JP4358475B2 - Credit rating system - Google Patents

Credit rating system Download PDF

Info

Publication number
JP4358475B2
JP4358475B2 JP2002120102A JP2002120102A JP4358475B2 JP 4358475 B2 JP4358475 B2 JP 4358475B2 JP 2002120102 A JP2002120102 A JP 2002120102A JP 2002120102 A JP2002120102 A JP 2002120102A JP 4358475 B2 JP4358475 B2 JP 4358475B2
Authority
JP
Japan
Prior art keywords
index
default
value
means
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
Application number
JP2002120102A
Other languages
Japanese (ja)
Other versions
JP2003316950A (en
Inventor
眞 三好
直人 大城
滋 引馬
Original Assignee
株式会社 金融工学研究所
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 株式会社 金融工学研究所 filed Critical 株式会社 金融工学研究所
Priority to JP2002120102A priority Critical patent/JP4358475B2/en
Publication of JP2003316950A publication Critical patent/JP2003316950A/en
Application granted granted Critical
Publication of JP4358475B2 publication Critical patent/JP4358475B2/en
Application status is Expired - Fee Related legal-status Critical
Anticipated expiration legal-status Critical

Links

Images

Description

【0001】 [0001]
【発明が属する技術分野】 TECHNICAL FIELD invention belongs]
本発明は、債務者の信用評価システム及び信用評価方法に関するものである。 The present invention relates to the credit rating system and credit rating methods debtor.
【0002】 [0002]
【従来の技術】 BACKGROUND OF THE INVENTION
現在、金融機関で債務者格付、もしくはスコアリングを行なう手段として、各種財務変数(売上高、有形固定資本等)やそれらを組み合わせた財務指標(売上高経常利益率、自己資本比率等)を用いて判別分析やロジスティック分析等の統計的手法により、対象企業のデフォルト可能性を判断する方法が主流である。 Currently, obligor ratings in financial institutions or as a means for performing scoring, various financial variables (sales, tangible capital etc.) and financial indicators a combination thereof (ordinary income margin, equity ratio, etc.) using the statistical methods such as discriminant analysis and logistic analysis Te, a method of determining the default probability of the target company is the mainstream. これらの統計的手法は、分析対象となる全ての企業から同じ財務変数を入手することが前提である。 These statistical techniques, it is premised to obtain the same financial variables from all companies to be analyzed.
【0003】 [0003]
しかしながら、一般に中堅企業、中小企業、零細企業や個人においては、財務諸表の整備が十分でない場合が多く、また統計上粉飾決済等により異常値が統計データ中に含まれる可能性が高い。 However, in general medium-sized companies, SME, in the small business and individuals are often developed financial statements is not sufficient, also outliers by statistical fraudulent payment, etc. are likely to be included in the statistics. このため、これらの企業や個人のデータを分析する際、分析に必要な財務指標が揃わない場合が多い。 For this reason, when analyzing these companies and individuals of data, often financial measures required for the analysis is not aligned. この場合、その財務指標を利用することをあきらめるか、その他の一定の数値を代用として利用する必要があるが、データ精度の面などから分析上問題となることがある。 In this case, either give up utilizing the financial indicators, it is necessary to use certain other numbers as a substitute, which may be analyzed problem from such a surface of the data accuracy.
【0004】 [0004]
また、既存の統計的手法では、財務指標など定量的な数値を利用することが前提である。 In addition, existing statistical methods, it is assumed to utilize a quantitative numerical value, such as financial indicators. 定性情報をモデルに織り込むにはダミー変数の設定など分析上工夫が必要となる。 Analysis on ideas such as setting up dummy variables to incorporate the qualitative information in the model is required.
【0005】 [0005]
さらに、既存の統計的手法では、財務諸表間の相関関係が強い場合、共線性の発生により係数の符号の正負が逆転するなど好ましくない影響が起こりやすいため、極度に注意を払う必要がある。 Furthermore, existing statistical techniques, if the correlation between the financial statements is strong, and is easily to occur unfavorable effects such as positive or negative sign of the coefficient by generating collinearity is reversed, it is necessary to pay attention to extreme.
【0006】 [0006]
【発明が解決しようとする課題】 [Problems that the Invention is to Solve
以上、説明したように従来の信用評価システムは、定性データ、定量データ、欠測値の多い財務データ、欠測値の少ない財務データ、外れ値の多いデータ等を総合的に判断できなかった。 Above, the conventional credit rating system as described could not comprehensive judgment qualitative data, quantitative data, many financial data of missing values, less financial data of missing values, more outliers data. 即ち、従来の技術では債務者の情報のごく一部を用いて信用度を計測していた。 That is, in the conventional art was measured creditworthiness using a small portion of the information of the debtor. また、一定の経済的概念の中での総合評価を算出することのできる信用評価システム及び信用評価方法は確立されていない。 Also, the credit rating system and credit rating method that can calculate an overall rating of within a certain economic concept has not been established.
【0007】 [0007]
本発明は、このような問題点を解決するためになされたものであり、信用評価を適切に行なうことができ、特に定性データ、定量データ、欠測値の多い財務データ、欠測値の少ない財務データ、外れ値の多いデータ等を総合的に判断することができる信用評価システム及び信用評価方法を提供することを目的とする。 The present invention has been made to solve the above problems, the credit rating can appropriately perform, particularly qualitative data, quantitative data, missing values ​​with many financial data, less missing values financial data, and to provide a credit rating system and credit evaluation method can comprehensively judge the large data such as outliers.
【0008】 [0008]
【課題を解決するための手段】 In order to solve the problems]
本発明にかかる信用評価システムは、1次判別モデルに基づいて優良企業グループと、非優良企業グループに分別する第1の処理手段と、前記第1の処理手段により分別された優良企業グループと、非優良企業グループのそれぞれのグループ毎に、異なるモデルに従って2次スコアリングモデルにより実行する第2の処理手段と、債務者の信用リスクと関連性のある指標に関する指標情報であって、過去の多数のサンプルに対する指標データと、各サンプルが基準時点において実際にデフォルトしたデフォルト先であるか、基準時点において実際にデフォルトに至らなかった正常先かを示すデータを関連付けて記憶する指標情報記憶手段と、分割値に関する情報を含むモデル情報を記憶するモデル情報記憶手段と、信用リスクの評価を行なお Credit evaluation system according to the present invention, the excellent corporate group based on the primary discrimination model, a first processing means for separating the low-value corporate group, and excellent corporate group that is separated by the first processing means, for each group of low-value corporate group, an index information and the second processing means for executing the secondary scoring models according to different models, on an index for the relevant credit risk of borrowers, many past and the index data for the samples, or a default destination each sample was actually default at the reference point, the index information storage unit to be actually stored in association with data indicating whether a normal destination did not lead to a default at the reference point, a model information storage means for storing model information including information on division value, KoNao the credit risk assessment とする債務者の各指標に対応するデータを記憶する債務者情報記憶手段と、信用リスクの評価結果を示す評価情報を記憶する評価情報記憶手段とを備え、債務者の信用度を評価する信用評価システムであって、第1の処理手段は、分割基準を入力し、入力された分割基準に応じて前記債務者情報記憶手段に格納された債務者のデータを優良企業グループのデータ群と、非優良企業グループのデータ群に分別する分別手段を有し、第2の処理手段は、前記指標情報記憶手段より取得された各グループ毎の指標情報から生成された、各グループ毎のデフォルト先の分布データと正常先の分布データのそれぞれについて、当該分布データのうち信用度の低い側にありデフォルトと判別するデフォルト領域と、当該分布データのうち信用度の高い側 Provided with a debtor information storage means for storing data corresponding to each index of the debtor that, the evaluation information storing means for storing evaluation information indicating the evaluation result of the credit risk, credit rating to evaluate the creditworthiness of the debtor a system, the first processing unit receives the divided reference, the data group excellent corporate group stored debtors of data on the debtor information storage means in response to the inputted split criteria, non It has a separation means for separating the data group excellent corporate group, the second processing means, the index information generated from the index information for each group obtained from the storage unit, the default destination of the distribution of each group for each data and normal destination distribution data, and default region to determine the default is in the low credit side of the distribution data, highly credible among the distribution data side あり正常と判別する正常領域に分割する分割値を各グループのそれぞれについて入力する手段と、入力された分割値に基づき、前記指標情報記憶手段より取得された各グループ毎の指標情報から生成された、各グループ毎のデフォルト先の分布データを分割し、実際のデフォルトサンプルで前記デフォルト領域にあるサンプルの数Aと、実際のデフォルトサンプルで前記正常領域にあるサンプル数Cを算出し、さらに、A/(A+C)をシグナル(S)として算出し、 各グループのそれぞれについてバッファに格納する手段と、入力された分割値に基づき、前記指標情報記憶手段より取得された各グループ毎の指標情報から生成された、各グループ毎の正常先の分布データを分割し、実際の正常サンプルで前記デフォルト領域にあるサンプル There means for inputting the divided value is divided into a normal region to determine a normal for each of the groups, based on the input cutoff value, generated from the index information for each group obtained from the index information storage unit , by dividing the default destination of the distribution data of each group, to calculate the number a of samples in actual default sample in the default region, the number of samples C in the normal region in the actual default sample, further, a calculated / the (a + C) as a signal (S), means for storing in a buffer for each of the groups, based on the input cutoff value, generated from the index information for each group obtained from the index information storage unit sampled, by dividing the normal destination of the distribution data for each group, which is in the default area in a real normal samples の数Bと、実際の正常サンプルで前記正常領域にあるサンプル数Dを算出し、さらに、B/(B+D)をノイズ(N)として算出し、 各グループのそれぞれについてバッファに格納する手段と、前記バッファより前記シグナル(S)及びノイズ(N)を読み出し、ノイズ(N)÷シグナル(S)を計算することによりN/S比率を算出し、当該N/S比率を各グループのそれぞれについてバッファに格納する手段と、複数の分割値毎に計算され、前記バッファに格納された複数のN/S比率から、N/S比率が最低値をとる分割値を求め、その分割値を各グループのそれぞれについて前記モデル情報記憶手段に格納する手段と、前記モデル情報記憶手段に格納された分割値の指標値と、前記債務者情報記憶手段に格納された評価対象の債務者 The number B of the actual normal samples to calculate the number of samples D in the normal region, further means for storing B / the (B + D) is calculated as a noise (N), in a buffer for each of the groups, said reading said from the buffer signal (S) and noise (N), to calculate the N / S ratio by calculating the noise (N) ÷ signal (S), the N / S ratio for each of the groups buffers means for storing in, is calculated for each of a plurality of divided values, a plurality of N / S ratio stored in the buffer, obtains the division value N / S ratio takes a minimum value, the cutoff value for each group means for storing in the model information storage unit for each of the model information and the index value of the stored divided value in the storage means, the debtor information storage means stored in the evaluation target debtors 指標値とを比較する手段と、比較の結果、評価対象の債務者の指標値が前記分割値の指標値よりも信用度の低い側にあると判定された場合には、N/S比率の逆数を計算して、N/S比率の逆数を評価対象の債務者の得点として前記評価情報記憶手段に格納する手段と、比較の結果、評価対象の債務者の指標値が前記分割値の指標値よりも信用度の高い側にあると判定された場合には、0点を評価対象の債務者の得点として前記評価情報記憶手段に格納する手段を備えたものである。 Means for comparing the index value, the result of the comparison, if the index value of the debtor to be evaluated is determined to be in the low side of credibility than the index value of the divided value is the reciprocal of the N / S ratio the calculated, means for storing in said evaluation information storage means the reciprocal of the N / S ratio as the score of the evaluation target debtors, the result of the comparison, the index value of the index value of the debtor to be evaluated the divided value If it is determined that the higher side creditworthy than are those having a means for storing the evaluation information storing means 0 point as the score of the evaluation target debtors.
