JP4279004B2 - 天候デリバティブ商品推奨装置及び天候デリバティブ商品推奨方法及びプログラム - Google Patents
天候デリバティブ商品推奨装置及び天候デリバティブ商品推奨方法及びプログラム Download PDFInfo
- Publication number
- JP4279004B2 JP4279004B2 JP2003039973A JP2003039973A JP4279004B2 JP 4279004 B2 JP4279004 B2 JP 4279004B2 JP 2003039973 A JP2003039973 A JP 2003039973A JP 2003039973 A JP2003039973 A JP 2003039973A JP 4279004 B2 JP4279004 B2 JP 4279004B2
- Authority
- JP
- Japan
- Prior art keywords
- weather
- calculated
- product
- storage device
- 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.)
- Expired - Fee Related
Links
Images
Description
【０００１】
【発明の属する技術分野】
本発明は、天候デリバティブ商品推奨装置に関する。特に、顧客の売上高に対する天候の影響から有効な天候デリバティブ製品を選択し、顧客に推奨するための顧客戦略作成に関するものである天候デリバティブ商品推奨システムに関する。
【０００２】
【従来の技術】
天候の変動により事業収入及び事業価値等の事業価値が変動する事業体において、天候の変動により生ずる事業価値の変動を低減し、損失を回避することが可能な価値授受方法、価値授受装置、及び記録媒体を提供することを目的として、以下の手段が公知となっている。天候指標（平均気温）Ｔに対して、正の相関で事業価値が変動する第１事業体と、負の相関で事業価値が変動する第２事業体との間で、第１天候基準値Ｔ１及び第２天候基準値Ｔ２を設定し、Ｔ＞Ｔ１の場合に第１事業体から第２事業体へ価値を供与し、Ｔ＜Ｔ２の場合に逆に供与する。このとき第１及び第２事業体間で授受される価値の期待値を等しくすべく、各条件下で授受される価値の期待値を算出し、その中で最小の期待値を基準に補正を行う計算方法により価値を計算する。（特許文献１参照）
【０００３】
予測をするための入力情報の取捨選択を行い、誤差の少ない予測を行うことのできる商品販売予測装置を提供することを目的として、以下の手段が公知となっている。天候、日付、曜日、時刻等の予め入力された情報を格納した情報収集手段と、収集された情報を加工して予測に有効なデータ系列（例えば実測値を所定の値を基準とする多段階の値に分類し、その分類されたグループ毎にデータ値を与えて作られたものや、実測値の測定毎の測定値との偏差をデータ値とされたもの）を作成するデータ系列作成手段と、該データ系列作成手段の全データを重回帰分析し予測に対する貢献度の高い情報を選択する入力情報選択手段と、選択された情報によって商品販売の予測を行う予測処理手段とよりなる。（特許文献２参照）
【０００４】
【特許文献１】
特開２００１−２２２６０５号公報
【特許文献２】
特開平８−２１２１９１号公報
【０００５】
【発明が解決しようとする課題】
特許文献１は、２つの事業体の間で天候指標Ｔに対して、正の相関で事業価値が変動する第一の事業体と負の相関で事業価値が変動する第二の事業体との間で、第一天候基準値Ｔ１と第二天候基準値Ｔ２を定め、Ｔ、Ｔ１、Ｔ２の関係により第一事業体と第二事業体とで価値を供与することにより、天候によるリスクをお互いに軽減するものである。
【０００６】
特許文献２は、売上に影響を与える複数の要素の中から有効な要素を選択し、重回帰分析により売上予測を行うものである。
【０００７】
従来は、天候の影響も受けない売上要素も含めた売上全体に対する天候の影響を算出しており、天候の影響を受ける売上要素と天候の影響を受けない売上要素を区別しないため、天候の影響を受けない売上要素の天候以外の突発的要因で変化した場合などに算出結果に影響を及ぼすため正確性に欠けるという問題点があった。
【０００８】
また、天候の影響を受けない売上要因の変化も加味して天候の影響を算出することにより、顧客が有効でない天候デリバティブ商品を購入したり、また顧客に対してそのような天候デリバティブ商品の購入を勧めてしまう可能性があるという問題点があった。
【０００９】
この発明は、天候の影響を受ける売上要因と影響を受けない売上要因を区別して天候の及ぼす影響を算出することにより、リスクヘッジのため有効な天候デリバティブ商品を売り込む顧客戦略を練ることを目的とする。
【００１０】
【課題を解決するための手段】
この発明に係る天候デリバティブ商品推奨装置は、顧客製品の売上に関する顧客製品売上情報と、天候に関する天候情報と、天候条件により料金を支払うことを商品内容とする天候デリバティブ商品に関する天候デリバティブ商品情報とを入力する入力部と、
上記入力部により入力された顧客製品売上情報と天候情報とに基づき、予想される上記顧客製品の売上の減少による予想損失額を算出し、上記入力部により入力された天候デリバティブ商品情報に基づき、上記算出された予想損失額を減少させ、リスクヘッジさせるための上記天候デリバティブ商品の条件を算出するリスクヘッジ算出部と、
上記リスクヘッジ算出部により算出された天候デリバティブ商品の条件を出力し、ユーザに対し、顧客に推奨すべき天候デリバティブ商品の識別を促す出力部と
を備えたことを特徴とする。
【００１１】
【発明の実施の形態】
実施の形態１．
図１は、実施の形態１におけるシステムブロック図である。
図１において、天候デリバティブ商品推奨システム１００は、天候データベース１、顧客データベース２、業界全体の売上データベース３、天候デリバティブ商品データベース４、天候デリバティブ商品推奨装置５を備えている。図１においては、天候デリバティブ商品推奨システム１００は、各種データベースを備えているが、各データベースは、離れた場所に設置されても構わない。例えば、銀行が顧客に対し、天候デリバティブ商品を推奨する場合に、顧客情報を有する銀行が顧客データベース２、天候デリバティブ商品推奨装置５を有し、天候デリバティブ商品を販売する保険会社が天候デリバティブ商品データベース４を有し、業界団体が業界全体の売上データベース３を有し、気象庁が天候データベース１を有するといったものでも構わない。すなわち、天候デリバティブ商品推奨装置５が各データベースにアクセスできれば構わない。アクセスする方法として、インターネットでも構わないし、専用回線を用いても構わない。
【００１２】
天候データベース１には、例えば、降水量、気温と、晴れ、雨、曇り等の天候と、湿度、風速、日照量等との各天候要素の時系列データが入っている。また、天候データベース１には、今後の天候予想情報が入っている。今後の天候予想情報として、例えば、今後１年間の予想降水量、各日或いは所定の期間毎の予想気温分布或いは予想湿度分布、晴れる日の日数、雨の日の日数、曇りの日の日数、所定日照量を有する日の日数等の情報が挙げられる。又は、もっと大まかに、今年は、多雨か少雨か平年通りか、暑いか寒いか平年通りか等の情報が挙げられる。もちろんこれらに限ったものではない。
【００１３】
顧客データベース２には、対象となる顧客情報が入っている。ここで顧客情報とは、例えば、顧客の与信情報や顧客の売上の時系列データのことである。
【００１４】
業界全体の売上データベース３には、顧客の扱う製品についての業界全体としての売上情報の時系列データが入っている。
【００１５】
天候デリバティブ商品データベース４には、各天候要因に対応した天候デリバティブ商品の情報である天候デリバティブ商品情報が格納されている。天候デリバティブ商品には、例えば、ここでは、気温デリバティブ商品、降水量デリバティブ商品、台風デリバティブ商品等が挙げられている。各天候要因のデリバティブ商品は、例えば、販売する保険会社毎に用意されていてもよい。すなわち、各天候要因のデリバティブ商品が複数あっても構わない。
【００１６】
天候デリバティブ商品推奨装置５は、解析部６、相関関係算出部７（影響値算出部の一例である）、リスクヘッジ算出部８、天候デリバティブ商品選択部９、入力部１０、出力部２０を備えている。解析部６は、顧客の売上情報を解析する。解析部６は、顧客の主力製品を抽出する。相関関係算出部７は、顧客の主要製品の売上推移と天候の各要素の関係を求める。相関関係算出部７は、顧客データベース２に格納された主力製品の売上データと天候データベース１の各要因との相関関係を分析する。リスクヘッジ算出部８は、天候デリバティブ商品のリスクヘッジ効果を算出する。リスクヘッジ算出部８は、売上に影響を及ぼす天候要因の全ての天候デリバティブ商品のリスクヘッジ効果を算出する。天候デリバティブ商品選択部９は、お勧め天候デリバティブ商品を選択する。天候デリバティブ商品選択部９は、顧客にとって最もリスクヘッジ効果の高い天候デリバティブ商品を選択する。入力部１０は、パラメータを入力する。入力部１０は、天候データベース１、顧客データベース２、業界全体の売上データベース３、天候デリバティブ商品データベース４へのアクセスを行ない、必要な情報を入力する。
【００１７】
パターン１１は、天候デリバティブ商品推奨システムが出力した天候デリバティブ商品のお勧めパターンである。
【００１８】
入力部１０は、顧客データベース２から顧客製品の売上に関する顧客製品売上情報と、天候データベース１から天候に関する天候情報と、天候デリバティブ商品データベース４から天候条件により料金を支払うことを商品内容とする天候デリバティブ商品に関する天候デリバティブ商品情報とを入力する。
リスクヘッジ算出部８は、上記入力部１０により入力された顧客製品売上情報と天候情報とに基づき、予想される上記顧客製品の売上の減少による予想損失額を算出し、上記入力部１０により入力された天候デリバティブ商品情報に基づき、上記算出された予想損失額を減少させ、リスクヘッジさせるための上記天候デリバティブ商品の条件を算出する。
出力部２０は、上記リスクヘッジ算出部８により算出された天候デリバティブ商品の条件を出力し、ユーザに対し、顧客に推奨すべき天候デリバティブ商品の識別を促す。
【００１９】
図２は、入力部１０に入力するパラメータの一覧を示す図である。
各パラメータは、天候デリバティブ商品を推奨する判断のための基準値となるものである。
各天候要因が売上に影響を与えると判断する基準値をｍｉｎＥＭ、天候デリバティブ商品のリスクヘッジ効果の基準値をｍｉｎＤＨ、平均的な場合の売上高と天候デリバティブ商品の満たす条件下での一日当たりの売上高との差の基準値をｍｉｎＤＦ、天候デリバティブ商品の購入上限額をｍａｘＫとする。製品の売上に占める割合の最低値（基準値）をｍｉｎＰ、お勧めする天候デリバティブ商品の数をｄＮｕｍ、天候デリバティブ商品に対する支払い保険料の最大額（基準値）をｍａｘＰとする。これらの基準値は不要なときは設定しないことも可能とする。
上記入力部１０は、複数の天候デリバティブ商品に関する天候デリバティブ商品情報を入力する。
【００２０】
顧客の売上情報を解析する解析部６について説明する。
入力部１０において、顧客データベース２より対象となる顧客の売上情報を取り出し、各商品の売上高に対する割合の多い順に並び替える。
図３は、各商品の売上高に対する割合の多い順に並び替えた製品内訳を示す図である。
このとき、製品内訳１３における製品１、製品２といった製品の分類は、類似した製品をまとめて一つの製品として扱う。例えば、オレンジジュース、りんごジュース、パインジュースなど清涼飲料水をまとめて一つの製品として扱う。売上全体に対するある製品の占める割合が入力部１０により入力されたパラメータｍｉｎＰの値以上の製品を主力製品とし、その数をｍａｘＮ個（ｍａｘＮ＞＝１）とする。主力製品Ｎの売上に対する割合をＲ（Ｎ）、売上高をＳ（Ｎ）（Ｎ＝１，…，ｍａｘＮ）として主力製品売上情報とする。図３における主力製品売上情報１４に一例を示す。
【００２１】
図４は、さらに、解析部がおこなう動作の一例を示すフローチャート図である。
Ｓ（ステップ）４０１において、解析部６は、入力部１０を介して顧客データベース２よりＮ番目の主力製品の売上時系列情報をＩ（Ｎ）として記憶装置３０に格納する。
Ｓ４０２において、解析部６は、Ｎ番目の主力製品が新製品であるなど顧客情報に過去データがないかどうかを判断する。過去データがない場合は、ＮＵＬＬとしてＳ４０３に進む。過去データがある場合は、Ｓ４０４に進む。
Ｓ４０３において、解析部６は、業界全体の売上ベース３よりＮ番目の主力製品の業界全体における売上の時系列情報をＩ（Ｎ）として記憶装置３０に格納する。
Ｓ４０４において、解析部６は、記憶装置３０に記憶格納されたＩ（Ｎ）から製品Ｎの曜日別平均売上高を算出し、記憶装置３０に格納する。
【００２２】
次に顧客の主要製品の売上推移と天候の各要素の関係を求める相関関係算出部７について説明する。
影響値算出部の一例として、相関関係算出部７は、上記入力部１０により入力された顧客製品売上情報と天候情報とに基づき、上記顧客製品の売上が上記天候により受ける影響値Ｅ（Ｍ）を算出する。
上記リスクヘッジ算出部８は、上記影響値算出部の一例としての相関関係算出部７により算出された影響値Ｅ（Ｍ）が所定の条件を満たす場合に、予想される上記顧客製品の売上の減少による予想損失額を算出し、上記入力部１０により入力された天候デリバティブ商品情報に基づき、上記算出された予想損失額を減少させるための上記天候デリバティブ商品の条件を算出する。
【００２３】
図５は、顧客の主力製品が天候要因に受ける影響を求めるフローチャートを示す図である。
天候デリバティブ商品が用意されている天候要因の数をｍａｘＭとする（ｍａｘＭ≧１）。主力製品１から主力製品ｍａｘＮについて以下のような処理を行う。そして、天候要因Ｍが顧客の売上に及ぼす影響を示す値として影響値Ｅ（Ｍ）を求める。
Ｓ５０１において、相関関係算出部７は、Ｅ（Ｍ）をゼロで初期化する。
Ｓ５０２において、相関関係算出部７は、図４におけるＳ４０１或いはＳ４０３において、記憶装置３０に記憶されたＩ（Ｎ）を入力部１０を介して取り出す。
Ｓ５０４において、相関関係算出部７は、天候データベース１よりＭ番目の天候要素の時系列情報をＷ（Ｍ）として記憶装置３０に格納する。
Ｓ５０５において、相関関係算出部７は、主力製品Ｎの顧客の売上が天候要因Ｍに受ける影響としてＷ（Ｍ）とＩ（Ｎ）の相関関係の値を示す相関関係値Ｃ（Ｎ，Ｍ）を求め、記憶装置３０に格納する。このとき、新製品であるなど顧客情報に過去データがない場合には、主力製品Ｎの業界全体の売上が天候要因Ｍに受ける影響としてＷ（Ｍ）と図４におけるＳ４０３において記憶装置３０に記憶されたＩ（Ｎ）との相関関係を求めＣ（Ｎ，Ｍ）に格納する。顧客情報に過去データがある場合には、Ｗ（Ｍ）と図４におけるＳ４０１において記憶装置３０に記憶されたＩ（Ｎ）との相関関係を求めＣ（Ｎ，Ｍ）に格納する。
Ｓ５０６において、相関関係算出部７は、相関関係値Ｃ２（Ｎ，Ｍ）に主要製品Ｎの売上全体に対する割合の値を示す割合値Ｒ（Ｎ）を掛け合わせたものをＥ（Ｍ）に加算する。言いかえれば、上記顧客製品売上情報は、顧客の売上げ総額の対する上記顧客製品の売上が占める割合値を示す割合値情報を有し、上記影響値算出部の一例としての相関関係算出部７は、上記入力部１０により入力された顧客製品売上情報と天候情報とに基づき、上記顧客製品の売上と上記天候との相関関係を示す相関関係値Ｃ（Ｎ，Ｍ）を算出し、算出された相関関係値Ｃ（Ｎ，Ｍ）に上記割合値情報が示す割合値Ｒ（Ｎ）を乗じた値を上記影響値Ｅ（Ｍ）として算出する。
Ｓ５０７において、相関関係算出部７は、主力製品ＮのＮ値が主力製品の数であるｍａｘＮ値かどうかを判断する。ｍａｘＮ値でない場合は、Ｓ５０８に進む。ｍａｘＮ値である場合は、Ｓ５０９に進む。
Ｓ５０８において、相関関係算出部７は、Ｎ値に１を加算する。そして、Ｓ５０２に戻る。相関関係算出部７は、全ての主力製品１から主力製品Ｎ（ｍａｘＮ）に対してＳ５０１からＳ５０７の操作を行う。すなわち、相関関係算出部７は、各主力製品について、Ｎが順に１からｍａｘＮへと累積された天候要因Ｍによる影響値Ｅ（Ｍ）を算出する。すなわち、製品２の影響値Ｅ（Ｍ）は、製品１の影響値に製品２独自の影響値を加算した値となる。そして、各主力製品についての影響値Ｅ（Ｍ）は、それぞれ記憶装置３０に格納される。以上のように、順に加算することにより天候要因Ｍによる主力製品すべての影響値Ｅ（Ｍ）の合計値を算出する。以上により、製品単位ではなく、天候要因Ｍによる顧客単位で受ける影響値を算出することができる。顧客単位で受ける影響値を算出することにより、天候要因Ｍによるリスクヘッジを考え、天候要因Ｍによる天候デリバティブ商品の必要性を認識し、商品の選択をおこなうことができる。
