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
【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 |