【0009】 [0009]
さらに、複数の指標について得点を付与し、特定の合計値を求めると共に、当該指標の数により割ることによって、単位当りの得点を算出し、単位総合デフォルト指数として前記評価情報記憶手段に格納する手段をさらに備えることが好ましい。 Further, to impart a score for a plurality of indicators, along with obtaining a particular sum value, by dividing by the number of the index, and calculates a score per unit, means for storing in said evaluation information storage means as a unit overall default Index preferably further comprising a.
【0010】 [0010]
望ましくは、債務者の信用度を評価するための指標には、利益関連指標が含まれる。 Desirably, the index for evaluating the creditworthiness of the debtor includes income related indicators.
【0012】 [0012]
ここで、好適な実施の形態では、前記債務者は、中小企業である。 Here, in a preferred embodiment, the debtor is small business.
【0015】 [0015]
【発明の実施の形態】 DETAILED DESCRIPTION OF THE INVENTION
発明の実施の形態1. DESCRIPTION OF THE INVENTION Embodiment 1.
図1に、本発明にかかる信用評価システムにおける評価モデルの概念図を示す。 Figure 1 shows a conceptual view of evaluation models in the credit evaluation system according to the present invention. 図1に示されるように、本発明にかかるモデルは、1次判別モデル100と、2次スコアリングモデル200を含み、これらを経て最終スコアリングモデル300が構成される。 As shown in FIG. 1, the model according to the present invention, the primary determination model 100 includes a secondary scoring model 200, the final scoring model 300 is constructed through these.
【0016】 [0016]
ここで、1次判別モデル100は、対象企業群を優良と非優良に分割するためのモデルである。 Here, the primary determination model 100 is a model for dividing the target company group to prime and non-prime. 2次スコアリングモデル200は、1次判別モデルの結果や業種別などに細分化されたグループ毎に、各企業のデフォルト確率を計算するためのモデルである。 Secondary scoring model 200, for each group is subdivided into such different results and Industry of the primary discrimination model, a model for calculating the default probability of each company. 最終スコアリングモデル300では、各モデル100、200を統合し、例えば業種、規模、グループ毎のスコアリングを統合する。 In the final scoring model 300, to integrate the respective models 100 and 200, integrates for example industry, scale, the scoring for each group.
【0017】 [0017]
さらに1次判別モデル100について詳述する。 It will be described in more detail primary discriminant model 100. 1次判別モデルは、財務データから一見して優良に判断される中小企業と厳しい経営が予想される非優良中小企業に分別するモデルである。 Primary discriminative model is a model that strict management and small business is determined to prime at a glance from the financial data is separated into low-value SMEs expected. 1次判別モデル100を設けた理由は次の通りである。 Reason for providing the primary determination model 100 is as follows.
【0018】 [0018]
(1)優良中小企業と非優良企業では、粉飾決算なども含め倒産にいたるプロセスに違いがある可能性を考慮するためである。 (1) In the good SME and low-value companies, in order to consider the possibility that there are differences in the process leading to including bankruptcy like window-dressing.
【0019】 [0019]
(2)一般に、デフォルト率は信用度が悪化するほど指数関数的に増加することが知られている。 (2) In general, the default rate is known to increase as exponentially creditworthiness deteriorates. この指数関数的なデフォルト率を、債務者の質により優良と非優良へ2分することで、直線2本で近似する。 The exponential default rates, the quality of the debtor by 2 minutes to the prime and non-prime, is approximated by two straight lines. 結果として、推計結果のフィッティングを良くすることが可能となる。 As a result, it is possible to improve the fitting of estimation results.
【0020】 [0020]
以上の理由により、1次判別モデルを利用して、比較的優良な企業群とそうでない非優良企業群に分割している。 For the above reasons, using the primary discriminant model is divided into low-value group of companies otherwise relatively excellent group of companies. ここで、優良企業と非優良企業の分割は、例えば、格付け会社の格付けや評価点を用いるとよい。 Here, the division of leading companies and low-value companies, for example, preferably used ratings and scores of rating agencies. 例えば、格付けがBB+より悪くなる確率を求めるモデルを作成し、その結果を利用する。 For example, the rating is to create a model to determine the probability of worse than BB +, to use the results. 尚、この例では、2分割したが、これに限らず、3分割以上であってもよい。 In this example, it has been divided into two, not limited thereto, but may be three or more divisions.
【0021】 [0021]
続いて、2次スコアリングモデル200について詳述する。 Next, it will be described in detail secondary scoring model 200. 2次スコアリングモデル200は、個々の債務者の理論デフォルト確率を求めるモデルである。 Secondary scoring model 200 is a model to determine the theoretical probability of default individual debtor. 従来の統計モデルでは避けることができなかった、外れ値や欠損値による影響を極力減らすモデル構築を行う。 It could not be avoided in conventional statistical model, model building to reduce as much as possible the influence of outliers and missing values. また、できるだけ多くの指標値を評価の対象とする。 In addition, the object of evaluation as many as possible of the index value. これを実現するために、本モデルでは、説明変数の一つに総合デフォルト指数を含む。 To achieve this, in this model, including overall default index into one explanatory variable.
【0022】 [0022]
図2に、2次スコアリングモデル200の構成を示す。 2 shows a configuration of a secondary scoring model 200. まず、各種財務指標値から総合デフォルト指数を計算する。 First, calculate the total default index from a variety of financial indicators value. そして、この総合デフォルト指数を説明変数の一つとして利用し、他の財務指標値とともに、所定のロジスティックモデルを用いてデフォルト確率を計算する。 Then, using this complex default index as one of explanatory variables, along with other financial index value, calculate the probability of default using a predetermined logistic model.
【0023】 [0023]
ここで、総合デフォルト指数を導くためのシグナルモデルについて説明する。 Here, a description will be given of the signal model for guiding the overall default index. まず、例えば、自己資本比率等の信用リスクを評価する上での特定の指標の分布が図3で与えられるとする。 First, for example, the distribution of a particular indicator in assessing credit risk, such as capital ratios is given in Figure 3. この分布は、例えば、多数の債務者のサンプルデータに基づき与えられ、デフォルト先の分布データと、正常先の分布データが示されている。 This distribution, for example, given on the basis of the sample data of many debtors, the default destination distribution data is normal destination of the distribution data is shown. ここで、「デフォルト先」とは、基準時において実際にデフォルトに至ったサンプルをいい、「正常先」とは、基準時において実際にはデフォルトに至らなかったサンプルをいう。 Here, the "default destination", actually refers to a sample that led to the default in the reference time, the "normal destination", actually refers to a sample that did not lead to default in the reference time. 図3では、横軸が自己資本比率であり、縦軸はサンプル数である。 In Figure 3, the horizontal axis is the equity ratio, and the vertical axis represents the number of samples. 左に行くほど自己資本比率が低くなる、即ち、一般的にデフォルトしやすい傾向を有する。 Capital adequacy ratio is low as it goes to the left, that is, generally has a default prone. 先ず、適当なところでサンプルを2分割する。 First of all, divided into two samples where appropriate. 例えば図3中の点線で示す箇所にて分割する。 For example it split in areas indicated by a dotted line in FIG.
【0024】 [0024]
ここで、点線より左側を「デフォルト領域」とする。 Here, the left side of the dotted line and "default region". 点線より右側を「正常領域」とする。 The right side of the dotted line is referred to as "normal area". そして、実際のデフォルトサンプルでデフォルト領域にあるサンプル数をAとする。 Then, the number of samples and A in the default region actual default sample. また、実際の正常先サンプルでデフォルト領域にあるサンプル数をBとする。 Further, the number of samples and B in the default region in the actual normal destination sample. 実際のデフォルトサンプルで正常領域にあるサンプル数をCとする。 The number of samples and C in the normal region in actual default sample. さらには、実際の正常先サンプルで正常領域にあるサンプル数をDとする。 Furthermore, the number of samples and D in the normal region in the actual normal destination sample. これらの関係は次の表1にまとめる。 These relationships are summarized in the following Table 1.
【0025】 [0025]
【表1】 [Table 1]
この分割線でサンプルを2分したとき、デフォルト先サンプル全体に対するデフォルト領域に入るサンプル数の比、A/(A+C)をシグナル(S)と呼ぶ。 When this sample was 2 minutes dividing line, the number of samples specific entering the default region for the whole default destination samples called A / the (A + C) and the signal (S). このシグナル(S)は、実際にデフォルトしたサンプルをデフォルト先であると正しく判別した割合である。 This signal (S) is actually the rate of default samples were correctly determined that the default destination.
【0026】 [0026]
また、正常先サンプルに対するデフォルト領域に入るサンプル数の比、B/(B+D)をノイズ(N)と呼ぶ。 Further, it referred sample number ratio entering the default region, B / the (B + D) noise (N) and on normal destination sample. このノイズ(N)は、実際にはデフォルトしなかった正常先であるが、誤ってデフォルト先と判定してしまった割合である。 The noise (N) is actually a normal destination not default, the proportion and which has been determined as the default destination by mistake.
【0027】 [0027]
シグナルとノイズの推移を図4に示す。 The transition of the signal and noise is shown in FIG. 縦軸は比率、横軸は自己資本比率を示している。 The vertical axis ratio and the horizontal axis represents the equity ratio. 図4の分割点におけるN/S比率を求める。 Request N / S ratio at the division point of FIG. N/S比率はノイズ(N)÷シグナル(S)で計算される。 N / S ratio is calculated by the noise (N) ÷ signal (S). 分割点における正常サンプルとデフォルトサンプルの判別能力が高いほどノイズは小さく、シグナルが大きくなるので、N/S比率は小さい値となる。 The higher the normal sample and the default sample discrimination performance at the division point noise is small, because the signal is increased, N / S ratio is a small value. 逆に判別能力が低いほどN/S比率は大きくなる。 The lower opposite to the discrimination ability N / S ratio increases. N/S比率が1を超える場合、その分割点における判別能力はないことを示す。 If N / S ratio exceeds 1, it indicates that no discrimination performance at the division point. 算出されたN/S比率が例えば最小値をとる分割点、即ち最小誤判別点を求め、その分割点を決定する。 Division points calculated N / S ratio takes a minimum value, for example, i.e. determining the minimum misclassification point, to determine the division points. 分割点の設定については、その他の発明の実施の形態において、この手法以外の手法につき説明する。 For setting the division point, in the embodiment of the other invention will be explained method other than this method.
【0028】 [0028]
このようにして分割点が決定されると、次に特定の債務者に関する信用リスクの評価を指標毎に得点化することによって実行する。 This way, the split point is determined, then it performs by scoring each indicator to evaluate the credit risk for a particular debtor. 好適な実施の形態では、分割点左側の全てのサンプルは1点、分割点の右側のサンプルは0点とする。 In a preferred embodiment, all samples one point of the division point left, right samples of the dividing points is set to 0 points. 具体的には、分割点にかかる自己資本比率よりも低い自己資本比率を有する債務者は、1点が与えられる。 Specifically, debtor with low capital ratios than equity ratio according to the division point, one point is given. また、分割点にかかる自己資本比率よりも高い自己資本比率を有する債務者は、0点が与えられる。 Also, debtor with high capital ratios than equity ratio according to the division point, zero point is given. これらに、決定された分割点におけるN/S比率の逆数を乗じた数字を得点(スコア)とする。 These, numbers multiplied by the reciprocal of N / S ratio in the determined division point and score (score). 判別能力が高いほど、即ち、N/S比率が低いほど、分割点の左側にあるサンプルは高いスコアを得ることになる。 The higher the discrimination capability, i.e., the lower the N / S ratio, the sample will be obtained a high score to the left of the split point. これは、判別能力が高い方法によりデフォルト可能性が高いと判別された場合には、より信用リスクが高くなるように、得点に対する重み付けを行なったものである。 This, if it is determined that there is a high default likely the discrimination ability is high method, as more credit risk increases, but was subjected to weighting of scores.
