system for real estate loan |
| JP5008176B2 (en) * | 2006-06-29 | 2012-08-22 | 株式会社三井住友銀行 | Loan risk evaluation parameter calculation apparatus, program, and method |
| JP2018139094A (en) * | 2017-02-24 | 2018-09-06 | 株式会社三菱総合研究所 | Information processing device, information processing method and program |
| JP2019114174A (en) * | 2017-12-26 | 2019-07-11 | 株式会社Ｄｇコミュニケーションズ | Relocation support system |
| JP6583947B1 (en) * | 2019-02-07 | 2019-10-02 | Ａｓｓｅｓｔ株式会社 | Level crossing risk determination program and system |
| JP6587268B1 (en) * | 2019-02-07 | 2019-10-09 | Ａｓｓｅｓｔ株式会社 | Platform risk determination program and system |
| JP6621092B1 (en) * | 2019-02-07 | 2019-12-18 | Ａｓｓｅｓｔ株式会社 | Risk determination program and system |
| JP2020003869A (en) * | 2018-06-25 | 2020-01-09 | 株式会社三菱Ｕｆｊ銀行 | Loan examination device |
| JP6644286B1 (en) * | 2019-02-07 | 2020-02-12 | Ａｓｓｅｓｔ株式会社 | Nursery school assignment program and system |
-
2020
- 2020-02-29 JP JP2020034532A patent/JP2021140201A/en active Pending
-
2021
- 2021-04-15 JP JP2021068788A patent/JP2021140800A/en active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003022314A (en) * | 2001-07-06 | 2003-01-24 | Recruit Co Ltd | Method, device and program for estimating real estate price function |
| JP5008176B2 (en) * | 2006-06-29 | 2012-08-22 | 株式会社三井住友銀行 | Loan risk evaluation parameter calculation apparatus, program, and method |
| JP2009032238A (en) * | 2007-06-26 | 2009-02-12 | Suruga Bank Ltd | Acceptance/refusal determination system for real estate loan |
| JP2018139094A (en) * | 2017-02-24 | 2018-09-06 | 株式会社三菱総合研究所 | Information processing device, information processing method and program |
| JP2019114174A (en) * | 2017-12-26 | 2019-07-11 | 株式会社Ｄｇコミュニケーションズ | Relocation support system |
| JP2020003869A (en) * | 2018-06-25 | 2020-01-09 | 株式会社三菱Ｕｆｊ銀行 | Loan examination device |
| JP6583947B1 (en) * | 2019-02-07 | 2019-10-02 | Ａｓｓｅｓｔ株式会社 | Level crossing risk determination program and system |
| JP6587268B1 (en) * | 2019-02-07 | 2019-10-09 | Ａｓｓｅｓｔ株式会社 | Platform risk determination program and system |
| JP6621092B1 (en) * | 2019-02-07 | 2019-12-18 | Ａｓｓｅｓｔ株式会社 | Risk determination program and system |
| JP6644286B1 (en) * | 2019-02-07 | 2020-02-12 | Ａｓｓｅｓｔ株式会社 | Nursery school assignment program and system |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2021140800A (en) | 2021-09-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2021153548A1 (en) | Futures trading information display program | |
| JP2021144357A (en) | Real estate loan refinancing loan condition proposal program | |
| JP6912837B1 (en) | Lender credit judgment program | |
| JP2021140212A (en) | Real estate loan condition proposal program | |
| JP2021163002A (en) | Commodity demand prediction program | |
| JP2021125219A (en) | Illegal stock transaction detection program | |
| WO2020226003A1 (en) | Borrower reliability determination program and system | |
| JP2021140800A (en) | Real estate loan approval determination program | |
| JP2021144356A (en) | Illegal financial transaction detection program | |
| JP2021140714A (en) | Loan customer credibility determination program | |
| JP2021140202A (en) | Real estate loan condition proposal program | |
| JP2021174265A (en) | Change rate determination program of accommodation charges | |
| WO2022065363A1 (en) | Fraudulent expense detection program | |
| JP7122768B2 (en) | Goods purchase timing suggestion program | |
| WO2022039141A1 (en) | Moving cost estimation program and system | |
| JP2021124802A (en) | Automatic trade algorithm proposal program | |
| JP2021144355A (en) | Illegal financial transaction detection program | |
| JP2021140742A (en) | Recruiting eligibility determination program | |
| JP2022052879A (en) | Illegal cost detection program | |
| JP2021140211A (en) | Loan customer credibility determination program | |
| JP2021140208A (en) | Loan customer credibility determination program | |
| JP2021140204A (en) | Loan customer credibility determination program | |
| JP2021140206A (en) | Loan customer credibility determination program | |
| JP2022052880A (en) | Illegal cost detection program | |
| JP2021174269A (en) | Hostel proposal program |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201014 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20201014 |
|
| A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20201104 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20201201 |
|
| A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20210217 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210309 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210415 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210608 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20211207 |