Ｓ５０９において、相関関係算出部７は、天候要因ＭのＭ値が天候要因の数であるｍａｘＭ値かどうかを判断する。ｍａｘＭ値でない場合は、Ｓ５１０に進む。ｍａｘＭ値である場合は、影響値Ｅ（Ｍ）の合計値を記憶装置３０に記憶格納し、終了する。
Ｓ５１０において、相関関係算出部７は、Ｍ値に１を加算する。そして、Ｓ２に戻る。相関関係算出部７は、すべての主力製品に対して全ての天候要因に対する影響を求めるためＭを１からｍａｘＭまで繰り返し同様の操作を行う。
以上により、全ての主力製品、全ての天候要因について、主力製品Ｎと天候要因Ｍとの関係がＣ（Ｎ，Ｍ）として、天候要因Ｍの各天候要因が売上に対する影響をＥ（Ｍ）として記憶装置３０に格納される。すなわち、主力製品すべての影響値Ｅ（Ｍ）の合計値として、Ｅ（１），Ｅ（２），…，Ｅ（ｍａｘＭ）が記憶装置３０に格納される。
【００２４】
図６は、図５におけるＳ５の処理をフローチャートで示した図である。
Ｓ２０１において、相関関係算出部７は、時系列モデルの式、例えば、式（１）として、Ｘ（ｔ）＝ａ＋ｂ×Ｚ（ｔ）を選択する。
Ｓ２０２において、相関関係算出部７は、製品の売上情報Ｉ（Ｎ）より一日の平均売上げａｖｅＤａｙ、各月（ｍｏｎｔｈ）毎の一日の平均売上げａｖｅＭｏｎｔｈ（ｍｏｎｔｈ）を算出し、記憶装置３０に記憶する。
Ｓ２０３において、相関関係算出部７は、ａｖｅＤａｙとａｖｅＭｏｎｔｈ（ｍｏｎｔｈ）との差分を加味した関数ＤＤ（Ｎ，ｔ）を算出し、記憶装置３０に記憶する。ＤＤ（Ｎ，ｔ）は月ごとの変化を考慮する関数となる。
Ｓ２０４において、相関関係算出部７は、例えば、式（１）において、Ｉ（Ｎ）からＤＤ（Ｎ，ｔ）を引いた値をＸ（ｔ）とみなし、Ｗ（Ｍ）の時系列データをＺ（ｔ）とみなして回帰分析により近似式を算出し、係数ａ、ｂをＫＫ（Ｎ，Ｍ）として記憶装置３０に格納する。
Ｓ２０５において、相関関係算出部７は、Ｓ２０４で求めた式（１）の係数ＫＫ（Ｎ，Ｍ）にＳ２０３で求めた月ごとの変化を考慮する関数ＤＤ（Ｎ，ｔ）を加えて時系列モデル式（１）を用いた場合の相関関係値Ｃ（Ｎ，Ｍ）を求める。
【００２５】
図７は、リスクヘッジ算出部がおこなう動作を示すフローチャート図である。
主力製品Ｎについて以下の操作を行う。
Ｓ７０１において、リスクヘッジ算出部８は、Ｎ値を値１にする。
Ｓ７０２において、リスクヘッジ算出部８は、Ｍ値を値１にする。
Ｓ７１１において、リスクヘッジ算出部８は、記憶装置３０に格納された図５で求めた顧客の製品Ｎについての売上情報に与える天候要因Ｍの影響値Ｅ（Ｍ）が入力部１０により入力されたパラメータである基準値ｍｉｎＥＭより大きい場合には、天候要因Ｍが売上に影響を及ぼすと判断し、Ｓ７１３に進む。影響値Ｅ（Ｍ）が基準値ｍｉｎＥＭより小さい場合には、Ｓ７１２に進む。
Ｓ７１２において、リスクヘッジ算出部８は、Ｍに１を加算し、Ｓ７１１に戻る。
Ｓ７１３において、リスクヘッジ算出部８は、天候要因Ｍに関する天候デリバティブ商品数をｍａｘＤに代入する。
Ｓ７１４において、リスクヘッジ算出部８は、天候要因ＭのＤ番目の天候デリバティブ商品をＷＣ（Ｍ，Ｄ）とし、主力製品Ｎに対する天候デリバティブ商品ＷＣ（Ｍ，Ｄ）によるリスクヘッジ効果ＲＨ（Ｎ，Ｍ，Ｄ）を算出する。
Ｓ７１５において、リスクヘッジ算出部８は、リスクヘッジ効果ＲＨ（Ｎ，Ｍ，Ｄ）が入力部１０により入力されたパラメータとしてあらかじめ設定された値ｍｉｎＤＨ以上であったらリスクヘッジ効果があると判断しお勧めリストＲＬに追加する。お勧めリストＲＬは、記憶装置３０に記憶される。
Ｓ７１７において、リスクヘッジ算出部８は、Ｄ値がｍａｘＤ値以上かどうかを判断する。Ｄ値がｍａｘＤ値以上ならＳ７１９に進む。Ｄ値がｍａｘＤ値より小さい場合ならＳ７１８に進む。
Ｓ７１８において、リスクヘッジ算出部８は、Ｄに１を加算し、Ｓ７１４に戻る。すなわち、天候要因Ｍに関する全ての天候デリバティブ商品ＷＣ（Ｍ，Ｄ）についてＳ７１４からＳ１６を実行する。
Ｓ７１９において、リスクヘッジ算出部８は、Ｍ値がｍａｘＭ値以上かどうかを判断する。Ｍ値がｍａｘＭ値以上ならＳ７２１に進む。Ｍ値がｍａｘＭ値より小さい場合ならＳ７２０に進む。
Ｓ７２０において、リスクヘッジ算出部８は、Ｍに１を加算し、Ｓ７１１に戻る。すなわち、全ての天候要因ＭについてＳ７１１からＳ７１９を実行する。
Ｓ７２１において、リスクヘッジ算出部８は、Ｎ値がｍａｘＮ値以上かどうかを判断する。Ｎ値がｍａｘＮ値以上なら終了する。Ｎ値がｍａｘＮ値より小さい場合ならＳ７０２に戻る。すなわち、全ての主力製品ＮについてＳ７１１からＳ７２０までを実行することになり、お勧めリストＲＬには全ての主力製品Ｎについてお勧め天候デリバティブ商品のリスクヘッジ効果ＲＨ（Ｎ，Ｍ，Ｄ）が格納される。
【００２６】
図７におけるＳ７１４、即ち天候デリバティブ商品のリスクヘッジ効果を算出する手段について説明する。
図８は、即ち天候デリバティブ商品のリスクヘッジ効果を算出するフローチャートを示す図である。
Ｓ８２３において、リスクヘッジ算出部８は、顧客データベース２から取り出した製品Ｎの情報Ｉ（Ｎ）より製品Ｎの曜日別平均売上高ＮＭＬ（Ｎ）を算出する。
Ｓ８２４において、リスクヘッジ算出部８は、天候データベース１より取り出した天候要因Ｍの時系列情報Ｗ（Ｍ）と顧客データベース２から取り出した製品Ｎの情報Ｉ（Ｎ）とより天候デリバティブ商品Ｄの定める条件下での曜日別平均売上高ＣＮＤ（Ｎ，Ｍ，Ｄ）を算出し、記憶装置３０に格納する。
Ｓ８２５において、リスクヘッジ算出部８は、通常の曜日別平均売上高ＮＭＬ（Ｎ）と天候デリバティブ商品Ｄの定める条件化での曜日別平均売上高ＣＮＤ（Ｎ，Ｍ，Ｄ）との差ＤＦ（Ｎ，Ｍ，Ｄ）を算出し、記憶装置３０に格納する。ＤＦ（Ｎ，Ｍ，Ｄ）は各曜日ごとの売上高の差の絶対値と割合の情報が入った行列情報となる。
図９は、ＤＦ（Ｎ，Ｍ，Ｄ）の内容を示す図である。
図９において、ＤＦ（Ｎ，Ｍ，Ｄ）には、各曜日毎の売上高の差、売上高の差の平均値、各曜日毎の売上高の差を平均売上高で割った商、各曜日毎の売上高の差を平均売上高で割った商の平均値が情報として格納されている。
Ｓ８２６において、リスクヘッジ算出部８は、ＤＦ（Ｎ，Ｍ，Ｄ）が入力部１０により入力されたパラメータである基準値ｍｉｎＤＦとの比較を行い、ｍｉｎＤＦに満たなければリスクヘッジが不要と判断してＳ８２７に進む。ＤＦ（Ｎ，Ｍ，Ｄ）が基準値ｍｉｎＤＦ以上であれば、リスクヘッジさせるために天候デリバティブ商品を推奨する価値ありと判断し、すなわち、リスクヘッジが必要と判断してＳ８２８に進む。言いかえれば、上記リスクヘッジ算出部８は、上記入力部１０により入力された顧客製品売上情報と天候情報とに基づき、所定の期間あたりの平均売上げ額としての通常平均売上げ額と上記天候デリバティブ商品で料金が支払われるための天候条件に該当する期間あたりの平均売上げ額としての天候条件該当平均売上げ額とを算出し、記憶装置３０に記憶する。そして、算出された通常平均売上げ額と天候条件該当平均売上げ額との差額が所定の条件（例えば、ここでは、基準値ｍｉｎＤＦ以上）を満たす場合に、後述する予想される上記顧客製品の売上の減少による予想損失額を算出する。
Ｓ８２７において、リスクヘッジ算出部８は、リスクヘッジ効果（指数）ＲＨ（Ｎ，Ｍ，Ｄ）にゼロを設定する。
Ｓ８２８において、リスクヘッジ算出部８は、Ｗ（Ｍ）より算出した天候デリバティブ商品の定める条件を満たす日数の平均・最高・最低をそれぞれＯＤＡｖｅ（Ｍ，Ｄ），ＯＤＭａｘ（Ｍ，Ｄ），ＯＤＭｉｎ（Ｍ，Ｄ）に入力し、ＯＤＡｖｅ（Ｍ，Ｄ），ＯＤＭａｘ（Ｍ，Ｄ），ＯＤＭｉｎ（Ｍ，Ｄ）を記憶装置３０に格納する。リスクヘッジ算出部８は、入力部１０を介して天候データベース１より天候デリバティブ商品の定める条件を満たす日数の平均・最高・最低を入力する。
Ｓ８２９において、リスクヘッジ算出部８は、ＤＦ（Ｎ，Ｍ，Ｄ）とＳ８２８で求めた日数（平均・最高・最低）より予想損失額として平均予想損失額、最高予想損失額、最低予想損失額を算出し、それぞれ平均予想損失額をＤＭＡｖｅ（Ｍ，Ｄ）として、最高予想損失額をＤＭＭａｘ（Ｍ，Ｄ）として、最低予想損失額をＤＭＭｉｎ（Ｍ，Ｄ）として記憶装置３０に記憶する。曜日によってＤＦ（Ｎ，Ｍ，Ｄ）の値は異なるがＳ８２８で求めた日数が各曜日に均等に配分されるものとする。
Ｓ８３０において、リスクヘッジ算出部８は、天候デリバティブ商品で一口あたりで支払われる金額と天候デリバティブ商品一口あたりを購入する購入金額との差を算出し、差額をＹＹ（Ｍ，Ｄ）として記憶装置３０に記憶する。
Ｓ８３１において、リスクヘッジ算出部８は、ＹＹ（Ｍ，Ｄ）と予想損失額の平均ＤＭＡｖｅ（Ｍ，Ｄ）を比較し、予想損失額が天候デリバティブ商品で支払われる差額ＹＹ（Ｍ，Ｄ）より小さい場合には天候デリバティブ商品を購入するメリットがないと判断して、Ｓ８２７に進む。予想損失額が天候デリバティブ商品で支払われる差額ＹＹ（Ｍ，Ｄ）より大きい場合には、Ｓ８３２に進む。言いかえれば、上記天候デリバティブ商品は、一口あたり所定の掛け金で顧客が購入する口数に応じて料金を支払い、そして、上記リスクヘッジ算出部８は、上記算出された予想損失額が上記天候デリバティブ商品一口あたりで支払われる料金と一口あたりの上記所定の掛け金（購入金額）との差額ＹＹ（Ｍ，Ｄ）より大きい場合に、上記天候デリバティブ商品の条件として、上記算出された予想損失額を減少させ、リスクヘッジさせるために後述する必要な口数を算出する。
Ｓ８３２において、リスクヘッジ算出部８は、天候デリバティブ商品を購入する口数を計算する。このとき、リスクヘッジ算出部８は、予想損失額の平均値ＤＭＡｖｅ（Ｍ，Ｄ）とＹＹ（Ｍ，Ｄ）とから計算した、すなわち、平均値ＤＭＡｖｅ（Ｍ，Ｄ）をＹＹ（Ｍ，Ｄ）で割った商を購入口数ＫＡｖｅ（Ｍ，Ｄ）として、最大値ＤＭＭａｘ（Ｍ，Ｄ）とＹＹ（Ｍ，Ｄ）とから計算した、すなわち、最大値ＤＭＭａｘ（Ｍ，Ｄ）をＹＹ（Ｍ，Ｄ）で割った商を購入口数ＫＭａｘ（Ｍ，Ｄ）として、最小値ＤＭＭｉｎ（Ｍ，Ｄ）とＹＹ（Ｍ，Ｄ）とから計算した、すなわち、最小値ＤＭＭｉｎ（Ｍ，Ｄ）をＹＹ（Ｍ，Ｄ）で割った商を購入口数ＫＭｉｎ（Ｍ，Ｄ）として算出し、ＫＡｖｅ（Ｍ，Ｄ）、ＫＭａｘ（Ｍ，Ｄ）、ＫＭｉｎ（Ｍ，Ｄ）を記憶装置３０に記憶する。
Ｓ８３３において、リスクヘッジ算出部８は、ＤＭＡｖｅ（Ｍ，Ｄ）、ＤＭＭａｘ（Ｍ，Ｄ）、ＤＭＭｉｎ（Ｍ，Ｄ）、ＫＡｖｅ（Ｍ，Ｄ）、ＫＭａｘ（Ｍ，Ｄ）、ＫＭｉｎ（Ｍ，Ｄ）、ＹＹ（Ｍ，Ｄ）を用いて、平均日数より算出したリスクヘッジ後の金額を実質損失額（平均）として、最大日数より算出したリスクヘッジ後の金額を実質損失額（最高）として、最小日数より算出したリスクヘッジ後の金額を実質損失額（最低）として算出し、実質損失額（平均）、実質損失額（最高）実質損失額（最低）を記憶装置３０に記憶する。ここでは、ＤＭＡｖｅ（Ｍ，Ｄ）からＹＹ（Ｍ，Ｄ）とＫＡｖｅ（Ｍ，Ｄ）との積を引いた差額を実質損失額（平均）とする。同様に、ＤＭＭａｘ（Ｍ，Ｄ）からＹＹ（Ｍ，Ｄ）とＫＭａｘ（Ｍ，Ｄ）との積を引いた差額を実質損失額（最高）とする。ＤＭＭｉｎ（Ｍ，Ｄ）からＹＹ（Ｍ，Ｄ）とＫＭｉｎ（Ｍ，Ｄ）との積を引いた差額を実質損失額（最低）とする。リスクヘッジ算出部８は、平均日数より算出した各値、最大日数より算出した各値、最小日数より算出した各値をリスクヘッジ効果ＲＨ（Ｎ，Ｍ，Ｄ）に代入する。リスクヘッジ効果ＲＨ（Ｎ，Ｍ，Ｄ）は、記憶装置３０に記憶される。
【００２７】
図１０は、リスクヘッジ効果ＲＨ（Ｎ，Ｍ，Ｄ）のボディ部の構成を示す図である。
リスクヘッジ効果ＲＨ（Ｎ，Ｍ，Ｄ）として、天候デリバティブ商品の定める条件を満たす日数が平均的な場合の実質損失額１１５（実質損失額１１５は、図８におけるＳ８３３で算出した平均日数より算出したリスクヘッジ後の金額である実質損失額（平均）を示す。）、その時の購入口数１１８（ＫＡｖｅ（Ｍ，Ｄ）の値）、天候デリバティブ商品の定める条件を満たす日数が最も多いと考えられる場合の実質損失額１１６（実質損失額１１６は、図８におけるＳ８３３で算出した最高日数より算出したリスクヘッジ後の金額である実質損失額（最高）を示す。）、その時の購入口数１１９（ＫＭａｘ（Ｍ，Ｄ）の値）、天候デリバティブ商品の定める条件を満たす日数が最も少ないと考えられる場合の実質損失額１１７（実質損失額１１７は、図８におけるＳ８３３で算出した最低日数より算出したリスクヘッジ後の金額である実質損失額（最低）を示す。）、その時の購入口数１２０（ＫＭｉｎ（Ｍ，Ｄ）の値）、天候デリバティブ商品の一口あたりの購入価格１２１、後述する選択部９により天候の予測を行うことにより定まる予想損失額１２４、受取る受取額の予想値１２５、リスクヘッジ後の金額である実質損失額１２２、受取額の予想値１２５を受け取るために天候デリバティブ商品を購入するのに必要な支払い保険料額１２３、が入っている。リスクヘッジ効果ＲＨ（Ｎ，Ｍ，Ｄ）の各情報は、予想損失額を減少させ、リスクヘッジさせるための上記天候デリバティブ商品の条件の一例である。
以上のように、リスクヘッジ算出部８は、上記入力部１０により入力された天候デリバティブ商品情報の複数の天候デリバティブ商品の各天候デリバティブ商品に対し、リスクヘッジさせるための上記天候デリバティブ商品の条件を算出する。
【００２８】
図１１は、お勧め天候デリバティブ商品を選択する選択部がおこなう動作のフローチャートを示す図である。
ここではお勧めリストＲＬにある各天候デリバティブ商品のリスクヘッジ効果のソートを行う。
Ｓ１１３４において、選択部９は、Ｍ値とリストＲＬ２との初期化を行い、図７において求めたお勧めリストＲＬの中で天候要因Ｍに関する情報を全て取り出し一時リストＲＬ＿Ｍに格納する。一時リストＲＬ＿Ｍは、記憶装置３０に記憶される。
Ｓ１１３６において、選択部９は、天候要因Ｍについてデータ操作を行う。
Ｓ１１３７において、選択部９は、一時リストＲＬ＿Ｍの全ての要素をＲＬ２にコピーする。
Ｓ１１３８において、選択部９は、ＭがｍａｘＭかどうかを判断する。ＭがｍａｘＭの場合は、Ｓ１１４０に進む。ＭがｍａｘＭでない場合は、Ｓ１１３９に進む。
Ｓ１１３９において、選択部９は、Ｍに１を加算し、Ｓ１１３５に戻る。すなわち、選択部９は、全ての天候要因ＭについてＳ１１３５〜Ｓ１１３７を繰り返す。そして、選択部９は、リストＲＬ２に全ての天候要因Ｍについて、お勧めリストＲＬにある各天候デリバティブ商品のリスクヘッジ効果の各情報をリストにする。
Ｓ１１４０において、選択部９は、天候デリバティブ商品にて給付された後の実質的な損失額である実質損失額でソートする。次に、選択部９は、実質損失額が同額である場合が存在するときには、実質的な支払い保険料額でソートする。すなわち、選択部９は、図１０における実質損失額１２２の小さい順にリストＲＬ２を並び替える。そして、実質損失額１２２が同額である場合が存在するときには、同額である部分について支払い保険料額１２３の小さい順にリストＲＬ２を並び替える。
Ｓ１１４１において、選択部９は、天候デリバティブ商品のお勧めパターン１１を出力する。このとき入力部１０において入力されたパラメータでお勧め天候デリバティブ商品の数ｄＮｕｍの指定があれば最大ｄＮｕｍ個までがお勧め天候デリバティブ商品とする。また、入力されたパラメータで支払い保険料の最大額ｍａｘＰが設定されている場合には支払い限度額のチェックを行う。そして、選択部９は、上記各条件に適した天候デリバティブ商品のお勧めパターン１１を出力する。
【００２９】
ここで、上記天候情報は、過去に上記天候デリバティブ商品で料金が支払われるための天候条件に該当した複数年度の各年度の日数を示す日数情報を有している。
そして、上記図８で説明したように、上記リスクヘッジ算出部８は、上記入力部１０により入力された天候情報に基づき、上記日数情報が示す各年度の日数の内、少ない年度の日数を最低日数、多い年度の日数を最高日数、各年度の日数の平均を平均日数として、図８のＳ８３２において上記最低日数の場合に上記天候デリバティブ商品が支払う料金と上記リスクヘッジさせるために必要な口数と、最高日数の場合に上記天候デリバティブ商品が支払う料金と上記リスクヘッジさせるために必要な口数と、平均日数の場合に上記リスクヘッジさせるために必要な口数を算出し、さらに、図８のＳ８３３において上記予想損失額と上記天候デリバティブ商品が支払う料金との差額をリスクヘッジ後の損失額として算出している。
【００３０】
