JP4310397B2 - 信用リスク計量化モデルの寛厳性評価方法及びその実施プログラム - Google Patents
信用リスク計量化モデルの寛厳性評価方法及びその実施プログラム Download PDFInfo
- Publication number
- JP4310397B2 JP4310397B2 JP2005307172A JP2005307172A JP4310397B2 JP 4310397 B2 JP4310397 B2 JP 4310397B2 JP 2005307172 A JP2005307172 A JP 2005307172A JP 2005307172 A JP2005307172 A JP 2005307172A JP 4310397 B2 JP4310397 B2 JP 4310397B2
- Authority
- JP
- Japan
- Prior art keywords
- credit risk
- model
- evaluation
- dignity
- default probability
- 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.)
- Active
Links
- 238000011002 quantification Methods 0.000 title claims description 59
- 238000000034 method Methods 0.000 title claims description 55
- 238000011156 evaluation Methods 0.000 claims description 192
- 238000004364 calculation method Methods 0.000 claims description 82
- 238000013210 evaluation model Methods 0.000 claims description 23
- 238000005457 optimization Methods 0.000 claims description 16
- 235000009508 confectionery Nutrition 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 4
- 230000004931 aggregating effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 2
- 230000006870 function Effects 0.000 description 104
- 238000012886 linear function Methods 0.000 description 7
- 238000013179 statistical model Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012550 audit Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000015654 memory Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002079 cooperative effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000009931 harmful effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Description
(1)信用リスクモデルの構造式を調べ、この信用リスクモデルの仮定や論理が合理的であるかどうかを検討する第1の方法。
(2)信用リスクモデルから計算された推計値(例えばデフォルト確率)が実績データ(実際にデフォルトしたかどうか)を十分に説明しているかどうかを検討する第2の方法。
第2の方法は、実績データをモデル推計時に入手することができたかどうかによって、更に2つの方法に細分されている。
(2a)信用リスクモデルのパラメータ推計に使用した実績データに対する、推計デフォルト確率が正確であったかどうかの精度を検討する第3の方法(事前評価方法)。
(2b)信用リスクモデルの運用後、一定期間(例えば1年間)経過後の実績データに対して、推計デフォルト確率が正確であったかどうかの精度を検討する第4の方法(バックテスト方法)。
第3の方法は信用リスクモデルを作成した時点において精度の評価を行う方法であり、第4の方法は信用リスクモデルを作成した時点から一定期間経過後に精度の評価を行う方法である。
P ij =f j (Q i |θ j )+ε ij
を用い、疑似評価モデル式の最適化計算を誤差ε ij の自乗和を最小にする目的関数に応じて行い、コンセンサスデフォルト確率Q i 、評価関数f j の評価関数パラメータθ j 及び誤差ε ijのそれぞれの唯一の解である最適値を算出するステップと、寛厳性評価計算部により、疑似評価モデル式を用いて算出されたいずれか1つの最適値を基準として、信用リスクモデルの推計デフォルト確率データP ij 、最適化されたコンセンサスデフォルト確率Q i 、最適化された擬似評価関数パラメータθ j 及び最適化された誤差ε ij のいずれか1つの大小を判断し、大きい場合には信用リスクモデルの計算結果が厳しいと、小さい場合には信用リスクモデルの計算結果が甘いと寛厳性を評価するステップとを備える。
また、第1の特徴に係る信用リスク計量化モデルの寛厳性評価方法において、信用リスクモデルの寛厳性を評価するステップは、疑似評価モデル式の評価関数パラメータの最適値に基づいて複数の信用リスクモデルの全体において1つの信用リスクモデルの客観的な寛厳性を相対的に評価するステップであることが好ましい。
また、第1の特徴に係る信用リスク計量化モデルの寛厳性評価方法において、疑似評価モデル式を用いて最適値を算出するステップは、線形又は非線形の疑似評価モデル式を用いて最適値を算出するステップであることが好ましい。