【0029】 [0029]
他の自己資本比率以外の指標に関して同様にスコアを計算してそれらを全て合計する。 Sum all those calculated similarly score for indications other than other equity ratio. 例えば、50以上の指標につきスコアを計算し、合計する。 For example, to calculate the score for each 50 or more indicators, summing. この合計値を総合デフォルト指数と呼ぶ。 The total value is referred to as a comprehensive default index. 尚、総合デフォルト指数の最大値は、すべての指標が1のシグナルを発したとき、N/S比の逆数の合計に等しくなる。 The maximum value of the overall default index, when all indicators originated the first signal is equal to the sum of the reciprocal of N / S ratio.
【0030】 [0030]
しかしながら、サンプルの中には、データが不備のため一部の指標が計算できない場合もある。 However, some of the samples, in some cases data can not be computed Some metrics for the deficiencies. この場合、総合デフォルト指数をサンプル間で直接比較することができない。 In this case, it is impossible to directly compare overall default index between samples. そこで、本発明にかかる信用評価システムでは、総合デフォルト指数を計算する際に用いた指標の個数(即ち、0か1が与えられた個数)で割ることで単位得点(単位総合デフォルト指数)を計算している。 Therefore, in the credit evaluation system according to the present invention, it calculates the number of indicators used for calculating an overall default index (i.e., the number of 0 or 1 is given) Unit score by dividing by (in total default Index) doing. このようにすることによって、債務者間で信用リスクにつき直接比較が可能となる。 By so doing, it is possible to compare directly per credit risk among debtors. この単位総合デフォルト指数が大きいほどデフォルトする可能性が高いとみなす。 The larger the unit overall default index regarded as likely to default.
【0031】 [0031]
このような単位総合デフォルト指数を用いた本発明にかかる信用評価システムは、中小企業の信用リスクを評価する上で極めて有用である。 Credit evaluation system according to the present invention using such units overall default index is very useful in evaluating the credit risk of SMEs. 通常の信用リスク分析においては、中小企業の財務諸表のように、データの信頼性に乏しく、かつ財務指標が十分にそろわない欠損値が多い場合、信用リスク分析は困難になる。 In a typical credit risk analysis, as financial statements SMEs, unreliable data, and if the financial measures often missing values ​​not sufficiently align, credit risk analysis becomes difficult. この場合、本発明にかかる信用評価システムでは、各財務指標値において相対的によい側に属する企業群と悪い側に属する企業群に分割し、悪い側に属する企業に1を、良い側に属する企業に0を付与し各種財務指標値の単位合計で企業の信用力を評価しているため、総合的に中小企業の信用力を評価することができる。 In this case, in the credit evaluation system according to the present invention divides a company belonging to the corporate group and bad side belonging to relatively good side in each financial index values, one for companies belonging to bad side, belonging to the good side because you are evaluating the creditworthiness of companies in the unit the sum of the various financial indicators value to grant 0 to companies, it is possible to evaluate the creditworthiness of the overall small and medium-sized enterprises.
【0032】 [0032]
本発明にかかる信用評価システムについて、実際に、精度の高い単位総合デフォルト指数の計算に不可欠な大規模な財務データベースを用いて単位総合デフォルト指数のパラメータを計算した。 Credit rating system according to the present invention, in fact, were calculated parameters of a unit overall default index using a large financial database essential to the calculation of high unit overall default index accuracy. この財務データベースは、法人に関しては債務者数が約75万(その内デフォルト数が約5万)、決算書数が約225万(その内デフォルト数が約13万)であり、事業性個人に関しては債務者数が約24万(その内デフォルト数が約2万)、決算書数が約50万(その内デフォルト数が約3万)である。 The financial database, the number of obligors is about 750,000 (including the default number is about 50,000 thereof) with respect to corporation, is the financial statements number about 2.25 million (including the default number is about 130,000 that), with respect to business with individual debtor number 240,000 (its inner default number is about 20,000), financial statements number is approximately 500,000 (internal default number is about 30,000 thereof). その結果、従来の信用評価システムでは、デフォルトとの相関性が低いため利用されることが少ない、売上高営業利益率、一人当たり利払い後事業利益、総資本当期利益率等の利益関連指標や減価償却率等も本発明にかかる信用評価システムでは評価対象とすることができることが確認された。 As a result, in the conventional credit evaluation system, less be utilized due to the low correlation between the default, the ratio of operating income to net sales, operating profit after interest payments per capita, income-related indicators and depreciation, such as the total capital net income rate in the credit evaluation system depreciation rate and the like also according to the present invention was confirmed to be capable to be evaluated.
【0033】 [0033]
次に、本発明の実施の形態1にかかる信用評価システムの構成及び処理例について説明する。 Next, the configuration and processing example credit evaluation system according to a first embodiment of the present invention. 図5に当該信用評価システムの構成例を示す。 Figure 5 shows a configuration example of the credit rating system.
【0034】 [0034]
この信用評価システムは、専用コンピュータ、パーソナルコンピュータ(PC)等のコンピュータより実現可能である。 The credit rating system can be implemented from a special purpose computer, a personal computer (PC) or the like of a computer. 但し、コンピュータは、物理的に単一である必要はなく、分散処理を実行する場合には、複数であってもよい。 However, the computer is physically need not be single, when performing distributed processing may be plural. この信用評価システムは、例えば、CPU101、入出力装置102、制御プログラム103、指標情報ファイル104、モデル情報ファイル105、債務者情報ファイル106、評価情報ファイル107及びそれらを接続するバス108を備えている。 The credit rating system, for example, a CPU 101, output device 102, a control program 103, the index information file 104, model information file 105, debtor information file 106, the evaluation information file 107, and a bus 108 connecting them .
【0035】 [0035]
CPU101は、制御プログラム103に基づいて、この信用評価システム内の各種処理を実行する中央制御装置である。 CPU101 based on the control program 103, a central control unit that executes each processing in the credit rating system. 入出力装置102は、例えば、キーボード、マウス等の入力手段及びCRT、液晶ディスプレイ、プリンタ等の出力手段によって構成される。 Output device 102, for example, a keyboard, input means and CRT such as a mouse, and a liquid crystal display, output means such as a printer.
【0036】 [0036]
制御プログラム103、指標情報ファイル104、モデル情報ファイル105、債務者情報ファイル106、評価情報ファイル107は、ROM、RAM、ハードディスク等の内部又は外部記憶手段に格納されている。 The control program 103, the index information file 104, model information file 105, debtor information file 106, the evaluation information file 107, ROM, RAM, stored in the internal or external storage means such as a hard disk. これらのプログラム、データベースは、遠隔に設けられたデータベース等からインターネット等の通信網を介して取得するようにしてもよい。 These programs, databases, may be obtained from a database provided in the remote or the like via a communication network such as the Internet.
【0037】 [0037]
制御プログラム103は、本システムに関する処理をCPU101により実行させるためのプログラムである。 Control program 103 is a program for executing processing related to the system by CPU 101.
【0038】 [0038]
指標情報ファイル104は、自己資本比率、親会社の信用度、オーナー資産の有無等の信用リスクと関連性のある指標に関する指標情報を記憶するファイルである。 Index information file 104 is a file for storing equity ratio, parent company credit, the index information on an index for the relevant credit risk of the presence or absence of the owner assets. 例えば、この指標情報には、図3の分布情報を得るための、過去の多数のサンプルに対する指標のデータと、各サンプルが基準時点においてデフォルトしたか否かのデータを関連付けた情報が含まれる。 For example, this index information, to obtain distribution information of FIG. 3, and the index data for past number of samples, each sample contains information associating whether the data has been default in the reference time.
【0039】 [0039]
モデル情報ファイル105は、上述のシグナルモデルによりN/S比率を算出するために必要な情報を記憶するファイルである。 Model information file 105 is a file for storing information necessary for calculating the N / S ratio by the above-described signal model. 例えば、この情報には、決定された分割点に関する情報、データ補充率や基準となるN/S比率等が含まれる。 For example, this information, information on the determined division point includes N / S ratios, etc. as the data replenishment rate and standards.
【0040】 [0040]
債務者情報ファイル106は、信用リスクの評価を行なおうとする債務者に関する情報を記憶するファイルである。 Debtor information file 106 is a file that stores the information about the debtor wishing to make an assessment of the credit risk. 例えば、この情報には、債務者の各指標に対応するデータや、総合デフォルト指数を算出する上で含める指標を特定する情報が含まれる。 For example, this information, data and corresponding to each index of the debtor, includes information specifying the metrics to include in order to calculate the overall default index.
【0041】 [0041]
評価情報ファイル107は、信用リスクの評価結果を示す情報を記憶するファイルである。 Evaluation information file 107 is a file for storing information indicating the evaluation result of the credit risk. 例えば、この情報には、上述のような方法によって算出された総合デフォルト指数や単位総合デフォルト指数が含まれる。 For example, this information includes the overall default index and unit overall default index calculated by the method as described above.
【0042】 [0042]
次に、図6に示すフローチャート及び図7乃至図9に示す画面例に基づき本発明にかかる信用評価システムの処理の一例について説明する。 Next, an example of the processing of the credit evaluation system according to the present invention based on the exemplary screen shown in the flowchart and FIGS. 7 to 9 is shown in FIG.
【0043】 [0043]
まず、一次判別モデル100に関する処理を行う。 First, a process related to the first judging model 100. 例えば、オペレータの指示に基づき制御プログラム103は、債務者情報ファイル106より評価すべき債務者数を画面上に表示する。 For example, the control program 103 based on an instruction of an operator displays the debtor number to be evaluated from the debtor information file 106 on the screen. オペレータは、グループを分割するための基準となる格付け情報や評価点を入力する。 The operator inputs the rating information and evaluation point as a reference for dividing the group. 制御プログラム103は、基準の入力に応じて債務者情報ファイル106中の債務者情報を分別し、それぞれのグループに属する債務者数を表示する。 Control program 103, fractionating debtor information in debtor information file 106 in accordance with input of the reference, and displays the debtor number belonging to each group.
【0044】 [0044]
続いて、2次スコアリングモデル200に関する処理を行う。 Subsequently, the processing on the secondary scoring model 200. この処理は、1次判別モデル100により分けられたグループ毎に異なるモデルに従って実行する。 This processing is executed in accordance with different models for each group divided by the primary determination model 100. 最初に、例えば、信用リスクを評価する上で用いられる指標のうち、特定の指標を選択する(S101)。 First, for example, among the indicators used in assessing credit risk, to select a particular index (S101). 例えば、自己資本比率を選択する。 For example, to select the capital adequacy ratio. 具体的には、図7に示す画面表示例に基づき、特定の指標の選択が実行される。 Specifically, based on the screen display example shown in FIG. 7, the selection of a particular indicator is performed. 図7の指標項目の欄には、予め信用リスクを評価する上で用いられる指標が列挙されている。 The column of index item 7 are listed indicators used in assessing the advance credit risk. 操作者は、各指標項目についてグループ番号を付与することにより、グルーピングし、特定の指標を選択する。 The operator, by applying a group number for each index item, grouped, to select a particular index. 例えば、グループ番号として1が付与された項目が選択された指標であるとして、グループ番号1に対応する総合デフォルト指数及び単位総合デフォルト指数が計算される。 For example, a 1 item granted a selected index as a group number, total default index and unit overall default index corresponding to the group number 1 is calculated. それぞれの指標項目に対してグループ番号を入力し終わった場合に、入力完了ボタンをクリックすると、その情報が制御プログラム103によってモデル情報ファイル105に格納される。 When finished entering a group number for each index item, clicking the input completion button, the information is stored in the model information file 105 by the control program 103.
【0045】 [0045]
選択された指標をさらに絞り込む処理を行なうようにしてもよい。 It may perform further refine process the selected index. 例えば、図8の画面表示例に示すようにデータ補充率やN/S比率等の指標の限定要素に対する対象基準を入力する。 For example, entering a target reference for limiting factor of the index of such data replenishment rate and N / S ratio as shown in a screen display example of FIG. 8. 制御プログラム103は、このようにして入力された対象基準に基づいて、選択された指標を絞り込み、対象とならない指標についてはその旨の情報が付加され、ステップS102以降の処理の対象とはならない。 Control program 103, in this way, based on the inclusion criteria inputted, narrowing the selected indicator, the indicator does not interest information is added to that effect, step S102 not subject to subsequent processing.
【0046】 [0046]
さらに、この時点で計数処理の指示を行なうようにしてもよい。 Furthermore, it is also possible to carry out the instructions of the counting process at this point. 例えば、図9の画面表示例に示すように、処理項目及びそれに対する指示内容として、指数タイプ、分割数、分割基準等の情報を入力する。 For example, as shown in a screen display example of FIG. 9, as the processing item and instruction contents thereto, and inputs the index type, the number of divisions, the information such as splitting criteria. 指数タイプでは、単位総合指数か総合指数かを選択入力する。 In the index type, select or enter the unit Composite Index or Composite Index.
【0047】 [0047]
次に、N/S比率の計算を実行する(S102)。 Next, to perform the calculation of the N / S ratio (S102). 先ず、サンプルを2分割する適当な分割点を入力する。 First, to enter the appropriate division point bisecting the sample. 例えば図3に示すような分布を表示させ、任意の位置を指定することによって分割点を入力するようにしてもよい。 For example to display a distribution as shown in FIG. 3, it may be input division points by specifying an arbitrary position. また、分布を数値で表し、分割点も数値により入力するようにしてもよい。 Also, represents the distribution numerically, it may be input by the division point even numbers. そして、シグナル(S)をA/(A+C)を計算することによって算出する。 Then, the signal (S) is calculated by calculating A / (A + C). また、ノイズ(N)をB/(B+D)を計算することによって算出する。 Also, calculated by computing the noise (N) of B / (B + D). そして、分割点におけるN/S比率を求める。 Then, a N / S ratio at the division point. N/S比率はノイズ(N)÷シグナル(S)で計算される。 N / S ratio is calculated by the noise (N) ÷ signal (S). これらのシグナル(S)、ノイズ(N)及びN/S比率の計算にあたっては、適宜、バッファ等の記憶手段に記憶させ、読み出すことにより実現する。 These signals (S), noise (N) and when the calculation of the N / S ratio, as appropriate, stored in the storage means such as a buffer, realized by reading. 即ち、シグナル(S)を算出し、算出結果をバッファ等の記憶手段に保存する。 That is, to calculate the signal (S), stores the calculation result in a storage unit such as a buffer. ノイズ(N)を算出し、算出結果をバッファ等の記憶手段に保存する。 Calculating a noise (N), the program saves the calculation result in the storage unit such as a buffer. このようにして保存された計算結果を読み出し、N/S比率の計算を実行し、その結果を再度バッファやモデル情報ファイル105に格納する。 Thus reads the calculation results stored in, perform calculations of N / S ratio, and the result is stored again in the buffer and model information file 105. 算出されたN/S比率が例えば最低値をとる分割点を求め、その分割点を決定する。 Calculated N / S ratio required division points to take a minimum value, for example, to determine the division points. 分割点に関する情報は、N/S比率情報とともに、モデル情報ファイル105に格納される。 Information about the dividing point, as well as N / S ratio information, is stored in the model information file 105.
【0048】 [0048]
このようにして分割点が決定されると、次に特定の債務者に関する信用リスクの評価を指標毎に得点化することによって実行する(S103)。 This way, the split point is determined, then performed by scoring the credit risk assessment for a particular debtor respective indices (S103). 具体的には、分割点にかかる自己資本比率と、評価しようとする債務者の自己資本比率を比較する。 To be more specific, and the capital adequacy ratio according to the dividing point, to compare the capital adequacy ratio of the debtor to be evaluated. 分割点にかかる自己資本比率は、モデル情報ファイル105より読み出す。 Capital adequacy ratio according to the dividing point is, read from the model information file 105. 評価対象の自己資本比率は、債務者情報ファイル106より読み出す。 Capital adequacy ratio to be evaluated, it reads from the debtor information file 106. 制御プログラム103によって、評価しようとする債務者の自己資本比率の方が分割点にかかる自己資本比率よりも低いと判定された場合には、その債務者については、N/S比率の逆数を計算し、その計算結果を評価情報ファイル107に格納する。 By the control program 103, if the direction of capital adequacy debtor being evaluated is determined to be lower than the capital ratio according to the division points, for its debtors, it calculates the reciprocal of N / S ratio and stores the calculation result in the evaluation information file 107. また、分割点にかかる自己資本比率よりも高い自己資本比率を有する債務者については、0点を評価情報ファイル107に格納する。 Also, the debtor has high capital ratio than the equity ratio according to the division points, and stores the zero point in the evaluation information file 107.
【0049】 [0049]
選択した指標に関する得点を算出すると、制御プログラム103は、全ての指標につき得点の算出が完了しているか否かについて判定する(S104)。 After calculating the scores for the selected indicator, the control program 103 determines whether the calculation of the scores for all the index is completed (S104). 制御プログラム103が、全ての指標につき得点の算出が完了していないと判定した場合には、他の自己資本比率以外の指標を選択し(S101)、ステップS102、ステップS103、ステップS104の処理を繰り返す。 Control program 103, when it is determined that the calculation of the scores for all the index has not been completed, selects the indication of other non-equity ratio (S101), step S102, step S103, the processing in step S104 repeat.
【0050】 [0050]
全ての指標につき得点の算出が完了した場合には、算出した得点の合計値を算出し、総合デフォルト指数として、評価情報ファイル107に格納する(S105)。 If the calculation of the scores for all the indicators has been completed, and calculates the total value of the calculated scores, a comprehensive default index is stored in the evaluation information file 107 (S105). さらに、評価情報ファイル107に格納された総合デフォルト指数を、総合デフォルト指数を算出する上で計算された指標の個数により割る計算を実行し、単位総合デフォルト指数を算出する(S106)。 Furthermore, the overall default indexes stored in the evaluation information file 107, perform calculations dividing by the number of indicators that have been calculated in order to calculate the overall default index calculates a unit overall default index (S106). この単位総合デフォルト指数も評価情報ファイル107に格納される。 The unit overall default index is also stored in the evaluation information file 107.
【0051】 [0051]
以上説明したように、本発明の実施の形態にかかる信用評価システム及び信用評価方法によれば、大企業、中堅中小企業、零細企業、個人企業など入手できる定性・定量データの情報量に格差があるケース、或いは同一の業態においても、欠測値の多いデータや欠測値の少ないデータなど情報の質に格差があるケースにおいて、各種の情報を網羅的に評価した債務者の信用リスクの計測が可能になる。 As described above, according to the credit rating system and credit evaluation method according to an embodiment of the present invention, large companies, SMEs, micro enterprises, disparities in the amount of information qualitative and quantitative data available personal companies some cases, or even in the same business category, in the case where there is a disparity in the quality of such information less data-rich data and missing values ​​of the missing values, measurement of the credit risk of the debtor of the evaluation of the various types of information comprehensively It becomes possible.
【0052】 [0052]
発明の実施の形態2. Embodiment Referring 2.
この発明の実施の形態2は、本発明にかかる信用評価システムにおいて用いられる指標値の選択処理に関する。 Second embodiment of the invention relates to the selection process of the index value used in the credit evaluation system according to the present invention.
【0053】 [0053]
指標値の選択処理のフローを図10に示す。 The flow of the selection process of the index value shown in FIG. 10. まず、予め用意された複数の指標より対象とする指標を一次選択する(S201)。 First, select a primary indicators of interest from a plurality of indicators prepared in advance (S201). 具体的には、信用評価システムでは、制御プログラム103に従い、指標情報ファイル104より指標情報を読み出し、入出力装置102である表示装置に指標情報を表示する。 Specifically, the credit rating system, in accordance with the control program 103 reads the index information from the index information file 104, and displays the index information on the display device is an input-output device 102. オペレータは、表示された指標情報より特定の指標情報を選択する。 The operator selects a specific index information from the index information displayed. 例えば、キーボードを用いて画面表示された指標情報のチェック欄にチェックを付することによって指標情報を選択する。 For example, to select the index information by subjecting the check column of the index information displayed on the screen by using the keyboard. 選択された指標情報は、モデル情報ファイル105に格納される。 The selected index information is stored in the model information file 105.
【0054】 [0054]
次に、信用評価システムは、一次選択された指標のそれぞれにおいて、最小誤判別点を計算により求める(S202)。 Then, the credit rating system determines the respective primary selected index, by calculating the minimum misclassification point (S202). 先ず、サンプルを2分割する適当な分割点を入力する。 First, to enter the appropriate division point bisecting the sample. そして、シグナル(S)をA/(A+C)を計算することによって算出する。 Then, the signal (S) is calculated by calculating A / (A + C). また、ノイズ(N)をB/(B+D)を計算することによって算出する。 Also, calculated by computing the noise (N) of B / (B + D). そして、分割点におけるN/S比率を求める。 Then, a N / S ratio at the division point. N/S比率はノイズ(N)÷シグナル(S)で計算される。 N / S ratio is calculated by the noise (N) ÷ signal (S). これらのシグナル(S)、ノイズ(N)及びN/S比率の計算にあたっては、適宜、バッファ等の記憶手段に記憶させ、読み出すことにより実現する。 These signals (S), noise (N) and when the calculation of the N / S ratio, as appropriate, stored in the storage means such as a buffer, realized by reading. 即ち、シグナル(S)を算出し、算出結果をバッファ等の記憶手段に保存する。 That is, to calculate the signal (S), stores the calculation result in a storage unit such as a buffer. ノイズ(N)を算出し、算出結果をバッファ等の記憶手段に保存する。 Calculating a noise (N), the program saves the calculation result in the storage unit such as a buffer. このようにして保存された計算結果を読み出し、N/S比率の計算を実行し、その結果を再度バッファやモデル情報ファイル105に格納する。 Thus reads the calculation results stored in, perform calculations of N / S ratio, and the result is stored again in the buffer and model information file 105. 算出されたN/S比率が例えば最低値をとる分割点を求め、その分割点を決定する(S203)。 Calculated N / S ratio required division points to take a minimum value, for example, to determine the division points (S203). 分割点の決定方法は、これに限らず、他の方法でもよい。 Method of determining the dividing point is not limited to this and may be in other ways. 分割点に関する情報は、N/S比率情報とともに、各指標と関連付けられてモデル情報ファイル105に格納される。 Information about the dividing point, as well as N / S ratio information, is stored in the model information file 105 associated with each indicator. ここで、分割点は、入力によるものでなくとも、制御プログラム103が自動的に複数の分割点を発生させ、随時、分割点ごとのN/S比率を計算するようにしてもよい。 Here, the division point is not necessarily due to the input, the control program 103 automatically generates a plurality of dividing points, at any time, may be calculated the N / S ratio for each division point.
【0055】 [0055]
次に制御プログラム103は、モデル情報ファイル105に格納されたN/S比率情報に基づき、最も低いN/S比率を有する指標を選択する(S204)。 Next, the control program 103, based on the N / S ratio information stored in the model information file 105, selects an index with the lowest N / S ratio (S204). そして、制御プログラム103は、選択された指標について単位総合デフォルト指数を計算する(S205)。 Then, the control program 103 calculates a unit overall default index for the selected indicator (S205). 具体的には、図5に示すフローチャートのS102乃至S106及びその説明に示される処理を実行することによって単位総合デフォルト指数を計算により求める。 Specifically, by calculation units overall default index by executing the processing shown in S102 to S106 and the description of the flowchart shown in FIG.
【0056】 [0056]
その後、制御プログラム103は、計算により求められた単位総合デフォルト指数に基づいて、デフォルトサンプルに対する説明力を確認する(S206)。 Thereafter, the control program 103 based on the unit overall default index obtained by calculation, to confirm the explanatory power for the default sample (S206). この説明力の確認は、例えば、多数のサンプルについて単位総合デフォルト指数の悪い方から20%を抽出し、その中にどの程度実際にデフォルトしたサンプルが含まれているかを算出することによって行う。 Confirmation of this explanation force, for example, carried out by extracting the 20% the bad units overall default index for a large number of samples is calculated if there is any degree actually samples the default therein.
【0057】 [0057]
次に、制御プログラム103は、2番目にN/S比率が低い指標を選択する(S207)。 Next, the control program 103, N / S ratio to select a lower index to the second (S207). そして、制御プログラム103は、この指標と、S204において選択された指標とに基づき、単位総合デフォルト指数を計算する(S208)。 Then, the control program 103, and the index based on the index selected in S204, to calculate the unit overall default index (S208). そして、この計算結果に基づきデフォルトサンプルに対する説明力が先の計算結果と比較して改善されているかどうかを制御プログラム103が確認する(S208)。 The explanatory power for the default sample on the basis of the calculation result whether the control program 103 to check is improved compared with the previous calculation result (S208). 制御プログラム103が改善されないと判定した場合(S210)は、指標の追加を中止する(S211)。 If the control program 103 is determined not to be improved (S210) stops the additional indicator (S211). 中止した場合には、これまでに選択された指標を入出力装置102によって出力する(S212)。 If you cancel outputs the selected index so far by the output device 102 (S212).
【0058】 [0058]
制御プログラム103が改善されたと判定した場合(S210)は、3番目にN/S比率が低い指標を選択し(S207)、これを加えて単位総合デフォルト指数を計算し(S208)、デフォルトサンプルに対する説明力を比較する(S209)。 If it is determined that the control program 103 is improved (S210) is, N / S ratio select a lower index third (S207), the addition of which to calculate the unit overall default index (S208), to the default sample Compare explanatory power (S209). これら一連の作業を、指標値を加えても、デフォルトサンプルに対する説明力が改善されなくなるまで続ける。 These series of operations, be added an index value, continued until explanatory power for the default sample can not be improved.
【0059】 [0059]
ここで、指標の選択処理に関しては、指標値を成長性や収益性などの観点からいくつかのサブカテゴリーに分類し、それぞれのサブカテゴリーの中からN/S比率が低い指標をいくつか選択するようにしてもよい。 Here, with respect to the selection process of the index, and classified into several subcategories an index value from the viewpoint of growth and profitability, N / S ratio among the respective sub-category to select several low index it may be so. 例えば、100個の指標がある場合には、20個ずつのサブカテゴリーに分け、それぞれのサブカテゴリから1つの指標を選択する。 For example, if there are 100 indicators, divided into subcategories by 20, it selects one index from each sub-category.
【0060】 [0060]
また、使用する指標値の相関係数を事前に調査し、相関の高い指標はどちらか一つを排除しておくようにしてもよい。 Furthermore, to investigate the correlation coefficient of the index values ​​to be used in advance, a high correlation index it is advisable to eliminate one or the other.
【0061】 [0061]
その他の発明の実施の形態. Embodiments of the other inventions.
上述の例では、分割点が1箇所、即ち全体を2分割する場合を説明したが、分割を2箇所以上とすることも可能である。 In the above example, points dividing points are 1, i.e. a case has been described that the entire two-division, it is also possible to divide the two or more locations. その場合は、各分割点でのN/S比率を計算する。 In that case, to calculate the N / S ratio at each division point. この場合、与える点数を1か0のみではなく、3分割の場合0、1、2とする等の任意の三段階の数値とすることも可能である。 In this case, rather than score the only 1 or 0 to provide, can be any three-step numerical values ​​such as the 0,1,2 case of three portions. 信用リスクを評価しようとする債務者が、3分割した領域のいずれの領域に該当するかを判別する。 Debtor to try to assess the credit risk, to determine whether corresponding to any region of the divided into three regions. そして、その上で該当する領域に対応して0、1、2のいずれかにN/S比率の逆数を乗算した値、即ち、0、S/N又は2S/Nを得点(スコア)とする。 Then, the upper value obtained by multiplying the reciprocal of the N / S ratio 0, 1, or 2 corresponding to the relevant region, i.e., the 0 score the S / N or 2S / N (score) . 4分割の場合には、四段階の数値、5分割の場合には、五段階の数値とし、n分割の場合には、n段階の数値とすることが好ましい。 4 in the case of division, fourth step numbers, in the case of 5 division, and five levels of numbers, in the case of n division, it is preferable that the numerical value of n stages. これらの計算処理は、制御プログラム103に基づき実行し、最終的な評価結果は、評価情報ファイル107に格納される。 These calculation process performs based on the control program 103, the final evaluation result is stored in the evaluation information file 107.
【0062】 [0062]
また、上述の例では、数値の存在しない指標による影響を避けるため、単位総合デフォルト指数を計算したが、存在しない数値には他の数値を代用(することで、単位当たりとはせず、総合デフォルト指数をそのまま利用することも可能である。例えば、0と1の中間の0.5点などを代用値として用いることができる。 Further, in the above example, in order to avoid the effect of non-existent index numbers have been calculated the unit overall default index, the existent numerical By substituting other values ​​(not the per unit, total it is also possible to accept the default index. for example, can be used as 0 and 1 of 0.5 point of the intermediate as a substitute value.
【0063】 [0063]
また、信用度の高い側のサンプル数と信用度に低い側のサンプル数とが等しくなるような分割点としてもよい。 The present invention may also be division points such that the number of samples of low number of samples and creditworthiness of highly rated side side become equal. つまり、サンプルを半分にする点で2分割する。 In other words, it divided into two at a point halving the sample. この場合には、信用度の低い側のサンプルに対して1点を与える。 In this case, provide one point against credit low side of the sample.
【0064】 [0064]
全体を20%タイル毎に5分割し、信用度の低い領域から順に1点、2点、3点、4点、5点を与えても良い。 The whole is divided into five parts every 20 percentile, one point from a low credibility region sequentially, 2 points, 3 points, 4 points, may be given 5 points.
【0065】 [0065]
全体をn分割し、それぞれに同じ点数、例えば1点を与えても良い。 The entire divided into n, the same number in each example may be given 1 point.
【0066】 [0066]
分割点に関しては、データマイニング手法である、CART法、QUEST法等のTree分析を用いて最適分割点を探るようにしてもよい。 For the division points, a data mining technique, CART method, may be explore optimal dividing point using Tree analysis such QUEST method. ここで、CART法は、分類および回帰2進木をいい、データを2つのサブセットに分割して、各サブセット内のケースが前のサブセットよりも等質になるようにする。 Here, CART method refers to classification and regression binary tree divides the data into two subsets, so that cases in each subset is homogeneous than the previous subset. また、QUEST法は、変数選択と分岐点選択を個別に取り扱う2進木成長アルゴリズムである。 Moreover, QUEST method is binary tree growing algorithm to handle the branch point selection variable individually selected.
【0067】 [0067]
また、単位総合デフォルト指数の作成に不可欠なN/Sの設定については、次のようにしてもよい。 In addition, for the set of essential N / S to create the unit overall default index, it may be in the following manner. 即ち、複数の分割点があり、かつ、各領域ごとに0点もしくは1点およびそれ以外の数値を含む得点が付与されている場合は、全ての分割点でN/S比率を一定にする。 That is, there are a plurality of dividing points, and if the score that contains a number of 0 points or 1 point and the other for each of the areas has been granted, the N / S ratio constant at all the divided points. 換言すると、複数の分割点によって分割された場合には、それぞれの領域に異なる点数を付与する。 In other words, when it is divided by a plurality of dividing points may be given different points in the respective regions. そのときは、それぞれの点数にはN/S比率は掛け合わせる必要はなく、そのままの点数としてもよい。 Then the no need to multiply N / S ratio for each score, or as the raw score.
【0068】 [0068]
また、複数の分割点があり、かつ、各領域ごとに同じ得点が付与されている場合は、同じ点数が付与された分割点ではN/S比率を個別に与えるようにしてもよい。 Also, there are a plurality of dividing points, and, if the same score for each region is given, the division point where the same number is assigned may be given N / S ratios individually. このようにすることで、N/S比率によって各領域に差異を生じさせることが可能となる。 In this way, it is possible to produce a difference in each region by the N / S ratio.
【0069】 [0069]
さらに、全てのデフォルトサンプルの点で分割点を与え、それぞれの分割点でN/S比率を計算するようにしてもよい。 Furthermore, given the division point in terms of all of the default sample, it may be calculated the N / S ratio at each division point. 即ち、1000個のサンプルがある場合には、1000個分のN/S比率を計算する。 That is, if there are 1000 samples, calculates the 1000 pieces of the N / S ratio. これらのN/S比率をスムーズにつなぐ曲線で近似したラインを利用し、指標値の任意の点におけるN/S比率を計算する。 Utilizing the line approximated by a curve connecting these N / S ratio smoothly, to calculate the definitive N / S ratio at any point index value.
【0070】 [0070]
上述の例では、連続的なデータを前提としたが、定性的で離散的なデータも織り込むことが可能である。 In the above example, on the assumption of continuous data, it is possible to incorporate also qualitatively discrete data. 例えば、「持ち家」か「借家」を示すデータが有る場合、以下の算式でN/S比率を計算することで、本指標をモデルに取りこむことが可能である。 For example, if the data indicating "home ownership" or "rented" there, to calculate the N / S ratio in the following formula, it is possible to incorporate the indicator into the model. 借家をデフォルト領域とした場合、借家でデフォルトしたサンプルをA、借家で正常のサンプルをB、持ち家でデフォルトしたサンプルをC、持ち家で正常のサンプルをDとすることで、同様にN/S比率を計算する。 When the rented default region, the sample default rented house A, B and normal samples rented, the samples default home ownership C, and normal samples home ownership that is D, similarly N / S ratio to calculate. 即ち、A/(A+C)を計算することによりシグナル(S)を求め、B/(B+D)を計算することによりノイズ(N)を求める。 That is, determine the signal (S) by calculating A / (A + C), determining the noise (N) by calculating B / the (B + D). そして、これらの値より特定の分割点におけるN/S比率を求める。 Then, a N / S ratio in a particular division point than these values.
【0071】 [0071]
また、単位総合デフォルト指数を用いて、事業性個人の評価項目に「営業利益率」等の定量項目と「後継者の有無」などの定性項目を同じモデルのなかで評価するようにしてもよい。 In addition, by using the unit overall default index, it is also possible to evaluate the qualitative items such as the quantitative items such as the "operating margin" in the evaluation item of business of the personal "presence or absence of a successor" in among the same model .
【0072】 [0072]
さらに図11のようにデフォルト先の分布が2極化しているようなケースでは、デフォルト先の中間値からの距離により、図4の横軸に示すような元データを基準化してN/S比率を算出して精度を上げることができる。 In yet cases like the default destination distribution is 2 poled as shown in Figure 11, the distance from the default location of the intermediate value, and scaling the original data as shown in the horizontal axis in FIG. 4 N / S ratio it can improve the accuracy by calculating the. 或いは、そもそもの変数自体を正規化していれば変数の絶対値を用いていることでN/S比率を算出して精度を上げることができる。 Alternatively, it is possible to increase the accuracy by calculating the N / S ratio by uses the absolute value of the variable if the normalized first place the variable itself.
【0073】 [0073]
計算された単位総合デフォルト指数を、判別分析やロジスティック分析などの統計モデルの説明変数の一つとして利用することも可能である。 The calculated unit overall default index, can also be used as one of the explanatory variables of statistical models such as discriminant analysis and logistic analysis. 或いは判別分析やロジスティック分析などの統計モデルの評価結果を用いてN/S比率を算出し、単位総合デフォルト指数を算出するような逆の手順や繰り返しの方法がある。 Or calculating the N / S ratio by using the evaluation result of the statistical model such as discriminant analysis and logistic analysis, there is a reverse procedure and repeat method that calculates a unit overall default index.
【0074】 [0074]
なお、ここで単位総合デフォルト指数と組み合わせる統計モデルは、例えば、評価結果=x、或いは評価結果=自然対数の底eのx乗/(1+自然対数の底eのx乗)、なお、xは定数及び財務指標や属性などn個の説明変数から構成される説明変数とする。 Note that statistical model combined with where the unit overall default index, for example, the evaluation result = x, or the evaluation result = base of natural logarithm x of e-th power / (th power x 1+ base of natural logarithms e), should be noted that x is and composed explanatory variables of constant and n-number of explanatory variables such as financial indicators and attributes.
【0075】 [0075]
評価結果に時系列的な傾向が見受けられる場合、上記の統計モデルのxのうち定数項をその時系列的な変動に合わせて増減させることで、モデルの陳腐化の防止や将来の予測評価結果が算出可能となる。 If time-series trend is found in the evaluation results, by increasing or decreasing the combined constant term of x of the statistical model to the time-series variation, the obsolescence of model prevention and future predicted evaluation results calculation can become. また、マクロ変数やセミマクロ変数により評価結果の傾向を予測できる場合には、上記の統計モデルのxのうち定数項を、マクロ変数やセミマクロ変数の予測値に合わせて増減させることで、モデルの陳腐化の防止や将来の予測評価結果が算出可能となる。 Further, if it can predict the trend of the evaluation result by the macro variable or semi-macro variables, the constant term of x of the statistical model, by increasing or decreasing in accordance with the predicted value of the macro variable or semi-macro variables, obsolete models predictive evaluation prevention of future reduction becomes possible calculation. さらに、時系列的な要因だけでなく、当定数項に債務者の規模、業種、地域性、年度、客層などのあらゆる個別要因を反映できる。 In addition, time-series of factors, not only the scale of the debtor to the person constant term, industry, regional, year, can reflect all the individual factors such as the customer base. 例えば、統計モデルが大標本のデフォルト率(=評価結果)を推定している場合、評価対象とする小標本(例えば、債務者の規模、業種、地域性、年度、客層などで区分したデータ)の実績デフォルト率や予想デフォルト率の期待値を算出するように当定数項を逆算して調整すれば、小標本の特性を反映したモデル化が可能となる。 For example, the default rate of the statistical model is a large specimen If you are estimating the (= evaluation results), small sample to be evaluated (for example, the scale of the debtor, industry, regional, year, data that has been divided by such customer base) if to calculate the expected value of the actual default rate and expected default rate adjustment back to find those constant term, it is possible to model that reflects the characteristics of small specimens. なお、ここでの評価結果とは推定デフォルト率やその代理変数としての評点などをさす。 It should be noted, refers to such scores as the estimated default rates and their surrogates and evaluation results of here.
【0076】 [0076]
分割点は様々な選択が可能である。 Division point may have various selected. 例えば、最小誤判別点、最小N/S比率点、下位20%タイル点等である。 For example, the minimum misclassification point, the minimum N / S ratio point, a bottom 20 percentile point and the like.
【0077】 [0077]
例えば、最小誤判別点の探索方法は、例えば次の誤判定率の評価式の値が最小となる点を分割点として決定する。 For example, the search process of the minimum misclassification point, for example, determines the point at which the value of evaluation formula of the following erroneous determination ratio is minimum as the division point.
デフォルトの評価式=(D2/D1)+(s2/s1) The default evaluation formula = (D2 / D1) + (s2 / s1)
非投資適格の評価式 =(n2/n1)+(i2/i1) Non-investment grade rating formula = (n2 / n1) + (i2 / i1)
D1:総デフォルト数s1:総生存数D2:総デフォルト数のうちデフォルトと判定できなかった数s2:総生存数のうち生存と判定できなかった数D2/D1:デフォルト誤判定率s2/s1:生存誤判定率【0078】 D1: Total Default number s1: total viable number D2: The number could not be determined that the default of the total default number s2: total viable count number could not be determined and survival of D2 / D1: Default erroneous determination ratio s2 / s1: Survival erroneous determination rate [0078]
また、上述の例では、分割対象は、デフォルト・非デフォルトとしたが、さらに、外部格付を用いることも可能である。 In the above example, division target is set to default non-default, and further, it is also possible to use an external rating. この場合には、例えば、投資適格=BBB−以上と非投資適格=BB+以下に2分割する。 In this case, for example, divided into two investment grade = BBB- or more and a non-investment grade = BB + below. その他、外部評価を用いる場合には、例えばxx以上とxx以下に2分割する。 Additional, in the case of using an external evaluation, for example, 2 divided into the following xx above and xx. さらには、内部評価を用いる場合には、正常先、要注意先1、要注意先2、破綻懸念先、実質破綻先・破綻先、などの序列のうち、任意の箇所において2分割する。 Furthermore, when using the internal rating is normal destination, careful destination 1, caution destination 2, bankrupt, of order of substantially bankrupt, bankruptcy, etc., is divided into two at an arbitrary position.
【0079】 [0079]
上述の例において、システムのハードディスク、メモリ等の記憶手段等にインストールされた各種のプログラムは、様々な種類の記憶媒体に格納することが可能であり、また、通信媒体を介して伝達されることが可能である。 In the above example, the system's hard disk, various programs installed in the storage unit of the memory or the like, it is possible to store various types of storage media, also it is transmitted through a communication medium it is possible. ここで、記憶媒体には、例えば、フレキシブルディスク、ハードディスク、磁気ディスク、光磁気ディスク、CD−ROM、DVD、ROMカートリッジ、バッテリバックアップ付きRAMメモリカートリッジ、フラッシュメモリカートリッジ、不揮発性RAMカートリッジ等を含む。 Here, the storage medium includes a flexible disk, hard disk, magnetic disk, optical disk, CD-ROM, DVD, ROM cartridge, RAM memory cartridge with battery backup, flash memory cartridge, nonvolatile RAM cartridge, or the like. また、通信媒体には、電話回線等の有線通信媒体、マイクロ波回線等の無線通信媒体等を含み、インターネットも含まれる。 Further, communication media includes wired communications media such as a telephone line, includes such as a wireless communication medium such as a microwave line, and includes the Internet.
【0080】 [0080]
【発明の効果】 【Effect of the invention】
本発明により、信用評価を適切に行なうことができ、特に定性データ、定量データ、欠測値の多い財務データ、欠測値の少ない財務データ、外れ値の多いデータ等を総合的に判断することができる信用評価システム及び信用評価方法を提供することができる。 The present invention, credit ratings can appropriately perform, comprehensively be determined particularly qualitative data, quantitative data, many financial data of missing values, less financial data of missing values, more data and outliers it is possible to provide a credit rating system and credit rating methods can.
さらに詳細には、本発明にかかる信用評価システムは、ポートフォリオの信用リスク管理手段として有用である。 More particularly, the credit evaluation system according to the present invention is useful as a credit risk management means the portfolio.
また、本発明により算出されたデフォルト率を基に将来を予測し、それを貸出金利に反映させれば、与信審査やプライシングの判断基準として有効である。 Also, the default rate calculated by the present invention to predict the future based on, if reflected it lending rate, it is effective as a criterion for credit evaluation and pricing.
また、本発明にかかる信用評価システムにより、中堅、中小、零細企業の理論デフォルト率が計測可能となるため、同じクラスの企業をたくさん集めれば、実際のデフォルト率を理論値に近づけることができる。 Also, the credit rating system according to the present invention, mid, small, since the theoretical default rate small businesses is possible to measure, if you collect a lot of companies of the same class, it is possible to make the actual default rate to the theoretical value. 多くの企業向けの債権を集めて証券化すればデフォルト率の分散が小さくなるため、投資家の信任を得やすい世界に商品が組成可能となる。 Since the variance of the default rate is reduced if the securitization to collect receivables of many enterprises, products made possible composition to be easily obtained investors confidence the world.
特に、不良債権をはじめいろいろな要因で金融仲介機能が低下しているなかで、新しい金融商品として貸し出し債券を証券化するCLO(Collateralized Loan Obligation)を組成したり、融資だけでなく中小企業の売掛金を担保とした債権に組成することが可能となる効果は大である。 In particular, among the financial intermediary function at the beginning various factors the bad debts is reduced, or the composition of the CLO (Collateralized Loan Obligation) for securitization of lending bonds as a new financial instruments, accounts receivable of small and medium-sized enterprises as well as financing it is possible to composition collateral receivables the effect is large.
【図面の簡単な説明】 BRIEF DESCRIPTION OF THE DRAWINGS
【図1】本発明にかかる信用評価システムにおける評価モデルの概念図である。 1 is a conceptual view of evaluation models in the credit evaluation system according to the present invention.
【図2】本発明にかかる信用評価システムにおける2次スコアリングモデルの概念図である。 2 is a conceptual diagram of a secondary scoring model in the credit evaluation system according to the present invention.
【図3】本発明にかかる信用評価システムにおけるシグナルモデルを説明するための図である。 Is a diagram for explaining a signal model in the credit evaluation system according to the present invention; FIG.
【図4】本発明にかかる信用評価システムにおけるシグナルモデルを説明するための図である。 Is a diagram for explaining a signal model in the credit evaluation system according to the present invention; FIG.
【図5】本発明にかかる信用評価システムのハードウェア構成例を示す図である。 5 is a diagram showing a hardware configuration example of a credit evaluation system according to the present invention.
【図6】本発明にかかる信用評価システムの処理を示すフローチャートである。 6 is a flowchart showing the processing of a credit assessment system according to the present invention.
【図7】本発明にかかる信用評価システムにおける入力画面例を示す図である。 7 is a diagram showing an input screen example in the credit evaluation system according to the present invention.
【図8】本発明にかかる信用評価システムにおける入力画面例を示す図である。 8 is a diagram showing an input screen example in the credit evaluation system according to the present invention.
【図9】本発明にかかる信用評価システムにおける入力画面例を示す図である。 9 is a diagram showing an input screen example in the credit evaluation system according to the present invention.
【図10】本発明にかかる信用評価システムの処理を示すフローチャートである。 It is a flowchart showing the processing of such credit evaluation system in the present invention; FIG.
【図11】本発明にかかる信用評価システムの他の実施の形態を説明するための図である。 11 is a diagram for explaining another embodiment of the credit evaluation system according to the present invention.
【符号の説明】 DESCRIPTION OF SYMBOLS
101 CPU 102 入出力装置103 制御プログラム 104 指標情報ファイル105 モデル情報ファイル 106 債務者情報ファイル107 評価情報ファイル 108 バス 101 CPU 102 input device 103 control program 104 index information file 105 model information file 106 debtor information file 107 evaluation information file 108 bus

Claims (4)

  1. 1次判別モデルに基づいて優良企業グループと、非優良企業グループに分別する第1の処理手段と、 And excellent corporate group based on the primary discrimination model, a first processing means for separating the low-value corporate group,
    前記第1の処理手段により分別された優良企業グループと、非優良企業グループのそれぞれのグループ毎に、異なるモデルに従って2次スコアリングモデルにより実行する第2の処理手段と、 And excellent corporate group that is separated by the first processing means, for each group of low-value corporate group, the second processing means for executing the secondary scoring models according to different models,
    債務者の信用リスクと関連性のある指標に関する指標情報であって、過去の多数のサンプルに対する指標データと、各サンプルが基準時点において実際にデフォルトしたデフォルト先であるか、基準時点において実際にデフォルトに至らなかった正常先かを示すデータを関連付けて記憶する指標情報記憶手段と、 An index information on an index for the relevant credit risk of debtors, the index data for past multiple samples, either in fact default destination by default in each sample reference time, actually default at the reference point and the index information storage means for storing in association with data indicating did not do normal destination lead to,
    分割値に関する情報を含むモデル情報を記憶するモデル情報記憶手段と、 A model information storage means for storing model information including information on division value,
    信用リスクの評価を行なおうとする債務者の各指標に対応するデータを記憶する債務者情報記憶手段と、 And debt information storage means for storing data corresponding to each index of the debtor wishing to make an assessment of credit risk,
    信用リスクの評価結果を示す評価情報を記憶する評価情報記憶手段とを備え、債務者の信用度を評価する信用評価システムであって、 And an evaluation information storage means for storing the evaluation information indicating the evaluation result of the credit risk, a credit rating system for evaluating the creditworthiness of the debtor,
    第1の処理手段は、 First processing means,
    分割基準を入力し、入力された分割基準に応じて前記債務者情報記憶手段に格納された債務者のデータを優良企業グループのデータ群と、非優良企業グループのデータ群に分別する分別手段を有し、 Enter the division criteria, the data group excellent corporate group stored debtors of data on the debtor information storage means in accordance with the input splitting criteria, the classification unit to separate the group of data low-value corporate group has,
    第2の処理手段は、 Second processing means
    前記指標情報記憶手段より取得された各グループ毎の指標情報から生成された、各グループ毎のデフォルト先の分布データと正常先の分布データのそれぞれについて、当該分布データのうち信用度の低い側にありデフォルトと判別するデフォルト領域と、当該分布データのうち信用度の高い側にあり正常と判別する正常領域に分割する分割値を各グループのそれぞれについて入力する手段と、 The index information generated from the index information for each group obtained from the storage unit, for each of the distribution data of the default destination distribution data and normal destination for each group, the low side of credibility among the distribution data and the default region for determining a default there, means for the division value to enter for each of the groups is divided into a normal region to determine the normal is in the highly rated side of the distribution data,
    入力された分割値に基づき、前記指標情報記憶手段より取得された各グループ毎の指標情報から生成された、各グループ毎のデフォルト先の分布データを分割し、実際のデフォルトサンプルで前記デフォルト領域にあるサンプルの数Aと、実際のデフォルトサンプルで前記正常領域にあるサンプル数Cを算出し、さらに、A/(A+C)をシグナル(S)として算出し、 各グループのそれぞれについてバッファに格納する手段と、 Based on the input cutoff value, the index information generated from the index information for each group obtained from the storage means, divides the default destination of the distribution data for each group, the default region actual default sample the number a of a sample, and calculates the number of samples C in the normal region in the actual default sample, further means for storing a / the (a + C) is calculated as a signal (S), the buffer for each of the groups When,
    入力された分割値に基づき、前記指標情報記憶手段より取得された各グループ毎の指標情報から生成された、各グループ毎の正常先の分布データを分割し、実際の正常サンプルで前記デフォルト領域にあるサンプルの数Bと、実際の正常サンプルで前記正常領域にあるサンプル数Dを算出し、さらに、B/(B+D)をノイズ(N)として算出し、 各グループのそれぞれについてバッファに格納する手段と、 Based on the input cutoff value, the index information generated from the index information for each group obtained from the storage means, divides the normal destination of the distribution data for each group, the default region in the actual normal samples the number B of a sample, wherein calculating the number of samples D which is in the normal region in the actual normal samples, further, B / (B + D) is calculated as the noise (N), means for storing in a buffer for each of the groups When,
    前記バッファより前記シグナル(S)及びノイズ(N)を読み出し、ノイズ(N)÷シグナル(S)を計算することによりN/S比率を算出し、当該N/S比率を各グループのそれぞれについてバッファに格納する手段と、 Said reading said from the buffer signal (S) and noise (N), to calculate the N / S ratio by calculating the noise (N) ÷ signal (S), the N / S ratio for each of the groups buffers and the means to be stored in,
    複数の分割値毎に計算され、前記バッファに格納された複数のN/S比率から、N/S比率が最低値をとる分割値を求め、その分割値を各グループのそれぞれについて前記モデル情報記憶手段に格納する手段と、 Is calculated for each of a plurality of divided values, a plurality of N / S ratio stored in the buffer, obtains the division value N / S ratio takes a minimum value, the model information storing the divided value for each of the groups and means for storing in the means,
    前記モデル情報記憶手段に格納された分割値の指標値と、前記債務者情報記憶手段に格納された評価対象の債務者の指標値とを比較する手段と、 Means for comparing the index value of the stored divided value to the model information storing means and the index value of the debtor information storage means debtor evaluated stored in,
    比較の結果、評価対象の債務者の指標値が前記分割値の指標値よりも信用度の低い側にあると判定された場合には、N/S比率の逆数を計算して、N/S比率の逆数を評価対象の債務者の得点として前記評価情報記憶手段に格納する手段と、 Result of the comparison, if the index value of the debtor to be evaluated is determined to be in the low side of credibility than the index value of the divided value by calculating the reciprocal of N / S ratio, N / S ratio It means for storing the reciprocal of the evaluation information storing means as a score of evaluation target debtors,
    比較の結果、評価対象の債務者の指標値が前記分割値の指標値よりも信用度の高い側にあると判定された場合には、0点を評価対象の債務者の得点として前記評価情報記憶手段に格納する手段を備えた信用評価システム。 Result of the comparison, if the index value of the debtor to be evaluated is determined to be on the side highly rated than the index value of the divided value, the evaluation information storing zero point as the score of the evaluation target debtors credit assessment system comprising means for storing the unit.
  2. 複数の指標について得点を付与し、特定の合計値を求めると共に、当該指標の数により割ることによって、単位当りの得点を算出し、単位総合デフォルト指数として前記評価情報記憶手段に格納する手段をさらに備えたことを特徴とする請求項1記載の信用評価システム。 The score assigned for a plurality of indicators, along with obtaining a particular sum value, by dividing by the number of the index, and calculates a score per unit, further means for storing the evaluation information storing means as a unit overall default Index credit assessment system according to claim 1, characterized by comprising.
  3. 債務者の信用度を評価するための指標には、利益関連指標が含まれることを特徴とする請求項2記載の信用評価システム。 The index for evaluating the creditworthiness of the debtor, the credit rating system of claim 2, wherein to include benefits related indicators.
  4. 前記債務者は、中小企業であることを特徴とする請求項1乃至のいずれかに記載の信用評価システム。 The debtor credit evaluation system according to any one of claims 1 to 3, characterized in that a small business.
JP2002120102A 2002-04-23 2002-04-23 Credit rating system Expired - Fee Related JP4358475B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2002120102A JP4358475B2 (en) 2002-04-23 2002-04-23 Credit rating system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2002120102A JP4358475B2 (en) 2002-04-23 2002-04-23 Credit rating system

Publications (2)

Publication Number Publication Date
JP2003316950A JP2003316950A (en) 2003-11-07
JP4358475B2 true JP4358475B2 (en) 2009-11-04

Family

ID=29536423

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2002120102A Expired - Fee Related JP4358475B2 (en) 2002-04-23 2002-04-23 Credit rating system

Country Status (1)

Country Link
JP (1) JP4358475B2 (en)

Families Citing this family (37)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9400589B1 (en) 2002-05-30 2016-07-26 Consumerinfo.Com, Inc. Circular rotational interface for display of consumer credit information
US9569797B1 (en) 2002-05-30 2017-02-14 Consumerinfo.Com, Inc. Systems and methods of presenting simulated credit score information
US8204774B2 (en) 2004-10-29 2012-06-19 American Express Travel Related Services Company, Inc. Estimating the spend capacity of consumer households
US7822665B2 (en) 2004-10-29 2010-10-26 American Express Travel Related Services Company, Inc. Using commercial share of wallet in private equity investments
US20070244732A1 (en) 2004-10-29 2007-10-18 American Express Travel Related Services Co., Inc., A New York Corporation Using commercial share of wallet to manage vendors
US7788147B2 (en) 2004-10-29 2010-08-31 American Express Travel Related Services Company, Inc. Method and apparatus for estimating the spend capacity of consumers
US8630929B2 (en) 2004-10-29 2014-01-14 American Express Travel Related Services Company, Inc. Using commercial share of wallet to make lending decisions
US8326671B2 (en) 2004-10-29 2012-12-04 American Express Travel Related Services Company, Inc. Using commercial share of wallet to analyze vendors in online marketplaces
US20070016501A1 (en) 2004-10-29 2007-01-18 American Express Travel Related Services Co., Inc., A New York Corporation Using commercial share of wallet to rate business prospects
US8086509B2 (en) 2004-10-29 2011-12-27 American Express Travel Related Services Company, Inc. Determining commercial share of wallet
US7792732B2 (en) 2004-10-29 2010-09-07 American Express Travel Related Services Company, Inc. Using commercial share of wallet to rate investments
US8131614B2 (en) 2004-10-29 2012-03-06 American Express Travel Related Services Company, Inc. Using commercial share of wallet to compile marketing company lists
US8543499B2 (en) 2004-10-29 2013-09-24 American Express Travel Related Services Company, Inc. Reducing risks related to check verification
US8326672B2 (en) 2004-10-29 2012-12-04 American Express Travel Related Services Company, Inc. Using commercial share of wallet in financial databases
US7840484B2 (en) 2004-10-29 2010-11-23 American Express Travel Related Services Company, Inc. Credit score and scorecard development
US7814004B2 (en) 2004-10-29 2010-10-12 American Express Travel Related Services Company, Inc. Method and apparatus for development and use of a credit score based on spend capacity
JP4974097B2 (en) * 2005-01-14 2012-07-11 株式会社野村総合研究所 Credit issuer calculation system and calculation program for bond issuers
CA2617798A1 (en) * 2005-08-02 2007-03-08 American Express Travel Related Services Company, Inc. Commercial share of wallet
JP4937672B2 (en) * 2006-08-15 2012-05-23 株式会社野村総合研究所 Company creditworthiness calculation system and calculation program
JP5008373B2 (en) * 2006-10-03 2012-08-22 スルガ銀行株式会社 Loan credit judgment system
US8036979B1 (en) 2006-10-05 2011-10-11 Experian Information Solutions, Inc. System and method for generating a finance attribute from tradeline data
US8239250B2 (en) 2006-12-01 2012-08-07 American Express Travel Related Services Company, Inc. Industry size of wallet
US8606626B1 (en) 2007-01-31 2013-12-10 Experian Information Solutions, Inc. Systems and methods for providing a direct marketing campaign planning environment
US8606666B1 (en) 2007-01-31 2013-12-10 Experian Information Solutions, Inc. System and method for providing an aggregation tool
US9690820B1 (en) 2007-09-27 2017-06-27 Experian Information Solutions, Inc. Database system for triggering event notifications based on updates to database records
US9558519B1 (en) 2011-04-29 2017-01-31 Consumerinfo.Com, Inc. Exposing reporting cycle information
US8538869B1 (en) 2012-02-23 2013-09-17 American Express Travel Related Services Company, Inc. Systems and methods for identifying financial relationships
US8781954B2 (en) 2012-02-23 2014-07-15 American Express Travel Related Services Company, Inc. Systems and methods for identifying financial relationships
US9477988B2 (en) 2012-02-23 2016-10-25 American Express Travel Related Services Company, Inc. Systems and methods for identifying financial relationships
US8442886B1 (en) 2012-02-23 2013-05-14 American Express Travel Related Services Company, Inc. Systems and methods for identifying financial relationships
US8473410B1 (en) 2012-02-23 2013-06-25 American Express Travel Related Services Company, Inc. Systems and methods for identifying financial relationships
US10255598B1 (en) 2012-12-06 2019-04-09 Consumerinfo.Com, Inc. Credit card account data extraction
US9870589B1 (en) 2013-03-14 2018-01-16 Consumerinfo.Com, Inc. Credit utilization tracking and reporting
US10262362B1 (en) 2014-02-14 2019-04-16 Experian Information Solutions, Inc. Automatic generation of code for attributes
CN104050530A (en) * 2014-05-30 2014-09-17 深圳市道尔智控科技股份有限公司 Cloud platform management system for parking lots
US10242019B1 (en) 2014-12-19 2019-03-26 Experian Information Solutions, Inc. User behavior segmentation using latent topic detection
JP6194434B1 (en) * 2016-09-29 2017-09-06 株式会社金融エンジニアリング・グループ Information processing apparatus, information processing method, and program

Also Published As

Publication number Publication date
JP2003316950A (en) 2003-11-07

Similar Documents

Publication Publication Date Title
Daines et al. Rating the ratings: How good are commercial governance ratings?
Kallberg et al. The value of private sector business credit information sharing: The US case
Brazel et al. Using nonfinancial measures to assess fraud risk
Siddiqi Credit risk scorecards: developing and implementing intelligent credit scoring
Thangavelu et al. Financial development and economic growth in Australia: An empirical analysis
Gregoriou et al. Hedge fund performance appraisal using data envelopment analysis
Adams et al. The determinants of credit ratings in the United Kingdom insurance industry
Altman Revisiting credit scoring models in a Basel 2 environment
Altman Corporate distress prediction models in a turbulent economic and Basel II environment
Emel et al. A credit scoring approach for the commercial banking sector
US7930242B2 (en) Methods and systems for multi-credit reporting agency data modeling
US20050055257A1 (en) Techniques for performing business analysis based on incomplete and/or stage-based data
Gupton et al. LossCalcTM: Model for predicting loss given default (LGD)
US20070094117A1 (en) Enterprise evaluation device and enterprise evaluation program
Smith et al. Corporate turnaround and financial distress
KR100771710B1 (en) Methods and systems for optimizing return and present value
Post et al. Risk aversion and skewness preference
Aiolfi et al. Model uncertainty, thick modelling and the predictability of stock returns
Chen Bank efficiency in Sub-Saharan African middle income countries
Engelmann et al. The Basel II risk parameters: estimation, validation, and stress testing
Caselli et al. The sensitivity of the loss given default rate to systematic risk: new empirical evidence on bank loans
US7761373B2 (en) Method and system for predicting credit ratings transitions
US20060085325A1 (en) System, method, and computer program for assessing risk within a predefined market
Abdullah et al. Predicting corporate failure of Malaysia’s listed companies: Comparing multiple discriminant analysis, logistic regression and the hazard model
EP1361526A1 (en) Electronic data processing system and method of using an electronic processing system for automatically determining a risk indicator value

Legal Events

Date Code Title Description
A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20050114

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20050314

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20050421

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20050617

A911 Transfer of reconsideration by examiner before appeal (zenchi)

Free format text: JAPANESE INTERMEDIATE CODE: A911

Effective date: 20050629

A912 Removal of reconsideration by examiner before appeal (zenchi)

Free format text: JAPANESE INTERMEDIATE CODE: A912

Effective date: 20050916

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20090707

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: 20090806

R150 Certificate of patent or registration of utility model

Free format text: JAPANESE INTERMEDIATE CODE: R150

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20120814

Year of fee payment: 3

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20120814

Year of fee payment: 3

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20150814

Year of fee payment: 6

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

S531 Written request for registration of change of domicile

Free format text: JAPANESE INTERMEDIATE CODE: R313531

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350

LAPS Cancellation because of no payment of annual fees