そして、選択部９は、所定の条件に基づき上記最低日数と上記最高日数と上記平均日数とのいずれかを選択し、選択された日数に該当する上記リスクヘッジ算出部８により算出されたリスクヘッジ後の損失額を選択し、選択された日数に該当する口数に基づく掛け金を支払い保険料額として選択する。ここで、上記所定の条件は、上記入力部１０により入力された天候情報に基づき定まるようしている。
【００３１】
図１２は、リストＲＬ＿Ｍのデータ操作の例を説明する図である。
図１２では、天候要因が降水量の場合を例にとって説明する。ＲＨ（Ｎ，Ｍ，Ｄ）の情報は図１０に示されるように、天候デリバティブ商品の満たす条件が平均的データの場合の実質損失額１１５、過去のデータから予測される最高の場合の実質損失額１１６、最低の場合の実質損失額１１７が求められている。そこで、選択部９は、その年の降水量の予測を入力部１０を介して天候データベース１より入力する。
Ｓ１２４２において、選択部９は、天候要因Ｍについての予測について所定の条件で判断する。例えば、ここでは、天候要因として降水量について説明しているので、例えば、今後１年の降水量が多雨か少雨が平年並みかを判断する。少雨の場合は、Ｓ１２４３に進む。平年並みの場合は、Ｓ１２４４に進む。多雨の場合は、Ｓ１２４５に進む。
Ｓ１２４３において、選択部９は、実質損失額１１７を選択し、実質損失額１２２に選択された実質損失額１１７をコピーする。そして、選択部９は、購入口数（最低）１２０を選択し、選択された購入口数（最低）１２０と一口あたりの商品に値段１２１との積を算出し、支払い保険料額１２３に代入する。選択部９は、記憶装置３０からＤＭＭｉｎを読み込み、実質的な予想損失額１２４に代入する。選択部９は、記憶装置３０からＹＹ（Ｍ，Ｄ）、ＫＭｉｎを読み込み、ＹＹ（Ｍ，Ｄ）とＫＭｉｎとの積を算出し、算出された積を実質的な受取額の予想値１２５に代入する。
Ｓ１２４４において、選択部９は、実質損失額１１５を選択し、実質損失額１２２に選択された実質損失額１１５をコピーする。そして、選択部９は、購入口数（平均）１１８を選択し、選択された購入口数（平均）１１８と一口あたりの商品に値段１２１との積を算出し、支払い保険料額１２３に代入する。選択部９は、記憶装置３０からＤＭＡｖｅを読み込み、実質的な予想損失額１２４に代入する。選択部９は、記憶装置３０からＹＹ（Ｍ，Ｄ）、ＫＡｖｅを読み込み、ＹＹ（Ｍ，Ｄ）とＫＡｖｅとの積を算出し、算出された積を実質的な受取額の予想値１２５に代入する。
Ｓ１２４５において、選択部９は、実質損失額１１６を選択し、実質損失額１２２に選択された実質損失額１１６をコピーする。そして、選択部９は、購入口数（最高）１１９を選択し、選択された購入口数（最高）１１９と一口あたりの商品に値段１２１との積を算出し、支払い保険料額１２３に代入する。選択部９は、記憶装置３０からＤＭＭａｘを読み込み、実質的な予想損失額１２４に代入する。選択部９は、記憶装置３０からＹＹ（Ｍ，Ｄ）、ＫＭａｘを読み込み、ＹＹ（Ｍ，Ｄ）とＫＭａｘとの積を算出し、算出された積を実質的な受取額の予想値１２５に代入する。
多雨、少雨などの状況に応じて予測される天候デリバティブ商品から得られる保険額を予測して、その保険額により補填された後、すなわち、リスクヘッジされた後の損失額を実質損失額として実質損失額１２２に代入し、またそのときに必要となる天候デリバティブ商品に対する支払い保険料額を支払い保険料額１２３に代入する。降水量を天候条件として料金を支払うことを商品内容とする天候デリバティブ商品が複数ある場合に、すべての天候デリバティブ商品についておこなう。
【００３２】
出力部２０は、選択部９により出力された天候デリバティブ商品のお勧めパターン１１（天候デリバティブ商品の条件の一例である）を外部に出力する。出力部２０は、例えば、プリンタ等に出力してもよい。また、画面に表示してもよい。天候デリバティブ商品の条件を出力することにより、ユーザに対し、顧客に推奨すべき天候デリバティブ商品の識別を促すものであれば構わない。
【００３３】
図１１で説明したように、上記リスクヘッジ算出部８は、複数の天候デリバティブ商品の各天候デリバティブ商品に対し、予想損失額と予想される上記天候デリバティブ商品が支払う料金との差額をリスクヘッジ後の損失額として算出しているため、出力部２０は、上記リスクヘッジ算出部８により算出されたリスクヘッジ後の損失額の小さい順に、上記リスクヘッジ算出部により算出された各天候デリバティブ商品の条件を出力する。
さらに、上記天候デリバティブ商品は、一口あたり所定の掛け金で顧客が購入する口数に応じて料金を支払うため、出力部２０は、上記リスクヘッジ算出部８により算出されたリスクヘッジ後の損失額が同一値である複数の天候デリバティブ商品が存在する場合に、上記天候デリバティブ商品が支払う料金を受け取るために顧客が購入する口数に所定の掛け金を乗じた支払い掛け金の小さい順に、上記リスクヘッジ算出部８により算出された各天候デリバティブ商品の条件を出力する。
以上のように、上記選択部９によりソートされることで、上記出力部２０は、ユーザに対し、リスクヘッジ効果の大きい順に上記リスクヘッジ算出部により算出された各天候デリバティブ商品の条件を出力することで、顧客に対する投資対効果を明確にすることができ、天候デリバティブ商品を売り込むときに有効な戦略をたてることが可能になるという効果が期待できる。
【００３４】
以上のように、想定できる全ての天候要因が顧客の売上に与える影響を天候データベース１と顧客データベース２から算出することにより売上に影響のある天候要因を特定することができる。さらに各天候要因に対して用意されている全ての天候デリバティブ商品が顧客の売上に与えるリスクヘッジ効果を天候データベース１と顧客データベース２の時系列データより予測することにより、顧客が天候デリバティブ商品を購入した場合の投資対効果を明確にすることができ、天候デリバティブ商品を売り込むときに有効な戦略をたてることが可能になるという効果が期待できる。言いかえれば、顧客情報とマッチングしていることにより天候デリバティブ商品を売り込むときのヒット率を高めること、すなわち、顧客が天候デリバティブ商品を購入する確率を高めるという効果が期待できる。
【００３５】
また、天候デリバティブ商品のお勧めを選択する場合に、商品の購入限度額、得られる効果の最低額、売上に与える影響の度合いなどを指定できるようにしているため異なる効果の天候デリバティブ商品のパターンを求めることができ、顧客に対する天候デリバティブ商品の売り込み時に様々な戦略を練ることができるという効果が期待できる。
【００３６】
実施の形態２．
実施の形態１では、天候デリバティブ商品を顧客に勧めるときに最も効果の高い商品をお勧め商品として選択し顧客戦略を練るためのものであるが、次に天候デリバティブ商品を選択する場合に天候ポートフォリオとしてお勧め商品を選択する実施の形態を示す。実施の形態２における各構成は、図１と同様である。
【００３７】
上記入力部１０は、天候データベース１から複数の天候要因に関する天候情報と、天候デリバティブ商品データベース４から上記複数の天候要因の各天候要因について所定の天候条件により料金を支払うことを商品内容とする複数の天候デリバティブ商品に関する天候デリバティブ商品情報とを入力する。
上記リスクヘッジ算出部８は、上記入力部１０により入力された天候デリバティブ商品情報の上記複数の天候要因の各天候要因について、上記複数の天候デリバティブ商品の各天候デリバティブ商品に対し、リスクヘッジさせるための上記天候デリバティブ商品の条件（例えば、ここでは、リスクヘッジ効果ＲＨ（Ｎ，Ｍ，Ｄ）の各情報）を算出する。
選択部９は、上記複数の天候要因の各天候要因に対し、リスクヘッジ効果の最も大きい各天候デリバティブ商品について上記リスクヘッジ算出部８により算出された各天候デリバティブ商品の条件を選択する。
【００３８】
以下、実施の形態１と異なる部分のみ説明する。
図１３は、実施の形態２におけるお勧め天候デリバティブ商品を選択する選択部がおこなう動作を示すフローチャート図である。
Ｓ１３４６において、選択部９は、Ｍを１とし、リストＲＬ２の初期化を行う。
Ｓ１３４７において、選択部９は、図７で作成したお勧めリストＲＬから天候要因Ｍに関する情報を取り出し一時リストＲＬ＿Ｍに格納する。
Ｓ１３４８において、選択部９は、図１２で示すデータ操作を行い一時リストＲＬ＿Ｍの各項目に天候要因Ｍの予測による実質損失額などの算出を行う。
Ｓ１３４９において、選択部９は、天候要因Ｍの予測による実質損失額等が代入された図１０におけるリスクヘッジ効果ＲＨ（Ｎ，Ｍ，Ｄ）の各情報である天候要因Ｍに関する複数のお勧め天候デリバティブ商品情報に対し、天候デリバティブ商品にて給付された後の実質的な損失額である実質損失額でソートする。次に、選択部９は、実質損失額が同額である場合が存在するときには、実質的な支払い保険料額でソートする。すなわち、選択部９は、図１０における実質損失額１２２の小さい順にリストＲＬ２を並び替える。そして、実質損失額１２２が同額である場合が存在するときには、同額である部分について支払い保険料額１２３の小さい順にリストＲＬ２を並び替える。すなわち、選択部９は、ソートすることで、一時リストＲＬ＿Ｍを実質損失額が少なく支払う保険料が少ない順に天候デリバティブ商品を並べ換える。
Ｓ１３５０において、選択部９は、一時リストＲＬ＿Ｍの中で先頭にある項目、すなわち、天候デリバティブ商品の条件で示される天候デリバティブ商品が天候要因Ｍに関する天候デリバティブ商品の中で最も効率よい商品となるため、お勧め天候天候ポートフォリオの候補としてＲＬ２に格納する。ＲＬ２は、記憶装置３０に記憶される。
Ｓ１３５１において、選択部９は、ＭがｍａｘＭかどうかを判断する。ＭがｍａｘＭの場合は、Ｓ１３５３に進む。ＭがｍａｘＭでない場合は、Ｓ１３５２に進む。
Ｓ１３５２において、選択部９は、Ｍに１を加算し、Ｓ１３４７に戻る。すなわち、選択部９は、全ての天候要因ＭについてＳ１３４７〜Ｓ１３５０を繰り返す。そして、選択部９は、リストＲＬ２に全ての天候要因Ｍについて、お勧めリストＲＬにある各天候デリバティブ商品のリスクヘッジ効果の各情報をリストにする。すなわち、全ての天候要因Ｍについても同様の操作を行うことによりリストＲＬ２には全ての天候要因について、それぞれ最も効率の良い天候デリバティブ商品の情報が格納される。
Ｓ１３５３において、選択部９は、天候デリバティブ商品にて給付された後の実質的な損失額である実質損失額でソートする。次に、選択部９は、実質損失額が同額である場合が存在するときには、実質的な支払い保険料額でソートする。すなわち、選択部９は、図１０における実質損失額１２２の小さい順にリストＲＬ２を並び替える。そして、実質損失額１２２が同額である場合が存在するときには、同額である部分について支払い保険料額１２３の小さい順にリストＲＬ２を並び替える。ソートすることにより実質損失額が少なく支払う保険料の少ない順番に並べ換える。
Ｓ１３５４において、選択部９は、天候デリバティブ商品のお勧めパターン１１を出力する。このとき入力部１０において入力されたパラメータでお勧め天候デリバティブ商品の数ｄＮｕｍの指定があれば最大ｄＮｕｍ個までがお勧め天候デリバティブ商品とする。また、入力されたパラメータで支払い保険料の最大額ｍａｘＰが設定されている場合には支払い限度額のチェックを行う。そして、選択部９は、上記各条件に適した天候デリバティブ商品のお勧めパターン１１を出力する。言いかえれば、選択部９は、リストＲＬ２の中からあらかじめ入力部１０において入力されたパラメータ条件に合う天候デリバティブ商品を複数取り出し天候ポートフォリオ（各天候デリバティブ商品の条件の一例である）としてお勧めパターン１１を作成する。
【００３９】
以上のように、選択部９は、前記天候デリバティブ商品の選択を行う手段において、複数の天候要因の天候デリバティブ商品を組み合わせた天候ポートフォリオとして選択する。
【００４０】
上記出力部２０は、上記選択部９により選択された、ユーザに対し、上記複数の天候要因の各天候要因に対し、リスクヘッジ効果の最も大きい各天候デリバティブ商品について上記リスクヘッジ算出部８により算出された各天候デリバティブ商品の条件を出力する。言いかえれば、天候要因毎に推奨する各天候デリバティブ商品を集め、顧客毎の天候要因に合わせて複数の各天候デリバティブ商品を推奨可能にする。
【００４１】
以上のように複数の天候要因に渡る天候デリバティブ商品を天候ポートフォリオとして顧客に提示することを可能にすることにより、天候デリバティブ商品を顧客に売り込む時の戦略の幅が広がる効果が得られる。
【００４２】
実施の形態３．
ここでは、顧客データベース２にある売上情報と天候データベース１の各要因との相関関係を分析する場合に、天候要因ごとに異なったモデルで相関関係を算出する手段についての実施の形態を示す。実施の形態３における各構成は、図１と同様である。
【００４３】
上記影響値算出部の一例である相関関係算出部７は、上記顧客製品の売上と上記天候との相関関係を算出する複数の相関関係モデルに関する相関関係モデル情報を記憶装置３０を介して記憶する。
相関関係算出部７は、上記入力部１０により入力された顧客製品売上情報と天候情報とに基づき、相関関係モデル情報の複数の相関関係モデルのいずれかを選択し、選択された相関関係モデルを用いて上記上記顧客製品の売上が上記天候により受ける影響値Ｅ（Ｍ）を算出する。
【００４４】
以下、実施の形態１と異なる部分のみ説明する。
図１４は、図５におけるＳ５０５で示す手続きの内部フローチャートを示す図である。
あらかじめ用意したモデルの種類の数をｍａｘＭｏとする。
Ｓ１４０１において、相関関係算出部７は、Ｍｏに１を代入し、記憶装置３０に記憶する。
Ｓ１４５５において、相関関係算出部７は、モデルＭｏについて検定を行い、結果をＫＭｏ（Ｍｏ）として記憶装置３０に格納する。相関関係算出部７は、検定として、モデルＭｏを用いた場合の理論値を算出し、過去の実測値と比較し、その差分を検定結果とする。
Ｓ１４５６において、相関関係算出部７は、Ｍｏの値がｍａｘＭｏかどうか判断する。Ｍｏの値がｍａｘＭｏである場合は、Ｓ１４５８に進む。Ｍｏの値がｍａｘＭｏでない場合は、Ｓ１４５７に進む。
Ｓ１４５７において、相関関係算出部７は、Ｍｏに１を加算し、記憶装置３０に記憶する。すなわち、モデル１からモデルｍａｘＭｏまで全てのモデルＭｏの検定を行い結果をＫＭｏ（Ｍｏ）に格納する。
Ｓ１４５８において、相関関係算出部７は、ＫＭｏ（１）からＫＭｏ（ｍａｘＭｏ）の中から最も検定結果のよいモデルＣＭｏを天候要因Ｍのモデルと判断する。相関関係算出部７は、理論値と実測値との差分が小さいモデルを検定結果がよいモデルＣＭｏとする。
Ｓ１４５９において、相関関係算出部７は、モデルＣＭｏに基づいた相関関係値Ｃ（Ｎ，Ｍ）を算出する。
【００４５】
以上のように、相関関係算出部７は、前記主力製品の業界全体の売上データベースと天候データベースの各要因との相関関係を分析する場合において、天候の各要因ごとに適したモデルを選択し相関関係を算出する。
【００４６】
以上のように天候要因ごとに適したモデルを選択する機能を付加することにより、天候デリバティブ商品の評価を行う上で信頼性を高める効果を期待できる。
【００４７】
以上の説明において、各実施の形態の説明において「〜部」として説明したものは、一部或いはすべてコンピュータで動作可能なプログラムにより構成することができる。これらのプログラムは、例えば、Ｃ言語により作成することができる。或いは、ＨＴＭＬやＳＧＭＬやＸＭＬを用いても構わない。或いは、ＪＡＶＡ（登録商標）を用いて画面表示を行っても構わない。
【００４８】
また、以上の説明において、各実施の形態の説明において「〜部」として説明したものを、一部或いはすべてコンピュータで動作可能なプログラムにより構成する場合、天候デリバティブ商品推奨装置５は、図示されていないが、システムユニット、ＣＲＴ（Ｃａｔｈｏｄｅ Ｒａｙ Ｔｕｂｅ）表示装置、キーボード（Ｋ／Ｂ）、マウス、コンパクトディスク装置（ＣＤＤ）、プリンタ装置、スキャナ装置を備えている。ＣＲＴ表示装置、Ｋ／Ｂ、マウス、ＣＤＤ、プリンタ装置、スキャナ装置は、システムユニットにケーブルで接続されている。
また、天候デリバティブ商品推奨装置５は、図示されていないが、プログラムを実行するＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）を備えている。ＣＰＵは、バスを介してＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）（記憶装置の一例である）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）（記憶装置の一例である）、通信ボード、ＣＲＴ表示装置、Ｋ／Ｂ、マウス、ＦＤＤ（Ｆｌｅｘｉｂｌｅ Ｄｉｓｋ Ｄｒｉｖｅ）、磁気ディスク装置（記憶装置の一例である）、ＣＤＤ、プリンタ装置、スキャナ装置と接続されている。通信ボードは、インターネット或いは専用回線等に接続されている。