また、第1の特徴に係る信用リスク計量化モデルの寛厳性評価方法において、信用リスクモデルの寛厳性を評価するステップは、疑似評価モデル式の最適化された誤差と前記最適化されたコンセンサスデフォルト確率との和を企業の業種分類に従って集計しその平均値を算出し、この平均値に対して、信用リスクモデルの特定業種の推計デフォルト確率データの平均値の大小を比較し、信用リスクモデルの計算結果が甘いか厳しいかの寛厳性を評価するステップであることが好ましい。
また、第1の特徴に係る信用リスク計量化モデルの寛厳性評価方法において、信用リスクモデルの寛厳性を評価するステップは、信用リスクモデルの推計デフォルト確率データと擬似評価モデル式を用いて算出されたコンセンサスデフォルト確率の最適値との差を算出し、この算出結果の値の負か正かにより特定企業の前記信用リスクモデルの計算結果が甘いか厳しいかの寛厳性を評価するステップであることが好ましい。
図1に示すように、本発明の一実施の形態に係る信用リスク計量化モデルの寛厳性評価システム1は、信用リスクモデルの評価関数計算部12と、寛厳性評価計算部15と、評価出力部16とを備えている。
(2) 信用リスクモデルの誤差項を業種毎に集計することによる信用リスク計量化モデルの業種間寛厳性の評価
(3) 信用リスクモデルの誤差項の大小を比較することによる個別企業に対する寛厳性の評価
また、寛厳性評価計算部15においては、企業個別データ11に業種データ及び財務データ111が存在していれば、この業種データ及び財務データ111を使用して、例えば「製造業に厳しい」や「売上高の大きい企業に対して甘い」等の財務データと寛厳性との間の要因分析を行うことができる。
(1)信用リスク計量化モデルの寛厳性評価方法の概念
例えば、ある企業が複数の金融機関から貸出を受けている場合、金融機関が持っている信用リスクモデルの種類の違いにより、本来、同一であるデフォルト確率は違う値として示される。金融機関の信用リスク計量化モデルを評価するとき、この信用リスク計量化モデルに使用された計算ステップを全て把握し、評価することが望ましい。ところが、信用リスク計量化モデルに使用されているすべての数式が合理性を伴っているか否かをチェックするのは、信用リスク計量化モデル自体の構造が複雑であり、又その内容を解読することが難しいので、困難である。従って、信用リスク計量化モデルの出力結果のみを用いて、その出力結果の値を複数の信用リスク計量化モデル間において相互評価することによって、信用リスク計量化モデルの外観をチェックする方法が有効である。
本実施の形態に係る信用リスク計量化モデルの寛厳性評価方法は図2に示す手順に従う。各々の金融機関等、例えば各々の銀行は信用リスクモデルを持っており(ステップS1)、この信用リスクモデルに従い、銀行jが借り手企業iに対する推計デフォルト確率を計算する(ステップS2)。信用リスクモデルは前述の図1に示す信用リスクモデル10であり、信用リスクモデル10から推計デフォルト確率データ101が信用リスクモデルの評価関数計算部12に読み込まれる。
fj(・│θ)は銀行jの信用リスクモデルの評価関数(非観測)であり、θは関数パラメータである。ここで用いた「・」は銀行が利用する信用リスクに関する情報集合のすべてを表している。本実施の形態においては、この情報集合のすべてを入手することが困難であることを考慮し、コンセンサスデフォルト確率Qiのみを用いて評価関数が表現されている。信用リスクモデルの構造式は未知であるので、この構造式の代わりに簡単な関数が仮定される。最も単純な関数を仮定する場合には線形関数を使用することができる(後述する(3)式参照。)。関数fや関数パラメータθは、各々の銀行によって値が異なるので、銀行毎に添字として「j」を付けている。また、評価関数fや関数パラメータθの値は銀行によって差異を有するので、同じ企業であっても銀行によって推計デフォルト確率Pijが異なる。
Qiは、借り手企業iのコンセンサスデフォルト確率(非観測)であり、借り手企業iの信用力を表す変数である。コンセンサスデフォルト確率Qiは直接観測することができないので、ここでは未知のパラメータである。本実施の形態に係る信用リスク計量化モデルの寛厳性評価方法を使用した計算処理後の、コンセンサスデフォルト確率Qiの値は、信用リスクモデルの評価関数計算部12の入力データである、各銀行の推計デフォルト確率の平均的な値として推計される。
上記(3)式は下記(4)式に示すように推計誤差εijの式として書き直すことができる(ステップS33)。
本実施の形態に係る信用リスク計量化モデルの寛厳性評価方法において、評価関数fが線形関数や指数関数等の単調関数であれば解の一意性があり、最適化計算を実行することによって解を収束することができる。通常の統計モデルにおいては、左辺が入力データ(被説明変数)であり、右辺は未知パラメータ及び入力データ(説明変数)である。この統計モデルの未知パラメータの数が入力データに比較して多い場合、統計モデルは不定となり、最適化計算を実行しても解を収束することができない。
信用リスクモデル評価関数計算部12によって算出された(推計された)評価関数パラメータα、βは銀行jの信用リスクモデルの評価関数に対して比較することができる。また、推計された評価関数パラメータを使用して、下記(6)式に示すように、推計誤差εijを算出することができる。
(5−1)信用リスクモデルの全体的な寛容性の評価方法
信用リスクモデルの評価関数計算部12の計算結果、例えば評価関数パラメータαに着目してみると、この評価関数パラメータα^の値が「小さい」銀行j(それ以外の金融機関等も同様である)の推計デフォルト確率Pijは「全体的に甘い」と評価(判断)することができる。逆に、評価関数パラメータα^の値が「大きい」銀行jの推計デフォルト確率Pijは「全体的に厳しい」と評価(判断)することができる。この信用リスクモデルの全体的な寛容性の評価は、図1に示す信用リスクモデルの評価関数計算部12の計算結果に基づき、企業毎の寛厳性データ13を用いて、寛厳性評価計算部15において計算することができる(ステップS4及びステップS5)。
銀行jが借り手企業iに対して与えた推計デフォルト確率Pijの寛厳性は、図1に示す企業毎の寛容性データ13を用いて、寛厳性評価計算部15において評価することができる(ステップS4及びステップS5)。この推計デフォルト確率Pijの寛厳性Sijは、下記(7)式に示すように、信用リスクモデルの評価関数計算部12の計算結果に基づくコンセンサスデフォルト確率Q^iと推計デフォルト確率Pijとを比較することにより得ることができる。
信用リスクモデルの評価関数計算部12において、上記(2)式及び(5)式を使用した最適化計算よって求められた推計誤差εを借り手企業iの業種毎に集計し、その平均値を計算することによって銀行jの業種間の寛厳性を評価することができる。この計算には借り手企業iの業種に関する情報が必要である。後述する具体的な計算例は、複数の借り手企業iのそれぞれの業種が「建設業」か「製造業」かの情報を有する場合を想定している。
前述の信用リスクモデルの寛厳性評価方法は、評価関数fを線形関数とした評価方法である。つまり、信用リスクモデルの評価関数計算部12において最適化計算に基づき推計する評価関数パラメータはα、β(及びコンセンサスデフォルト確率Q)である。信用リスクモデルの寛厳性評価方法において、評価関数fが必ず線形関数である必要が無く、実務的要請に応じて非線形関数を使用することができる。
前述の信用リスクモデルの寛厳性評価方法においては借り手企業iの業種間の寛厳性を評価する例を説明したが、本実施の形態に係る信用リスクモデルの寛厳性評価方法は財務データを使用した寛厳性の評価も実施することができる。つまり、借り手企業iの財務データを使用した信用リスクモデルにおいても、信用リスクモデル相互の比較を実現することができる。
次に、本実施の形態に係る信用リスクモデルの寛厳性評価方法の具体的な計算例を説明する。なお、この具体的な計算例においては、評価関数fは線形関数を使用した。
10 信用リスクモデル
11 企業個別データ
12 信用リスクモデルの評価関数計算部
13 企業毎の寛厳性データ
14 コンセンサスデフォルト確率データ
15 寛厳性評価の計算部
16 評価出力部
101 推計デフォルト確率データ
111 財務データ
Claims (6)
- 入力部と、評価関数計算部と、寛厳性評価計算部と、記憶手段とを備えた寛厳性評価システムにより実行される信用リスク計量化モデルの寛厳性評価方法であって、
前記入力部により、貸倒のリスクを計量化した複数の信用リスクモデルにおける各々のモデル構造の情報、金融機関jによる借り手企業iのデフォルト実績データ及び前記金融機関jによる前記借り手企業iの推計デフォルト確率データのうち、前記推計デフォルト確率データを前記記憶手段に書き込むステップと、
前記評価関数計算部により、前記信用リスクモデルの前記モデル構造の情報及び前記デフォルト実績データを用いないで、前記記憶手段から読み出された前記推計デフォルト確率データをP ij とし、前記借り手企業iの信用力を表す未知のコンセンサスデフォルト確率をQ i 、評価関数パラメータをθとして前記金融機関jの前記信用リスクモデルの未知の評価関数をf j 及び前記金融機関jの前記借り手企業iに対する未知の誤差をε ij とする疑似評価モデル式
P ij =f j (Q i |θ j )+ε ij
を用い、前記疑似評価モデル式の最適化計算を前記誤差ε ij の自乗和を最小にする目的関数に応じて行い、前記コンセンサスデフォルト確率Q i 、前記評価関数f j の前記評価関数パラメータθ j 及び前記誤差ε ij のそれぞれの唯一の解である最適値を算出するステップと、
前記寛厳性評価計算部により、前記疑似評価モデル式を用いて算出されたいずれか1つの前記最適値を基準として、前記信用リスクモデルの前記推計デフォルト確率データP ij 、最適化されたコンセンサスデフォルト確率Q i 、最適化された擬似評価関数パラメータθ j 及び最適化された誤差ε ij のいずれか1つの大小を判断し、大きい場合には前記信用リスクモデルの計算結果が厳しいと、小さい場合には前記信用リスクモデルの計算結果が甘いと寛厳性を評価するステップと、
を備えたことを特徴とする信用リスク計量化モデルの寛厳性評価方法。 - 前記信用リスクモデルの寛厳性を評価するステップは、前記疑似評価モデル式の前記評価関数パラメータの前記最適値に基づいて複数の前記信用リスクモデルの全体において1つの前記信用リスクモデルの客観的な寛厳性を相対的に評価するステップであることを特徴とする請求項1に記載の信用リスク計量化モデルの寛厳性評価方法。
- 前記疑似評価モデル式を用いて最適値を算出するステップは、線形又は非線形の前記疑似評価モデル式を用いて最適値を算出するステップであることを特徴とする請求項1又は請求項2に記載の信用リスク計量化モデルの寛厳性評価方法。
- 前記信用リスクモデルの寛厳性を評価するステップは、前記疑似評価モデル式の前記最適化された誤差と前記最適化されたコンセンサスデフォルト確率との和を企業の業種分類に従って集計しその平均値を算出し、この平均値に対して、前記信用リスクモデルの特定業種の前記推計デフォルト確率データの平均値の大小を比較し、前記信用リスクモデルの計算結果が甘いか厳しいかの寛厳性を評価するステップであることを特徴とする請求項1又は請求項3に記載の信用リスク計量化モデルの寛厳性評価方法。
- 前記信用リスクモデルの寛厳性を評価するステップは、前記信用リスクモデルの前記推計デフォルト確率データと前記擬似評価モデル式を用いて算出された前記コンセンサスデフォルト確率の最適値との差を算出し、この算出結果の値の負か正かにより特定企業の前記信用リスクモデルの計算結果が甘いか厳しいかの寛厳性を評価するステップであることを特徴とする請求項1又は請求項3に記載の信用リスク計量化モデルの寛厳性評価方法。
- 入力部と、評価関数計算部と、寛厳性評価計算部と、記憶手段とを備えた寛厳性評価システムとして動作するコンピュータに実行させるための信用リスク計量化モデルの寛厳性評価プログラムであって、該プログラムは、前記コンピュータに、