ここで、通信ボードは、インターネットに限らず、さらに、ＬＡＮ（ローカルエリアネットワーク）、或いはＩＳＤＮ等のＷＡＮ（ワイドエリアネットワーク）に接続されていても構わない。
磁気ディスク装置には、オペレーティングシステム（ＯＳ）、ウィンドウシステム、プログラム群、ファイル群が記憶されている。プログラム群は、ＣＰＵ、ＯＳ、ウィンドウシステムにより実行される。
プログラムにより構成する場合、上記プログラム群には、各実施の形態の説明において「〜部」として説明したものにより実行されるプログラムが記憶されている。ファイル群には、上記実施の形態の説明において「〜リスト」として説明したものが記憶されている。
また、各実施の形態の説明において「〜部」として説明したものは、ＲＯＭに記憶されたファームウェアで実現されていても構わない。或いは、ソフトウェア或いは、ハードウェア或いは、ソフトウェアとハードウェアとファームウェアとの組み合わせで実施されても構わない。
また、上記各実施の形態を実施させるプログラムは、また、磁気ディスク装置、ＦＤ（Ｆｌｅｘｉｂｌｅ Ｄｉｓｋ）、光ディスク、ＣＤ（コンパクトディスク）、ＭＤ（ミニディスク）、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ）等のその他の記録媒体による記録装置を用いて記憶されても構わない。
また、出力部は、ＣＲＴ表示装置、その他の表示装置、プリンタ装置等の出力装置を用いても構わない。
【００４９】
【発明の効果】
以上のように、この発明の天候デリバティブ商品推奨システムによれば、顧客に天候デリバティブ商品を勧める場合に、天候デリバティブ商品によって得ると予測される効果を数値で示すことができるため、天候デリバティブ商品の購入の動機づけを得やすいという効果がある。
また、顧客へのお勧め商品として天候デリバティブ商品を選択する場合に、複数の天候要因を網羅する天候デリバティブ商品の組合せをポートフォリオとして顧客に提示して選択のバリエーションを広げる効果が期待できる。
また、天候要因ごとに適したモデルを選択して相関関係を算出するため、天候デリバティブ商品の効果を計算する上で精度が高くなるという効果がある。
【図面の簡単な説明】
【図１】 実施の形態１におけるシステムブロック図である。
【図２】 入力部１０に入力するパラメータの一覧を示す図である。
【図３】 各商品の売上高に対する割合の多い順に並び替えた製品内訳を示す図である。
【図４】 解析部がおこなう動作の一例を示すフローチャート図である。
【図５】 顧客の主力製品が天候要因に受ける影響を求めるフローチャートを示す図である。
【図６】 図５におけるＳ５の処理をフローチャートで示した図である。
【図７】 リスクヘッジ算出部がおこなう動作を示すフローチャート図である。
【図８】 天候デリバティブ商品のリスクヘッジ効果を算出するフローチャートを示す図である。
【図９】 ＤＦ（Ｎ，Ｍ，Ｄ）の内容を示す図である。
【図１０】 リスクヘッジ効果ＲＨ（Ｎ，Ｍ，Ｄ）のボディ部の構成を示す図である。
【図１１】 お勧め天候デリバティブ商品を選択する選択部がおこなう動作のフローチャートを示す図である。
【図１２】 リストＲＬ＿Ｍのデータ操作の例を説明する図である。
【図１３】 実施の形態２におけるお勧め天候デリバティブ商品を選択する選択部がおこなう動作を示すフローチャート図である。
【図１４】 図５におけるＳ５０５で示す手続きの内部フローチャートを示す図である。
【符号の説明】
１ 天候データベース、２ 顧客データベース、３ 業界全体の売上データベース、４ 天候デリバティブ商品データベース、５ 天候デリバティブ商品推奨装置、６ 解析部、７ 相関関係算出部、８ リスクヘッジ算出部、９ 選択部、１０ 入力部、１１ お勧めパターン、１３ 製品内訳、１４ 主力製品売上情報、２０ 出力部、３０ 記憶装置、１００ 天候デリバティブ商品推奨システム。
【発明の属する技術分野】
本発明は、天候デリバティブ商品推奨装置に関する。特に、顧客の売上高に対する天候の影響から有効な天候デリバティブ製品を選択し、顧客に推奨するための顧客戦略作成に関するものである天候デリバティブ商品推奨システムに関する。
【０００２】
【従来の技術】
天候の変動により事業収入及び事業価値等の事業価値が変動する事業体において、天候の変動により生ずる事業価値の変動を低減し、損失を回避することが可能な価値授受方法、価値授受装置、及び記録媒体を提供することを目的として、以下の手段が公知となっている。天候指標（平均気温）Ｔに対して、正の相関で事業価値が変動する第１事業体と、負の相関で事業価値が変動する第２事業体との間で、第１天候基準値Ｔ１及び第２天候基準値Ｔ２を設定し、Ｔ＞Ｔ１の場合に第１事業体から第２事業体へ価値を供与し、Ｔ＜Ｔ２の場合に逆に供与する。このとき第１及び第２事業体間で授受される価値の期待値を等しくすべく、各条件下で授受される価値の期待値を算出し、その中で最小の期待値を基準に補正を行う計算方法により価値を計算する。（特許文献１参照）
【０００３】
予測をするための入力情報の取捨選択を行い、誤差の少ない予測を行うことのできる商品販売予測装置を提供することを目的として、以下の手段が公知となっている。天候、日付、曜日、時刻等の予め入力された情報を格納した情報収集手段と、収集された情報を加工して予測に有効なデータ系列（例えば実測値を所定の値を基準とする多段階の値に分類し、その分類されたグループ毎にデータ値を与えて作られたものや、実測値の測定毎の測定値との偏差をデータ値とされたもの）を作成するデータ系列作成手段と、該データ系列作成手段の全データを重回帰分析し予測に対する貢献度の高い情報を選択する入力情報選択手段と、選択された情報によって商品販売の予測を行う予測処理手段とよりなる。（特許文献２参照）
【０００４】
【特許文献１】
特開２００１−２２２６０５号公報
【特許文献２】
特開平８−２１２１９１号公報
【０００５】
【発明が解決しようとする課題】
特許文献１は、２つの事業体の間で天候指標Ｔに対して、正の相関で事業価値が変動する第一の事業体と負の相関で事業価値が変動する第二の事業体との間で、第一天候基準値Ｔ１と第二天候基準値Ｔ２を定め、Ｔ、Ｔ１、Ｔ２の関係により第一事業体と第二事業体とで価値を供与することにより、天候によるリスクをお互いに軽減するものである。
【０００６】
特許文献２は、売上に影響を与える複数の要素の中から有効な要素を選択し、重回帰分析により売上予測を行うものである。
【０００７】
従来は、天候の影響も受けない売上要素も含めた売上全体に対する天候の影響を算出しており、天候の影響を受ける売上要素と天候の影響を受けない売上要素を区別しないため、天候の影響を受けない売上要素の天候以外の突発的要因で変化した場合などに算出結果に影響を及ぼすため正確性に欠けるという問題点があった。
【０００８】
また、天候の影響を受けない売上要因の変化も加味して天候の影響を算出することにより、顧客が有効でない天候デリバティブ商品を購入したり、また顧客に対してそのような天候デリバティブ商品の購入を勧めてしまう可能性があるという問題点があった。
【０００９】
この発明は、天候の影響を受ける売上要因と影響を受けない売上要因を区別して天候の及ぼす影響を算出することにより、リスクヘッジのため有効な天候デリバティブ商品を売り込む顧客戦略を練ることを目的とする。
【００１０】
【課題を解決するための手段】
この発明に係る天候デリバティブ商品推奨装置は、顧客製品の売上に関する顧客製品売上情報と、天候に関する天候情報と、天候条件により料金を支払うことを商品内容とする天候デリバティブ商品に関する天候デリバティブ商品情報とを入力する入力部と、
上記入力部により入力された顧客製品売上情報と天候情報とに基づき、予想される上記顧客製品の売上の減少による予想損失額を算出し、上記入力部により入力された天候デリバティブ商品情報に基づき、上記算出された予想損失額を減少させ、リスクヘッジさせるための上記天候デリバティブ商品の条件を算出するリスクヘッジ算出部と、
上記リスクヘッジ算出部により算出された天候デリバティブ商品の条件を出力し、ユーザに対し、顧客に推奨すべき天候デリバティブ商品の識別を促す出力部と
を備えたことを特徴とする。
【００１１】
【発明の実施の形態】
実施の形態１．
図１は、実施の形態１におけるシステムブロック図である。
図１において、天候デリバティブ商品推奨システム１００は、天候データベース１、顧客データベース２、業界全体の売上データベース３、天候デリバティブ商品データベース４、天候デリバティブ商品推奨装置５を備えている。図１においては、天候デリバティブ商品推奨システム１００は、各種データベースを備えているが、各データベースは、離れた場所に設置されても構わない。例えば、銀行が顧客に対し、天候デリバティブ商品を推奨する場合に、顧客情報を有する銀行が顧客データベース２、天候デリバティブ商品推奨装置５を有し、天候デリバティブ商品を販売する保険会社が天候デリバティブ商品データベース４を有し、業界団体が業界全体の売上データベース３を有し、気象庁が天候データベース１を有するといったものでも構わない。すなわち、天候デリバティブ商品推奨装置５が各データベースにアクセスできれば構わない。アクセスする方法として、インターネットでも構わないし、専用回線を用いても構わない。
【００１２】
天候データベース１には、例えば、降水量、気温と、晴れ、雨、曇り等の天候と、湿度、風速、日照量等との各天候要素の時系列データが入っている。また、天候データベース１には、今後の天候予想情報が入っている。今後の天候予想情報として、例えば、今後１年間の予想降水量、各日或いは所定の期間毎の予想気温分布或いは予想湿度分布、晴れる日の日数、雨の日の日数、曇りの日の日数、所定日照量を有する日の日数等の情報が挙げられる。又は、もっと大まかに、今年は、多雨か少雨か平年通りか、暑いか寒いか平年通りか等の情報が挙げられる。もちろんこれらに限ったものではない。
【００１３】
顧客データベース２には、対象となる顧客情報が入っている。ここで顧客情報とは、例えば、顧客の与信情報や顧客の売上の時系列データのことである。
【００１４】
業界全体の売上データベース３には、顧客の扱う製品についての業界全体としての売上情報の時系列データが入っている。
【００１５】
天候デリバティブ商品データベース４には、各天候要因に対応した天候デリバティブ商品の情報である天候デリバティブ商品情報が格納されている。天候デリバティブ商品には、例えば、ここでは、気温デリバティブ商品、降水量デリバティブ商品、台風デリバティブ商品等が挙げられている。各天候要因のデリバティブ商品は、例えば、販売する保険会社毎に用意されていてもよい。すなわち、各天候要因のデリバティブ商品が複数あっても構わない。
【００１６】
天候デリバティブ商品推奨装置５は、解析部６、相関関係算出部７（影響値算出部の一例である）、リスクヘッジ算出部８、天候デリバティブ商品選択部９、入力部１０、出力部２０を備えている。解析部６は、顧客の売上情報を解析する。解析部６は、顧客の主力製品を抽出する。相関関係算出部７は、顧客の主要製品の売上推移と天候の各要素の関係を求める。相関関係算出部７は、顧客データベース２に格納された主力製品の売上データと天候データベース１の各要因との相関関係を分析する。リスクヘッジ算出部８は、天候デリバティブ商品のリスクヘッジ効果を算出する。リスクヘッジ算出部８は、売上に影響を及ぼす天候要因の全ての天候デリバティブ商品のリスクヘッジ効果を算出する。天候デリバティブ商品選択部９は、お勧め天候デリバティブ商品を選択する。天候デリバティブ商品選択部９は、顧客にとって最もリスクヘッジ効果の高い天候デリバティブ商品を選択する。入力部１０は、パラメータを入力する。入力部１０は、天候データベース１、顧客データベース２、業界全体の売上データベース３、天候デリバティブ商品データベース４へのアクセスを行ない、必要な情報を入力する。
【００１７】
パターン１１は、天候デリバティブ商品推奨システムが出力した天候デリバティブ商品のお勧めパターンである。
【００１８】
入力部１０は、顧客データベース２から顧客製品の売上に関する顧客製品売上情報と、天候データベース１から天候に関する天候情報と、天候デリバティブ商品データベース４から天候条件により料金を支払うことを商品内容とする天候デリバティブ商品に関する天候デリバティブ商品情報とを入力する。
リスクヘッジ算出部８は、上記入力部１０により入力された顧客製品売上情報と天候情報とに基づき、予想される上記顧客製品の売上の減少による予想損失額を算出し、上記入力部１０により入力された天候デリバティブ商品情報に基づき、上記算出された予想損失額を減少させ、リスクヘッジさせるための上記天候デリバティブ商品の条件を算出する。
出力部２０は、上記リスクヘッジ算出部８により算出された天候デリバティブ商品の条件を出力し、ユーザに対し、顧客に推奨すべき天候デリバティブ商品の識別を促す。
【００１９】
図２は、入力部１０に入力するパラメータの一覧を示す図である。
各パラメータは、天候デリバティブ商品を推奨する判断のための基準値となるものである。
各天候要因が売上に影響を与えると判断する基準値をｍｉｎＥＭ、天候デリバティブ商品のリスクヘッジ効果の基準値をｍｉｎＤＨ、平均的な場合の売上高と天候デリバティブ商品の満たす条件下での一日当たりの売上高との差の基準値をｍｉｎＤＦ、天候デリバティブ商品の購入上限額をｍａｘＫとする。製品の売上に占める割合の最低値（基準値）をｍｉｎＰ、お勧めする天候デリバティブ商品の数をｄＮｕｍ、天候デリバティブ商品に対する支払い保険料の最大額（基準値）をｍａｘＰとする。これらの基準値は不要なときは設定しないことも可能とする。
上記入力部１０は、複数の天候デリバティブ商品に関する天候デリバティブ商品情報を入力する。
【００２０】
顧客の売上情報を解析する解析部６について説明する。
入力部１０において、顧客データベース２より対象となる顧客の売上情報を取り出し、各商品の売上高に対する割合の多い順に並び替える。
図３は、各商品の売上高に対する割合の多い順に並び替えた製品内訳を示す図である。
このとき、製品内訳１３における製品１、製品２といった製品の分類は、類似した製品をまとめて一つの製品として扱う。例えば、オレンジジュース、りんごジュース、パインジュースなど清涼飲料水をまとめて一つの製品として扱う。売上全体に対するある製品の占める割合が入力部１０により入力されたパラメータｍｉｎＰの値以上の製品を主力製品とし、その数をｍａｘＮ個（ｍａｘＮ＞＝１）とする。主力製品Ｎの売上に対する割合をＲ（Ｎ）、売上高をＳ（Ｎ）（Ｎ＝１，…，ｍａｘＮ）として主力製品売上情報とする。図３における主力製品売上情報１４に一例を示す。
【００２１】
図４は、さらに、解析部がおこなう動作の一例を示すフローチャート図である。
Ｓ（ステップ）４０１において、解析部６は、入力部１０を介して顧客データベース２よりＮ番目の主力製品の売上時系列情報をＩ（Ｎ）として記憶装置３０に格納する。
Ｓ４０２において、解析部６は、Ｎ番目の主力製品が新製品であるなど顧客情報に過去データがないかどうかを判断する。過去データがない場合は、ＮＵＬＬとしてＳ４０３に進む。過去データがある場合は、Ｓ４０４に進む。
Ｓ４０３において、解析部６は、業界全体の売上ベース３よりＮ番目の主力製品の業界全体における売上の時系列情報をＩ（Ｎ）として記憶装置３０に格納する。
Ｓ４０４において、解析部６は、記憶装置３０に記憶格納されたＩ（Ｎ）から製品Ｎの曜日別平均売上高を算出し、記憶装置３０に格納する。
【００２２】
次に顧客の主要製品の売上推移と天候の各要素の関係を求める相関関係算出部７について説明する。
影響値算出部の一例として、相関関係算出部７は、上記入力部１０により入力された顧客製品売上情報と天候情報とに基づき、上記顧客製品の売上が上記天候により受ける影響値Ｅ（Ｍ）を算出する。
上記リスクヘッジ算出部８は、上記影響値算出部の一例としての相関関係算出部７により算出された影響値Ｅ（Ｍ）が所定の条件を満たす場合に、予想される上記顧客製品の売上の減少による予想損失額を算出し、上記入力部１０により入力された天候デリバティブ商品情報に基づき、上記算出された予想損失額を減少させるための上記天候デリバティブ商品の条件を算出する。
【００２３】
図５は、顧客の主力製品が天候要因に受ける影響を求めるフローチャートを示す図である。
天候デリバティブ商品が用意されている天候要因の数をｍａｘＭとする（ｍａｘＭ≧１）。主力製品１から主力製品ｍａｘＮについて以下のような処理を行う。そして、天候要因Ｍが顧客の売上に及ぼす影響を示す値として影響値Ｅ（Ｍ）を求める。