前記入力部が、貸倒のリスクを計量化した複数の信用リスクモデルにおける各々のモデル構造の情報、金融機関jによる借り手企業iのデフォルト実績データ及び前記金融機関jによる前記借り手企業iの推計デフォルト確率データのうち、前記推計デフォルト確率データを前記記憶手段に書き込むステップと、
前記評価関数計算部が、前記信用リスクモデルの前記モデル構造の情報及び前記デフォルト実績データを用いないで、前記記憶手段から読み出された前記推計デフォルト確率データをP ij とし、前記借り手企業iの信用力を表す未知のコンセンサスデフォルト確率をQ i 、評価関数パラメータをθとして前記金融機関jの前記信用リスクモデルの未知の評価関数をf j 及び前記金融機関jの前記借り手企業iに対する未知の誤差をε ij とする疑似評価モデル式
P ij =f j (Q i |θ j )+ε ij
を用い、前記疑似評価モデル式の最適化計算を前記誤差ε ij の自乗和を最小にする目的関数に応じて行い、前記コンセンサスデフォルト確率Q i 、前記評価関数f j の前記評価関数パラメータθ j 及び前記誤差ε ij のそれぞれの唯一の解である最適値を算出するステップと、
前記寛厳性評価計算部が、前記疑似評価モデル式を用いて算出されたいずれか1つの前記最適値を基準として、前記信用リスクモデルの前記推計デフォルト確率データP ij 、最適化されたコンセンサスデフォルト確率Q i 、最適化された擬似評価関数パラメータθ j 及び最適化された誤差ε ij のいずれか1つの大小を判断し、大きい場合には前記信用リスクモデルの計算結果が厳しいと、小さい場合には前記信用リスクモデルの計算結果が甘いとの寛厳性を評価するステップとを備える処理を実行させるためのものであることを特徴とする信用リスク計量化モデルの寛厳性評価プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005307172A JP4310397B2 (ja) | 2005-10-21 | 2005-10-21 | 信用リスク計量化モデルの寛厳性評価方法及びその実施プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005307172A JP4310397B2 (ja) | 2005-10-21 | 2005-10-21 | 信用リスク計量化モデルの寛厳性評価方法及びその実施プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2007115110A JP2007115110A (ja) | 2007-05-10 |
JP4310397B2 true JP4310397B2 (ja) | 2009-08-05 |
Family
ID=38097209
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2005307172A Active JP4310397B2 (ja) | 2005-10-21 | 2005-10-21 | 信用リスク計量化モデルの寛厳性評価方法及びその実施プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP4310397B2 (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100974342B1 (ko) | 2008-02-28 | 2010-08-05 | 주식회사 나이스디앤비 | 전문단체의 추천을 이용한 기업신용평가 시스템 및 그 방법 |
JP6194434B1 (ja) * | 2016-09-29 | 2017-09-06 | 株式会社金融エンジニアリング・グループ | 情報処理装置、情報処理方法及びプログラム |
CN108255625B (zh) * | 2018-01-16 | 2021-02-26 | 华南理工大学 | 基于构建高可用模型的复杂系统的评价方法 |
CN111612601B (zh) * | 2020-04-17 | 2023-05-09 | 北京智信度科技有限公司 | 基于服务机构的上市公司的财务风险识别方法及装置 |
CN111784503B (zh) * | 2020-06-29 | 2023-12-05 | 北京思特奇信息技术股份有限公司 | 一种通信征信数据的运营变现方法、系统和存储介质 |
CN113222255B (zh) * | 2021-05-17 | 2024-03-05 | 上海生腾数据科技有限公司 | 一种合同履约表现量化及短期违约预测的方法及装置 |
-
2005
- 2005-10-21 JP JP2005307172A patent/JP4310397B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2007115110A (ja) | 2007-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mahrani et al. | The effect of good corporate governance mechanism and corporate social responsibility on financial performance with earnings management as mediating variable | |
Chen et al. | An optimization view of financial systemic risk modeling: Network effect and market liquidity effect | |
Dowd et al. | After VaR: the theory, estimation, and insurance applications of quantile‐based risk measures | |