Ｓ５０１において、相関関係算出部７は、Ｅ（Ｍ）をゼロで初期化する。
Ｓ５０２において、相関関係算出部７は、図４におけるＳ４０１或いはＳ４０３において、記憶装置３０に記憶されたＩ（Ｎ）を入力部１０を介して取り出す。
Ｓ５０４において、相関関係算出部７は、天候データベース１よりＭ番目の天候要素の時系列情報をＷ（Ｍ）として記憶装置３０に格納する。
Ｓ５０５において、相関関係算出部７は、主力製品Ｎの顧客の売上が天候要因Ｍに受ける影響としてＷ（Ｍ）とＩ（Ｎ）の相関関係の値を示す相関関係値Ｃ（Ｎ，Ｍ）を求め、記憶装置３０に格納する。このとき、新製品であるなど顧客情報に過去データがない場合には、主力製品Ｎの業界全体の売上が天候要因Ｍに受ける影響としてＷ（Ｍ）と図４におけるＳ４０３において記憶装置３０に記憶されたＩ（Ｎ）との相関関係を求めＣ（Ｎ，Ｍ）に格納する。顧客情報に過去データがある場合には、Ｗ（Ｍ）と図４におけるＳ４０１において記憶装置３０に記憶されたＩ（Ｎ）との相関関係を求めＣ（Ｎ，Ｍ）に格納する。
Ｓ５０６において、相関関係算出部７は、相関関係値Ｃ２（Ｎ，Ｍ）に主要製品Ｎの売上全体に対する割合の値を示す割合値Ｒ（Ｎ）を掛け合わせたものをＥ（Ｍ）に加算する。言いかえれば、上記顧客製品売上情報は、顧客の売上げ総額の対する上記顧客製品の売上が占める割合値を示す割合値情報を有し、上記影響値算出部の一例としての相関関係算出部７は、上記入力部１０により入力された顧客製品売上情報と天候情報とに基づき、上記顧客製品の売上と上記天候との相関関係を示す相関関係値Ｃ（Ｎ，Ｍ）を算出し、算出された相関関係値Ｃ（Ｎ，Ｍ）に上記割合値情報が示す割合値Ｒ（Ｎ）を乗じた値を上記影響値Ｅ（Ｍ）として算出する。
Ｓ５０７において、相関関係算出部７は、主力製品ＮのＮ値が主力製品の数であるｍａｘＮ値かどうかを判断する。ｍａｘＮ値でない場合は、Ｓ５０８に進む。ｍａｘＮ値である場合は、Ｓ５０９に進む。
Ｓ５０８において、相関関係算出部７は、Ｎ値に１を加算する。そして、Ｓ５０２に戻る。相関関係算出部７は、全ての主力製品１から主力製品Ｎ（ｍａｘＮ）に対してＳ５０１からＳ５０７の操作を行う。すなわち、相関関係算出部７は、各主力製品について、Ｎが順に１からｍａｘＮへと累積された天候要因Ｍによる影響値Ｅ（Ｍ）を算出する。すなわち、製品２の影響値Ｅ（Ｍ）は、製品１の影響値に製品２独自の影響値を加算した値となる。そして、各主力製品についての影響値Ｅ（Ｍ）は、それぞれ記憶装置３０に格納される。以上のように、順に加算することにより天候要因Ｍによる主力製品すべての影響値Ｅ（Ｍ）の合計値を算出する。以上により、製品単位ではなく、天候要因Ｍによる顧客単位で受ける影響値を算出することができる。顧客単位で受ける影響値を算出することにより、天候要因Ｍによるリスクヘッジを考え、天候要因Ｍによる天候デリバティブ商品の必要性を認識し、商品の選択をおこなうことができる。
Ｓ５０９において、相関関係算出部７は、天候要因ＭのＭ値が天候要因の数であるｍａｘＭ値かどうかを判断する。ｍａｘＭ値でない場合は、Ｓ５１０に進む。ｍａｘＭ値である場合は、影響値Ｅ（Ｍ）の合計値を記憶装置３０に記憶格納し、終了する。
Ｓ５１０において、相関関係算出部７は、Ｍ値に１を加算する。そして、Ｓ２に戻る。相関関係算出部７は、すべての主力製品に対して全ての天候要因に対する影響を求めるためＭを１からｍａｘＭまで繰り返し同様の操作を行う。
以上により、全ての主力製品、全ての天候要因について、主力製品Ｎと天候要因Ｍとの関係がＣ（Ｎ，Ｍ）として、天候要因Ｍの各天候要因が売上に対する影響をＥ（Ｍ）として記憶装置３０に格納される。すなわち、主力製品すべての影響値Ｅ（Ｍ）の合計値として、Ｅ（１），Ｅ（２），…，Ｅ（ｍａｘＭ）が記憶装置３０に格納される。
【００２４】
図６は、図５におけるＳ５の処理をフローチャートで示した図である。
Ｓ２０１において、相関関係算出部７は、時系列モデルの式、例えば、式（１）として、Ｘ（ｔ）＝ａ＋ｂ×Ｚ（ｔ）を選択する。
Ｓ２０２において、相関関係算出部７は、製品の売上情報Ｉ（Ｎ）より一日の平均売上げａｖｅＤａｙ、各月（ｍｏｎｔｈ）毎の一日の平均売上げａｖｅＭｏｎｔｈ（ｍｏｎｔｈ）を算出し、記憶装置３０に記憶する。
Ｓ２０３において、相関関係算出部７は、ａｖｅＤａｙとａｖｅＭｏｎｔｈ（ｍｏｎｔｈ）との差分を加味した関数ＤＤ（Ｎ，ｔ）を算出し、記憶装置３０に記憶する。ＤＤ（Ｎ，ｔ）は月ごとの変化を考慮する関数となる。
Ｓ２０４において、相関関係算出部７は、例えば、式（１）において、Ｉ（Ｎ）からＤＤ（Ｎ，ｔ）を引いた値をＸ（ｔ）とみなし、Ｗ（Ｍ）の時系列データをＺ（ｔ）とみなして回帰分析により近似式を算出し、係数ａ、ｂをＫＫ（Ｎ，Ｍ）として記憶装置３０に格納する。
Ｓ２０５において、相関関係算出部７は、Ｓ２０４で求めた式（１）の係数ＫＫ（Ｎ，Ｍ）にＳ２０３で求めた月ごとの変化を考慮する関数ＤＤ（Ｎ，ｔ）を加えて時系列モデル式（１）を用いた場合の相関関係値Ｃ（Ｎ，Ｍ）を求める。
【００２５】
図７は、リスクヘッジ算出部がおこなう動作を示すフローチャート図である。
主力製品Ｎについて以下の操作を行う。
Ｓ７０１において、リスクヘッジ算出部８は、Ｎ値を値１にする。
Ｓ７０２において、リスクヘッジ算出部８は、Ｍ値を値１にする。
Ｓ７１１において、リスクヘッジ算出部８は、記憶装置３０に格納された図５で求めた顧客の製品Ｎについての売上情報に与える天候要因Ｍの影響値Ｅ（Ｍ）が入力部１０により入力されたパラメータである基準値ｍｉｎＥＭより大きい場合には、天候要因Ｍが売上に影響を及ぼすと判断し、Ｓ７１３に進む。影響値Ｅ（Ｍ）が基準値ｍｉｎＥＭより小さい場合には、Ｓ７１２に進む。
Ｓ７１２において、リスクヘッジ算出部８は、Ｍに１を加算し、Ｓ７１１に戻る。
Ｓ７１３において、リスクヘッジ算出部８は、天候要因Ｍに関する天候デリバティブ商品数をｍａｘＤに代入する。
Ｓ７１４において、リスクヘッジ算出部８は、天候要因ＭのＤ番目の天候デリバティブ商品をＷＣ（Ｍ，Ｄ）とし、主力製品Ｎに対する天候デリバティブ商品ＷＣ（Ｍ，Ｄ）によるリスクヘッジ効果ＲＨ（Ｎ，Ｍ，Ｄ）を算出する。
Ｓ７１５において、リスクヘッジ算出部８は、リスクヘッジ効果ＲＨ（Ｎ，Ｍ，Ｄ）が入力部１０により入力されたパラメータとしてあらかじめ設定された値ｍｉｎＤＨ以上であったらリスクヘッジ効果があると判断しお勧めリストＲＬに追加する。お勧めリストＲＬは、記憶装置３０に記憶される。
Ｓ７１７において、リスクヘッジ算出部８は、Ｄ値がｍａｘＤ値以上かどうかを判断する。Ｄ値がｍａｘＤ値以上ならＳ７１９に進む。Ｄ値がｍａｘＤ値より小さい場合ならＳ７１８に進む。
Ｓ７１８において、リスクヘッジ算出部８は、Ｄに１を加算し、Ｓ７１４に戻る。すなわち、天候要因Ｍに関する全ての天候デリバティブ商品ＷＣ（Ｍ，Ｄ）についてＳ７１４からＳ１６を実行する。
Ｓ７１９において、リスクヘッジ算出部８は、Ｍ値がｍａｘＭ値以上かどうかを判断する。Ｍ値がｍａｘＭ値以上ならＳ７２１に進む。Ｍ値がｍａｘＭ値より小さい場合ならＳ７２０に進む。
Ｓ７２０において、リスクヘッジ算出部８は、Ｍに１を加算し、Ｓ７１１に戻る。すなわち、全ての天候要因ＭについてＳ７１１からＳ７１９を実行する。
Ｓ７２１において、リスクヘッジ算出部８は、Ｎ値がｍａｘＮ値以上かどうかを判断する。Ｎ値がｍａｘＮ値以上なら終了する。Ｎ値がｍａｘＮ値より小さい場合ならＳ７０２に戻る。すなわち、全ての主力製品ＮについてＳ７１１からＳ７２０までを実行することになり、お勧めリストＲＬには全ての主力製品Ｎについてお勧め天候デリバティブ商品のリスクヘッジ効果ＲＨ（Ｎ，Ｍ，Ｄ）が格納される。
【００２６】
図７におけるＳ７１４、即ち天候デリバティブ商品のリスクヘッジ効果を算出する手段について説明する。
図８は、即ち天候デリバティブ商品のリスクヘッジ効果を算出するフローチャートを示す図である。
Ｓ８２３において、リスクヘッジ算出部８は、顧客データベース２から取り出した製品Ｎの情報Ｉ（Ｎ）より製品Ｎの曜日別平均売上高ＮＭＬ（Ｎ）を算出する。
Ｓ８２４において、リスクヘッジ算出部８は、天候データベース１より取り出した天候要因Ｍの時系列情報Ｗ（Ｍ）と顧客データベース２から取り出した製品Ｎの情報Ｉ（Ｎ）とより天候デリバティブ商品Ｄの定める条件下での曜日別平均売上高ＣＮＤ（Ｎ，Ｍ，Ｄ）を算出し、記憶装置３０に格納する。
Ｓ８２５において、リスクヘッジ算出部８は、通常の曜日別平均売上高ＮＭＬ（Ｎ）と天候デリバティブ商品Ｄの定める条件化での曜日別平均売上高ＣＮＤ（Ｎ，Ｍ，Ｄ）との差ＤＦ（Ｎ，Ｍ，Ｄ）を算出し、記憶装置３０に格納する。ＤＦ（Ｎ，Ｍ，Ｄ）は各曜日ごとの売上高の差の絶対値と割合の情報が入った行列情報となる。
図９は、ＤＦ（Ｎ，Ｍ，Ｄ）の内容を示す図である。
図９において、ＤＦ（Ｎ，Ｍ，Ｄ）には、各曜日毎の売上高の差、売上高の差の平均値、各曜日毎の売上高の差を平均売上高で割った商、各曜日毎の売上高の差を平均売上高で割った商の平均値が情報として格納されている。
Ｓ８２６において、リスクヘッジ算出部８は、ＤＦ（Ｎ，Ｍ，Ｄ）が入力部１０により入力されたパラメータである基準値ｍｉｎＤＦとの比較を行い、ｍｉｎＤＦに満たなければリスクヘッジが不要と判断してＳ８２７に進む。ＤＦ（Ｎ，Ｍ，Ｄ）が基準値ｍｉｎＤＦ以上であれば、リスクヘッジさせるために天候デリバティブ商品を推奨する価値ありと判断し、すなわち、リスクヘッジが必要と判断してＳ８２８に進む。言いかえれば、上記リスクヘッジ算出部８は、上記入力部１０により入力された顧客製品売上情報と天候情報とに基づき、所定の期間あたりの平均売上げ額としての通常平均売上げ額と上記天候デリバティブ商品で料金が支払われるための天候条件に該当する期間あたりの平均売上げ額としての天候条件該当平均売上げ額とを算出し、記憶装置３０に記憶する。そして、算出された通常平均売上げ額と天候条件該当平均売上げ額との差額が所定の条件（例えば、ここでは、基準値ｍｉｎＤＦ以上）を満たす場合に、後述する予想される上記顧客製品の売上の減少による予想損失額を算出する。
Ｓ８２７において、リスクヘッジ算出部８は、リスクヘッジ効果（指数）ＲＨ（Ｎ，Ｍ，Ｄ）にゼロを設定する。
Ｓ８２８において、リスクヘッジ算出部８は、Ｗ（Ｍ）より算出した天候デリバティブ商品の定める条件を満たす日数の平均・最高・最低をそれぞれＯＤＡｖｅ（Ｍ，Ｄ），ＯＤＭａｘ（Ｍ，Ｄ），ＯＤＭｉｎ（Ｍ，Ｄ）に入力し、ＯＤＡｖｅ（Ｍ，Ｄ），ＯＤＭａｘ（Ｍ，Ｄ），ＯＤＭｉｎ（Ｍ，Ｄ）を記憶装置３０に格納する。リスクヘッジ算出部８は、入力部１０を介して天候データベース１より天候デリバティブ商品の定める条件を満たす日数の平均・最高・最低を入力する。
Ｓ８２９において、リスクヘッジ算出部８は、ＤＦ（Ｎ，Ｍ，Ｄ）とＳ８２８で求めた日数（平均・最高・最低）より予想損失額として平均予想損失額、最高予想損失額、最低予想損失額を算出し、それぞれ平均予想損失額をＤＭＡｖｅ（Ｍ，Ｄ）として、最高予想損失額をＤＭＭａｘ（Ｍ，Ｄ）として、最低予想損失額をＤＭＭｉｎ（Ｍ，Ｄ）として記憶装置３０に記憶する。曜日によってＤＦ（Ｎ，Ｍ，Ｄ）の値は異なるがＳ８２８で求めた日数が各曜日に均等に配分されるものとする。
Ｓ８３０において、リスクヘッジ算出部８は、天候デリバティブ商品で一口あたりで支払われる金額と天候デリバティブ商品一口あたりを購入する購入金額との差を算出し、差額をＹＹ（Ｍ，Ｄ）として記憶装置３０に記憶する。
Ｓ８３１において、リスクヘッジ算出部８は、ＹＹ（Ｍ，Ｄ）と予想損失額の平均ＤＭＡｖｅ（Ｍ，Ｄ）を比較し、予想損失額が天候デリバティブ商品で支払われる差額ＹＹ（Ｍ，Ｄ）より小さい場合には天候デリバティブ商品を購入するメリットがないと判断して、Ｓ８２７に進む。予想損失額が天候デリバティブ商品で支払われる差額ＹＹ（Ｍ，Ｄ）より大きい場合には、Ｓ８３２に進む。言いかえれば、上記天候デリバティブ商品は、一口あたり所定の掛け金で顧客が購入する口数に応じて料金を支払い、そして、上記リスクヘッジ算出部８は、上記算出された予想損失額が上記天候デリバティブ商品一口あたりで支払われる料金と一口あたりの上記所定の掛け金（購入金額）との差額ＹＹ（Ｍ，Ｄ）より大きい場合に、上記天候デリバティブ商品の条件として、上記算出された予想損失額を減少させ、リスクヘッジさせるために後述する必要な口数を算出する。
Ｓ８３２において、リスクヘッジ算出部８は、天候デリバティブ商品を購入する口数を計算する。このとき、リスクヘッジ算出部８は、予想損失額の平均値ＤＭＡｖｅ（Ｍ，Ｄ）とＹＹ（Ｍ，Ｄ）とから計算した、すなわち、平均値ＤＭＡｖｅ（Ｍ，Ｄ）をＹＹ（Ｍ，Ｄ）で割った商を購入口数ＫＡｖｅ（Ｍ，Ｄ）として、最大値ＤＭＭａｘ（Ｍ，Ｄ）とＹＹ（Ｍ，Ｄ）とから計算した、すなわち、最大値ＤＭＭａｘ（Ｍ，Ｄ）をＹＹ（Ｍ，Ｄ）で割った商を購入口数ＫＭａｘ（Ｍ，Ｄ）として、最小値ＤＭＭｉｎ（Ｍ，Ｄ）とＹＹ（Ｍ，Ｄ）とから計算した、すなわち、最小値ＤＭＭｉｎ（Ｍ，Ｄ）をＹＹ（Ｍ，Ｄ）で割った商を購入口数ＫＭｉｎ（Ｍ，Ｄ）として算出し、ＫＡｖｅ（Ｍ，Ｄ）、ＫＭａｘ（Ｍ，Ｄ）、ＫＭｉｎ（Ｍ，Ｄ）を記憶装置３０に記憶する。
Ｓ８３３において、リスクヘッジ算出部８は、ＤＭＡｖｅ（Ｍ，Ｄ）、ＤＭＭａｘ（Ｍ，Ｄ）、ＤＭＭｉｎ（Ｍ，Ｄ）、ＫＡｖｅ（Ｍ，Ｄ）、ＫＭａｘ（Ｍ，Ｄ）、ＫＭｉｎ（Ｍ，Ｄ）、ＹＹ（Ｍ，Ｄ）を用いて、平均日数より算出したリスクヘッジ後の金額を実質損失額（平均）として、最大日数より算出したリスクヘッジ後の金額を実質損失額（最高）として、最小日数より算出したリスクヘッジ後の金額を実質損失額（最低）として算出し、実質損失額（平均）、実質損失額（最高）実質損失額（最低）を記憶装置３０に記憶する。ここでは、ＤＭＡｖｅ（Ｍ，Ｄ）からＹＹ（Ｍ，Ｄ）とＫＡｖｅ（Ｍ，Ｄ）との積を引いた差額を実質損失額（平均）とする。同様に、ＤＭＭａｘ（Ｍ，Ｄ）からＹＹ（Ｍ，Ｄ）とＫＭａｘ（Ｍ，Ｄ）との積を引いた差額を実質損失額（最高）とする。ＤＭＭｉｎ（Ｍ，Ｄ）からＹＹ（Ｍ，Ｄ）とＫＭｉｎ（Ｍ，Ｄ）との積を引いた差額を実質損失額（最低）とする。リスクヘッジ算出部８は、平均日数より算出した各値、最大日数より算出した各値、最小日数より算出した各値をリスクヘッジ効果ＲＨ（Ｎ，Ｍ，Ｄ）に代入する。リスクヘッジ効果ＲＨ（Ｎ，Ｍ，Ｄ）は、記憶装置３０に記憶される。
【００２７】
図１０は、リスクヘッジ効果ＲＨ（Ｎ，Ｍ，Ｄ）のボディ部の構成を示す図である。
リスクヘッジ効果ＲＨ（Ｎ，Ｍ，Ｄ）として、天候デリバティブ商品の定める条件を満たす日数が平均的な場合の実質損失額１１５（実質損失額１１５は、図８におけるＳ８３３で算出した平均日数より算出したリスクヘッジ後の金額である実質損失額（平均）を示す。）、その時の購入口数１１８（ＫＡｖｅ（Ｍ，Ｄ）の値）、天候デリバティブ商品の定める条件を満たす日数が最も多いと考えられる場合の実質損失額１１６（実質損失額１１６は、図８におけるＳ８３３で算出した最高日数より算出したリスクヘッジ後の金額である実質損失額（最高）を示す。）、その時の購入口数１１９（ＫＭａｘ（Ｍ，Ｄ）の値）、天候デリバティブ商品の定める条件を満たす日数が最も少ないと考えられる場合の実質損失額１１７（実質損失額１１７は、図８におけるＳ８３３で算出した最低日数より算出したリスクヘッジ後の金額である実質損失額（最低）を示す。）、その時の購入口数１２０（ＫＭｉｎ（Ｍ，Ｄ）の値）、天候デリバティブ商品の一口あたりの購入価格１２１、後述する選択部９により天候の予測を行うことにより定まる予想損失額１２４、受取る受取額の予想値１２５、リスクヘッジ後の金額である実質損失額１２２、受取額の予想値１２５を受け取るために天候デリバティブ商品を購入するのに必要な支払い保険料額１２３、が入っている。リスクヘッジ効果ＲＨ（Ｎ，Ｍ，Ｄ）の各情報は、予想損失額を減少させ、リスクヘッジさせるための上記天候デリバティブ商品の条件の一例である。
以上のように、リスクヘッジ算出部８は、上記入力部１０により入力された天候デリバティブ商品情報の複数の天候デリバティブ商品の各天候デリバティブ商品に対し、リスクヘッジさせるための上記天候デリバティブ商品の条件を算出する。
【００２８】
図１１は、お勧め天候デリバティブ商品を選択する選択部がおこなう動作のフローチャートを示す図である。
ここではお勧めリストＲＬにある各天候デリバティブ商品のリスクヘッジ効果のソートを行う。
Ｓ１１３４において、選択部９は、Ｍ値とリストＲＬ２との初期化を行い、図７において求めたお勧めリストＲＬの中で天候要因Ｍに関する情報を全て取り出し一時リストＲＬ＿Ｍに格納する。一時リストＲＬ＿Ｍは、記憶装置３０に記憶される。
Ｓ１１３６において、選択部９は、天候要因Ｍについてデータ操作を行う。
Ｓ１１３７において、選択部９は、一時リストＲＬ＿Ｍの全ての要素をＲＬ２にコピーする。
Ｓ１１３８において、選択部９は、ＭがｍａｘＭかどうかを判断する。ＭがｍａｘＭの場合は、Ｓ１１４０に進む。ＭがｍａｘＭでない場合は、Ｓ１１３９に進む。
Ｓ１１３９において、選択部９は、Ｍに１を加算し、Ｓ１１３５に戻る。すなわち、選択部９は、全ての天候要因ＭについてＳ１１３５〜Ｓ１１３７を繰り返す。そして、選択部９は、リストＲＬ２に全ての天候要因Ｍについて、お勧めリストＲＬにある各天候デリバティブ商品のリスクヘッジ効果の各情報をリストにする。
Ｓ１１４０において、選択部９は、天候デリバティブ商品にて給付された後の実質的な損失額である実質損失額でソートする。次に、選択部９は、実質損失額が同額である場合が存在するときには、実質的な支払い保険料額でソートする。すなわち、選択部９は、図１０における実質損失額１２２の小さい順にリストＲＬ２を並び替える。そして、実質損失額１２２が同額である場合が存在するときには、同額である部分について支払い保険料額１２３の小さい順にリストＲＬ２を並び替える。
Ｓ１１４１において、選択部９は、天候デリバティブ商品のお勧めパターン１１を出力する。このとき入力部１０において入力されたパラメータでお勧め天候デリバティブ商品の数ｄＮｕｍの指定があれば最大ｄＮｕｍ個までがお勧め天候デリバティブ商品とする。また、入力されたパラメータで支払い保険料の最大額ｍａｘＰが設定されている場合には支払い限度額のチェックを行う。そして、選択部９は、上記各条件に適した天候デリバティブ商品のお勧めパターン１１を出力する。
【００２９】
ここで、上記天候情報は、過去に上記天候デリバティブ商品で料金が支払われるための天候条件に該当した複数年度の各年度の日数を示す日数情報を有している。
そして、上記図８で説明したように、上記リスクヘッジ算出部８は、上記入力部１０により入力された天候情報に基づき、上記日数情報が示す各年度の日数の内、少ない年度の日数を最低日数、多い年度の日数を最高日数、各年度の日数の平均を平均日数として、図８のＳ８３２において上記最低日数の場合に上記天候デリバティブ商品が支払う料金と上記リスクヘッジさせるために必要な口数と、最高日数の場合に上記天候デリバティブ商品が支払う料金と上記リスクヘッジさせるために必要な口数と、平均日数の場合に上記リスクヘッジさせるために必要な口数を算出し、さらに、図８のＳ８３３において上記予想損失額と上記天候デリバティブ商品が支払う料金との差額をリスクヘッジ後の損失額として算出している。
【００３０】
そして、選択部９は、所定の条件に基づき上記最低日数と上記最高日数と上記平均日数とのいずれかを選択し、選択された日数に該当する上記リスクヘッジ算出部８により算出されたリスクヘッジ後の損失額を選択し、選択された日数に該当する口数に基づく掛け金を支払い保険料額として選択する。ここで、上記所定の条件は、上記入力部１０により入力された天候情報に基づき定まるようしている。
【００３１】
図１２は、リストＲＬ＿Ｍのデータ操作の例を説明する図である。
図１２では、天候要因が降水量の場合を例にとって説明する。ＲＨ（Ｎ，Ｍ，Ｄ）の情報は図１０に示されるように、天候デリバティブ商品の満たす条件が平均的データの場合の実質損失額１１５、過去のデータから予測される最高の場合の実質損失額１１６、最低の場合の実質損失額１１７が求められている。そこで、選択部９は、その年の降水量の予測を入力部１０を介して天候データベース１より入力する。
Ｓ１２４２において、選択部９は、天候要因Ｍについての予測について所定の条件で判断する。例えば、ここでは、天候要因として降水量について説明しているので、例えば、今後１年の降水量が多雨か少雨が平年並みかを判断する。少雨の場合は、Ｓ１２４３に進む。平年並みの場合は、Ｓ１２４４に進む。多雨の場合は、Ｓ１２４５に進む。
Ｓ１２４３において、選択部９は、実質損失額１１７を選択し、実質損失額１２２に選択された実質損失額１１７をコピーする。そして、選択部９は、購入口数（最低）１２０を選択し、選択された購入口数（最低）１２０と一口あたりの商品に値段１２１との積を算出し、支払い保険料額１２３に代入する。選択部９は、記憶装置３０からＤＭＭｉｎを読み込み、実質的な予想損失額１２４に代入する。選択部９は、記憶装置３０からＹＹ（Ｍ，Ｄ）、ＫＭｉｎを読み込み、ＹＹ（Ｍ，Ｄ）とＫＭｉｎとの積を算出し、算出された積を実質的な受取額の予想値１２５に代入する。
Ｓ１２４４において、選択部９は、実質損失額１１５を選択し、実質損失額１２２に選択された実質損失額１１５をコピーする。そして、選択部９は、購入口数（平均）１１８を選択し、選択された購入口数（平均）１１８と一口あたりの商品に値段１２１との積を算出し、支払い保険料額１２３に代入する。選択部９は、記憶装置３０からＤＭＡｖｅを読み込み、実質的な予想損失額１２４に代入する。選択部９は、記憶装置３０からＹＹ（Ｍ，Ｄ）、ＫＡｖｅを読み込み、ＹＹ（Ｍ，Ｄ）とＫＡｖｅとの積を算出し、算出された積を実質的な受取額の予想値１２５に代入する。
Ｓ１２４５において、選択部９は、実質損失額１１６を選択し、実質損失額１２２に選択された実質損失額１１６をコピーする。そして、選択部９は、購入口数（最高）１１９を選択し、選択された購入口数（最高）１１９と一口あたりの商品に値段１２１との積を算出し、支払い保険料額１２３に代入する。選択部９は、記憶装置３０からＤＭＭａｘを読み込み、実質的な予想損失額１２４に代入する。選択部９は、記憶装置３０からＹＹ（Ｍ，Ｄ）、ＫＭａｘを読み込み、ＹＹ（Ｍ，Ｄ）とＫＭａｘとの積を算出し、算出された積を実質的な受取額の予想値１２５に代入する。
多雨、少雨などの状況に応じて予測される天候デリバティブ商品から得られる保険額を予測して、その保険額により補填された後、すなわち、リスクヘッジされた後の損失額を実質損失額として実質損失額１２２に代入し、またそのときに必要となる天候デリバティブ商品に対する支払い保険料額を支払い保険料額１２３に代入する。降水量を天候条件として料金を支払うことを商品内容とする天候デリバティブ商品が複数ある場合に、すべての天候デリバティブ商品についておこなう。
【００３２】
出力部２０は、選択部９により出力された天候デリバティブ商品のお勧めパターン１１（天候デリバティブ商品の条件の一例である）を外部に出力する。出力部２０は、例えば、プリンタ等に出力してもよい。また、画面に表示してもよい。天候デリバティブ商品の条件を出力することにより、ユーザに対し、顧客に推奨すべき天候デリバティブ商品の識別を促すものであれば構わない。
【００３３】
図１１で説明したように、上記リスクヘッジ算出部８は、複数の天候デリバティブ商品の各天候デリバティブ商品に対し、予想損失額と予想される上記天候デリバティブ商品が支払う料金との差額をリスクヘッジ後の損失額として算出しているため、出力部２０は、上記リスクヘッジ算出部８により算出されたリスクヘッジ後の損失額の小さい順に、上記リスクヘッジ算出部により算出された各天候デリバティブ商品の条件を出力する。
さらに、上記天候デリバティブ商品は、一口あたり所定の掛け金で顧客が購入する口数に応じて料金を支払うため、出力部２０は、上記リスクヘッジ算出部８により算出されたリスクヘッジ後の損失額が同一値である複数の天候デリバティブ商品が存在する場合に、上記天候デリバティブ商品が支払う料金を受け取るために顧客が購入する口数に所定の掛け金を乗じた支払い掛け金の小さい順に、上記リスクヘッジ算出部８により算出された各天候デリバティブ商品の条件を出力する。
以上のように、上記選択部９によりソートされることで、上記出力部２０は、ユーザに対し、リスクヘッジ効果の大きい順に上記リスクヘッジ算出部により算出された各天候デリバティブ商品の条件を出力することで、顧客に対する投資対効果を明確にすることができ、天候デリバティブ商品を売り込むときに有効な戦略をたてることが可能になるという効果が期待できる。
【００３４】
以上のように、想定できる全ての天候要因が顧客の売上に与える影響を天候データベース１と顧客データベース２から算出することにより売上に影響のある天候要因を特定することができる。さらに各天候要因に対して用意されている全ての天候デリバティブ商品が顧客の売上に与えるリスクヘッジ効果を天候データベース１と顧客データベース２の時系列データより予測することにより、顧客が天候デリバティブ商品を購入した場合の投資対効果を明確にすることができ、天候デリバティブ商品を売り込むときに有効な戦略をたてることが可能になるという効果が期待できる。言いかえれば、顧客情報とマッチングしていることにより天候デリバティブ商品を売り込むときのヒット率を高めること、すなわち、顧客が天候デリバティブ商品を購入する確率を高めるという効果が期待できる。
【００３５】
また、天候デリバティブ商品のお勧めを選択する場合に、商品の購入限度額、得られる効果の最低額、売上に与える影響の度合いなどを指定できるようにしているため異なる効果の天候デリバティブ商品のパターンを求めることができ、顧客に対する天候デリバティブ商品の売り込み時に様々な戦略を練ることができるという効果が期待できる。
【００３６】
実施の形態２．
実施の形態１では、天候デリバティブ商品を顧客に勧めるときに最も効果の高い商品をお勧め商品として選択し顧客戦略を練るためのものであるが、次に天候デリバティブ商品を選択する場合に天候ポートフォリオとしてお勧め商品を選択する実施の形態を示す。実施の形態２における各構成は、図１と同様である。
【００３７】
上記入力部１０は、天候データベース１から複数の天候要因に関する天候情報と、天候デリバティブ商品データベース４から上記複数の天候要因の各天候要因について所定の天候条件により料金を支払うことを商品内容とする複数の天候デリバティブ商品に関する天候デリバティブ商品情報とを入力する。
上記リスクヘッジ算出部８は、上記入力部１０により入力された天候デリバティブ商品情報の上記複数の天候要因の各天候要因について、上記複数の天候デリバティブ商品の各天候デリバティブ商品に対し、リスクヘッジさせるための上記天候デリバティブ商品の条件（例えば、ここでは、リスクヘッジ効果ＲＨ（Ｎ，Ｍ，Ｄ）の各情報）を算出する。
選択部９は、上記複数の天候要因の各天候要因に対し、リスクヘッジ効果の最も大きい各天候デリバティブ商品について上記リスクヘッジ算出部８により算出された各天候デリバティブ商品の条件を選択する。
【００３８】
以下、実施の形態１と異なる部分のみ説明する。
図１３は、実施の形態２におけるお勧め天候デリバティブ商品を選択する選択部がおこなう動作を示すフローチャート図である。
Ｓ１３４６において、選択部９は、Ｍを１とし、リストＲＬ２の初期化を行う。
Ｓ１３４７において、選択部９は、図７で作成したお勧めリストＲＬから天候要因Ｍに関する情報を取り出し一時リストＲＬ＿Ｍに格納する。
Ｓ１３４８において、選択部９は、図１２で示すデータ操作を行い一時リストＲＬ＿Ｍの各項目に天候要因Ｍの予測による実質損失額などの算出を行う。
Ｓ１３４９において、選択部９は、天候要因Ｍの予測による実質損失額等が代入された図１０におけるリスクヘッジ効果ＲＨ（Ｎ，Ｍ，Ｄ）の各情報である天候要因Ｍに関する複数のお勧め天候デリバティブ商品情報に対し、天候デリバティブ商品にて給付された後の実質的な損失額である実質損失額でソートする。次に、選択部９は、実質損失額が同額である場合が存在するときには、実質的な支払い保険料額でソートする。すなわち、選択部９は、図１０における実質損失額１２２の小さい順にリストＲＬ２を並び替える。そして、実質損失額１２２が同額である場合が存在するときには、同額である部分について支払い保険料額１２３の小さい順にリストＲＬ２を並び替える。すなわち、選択部９は、ソートすることで、一時リストＲＬ＿Ｍを実質損失額が少なく支払う保険料が少ない順に天候デリバティブ商品を並べ換える。
Ｓ１３５０において、選択部９は、一時リストＲＬ＿Ｍの中で先頭にある項目、すなわち、天候デリバティブ商品の条件で示される天候デリバティブ商品が天候要因Ｍに関する天候デリバティブ商品の中で最も効率よい商品となるため、お勧め天候天候ポートフォリオの候補としてＲＬ２に格納する。ＲＬ２は、記憶装置３０に記憶される。
Ｓ１３５１において、選択部９は、ＭがｍａｘＭかどうかを判断する。ＭがｍａｘＭの場合は、Ｓ１３５３に進む。ＭがｍａｘＭでない場合は、Ｓ１３５２に進む。
Ｓ１３５２において、選択部９は、Ｍに１を加算し、Ｓ１３４７に戻る。すなわち、選択部９は、全ての天候要因ＭについてＳ１３４７〜Ｓ１３５０を繰り返す。そして、選択部９は、リストＲＬ２に全ての天候要因Ｍについて、お勧めリストＲＬにある各天候デリバティブ商品のリスクヘッジ効果の各情報をリストにする。すなわち、全ての天候要因Ｍについても同様の操作を行うことによりリストＲＬ２には全ての天候要因について、それぞれ最も効率の良い天候デリバティブ商品の情報が格納される。
Ｓ１３５３において、選択部９は、天候デリバティブ商品にて給付された後の実質的な損失額である実質損失額でソートする。次に、選択部９は、実質損失額が同額である場合が存在するときには、実質的な支払い保険料額でソートする。すなわち、選択部９は、図１０における実質損失額１２２の小さい順にリストＲＬ２を並び替える。そして、実質損失額１２２が同額である場合が存在するときには、同額である部分について支払い保険料額１２３の小さい順にリストＲＬ２を並び替える。ソートすることにより実質損失額が少なく支払う保険料の少ない順番に並べ換える。
Ｓ１３５４において、選択部９は、天候デリバティブ商品のお勧めパターン１１を出力する。このとき入力部１０において入力されたパラメータでお勧め天候デリバティブ商品の数ｄＮｕｍの指定があれば最大ｄＮｕｍ個までがお勧め天候デリバティブ商品とする。また、入力されたパラメータで支払い保険料の最大額ｍａｘＰが設定されている場合には支払い限度額のチェックを行う。そして、選択部９は、上記各条件に適した天候デリバティブ商品のお勧めパターン１１を出力する。言いかえれば、選択部９は、リストＲＬ２の中からあらかじめ入力部１０において入力されたパラメータ条件に合う天候デリバティブ商品を複数取り出し天候ポートフォリオ（各天候デリバティブ商品の条件の一例である）としてお勧めパターン１１を作成する。
【００３９】
以上のように、選択部９は、前記天候デリバティブ商品の選択を行う手段において、複数の天候要因の天候デリバティブ商品を組み合わせた天候ポートフォリオとして選択する。
【００４０】
上記出力部２０は、上記選択部９により選択された、ユーザに対し、上記複数の天候要因の各天候要因に対し、リスクヘッジ効果の最も大きい各天候デリバティブ商品について上記リスクヘッジ算出部８により算出された各天候デリバティブ商品の条件を出力する。言いかえれば、天候要因毎に推奨する各天候デリバティブ商品を集め、顧客毎の天候要因に合わせて複数の各天候デリバティブ商品を推奨可能にする。
【００４１】
以上のように複数の天候要因に渡る天候デリバティブ商品を天候ポートフォリオとして顧客に提示することを可能にすることにより、天候デリバティブ商品を顧客に売り込む時の戦略の幅が広がる効果が得られる。
【００４２】
実施の形態３．
ここでは、顧客データベース２にある売上情報と天候データベース１の各要因との相関関係を分析する場合に、天候要因ごとに異なったモデルで相関関係を算出する手段についての実施の形態を示す。実施の形態３における各構成は、図１と同様である。
【００４３】
上記影響値算出部の一例である相関関係算出部７は、上記顧客製品の売上と上記天候との相関関係を算出する複数の相関関係モデルに関する相関関係モデル情報を記憶装置３０を介して記憶する。
相関関係算出部７は、上記入力部１０により入力された顧客製品売上情報と天候情報とに基づき、相関関係モデル情報の複数の相関関係モデルのいずれかを選択し、選択された相関関係モデルを用いて上記上記顧客製品の売上が上記天候により受ける影響値Ｅ（Ｍ）を算出する。
【００４４】
以下、実施の形態１と異なる部分のみ説明する。
図１４は、図５におけるＳ５０５で示す手続きの内部フローチャートを示す図である。
あらかじめ用意したモデルの種類の数をｍａｘＭｏとする。
Ｓ１４０１において、相関関係算出部７は、Ｍｏに１を代入し、記憶装置３０に記憶する。
Ｓ１４５５において、相関関係算出部７は、モデルＭｏについて検定を行い、結果をＫＭｏ（Ｍｏ）として記憶装置３０に格納する。相関関係算出部７は、検定として、モデルＭｏを用いた場合の理論値を算出し、過去の実測値と比較し、その差分を検定結果とする。
Ｓ１４５６において、相関関係算出部７は、Ｍｏの値がｍａｘＭｏかどうか判断する。Ｍｏの値がｍａｘＭｏである場合は、Ｓ１４５８に進む。Ｍｏの値がｍａｘＭｏでない場合は、Ｓ１４５７に進む。
Ｓ１４５７において、相関関係算出部７は、Ｍｏに１を加算し、記憶装置３０に記憶する。すなわち、モデル１からモデルｍａｘＭｏまで全てのモデルＭｏの検定を行い結果をＫＭｏ（Ｍｏ）に格納する。
Ｓ１４５８において、相関関係算出部７は、ＫＭｏ（１）からＫＭｏ（ｍａｘＭｏ）の中から最も検定結果のよいモデルＣＭｏを天候要因Ｍのモデルと判断する。相関関係算出部７は、理論値と実測値との差分が小さいモデルを検定結果がよいモデルＣＭｏとする。
Ｓ１４５９において、相関関係算出部７は、モデルＣＭｏに基づいた相関関係値Ｃ（Ｎ，Ｍ）を算出する。
【００４５】
以上のように、相関関係算出部７は、前記主力製品の業界全体の売上データベースと天候データベースの各要因との相関関係を分析する場合において、天候の各要因ごとに適したモデルを選択し相関関係を算出する。
【００４６】
以上のように天候要因ごとに適したモデルを選択する機能を付加することにより、天候デリバティブ商品の評価を行う上で信頼性を高める効果を期待できる。
【００４７】
以上の説明において、各実施の形態の説明において「〜部」として説明したものは、一部或いはすべてコンピュータで動作可能なプログラムにより構成することができる。これらのプログラムは、例えば、Ｃ言語により作成することができる。或いは、ＨＴＭＬやＳＧＭＬやＸＭＬを用いても構わない。或いは、ＪＡＶＡ（登録商標）を用いて画面表示を行っても構わない。
【００４８】
また、以上の説明において、各実施の形態の説明において「〜部」として説明したものを、一部或いはすべてコンピュータで動作可能なプログラムにより構成する場合、天候デリバティブ商品推奨装置５は、図示されていないが、システムユニット、ＣＲＴ（Ｃａｔｈｏｄｅ Ｒａｙ Ｔｕｂｅ）表示装置、キーボード（Ｋ／Ｂ）、マウス、コンパクトディスク装置（ＣＤＤ）、プリンタ装置、スキャナ装置を備えている。ＣＲＴ表示装置、Ｋ／Ｂ、マウス、ＣＤＤ、プリンタ装置、スキャナ装置は、システムユニットにケーブルで接続されている。
また、天候デリバティブ商品推奨装置５は、図示されていないが、プログラムを実行するＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）を備えている。ＣＰＵは、バスを介してＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）（記憶装置の一例である）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）（記憶装置の一例である）、通信ボード、ＣＲＴ表示装置、Ｋ／Ｂ、マウス、ＦＤＤ（Ｆｌｅｘｉｂｌｅ Ｄｉｓｋ Ｄｒｉｖｅ）、磁気ディスク装置（記憶装置の一例である）、ＣＤＤ、プリンタ装置、スキャナ装置と接続されている。通信ボードは、インターネット或いは専用回線等に接続されている。
ここで、通信ボードは、インターネットに限らず、さらに、ＬＡＮ（ローカルエリアネットワーク）、或いはＩＳＤＮ等のＷＡＮ（ワイドエリアネットワーク）に接続されていても構わない。
磁気ディスク装置には、オペレーティングシステム（ＯＳ）、ウィンドウシステム、プログラム群、ファイル群が記憶されている。プログラム群は、ＣＰＵ、ＯＳ、ウィンドウシステムにより実行される。
プログラムにより構成する場合、上記プログラム群には、各実施の形態の説明において「〜部」として説明したものにより実行されるプログラムが記憶されている。ファイル群には、上記実施の形態の説明において「〜リスト」として説明したものが記憶されている。
また、各実施の形態の説明において「〜部」として説明したものは、ＲＯＭに記憶されたファームウェアで実現されていても構わない。或いは、ソフトウェア或いは、ハードウェア或いは、ソフトウェアとハードウェアとファームウェアとの組み合わせで実施されても構わない。
また、上記各実施の形態を実施させるプログラムは、また、磁気ディスク装置、ＦＤ（Ｆｌｅｘｉｂｌｅ Ｄｉｓｋ）、光ディスク、ＣＤ（コンパクトディスク）、ＭＤ（ミニディスク）、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ）等のその他の記録媒体による記録装置を用いて記憶されても構わない。
また、出力部は、ＣＲＴ表示装置、その他の表示装置、プリンタ装置等の出力装置を用いても構わない。
【００４９】
【発明の効果】
以上のように、この発明の天候デリバティブ商品推奨システムによれば、顧客に天候デリバティブ商品を勧める場合に、天候デリバティブ商品によって得ると予測される効果を数値で示すことができるため、天候デリバティブ商品の購入の動機づけを得やすいという効果がある。
また、顧客へのお勧め商品として天候デリバティブ商品を選択する場合に、複数の天候要因を網羅する天候デリバティブ商品の組合せをポートフォリオとして顧客に提示して選択のバリエーションを広げる効果が期待できる。
また、天候要因ごとに適したモデルを選択して相関関係を算出するため、天候デリバティブ商品の効果を計算する上で精度が高くなるという効果がある。
【図面の簡単な説明】
【図１】 実施の形態１におけるシステムブロック図である。
【図２】 入力部１０に入力するパラメータの一覧を示す図である。
【図３】 各商品の売上高に対する割合の多い順に並び替えた製品内訳を示す図である。
【図４】 解析部がおこなう動作の一例を示すフローチャート図である。
【図５】 顧客の主力製品が天候要因に受ける影響を求めるフローチャートを示す図である。
【図６】 図５におけるＳ５の処理をフローチャートで示した図である。
【図７】 リスクヘッジ算出部がおこなう動作を示すフローチャート図である。
【図８】 天候デリバティブ商品のリスクヘッジ効果を算出するフローチャートを示す図である。
【図９】 ＤＦ（Ｎ，Ｍ，Ｄ）の内容を示す図である。
【図１０】 リスクヘッジ効果ＲＨ（Ｎ，Ｍ，Ｄ）のボディ部の構成を示す図である。
【図１１】 お勧め天候デリバティブ商品を選択する選択部がおこなう動作のフローチャートを示す図である。
【図１２】 リストＲＬ＿Ｍのデータ操作の例を説明する図である。
【図１３】 実施の形態２におけるお勧め天候デリバティブ商品を選択する選択部がおこなう動作を示すフローチャート図である。
【図１４】 図５におけるＳ５０５で示す手続きの内部フローチャートを示す図である。
【符号の説明】
１ 天候データベース、２ 顧客データベース、３ 業界全体の売上データベース、４ 天候デリバティブ商品データベース、５ 天候デリバティブ商品推奨装置、６ 解析部、７ 相関関係算出部、８ リスクヘッジ算出部、９ 選択部、１０ 入力部、１１ お勧めパターン、１３ 製品内訳、１４ 主力製品売上情報、２０ 出力部、３０ 記憶装置、１００ 天候デリバティブ商品推奨システム。
Claims (10)
- 顧客製品の売上を所定の期間ごとに記録した顧客製品売上情報を格納する顧客データベースと、天候を上記所定の期間ごとに記録した天候情報を格納する天候データベースと、一口あたり所定の掛け金で販売され所定の天候条件により一口あたり所定の料金を支払うことを商品内容とする天候デリバティブ商品に関し、上記所定の天候条件と上記所定の料金と上記所定の掛け金とを定義した天候デリバティブ商品情報を格納する天候デリバティブ商品データベースとにアクセスし、上記顧客製品売上情報と上記天候情報と上記天候デリバティブ商品情報とを取り出して入力する入力部と、
（１）上記入力部により入力された天候情報と天候デリバティブ商品情報とに基づき、上記天候デリバティブ商品で料金が支払われる天候条件を満たす期間の長さＯＤをＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）により算出して記憶装置に格納し、（２）上記入力部により入力された顧客製品売上情報に基づき、上記天候デリバティブ商品で料金が支払われる天候条件を満たす期間における上記所定の期間あたりの上記顧客製品の平均売上高ＣＮＤを上記ＣＰＵにより算出して上記記憶装置に格納し、（３）上記入力部により入力された顧客製品売上情報に基づき、上記所定の期間あたりの上記顧客製品の平均売上高ＮＭＬを上記ＣＰＵにより算出し、（４）算出した平均売上高ＮＭＬから上記記憶装置に格納した平均売上高ＣＮＤを減じた差ＤＦを上記ＣＰＵにより算出し、（５）算出した差ＤＦに上記記憶装置に格納した長さＯＤを乗じた予想損失額ＤＭを上記ＣＰＵにより算出して上記記憶装置に格納し、（６）上記入力部により入力された天候デリバティブ商品情報に基づき、上記天候デリバティブ商品一口あたりで支払われる料金から上記天候デリバティブ商品一口あたりの掛け金を減じた差額ＹＹを上記ＣＰＵにより算出して上記記憶装置に格納し、（７）上記記憶装置に格納した予想損失額ＤＭを上記記憶装置に格納した差額ＹＹで除した商を購入口数Ｋとして上記ＣＰＵにより算出するリスクヘッジ算出部と、
上記リスクヘッジ算出部により算出された購入口数Ｋを出力装置に出力することで、ユーザに対し、顧客に推奨すべき天候デリバティブ商品の購入口数を通知する出力部と
を備えたことを特徴とする天候デリバティブ商品推奨装置。 - 上記天候デリバティブ商品推奨装置は、さらに、上記入力部により入力された顧客製品売上情報と天候情報とに基づき、上記顧客製品の売上と上記天候との相関関係を示す相関関係値Ｃを影響値Ｅとして上記ＣＰＵにより算出する影響値算出部を備え、
上記入力部は、所定の基準値ｍｉｎＥＭを入力し、
上記リスクヘッジ算出部は、（５）上記影響値算出部により算出された影響値Ｅが上記入力部により入力された基準値ｍｉｎＥＭより大きい場合に、上記予想損失額ＤＭを上記ＣＰＵにより算出することを特徴とする請求項１記載の天候デリバティブ商品推奨装置。 - 上記顧客製品売上情報は、複数の顧客製品の売上全体に対して上記顧客製品の売上が占める割合値Ｒを示す割合値情報を有し、
上記影響値算出部は、上記入力部により入力された顧客製品売上情報に基づき、上記相関関係値Ｃに上記割合値情報が示す割合値Ｒを乗じた値を上記影響値Ｅとして上記ＣＰＵにより算出することを特徴とする請求項２記載の天候デリバティブ商品推奨装置。 - 上記入力部は、所定の基準値ｍｉｎＤＦを入力し、
上記リスクヘッジ算出部は、（５）上記差ＤＦが上記入力部により入力された基準値ｍｉｎＤＦ以上である場合に、上記予想損失額ＤＭを上記ＣＰＵにより算出することを特徴とする請求項１から３までのいずれかに記載の天候デリバティブ商品推奨装置。 - 上記所定の期間は、日であり、
上記天候情報は、過去に上記天候デリバティブ商品で料金が支払われる天候条件を満たした期間の長さとして、複数年度の各年度の日数を示す日数情報を有し、
上記リスクヘッジ算出部は、（５）上記入力部により入力された天候情報に基づき、上記日数情報が示す各年度の日数の内、少ない年度の日数を最低日数ＯＤＭｉｎ、多い年度の日数を最高日数ＯＤＭａｘ、各年度の日数の平均を平均日数ＯＤＡｖｅとして、上記差ＤＦに上記最低日数ＯＤＭｉｎを乗じた最低予想損失額ＤＭＭｉｎと、上記差ＤＦに上記最高日数ＯＤＭａｘを乗じた最高予想損失額ＤＭＭａｘと、上記差ＤＦに上記平均日数ＯＤＡｖｅを乗じた平均予想損失額ＤＭＡｖｅとを上記ＣＰＵにより算出して上記記憶装置に格納し、（７）上記記憶装置に格納した最低予想損失額ＤＭＭｉｎと最高予想損失額ＤＭＭａｘと平均予想損失額ＤＭＡｖｅとを上記記憶装置に格納した差額ＹＹで除した商をそれぞれ購入口数ＫＭｉｎ、ＫＭａｘ、ＫＡｖｅとして上記ＣＰＵにより算出し、
上記天候デリバティブ商品推奨装置は、さらに、所定の条件に基づき上記最低日数ＯＤＭｉｎと上記最高日数ＯＤＭａｘと上記平均日数ＯＤＡｖｅとのそれぞれに該当する上記リスクヘッジ算出部により算出された購入口数ＫＭｉｎ、ＫＭａｘ、ＫＡｖｅのいずれかを選択し、選択された口数に上記天候デリバティブ商品一口あたりの掛け金を乗じた支払い保険料額を上記ＣＰＵにより算出する選択部を備えたことを特徴とする請求項１から４までのいずれかに記載の天候デリバティブ商品推奨装置。 - 上記天候デリバティブ商品情報には、複数の天候デリバティブ商品に関する上記所定の天候条件と上記所定の料金と上記所定の掛け金とが定義されており、
上記リスクヘッジ算出部は、（１）上記入力部により入力された天候情報と天候デリバティブ商品情報とに基づき、上記複数の天候デリバティブ商品の各天候デリバティブ商品Ｄで料金が支払われる天候条件を満たす期間の長さＯＤ（Ｄ）を上記ＣＰＵにより算出して記憶装置に格納し、（２）上記入力部により入力された顧客製品売上情報に基づき、各天候デリバティブ商品Ｄで料金が支払われる天候条件を満たす期間における上記所定の期間あたりの上記顧客製品の平均売上高ＣＮＤ（Ｄ）を上記ＣＰＵにより算出して上記記憶装置に格納し、（３）上記入力部により入力された顧客製品売上情報に基づき、上記所定の期間あたりの上記顧客製品の平均売上高ＮＭＬを上記ＣＰＵにより算出し、（４）算出した平均売上高ＮＭＬから上記記憶装置に格納した平均売上高ＣＮＤ（Ｄ）を減じた差ＤＦ（Ｄ）を上記ＣＰＵにより算出し、（５）算出した差ＤＦ（Ｄ）に上記記憶装置に格納した長さＯＤ（Ｄ）を乗じた予想損失額ＤＭ（Ｄ）を上記ＣＰＵにより算出して上記記憶装置に格納し、（６）上記入力部により入力された天候デリバティブ商品情報に基づき、各天候デリバティブ商品Ｄ一口あたりで支払われる料金から各天候デリバティブ商品Ｄ一口あたりの掛け金を減じた差額ＹＹ（Ｄ）を上記ＣＰＵにより算出して上記記憶装置に格納し、（７）上記記憶装置に格納した予想損失額ＤＭ（Ｄ）を上記記憶装置に格納した差額ＹＹ（Ｄ）で除した商を購入口数Ｋ（Ｄ）として上記ＣＰＵにより算出し、（８）算出した購入口数Ｋ（Ｄ）に上記記憶装置に格納した差額ＹＹ（Ｄ）を乗じた値を上記記憶装置に格納した予想損失額ＤＭ（Ｄ）から減じた実質損失額を上記ＣＰＵにより算出し、
上記出力部は、上記リスクヘッジ算出部により算出された実質損失額の小さい順に、上記リスクヘッジ算出部により算出された購入口数Ｋ（Ｄ）を出力装置に出力することで、ユーザに対し、リスクヘッジ効果の大きい順に顧客に推奨すべき各天候デリバティブ商品の購入口数を通知することを特徴とする請求項１から４までのいずれかに記載の天候デリバティブ商品推奨装置。 - 上記出力部は、上記リスクヘッジ算出部により算出された実質損失額が同一値である複数の天候デリバティブ商品が存在する場合に、当該複数の天候デリバティブ商品の各天候デリバティブ商品Ｄの購入口数Ｋ（Ｄ）に各天候デリバティブ商品Ｄ一口あたりの掛け金を乗じた支払い掛け金の小さい順に、上記リスクヘッジ算出部により算出された購入口数Ｋ（Ｄ）を出力装置に出力することを特徴とする請求項６記載の天候デリバティブ商品推奨装置。
- 上記天候情報には、複数の天候要因が上記所定の期間ごとに記録されており、
上記天候デリバティブ商品情報には、一口あたり所定の掛け金で販売され上記複数の天候要因の各天候要因について所定の天候条件により一口あたり所定の料金を支払うことを商品内容とする複数の天候デリバティブ商品に関し、上記所定の天候条件と上記所定の料金と上記所定の掛け金とが定義されており、
上記リスクヘッジ算出部は、（１）上記入力部により入力された天候情報と天候デリバティブ商品情報とに基づき、上記複数の天候要因の各天候要因Ｍについて、上記複数の天候デリバティブ商品の各天候デリバティブ商品Ｄで料金が支払われる天候条件を満たす期間の長さＯＤ（Ｍ，Ｄ）を上記ＣＰＵにより算出して記憶装置に格納し、（２）上記入力部により入力された顧客製品売上情報に基づき、各天候要因Ｍについて、各天候デリバティブ商品Ｄで料金が支払われる天候条件を満たす期間における上記所定の期間あたりの上記顧客製品の平均売上高ＣＮＤ（Ｍ，Ｄ）を上記ＣＰＵにより算出して上記記憶装置に格納し、（３）上記入力部により入力された顧客製品売上情報に基づき、上記所定の期間あたりの上記顧客製品の平均売上高ＮＭＬを上記ＣＰＵにより算出し、（４）算出した平均売上高ＮＭＬから上記記憶装置に格納した平均売上高ＣＮＤ（Ｍ，Ｄ）を減じた差ＤＦ（Ｍ，Ｄ）を上記ＣＰＵにより算出し、（５）算出した差ＤＦ（Ｍ，Ｄ）に上記記憶装置に格納した長さＯＤ（Ｍ，Ｄ）を乗じた予想損失額ＤＭ（Ｍ，Ｄ）を上記ＣＰＵにより算出して上記記憶装置に格納し、（６）上記入力部により入力された天候デリバティブ商品情報に基づき、各天候要因Ｍについて、各天候デリバティブ商品Ｄ一口あたりで支払われる料金から各天候デリバティブ商品Ｄ一口あたりの掛け金を減じた差額ＹＹ（Ｍ，Ｄ）を上記ＣＰＵにより算出して上記記憶装置に格納し、（７）上記記憶装置に格納した予想損失額ＤＭ（Ｍ，Ｄ）を上記記憶装置に格納した差額ＹＹ（Ｍ，Ｄ）で除した商を購入口数Ｋ（Ｍ，Ｄ）として上記ＣＰＵにより算出し、（８）算出した購入口数Ｋ（Ｍ，Ｄ）に上記記憶装置に格納した差額ＹＹ（Ｍ，Ｄ）を乗じた値を上記記憶装置に格納した予想損失額ＤＭ（Ｍ，Ｄ）から減じた実質損失額を上記ＣＰＵにより算出し、
上記出力部は、各天候要因Ｍについて、上記リスクヘッジ算出部により算出された実質損失額の最も小さい天候デリバティブ商品Ｄの、上記リスクヘッジ算出部により算出された購入口数Ｋ（Ｍ，Ｄ）を出力装置に出力することで、ユーザに対し、上記複数の天候要因の各天候要因に対し、リスクヘッジ効果の最も大きい各天候デリバティブ商品の購入口数を通知することを特徴とする請求項１から４までのいずれかに記載の天候デリバティブ商品推奨装置。 - 天候デリバティブ商品推奨装置の入力部が、顧客製品の売上を所定の期間ごとに記録した顧客製品売上情報を格納する顧客データベースと、天候を上記所定の期間ごとに記録した天候情報を格納する天候データベースと、一口あたり所定の掛け金で販売され所定の天候条件により一口あたり所定の料金を支払うことを商品内容とする天候デリバティブ商品に関し、上記所定の天候条件と上記所定の料金と上記所定の掛け金とを定義した天候デリバティブ商品情報を格納する天候デリバティブ商品データベースとにアクセスし、上記顧客製品売上情報と上記天候情報と上記天候デリバティブ商品情報とを取り出して入力する入力工程と、
上記天候デリバティブ商品推奨装置のリスクヘッジ算出部が、（１）上記入力工程により入力された天候情報と天候デリバティブ商品情報とに基づき、上記天候デリバティブ商品で料金が支払われる天候条件を満たす期間の長さＯＤをＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）により算出して記憶装置に格納し、（２）上記入力工程により入力された顧客製品売上情報に基づき、上記天候デリバティブ商品で料金が支払われる天候条件を満たす期間における上記所定の期間あたりの上記顧客製品の平均売上高ＣＮＤを上記ＣＰＵにより算出して上記記憶装置に格納し、（３）上記入力工程により入力された顧客製品売上情報に基づき、上記所定の期間あたりの上記顧客製品の平均売上高ＮＭＬを上記ＣＰＵにより算出し、（４）算出した平均売上高ＮＭＬから上記記憶装置に格納した平均売上高ＣＮＤを減じた差ＤＦを上記ＣＰＵにより算出し、（５）算出した差ＤＦに上記記憶装置に格納した長さＯＤを乗じた予想損失額ＤＭを上記ＣＰＵにより算出して上記記憶装置に格納し、（６）上記入力工程により入力された天候デリバティブ商品情報に基づき、上記天候デリバティブ商品一口あたりで支払われる料金から上記天候デリバティブ商品一口あたりの掛け金を減じた差額ＹＹを上記ＣＰＵにより算出して上記記憶装置に格納し、（７）上記記憶装置に格納した予想損失額ＤＭを上記記憶装置に格納した差額ＹＹで除した商を購入口数Ｋとして上記ＣＰＵにより算出するリスクヘッジ算出工程と、
上記天候デリバティブ商品推奨装置の出力部が、上記リスクヘッジ算出工程により算出された購入口数Ｋを出力装置に出力することで、ユーザに対し、顧客に推奨すべき天候デリバティブ商品の購入口数を通知する出力工程と
を備えたことを特徴とする天候デリバティブ商品推奨方法。 - 顧客製品の売上を所定の期間ごとに記録した顧客製品売上情報を格納する顧客データベースと、天候を上記所定の期間ごとに記録した天候情報を格納する天候データベースと、一口あたり所定の掛け金で販売され所定の天候条件により一口あたり所定の料金を支払うことを商品内容とする天候デリバティブ商品に関し、上記所定の天候条件と上記所定の料金と上記所定の掛け金とを定義した天候デリバティブ商品情報を格納する天候デリバティブ商品データベースとにアクセスし、上記顧客製品売上情報と上記天候情報と上記天候デリバティブ商品情報とを取り出して入力する入力処理と、
（１）上記入力処理により入力された天候情報と天候デリバティブ商品情報とに基づき、上記天候デリバティブ商品で料金が支払われる天候条件を満たす期間の長さＯＤをＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）により算出して記憶装置に格納し、（２）上記入力処理により入力された顧客製品売上情報に基づき、上記天候デリバティブ商品で料金が支払われる天候条件を満たす期間における上記所定の期間あたりの上記顧客製品の平均売上高ＣＮＤを上記ＣＰＵにより算出して上記記憶装置に格納し、（３）上記入力処理により入力された顧客製品売上情報に基づき、上記所定の期間あたりの上記顧客製品の平均売上高ＮＭＬを上記ＣＰＵにより算出し、（４）算出した平均売上高ＮＭＬから上記記憶装置に格納した平均売上高ＣＮＤを減じた差ＤＦを上記ＣＰＵにより算出し、（５）算出した差ＤＦに上記記憶装置に格納した長さＯＤを乗じた予想損失額ＤＭを上記ＣＰＵにより算出して上記記憶装置に格納し、（６）上記入力処理により入力された天候デリバティブ商品情報に基づき、上記天候デリバティブ商品一口あたりで支払われる料金から上記天候デリバティブ商品一口あたりの掛け金を減じた差額ＹＹを上記ＣＰＵにより算出して上記記憶装置に格納し、（７）上記記憶装置に格納した予想損失額ＤＭを上記記憶装置に格納した差額ＹＹで除した商を購入口数Ｋとして上記ＣＰＵにより算出するリスクヘッジ算出処理と、
上記リスクヘッジ算出処理により算出された購入口数Ｋを出力装置に出力することで、ユーザに対し、顧客に推奨すべき天候デリバティブ商品の購入口数を通知する出力処理と
をコンピュータに実行させることを特徴とするプログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003039973A JP4279004B2 (ja) | 2003-02-18 | 2003-02-18 | 天候デリバティブ商品推奨装置及び天候デリバティブ商品推奨方法及びプログラム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003039973A JP4279004B2 (ja) | 2003-02-18 | 2003-02-18 | 天候デリバティブ商品推奨装置及び天候デリバティブ商品推奨方法及びプログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2004252569A JP2004252569A (ja) | 2004-09-09 |
| JP4279004B2 true JP4279004B2 (ja) | 2009-06-17 |
Family
ID=33023997
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2003039973A Expired - Fee Related JP4279004B2 (ja) | 2003-02-18 | 2003-02-18 | 天候デリバティブ商品推奨装置及び天候デリバティブ商品推奨方法及びプログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4279004B2 (ja) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1958141A1 (en) * | 2005-11-02 | 2008-08-20 | Swiss Reinsurance Company | A method and a computer system for forecasting the value of a structured financial product |
| JP2007334677A (ja) * | 2006-06-15 | 2007-12-27 | Osaka Gas Co Ltd | 補償料算出システム及び補償料算出方法 |
| US8156022B2 (en) | 2007-02-12 | 2012-04-10 | Pricelock, Inc. | Method and system for providing price protection for commodity purchasing through price protection contracts |
| US8538795B2 (en) | 2007-02-12 | 2013-09-17 | Pricelock, Inc. | System and method of determining a retail commodity price within a geographic boundary |
| US7945501B2 (en) | 2007-04-09 | 2011-05-17 | Pricelock, Inc. | System and method for constraining depletion amount in a defined time frame |
| WO2008124719A1 (en) | 2007-04-09 | 2008-10-16 | Pricelock, Inc. | System and method for providing an insurance premium for price protection |
| US8160952B1 (en) | 2008-02-12 | 2012-04-17 | Pricelock, Inc. | Method and system for providing price protection related to the purchase of a commodity |
| JP2009237694A (ja) * | 2008-03-26 | 2009-10-15 | Tokyo Financial Exchange Inc | 気温指標生成方法、気温指標装置及び気温先物取引システム |
| JP5715989B2 (ja) * | 2012-06-21 | 2015-05-13 | スイス リインシュランス カンパニー リミテッド | 仕組金融商品の価値を予測する方法及びコンピュータ・システム |
-
2003
- 2003-02-18 JP JP2003039973A patent/JP4279004B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2004252569A (ja) | 2004-09-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20230018311A1 (en) | Systems and methods for quantity determinations without predicting out of stock events | |
| US20190073684A1 (en) | Trust Rating Metric for Future Event Prediction of an Outcome | |
| KR100766148B1 (ko) | 자산 가치 평가에 대한 최소 변동 가정 선택을 위한 컴퓨터로 구현되는 방법과, 포트폴리오 가치 평가 시스템 및 컴퓨터 | |
| WO1992018939A1 (en) | Sale quantity characteristics classification system and supplementary ordering system | |
| US20090276289A1 (en) | System and Method for Predicting Likelihood of Customer Attrition and Retention Measures | |
| US20090070182A1 (en) | Organization activity management system | |
| US20200051142A1 (en) | System and method for determining retail-business-rule coefficients from current prices | |
| Lam et al. | An artificial neural network and entropy model for residential property price forecasting in Hong Kong | |
| US11182808B2 (en) | Method and system for attributes based forecasting | |
| JP4279004B2 (ja) | 天候デリバティブ商品推奨装置及び天候デリバティブ商品推奨方法及びプログラム | |
| Zhou et al. | An optimal replenishment policy for items with inventory-level-dependent demand and fixed lifetime under the LIFO policy | |
| US6611809B1 (en) | Method and apparatus for selecting taxpayer audits | |
| JP5031715B2 (ja) | 商品需要予測システム、商品の売上数調整システム | |
| CN113159461A (zh) | 基于样本迁移学习的中小微企业信用评价方法 | |
| JP6250623B2 (ja) | 取引管理システム、取引管理方法及び取引管理プログラム | |
| Mathewson | Information, search, and price variability of individual life insurance contracts | |
| Huang et al. | Sales forecast for O2O services-based on incremental random forest method | |
| JP4268408B2 (ja) | 製品の出荷量予測装置、方法及びコンピュータ読み取り可能な記憶媒体 | |
| Prak et al. | Forecasting and inventory control with compound poisson demand using periodic demand data | |
| Dendramis et al. | Measuring the Default Risk of Small Business Loans: Improved Credit Risk Prediction using Deep Learning | |
| Senthil | An Improved Gradient Boosted Algorithms Based Solutions Predictive Model (Trade) | |
| JP2019053357A (ja) | 不動産活用提案システム、方法、及びコンピュータプログラム | |
| JP2018028945A (ja) | 取引管理システム、取引管理方法及び取引管理プログラム | |
| CN116151861B (zh) | 基于间断时间序列样本构建的销量预测模型的构建方法 | |
| Chen et al. | A neural-network-based forecasting method for ordering perishable food in convenience stores |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20041026 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20060110 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20081104 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20081219 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20090310 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20090311 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120319 Year of fee payment: 3 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| LAPS | Cancellation because of no payment of annual fees |