Pietrovito et al. | Credit constraints and exports of SMEs in emerging and developing countries | |
Skinner | Accounting for intangibles–a critical review of policy recommendations | |
Hens et al. | Three solutions to the pricing kernel puzzle | |
Wedemeyer | A discussion of auditor judgment as the critical component in audit quality–A practitioner's perspective | |
Cenciarelli et al. | External audit and bankruptcy prediction | |
Skoglund et al. | Financial risk management: Applications in market, credit, asset and liability management and firmwide risk | |
US20120278227A1 (en) | Systems and methods for using data metrics for credit score analysis | |
Gourieroux et al. | The econometrics of individual risk: credit, insurance, and marketing | |
US20060195391A1 (en) | Modeling loss in a term structured financial portfolio | |
JP4310397B2 (ja) | 信用リスク計量化モデルの寛厳性評価方法及びその実施プログラム | |
Akbari et al. | The effect of managerial ability on tax avoidance by classical and Bayesian econometrics in multilevel models: Evidence of Iran | |
Yan et al. | Optimal bi‐level Stackelberg strategies for supply chain financing with both capital‐constrained buyers and sellers | |
Shahrour et al. | Corporate social responsibility and firm default risk in the Eurozone: a market-based approach | |
Guegan et al. | More accurate measurement for enhanced controls: VaR vs ES? | |
Alshahrani et al. | Climate change performance and financial distress | |
Chahine et al. | The role of auditors in merger and acquisition completion time | |
Marques et al. | Tax Avoidance and Corporate Social Responsibility: A Meta-Analysis. | |
Önce et al. | Evaluation of the Effects of Corporate Governance on Financial Reporting Quality | |
Thackham et al. | Exposure at default without conversion factors—evidence from Global Credit Data for large corporate revolving facilities | |
JASSEM et al. | The impact of perceived transparency, trust and skepticism towards banks on the adoption of IFRS 9 in Malaysia | |
Lucko et al. | Unknown element of owning costs—Impact of residual value | |
Jha et al. | Measuring performance in a dynamic world: Conditional mean–variance fundamentals |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20080826 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20081024 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20090106 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090227 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20090305 |
|
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: 20090331 |
|
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: 20090423 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |