JP5826348B1 - 予測装置、予測方法及びコンピュータプログラム - Google Patents
予測装置、予測方法及びコンピュータプログラム Download PDFInfo
- Publication number
- JP5826348B1 JP5826348B1 JP2014182235A JP2014182235A JP5826348B1 JP 5826348 B1 JP5826348 B1 JP 5826348B1 JP 2014182235 A JP2014182235 A JP 2014182235A JP 2014182235 A JP2014182235 A JP 2014182235A JP 5826348 B1 JP5826348 B1 JP 5826348B1
- Authority
- JP
- Japan
- Prior art keywords
- value
- item
- event
- values
- items
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
【課題】予測精度を向上させることができる予測装置、予測方法、及びコンピュータプログラムを提供する。【解決手段】演算手段は、項目毎に、該項目の項目値群に対応する期間から特定の時間差に対応する期間後における前記事象に係る値と、前記項目値群との間の相関を近似する近似モデルを適用して前記項目値群を変換する手段と、変換した項目値群から前記事象に係る値の推定値を推定する誤差に係る指標値を項目毎に算出する手段と、項目毎に算出した指標値により項目群を加重平均して前記事象に係る値の推定値を項目毎に算出する手段とを備え、推定値から要因効果値を導出して項目数の決定、項目の選択の処理を経て予測値を算出する。【選択図】図5
Description
本発明は、時系列的に変化する事象を分析して将来の事象を予測する方法に関し、人間の主観の影響を低減させて予測精度を高めることができる予測装置、予測方法、及びコンピュータを予測装置として機能させるコンピュータプログラムに関する。
経時的に変化する事象について、該事象に係る任意の時点までの時系列データを用いて以後の変化を予測することは様々な分野で有用である。例えば為替、株価の過去の推移の観測に基づいて一日後、一週間後、半年後の為替又は株価の予測を行なったり、製品の販売実績に基づいて次期の需要予測を推定したりすることは、人間の経験及び判断力に基づいて行なわれている。上述の為替、株価、製品需要などの予測は非常に困難であるが、それらの予測が人間の主観を除去した上で高精度に実現することが可能であるとすれば、生産、販売及び在庫管理、並びに物流、製品開発等の計画に非常に有用となる。
発明者はこれまでに、時系列的に変化する種々の事象に関する予測方法を提案してきた(特許文献1等)。発明者により提案されている予測方法では、T法を応用した方法を採用している。具体的にはT法を用いる予測方法では、予測対象の値と該値に関連する複数の事項の値を夫々信号値及び複数の項目の項目値とする。これに対し発明者が提案した予測方法では更に、時間差モデルと定義するモデルを、信号値と項目毎の項目値との相関に適用し、時間差モデルが適用された両者の相関の強さを示す要因効果値を算出し、要因効果値が高い項目を選択して予測値が算出されるようにしてある。
またT法を用いた予測方法では、精度を向上させるために種々の応用方法が提案されている。特許文献1に開示した方法でも精度を向上させるべく、非特許文献1で開示されているような信号値と項目値との間の関係の非線形成分を考慮した変数変換を行なうこととしている。
増田雪也、「非線形成分を考慮したT法の研究」、第17回品質工学研究発表大会 論文集、p.422−425 2009年
発明者が提案した予測方法の基礎としているT法では、信号値と項目値との間の関係が線形なデータの分析を基本としている。そこで、特許文献1に開示した予測方法では、信号値と項目値との間の関係の非線形性を考慮し、線形関係となるように項目値を変換する手法(変数変換という)を用いて予測精度を向上させた。
発明者は、これまで採用してきた変数変換における処理内容に着目し、項目値群から信号値を推定するモデルを適用し、モデル適用の精度に係る指標値から各項目の要因効果値を求めることができるとの知見を得た。
本発明は斯かる知見に基づいてなされたものであり、更に予測精度を向上させることができる予測装置、予測方法、及びコンピュータを予測装置として機能させるコンピュータプログラムを提供することを目的とする。
本発明に係る予測装置は、複数の要因が関連する事象に係る値を時系列に記録すると共に、前記値に関連する前記複数の要因を複数の項目毎の項目値として前記値に対応付けて記録する記録手段と、該記録手段から前記値及び項目値を読み出して演算を行なう演算手段とを備え、該演算手段が、前記複数の項目の前記値の変化に対する相関の強さを示す要因効果値に基づき、前記複数の項目から選択して得られる複数の項目の項目値に基づき、予測対象期間における前記事象に係る値を予測する予測装置において、項目毎に、該項目の項目値群に対応する期間から特定の時間差後の期間における前記事象に係る値と、前記項目値群との間の相関を近似する近似モデルを適用して前記項目値群を変換する変換手段と、該変換手段により変換した項目値群から前記事象に係る値の推定値を推定する誤差に係る指標値を項目毎に算出する指標値算出手段と、項目毎に算出した指標値により項目値群を加重平均して前記事象に係る値の推定値を項目毎に算出する手段と、算出した項目毎の推定値に基づき、前記項目の前記事象に係る値の変化に対する前記要因効果値を導出する手段と、導出した要因効果値に基づき選択される複数の項目の項目値から、前記特定の時間差後の予測対象期間における前記事象に係る値の予測値を算出する手段とを備えることを特徴とする。
本発明に係る予測装置は、前記指標値算出手段は、前記近似モデルによる前記事象に係る値の推定の誤差分散に係るSN比を前記指標値として算出するようにしてあることを特徴とする。
本発明に係る予測装置は、前記指標値算出手段は、前記近似モデルの最大対数尤度を前記指標値として算出するようにしてあることを特徴とする。
本発明に係る予測方法は、複数の要因が関連する事象に係る値を時系列に記録すると共に、前記値に関連する前記複数の要因を複数の項目毎の項目値として前記値に対応付けて記録する記録手段と、該記録手段から前記値及び項目値を読み出して演算を行なう演算手段とを備える装置にて、該演算手段が、前記複数の項目の前記値の変化に対する相関の強さを示す要因効果値に基づき、前記複数の項目から選択して得られる複数の項目の項目値に基づき、予測対象期間における前記事象に係る値を予測する予測方法において、前記演算手段は、項目毎に、該項目の項目値群に対応する期間から特定の時間差後の期間における前記事象に係る値と、前記項目値群との間の相関を近似する近似モデルを適用して前記項目値群を変換し、変換後の項目値群から前記事象に係る値の推定値を推定する誤差に係る指標値を項目毎に算出し、項目毎に算出した指標値により項目値群を加重平均して前記事象に係る値の推定値を項目毎に算出し、算出した項目毎の推定値に基づき、前記項目の前記事象に係る値の変化に対する前記要因効果値を導出し、導出した要因効果値に基づき選択される複数の項目の項目値から、前記特定の時間差後の予測対象期間における前記事象に係る値の予測値を算出することを特徴とする。
本発明に係るコンピュータプログラムは、記録手段を備えるコンピュータに、前記記録手段に時系列に記録してある複数の要因が関連する事象に係る値、及び、該値に関連する前記複数の要因である複数の項目毎の項目値を読み出させ、前記複数の項目の前記値の変化に対する相関の強さを示す要因効果値に基づき、前記複数の項目から選択して得られる複数の項目の項目値に基づいて予測対象期間における前記事象に係る値を予測させるコンピュータプログラムにおいて、前記コンピュータに、項目毎に、該項目の項目値群に対応する期間から特定の時間差後の期間における前記事象に係る値と、前記項目値群との間の相関を近似する近似モデルを適用して前記項目値群を変換するステップ、変換後の項目値群から前記事象に係る値の推定値を推定する誤差に係る指標値を項目毎に算出するステップ、項目毎に算出された指標値により項目値群を加重平均して前記事象に係る値の推定値を項目毎に算出するステップ、算出された項目毎の推定値に基づき、前記項目の前記事象に係る値の変化に対する前記要因効果値を導出するステップ、及び、導出された要因効果値に基づき選択される複数の項目の項目値から前記特定の時間差後の予測対象期間における前記事象に係る値の予測値を算出するステップを実行させることを特徴とする。
本発明では、項目値群から予測対象である値を推定する際の両者の相関関係に近似モデルを適用した場合のモデルの確からしさに係る指標値に基づき、各項目の予測対象の値の変化への影響の大きさに対応する要因効果値が導出される。導出された要因効果値を用いてこれまでの予測方法に適用する。近似モデルを適用する項目値群と予測対象の値との間の時間差は予め定められた一定の期間であってもよいし、項目値群と前記値との間の相関のから特定される時間差であってもよい。
本発明では、近似モデルの確からしさに係る指標値は、近似モデルを校正データに準えることで校正のSN比として算出されてもよい。校正のSN比により、変換後の項目値群に基づく事象に係る値の推定値の誤差として指標値が求められ、これにより予測値を精度よく算出することができる。
本発明では、近似モデルの確からしさに係る指標値は、最大対数尤度として算出されてもよい。最大対数尤度によりモデルの尤もらしさが算出され、指標値に基づき推定値の精度を向上させることができる。
本発明による場合、事象に係る値とこれに関連する項目の項目値との間の線形とは限らないところ、項目毎に、多様な相関関係を近似する近似モデルを選択する。これにより、事象に係る値の推定値の精度が向上し、予測精度の向上が可能となる。
以下、本発明の実施の形態を図面に基づいて具体的に説明する。
(実施の形態1)
図1は、実施の形態1における予測装置1の構成を示すブロック図である。予測装置1は例えばパーソナルコンピュータ、サーバコンピュータ等のコンピュータを用いる。予測装置1は、制御部10、記録部11、一時記憶部12、入力部13及び出力部14を備える。
図1は、実施の形態1における予測装置1の構成を示すブロック図である。予測装置1は例えばパーソナルコンピュータ、サーバコンピュータ等のコンピュータを用いる。予測装置1は、制御部10、記録部11、一時記憶部12、入力部13及び出力部14を備える。
制御部10は、CPU(Central Processing Unit )を用いる。制御部10は、以下に説明する予測プログラム1Pに基づき、パーソナルコンピュータを制御し、本実施の形態における予測装置1としての機能を発揮させる。
記録部11は、ROM(Read Only Memory)、ハードディスクドライブ等の不揮発性メモリを用いる。なお、記録部11は、外付けのハードディスクドライブ、光学ディスクドライブ、通信網を介して接続される他の記録装置であってもよい。すなわち、記録部11とは、制御部10からアクセス可能な1又は複数の情報記録媒体の総称である。
記録部11には、本実施の形態の予測方法を実現するための各種手順を含む予測プログラム1Pが記録されている。また、記録部11の記録領域の一部は、信号値及び信号値に対応する複数の項目データ(各項目の項目値)を記録するデータベース(DB)110として用いられる。制御部10は、データベース110に対し、信号値及び各項目値の読み書きが可能である。データベース110は、信号値及び各項目の項目値を時系列に記録している。
一時記憶部12は、例えばDRAM(Dynamic Random Access Memory)、SRAM(Static Random Access Memory)等の不揮発性メモリである。一時記憶部12は、制御部10の処理によって発生した情報を一時的に記憶する。
入力部13は、キーボード、マウス等を用い、ユーザの操作に基づき情報を入力する。
出力部14は、液晶モニタなどの表示部、又はプリンタ等の印刷部を用い、制御部10による情報の処理結果を出力する。
このように構成される予測装置1の制御部10により実行される予測処理について説明する。図2は、本実施の形態における予測装置1の制御部10による処理手順の一例を示すフローチャートである。
制御部10は、入力部13から、時系列の信号値及びこれに関連する各項目の時系列の項目値を入力し、入力した信号値及び項目毎の項目値を対応付けて記録部11のデータベース110に記録する(ステップS101)。
制御部10は、記録部11のデータベース110に記録した信号値及び項目毎の項目値のデータに基づいて時間差モデルを生成する(ステップS102)。ステップS102において制御部10は、信号値に対し、該信号値に関連する項目毎の項目値を所定時間(例えば1年間)ずらして対応付けるか、又は、ずらすべき時間差を信号値と項目値との間の相関に基づき特定してから対応付けることによって時間差モデルを生成する。
制御部10は、生成した時間差モデルにおいて対応する信号値、及び項目毎の項目値夫々に対して規準化処理を行なう(ステップS103)。規準化処理は詳細には、信号値及び項目値から夫々平均値を減算する処理である。これにより項目毎に信号値に対する項目値をプロットした場合(単位空間という)にプロットの重心が原点に一致する。次に制御部10は、規準化処理後の信号値及び項目値に対し、二乗回帰変換処理を行なう(ステップS104)。制御部10は、変換処理に係る指標値を項目毎に算出し(ステップS105)、項目毎に算出した指標値に基づき、信号値の総合推定値を算出し(ステップS106)、総合推定のSN比を算出する(ステップS107)。ステップS104〜S107における詳細な手順は後述する。
制御部10は、ステップS107で算出した総合推定値のSN比を用いて項目毎の要因効果値を導出する(ステップS108)。算出した要因効果値に基づき制御部10は、項目数を変えて項目数毎の総合推定のSN比を算出する(ステップS109)。ステップS109における総合推定のSN比の算出はステップS107と同様である。次に制御部10は、算出した項目数毎の総合推定のSN比に基づき、項目数を決定し(ステップS110)、決定した項目数で項目を選択し(ステップS111)、選択された項目の項目値を用いて予測値を算出する(ステップS112)。
上述した処理手順についてより具体的に且つ詳細に説明する。
図3は、記録部11に記録される信号値及び項目毎の項目値の内容例を示す説明図である。図3において、メンバーとは単位期間毎のデータであることを示すインデックスであり、1,2,…,l(エル)として示している。信号値は単位時間毎にM´i (i= 1〜l (エル))として記録される。なお図3の内容例は、ステップS103における規準化を行なう前の時間差モデル生成後のデータ(Raw Data)を示している。したがって図3における信号値と項目値とでは、同一のメンバーであっても時間差を有する。なお図3では、規準化及び変換処理後の信号値及び項目値と区別するために、信号値及び項目値に夫々「´」を付してある。項目値は信号値に対応する単位時間毎に、項目j(j= 1〜k )の項目値x´ijとして記録される。項目値x´ijは、i番目の単位時間における信号値M´i に対応する単位時間における項目jの項目値である。例えばx´11,x´12,…,x´1kは、メンバー1の信号値M´1 に対応する単位時間における各項目の項目値を示している。
図3は、記録部11に記録される信号値及び項目毎の項目値の内容例を示す説明図である。図3において、メンバーとは単位期間毎のデータであることを示すインデックスであり、1,2,…,l(エル)として示している。信号値は単位時間毎にM´i (i= 1〜l (エル))として記録される。なお図3の内容例は、ステップS103における規準化を行なう前の時間差モデル生成後のデータ(Raw Data)を示している。したがって図3における信号値と項目値とでは、同一のメンバーであっても時間差を有する。なお図3では、規準化及び変換処理後の信号値及び項目値と区別するために、信号値及び項目値に夫々「´」を付してある。項目値は信号値に対応する単位時間毎に、項目j(j= 1〜k )の項目値x´ijとして記録される。項目値x´ijは、i番目の単位時間における信号値M´i に対応する単位時間における項目jの項目値である。例えばx´11,x´12,…,x´1kは、メンバー1の信号値M´1 に対応する単位時間における各項目の項目値を示している。
次に、ステップS103の規準化について説明する。規準化処理は上述したようにまず、信号値M´i (i= 1〜l (エル))の平均値M0 を求め、信号値M´i (i= 1〜l )夫々から平均値M0 を減算して求める。規準化後の信号値を「´」を付さないMi (i= 1〜l )とする。項目値x´ijについても同様に、項目毎に項目値の平均値xj0(j= 1〜k )を算出し、項目値x´ij夫々から平均値xj0を項目毎に減算して求める。規準化後の項目値を「´」を付さないxij(i= 1〜l 、j= 1〜l )とする。図4は、信号値及び項目値の規準化の例を示す説明図である。図4において図中左側に規準化前の信号値M´i に対する項目jに係る項目値x´ijのプロットを示し、図中右側に規準化後の信号値Mi に対する項目jに係る項目値xijのプロットを示している。
ステップS104に係る二乗回帰変換処理について説明する。制御部10は詳細には、項目毎に二乗回帰を実行して項目値を変換する。更に詳細には制御部10は、規準化処理後の信号値及び項目毎の項目値を用い、項目j(j= 1〜k )毎に、二乗回帰により項目値を変数とする二次の関係式(近似式)を求める。制御部10は、求めた関係式の項目値の項(二次及び一次)に、項目値xij(i= 1〜l (エル))を代入して得られた関係式に基づく信号値の推定値を変換後のXij(i= 1〜l )とし、信号値の推定値Mhat (Mの上に記号^)はXijそのものであるとして信号値と項目値との間の関係が線形となるように変換する。図5は、変換処理の説明図である。図5において図中左側に、規準化後の信号値Mi に対する項目jに係る項目値xijのプロット(白丸印)と、該プロットに対して二乗回帰(項目値の二次の項、及び一次の項に対し最小二乗法により係数を特定)により求められる近似式に対応する曲線と、曲線上の項目値xijに対応する信号値の推定値(黒丸印)とを示している。図5における図中右側には、近似式に対応する曲線を、原点を通る係数1の直線となるように項目値xijを変換した各項目値Xijのプロット(黒丸印)を示している。図6は、変換処理後の信号値及び項目毎の項目値の内容例を示す説明図である。図6に示す値を求めるためのステップS104の変換処理は換言すれば、項目j(j= 1〜k )毎に、項目値Xijから信号値Mhat を推定するためのモデルを選択する処理、若しくは校正表(校正データ)を作成する処理と解釈することが可能である。
ステップS105における指標値の算出について説明する。ステップS104に係る処理は、上述したように校正データを作成する処理と解釈することが可能であるから、ステップS104の変換処理により得られた値に基づいて推定値Mhat を求める確からしさの指標値は、校正のSN比として算出することが出来るという考えに基づく。換言すれば、制御部10は信号値に対する項目値群に適用するモデル選択の確からしさの指標値を算出する。制御部10は、ステップS105における指標値を、校正の考えに基づき式(1)により校正のSN比ηとして項目毎に算出する。なお校正のSN比ηの算出式については、実験計画法(22計測法のための実験計画とSN比、田口玄一、実験計画法(下)、第3版、2000年、p.611-620 )を参照した。
ステップS105において算出される指標値は項目毎にまとめられる。図7は、項目毎にまとめられた指標値を示す説明図である。図7に示すように指標値は、項目j(j= 1〜k )毎に校正のSN比η1 〜ηk としてまとめられる。図8は、項目毎のSN比の例を示す説明図である。図8の横軸は項目番号、縦軸はSN比をdb単位で示す。図8では、20個( k=20)の項目について算出されたSN比が白丸印で示されている。また図8中には、比較として従来のT法を用いて算出された項目毎のSN比を示している。図8に示すように、従来のT法よりも項目毎のSN比が高いことがわかる。
次にステップS106における信号値の総合推定値の算出について説明する。上述の変換処理により項目値Xij(i= 1〜l (エル))が、信号値の推定値Mijそのものである(式(2))。
したがって、総合推定値は以下の式(3)により、SN比を用いて算出される。式(3)で注目されるべきは、T法における総合推定値の算出式と異なり、項目別のSN比ηのみの加重平均で総合推定値が求められることである。
図9は、算出された総合推定値を示す説明図である。信号値の総合推定値Mhat i は、信号値の真の値Mi 夫々に対し図9のように算出される。
ステップS107における総合推定のSN比ηは、図9に示す信号値の総合推定値Mhat i と、信号値の真の値Mi とに基づき、以下の式(4)により算出される。
ステップS107における総合推定のSN比ηは、図9に示す信号値の総合推定値Mhat i と、信号値の真の値Mi とに基づき、以下の式(4)により算出される。
ステップS107にて式(4)により算出された総合推定のSN比に基づき、制御部10は項目毎の要因効果値を導出する。要因効果値は、各項目について当該項目を除いた各項目の項目値の総合推定のSN比と、当該項目を含む各項目の項目値の総合推定のSN比の差分を求めることによって導出される。より具体的には、制御部10は、各項目について当該項目を含む各項目の項目値の総合推定のSN比から、当該項目を含まない各項目の項目値の総合推定のSN比を減じた値を算出する。これらの処理は先行文献に記載されている方法と同様である。
図10は、導出される要因効果値の例を示す説明図である。図10の横軸は項目番号を示し、縦軸は要因効果値の大きさをdb単位で示している。図11は、算出された総合推定のSN比の例を示す説明図である。
このようにして、制御部10は、従来のT法とは異なる総合推定のSN比に基づき項目を選択して予測を行なう。
なお、図2のフローチャートに示した処理手順は適宜、特許第5068382号公報、特許第5068383号公報、特許第5416809〜5416811号公報、特許第5564604号公報、特許第5572738号公報等の先行文献に記載されている方法を適宜選択的に利用すればよい。本実施の形態は、これまで提案した予測方法における変数変換に係る処理に代わる新規な処理を提案するものであって、総合推定のSN比の算出方法が異なるが、トレンドの算出及び算出トレンドに基づく信号期間の選択をステップS105後に行なってからステップS106以降の処理を実行するなど、上述の先行文献に記載している方法と適宜選択的に組み合わせることが可能である。
次に、本実施の形態の予測装置1による予測方法を、為替レートに適用した具体的な実施例について説明する。
(実施例1)
実施例1では、ポンド対ドルレート(USD/GBP)の月次データ(月次平均)を信号値とし、例えば15の各国通貨の対ドル為替レートの月次データを関連する項目としUSD/GBPレートの月次データを予測する。信号値及び項目毎の項目値の記録期間は、2000年1月〜2007年12月までとし、予測装置1は、2008年1月以降のUSD/GBPレートの月次データを予測する。
実施例1では、ポンド対ドルレート(USD/GBP)の月次データ(月次平均)を信号値とし、例えば15の各国通貨の対ドル為替レートの月次データを関連する項目としUSD/GBPレートの月次データを予測する。信号値及び項目毎の項目値の記録期間は、2000年1月〜2007年12月までとし、予測装置1は、2008年1月以降のUSD/GBPレートの月次データを予測する。
予測装置1の制御部10は、入力した信号値及び各項目の項目値について時間差モデルを作成後(S102)、ステップS103〜S105に係る規準化処理及び変換処理を施し、校正のSN比を用いた総合推定のSN比を求め、更に、信号期間の選択等を用いて予測値を得る。
図12は、実施例1で求められた予測値を示すグラフである。図12の横軸は年月を時系列に示し、縦軸は信号値即ちUSD/GBPのレートを示している。図12では、黒丸で記録期間(〜2007年12月)における実績値を示し、実線により予測装置1にて求められた予測値の推移値を示している。なお比較として従来の所謂T法(発明者が提案したものでない)による予測値の推移を二重線により示している。このように、予測装置1によりT法よりも精度良く予測値を求めることが可能である。
(実施例2)
実施例2では、韓国ウォンの対ドルレート(KRW/USD)の月次データ(月次平均)を信号値とし、例えば15の他の国の通貨の対ドル為替レートの月次データを関連する項目とし、KRW/USDレートの月次データを予測する。信号値及び項目毎の項目値の記録期間は、2000年1月〜2007年12月までとし、予測装置1は、2008年1月以降のKRW/USDレートの月次データを予測する。
実施例2では、韓国ウォンの対ドルレート(KRW/USD)の月次データ(月次平均)を信号値とし、例えば15の他の国の通貨の対ドル為替レートの月次データを関連する項目とし、KRW/USDレートの月次データを予測する。信号値及び項目毎の項目値の記録期間は、2000年1月〜2007年12月までとし、予測装置1は、2008年1月以降のKRW/USDレートの月次データを予測する。
図13は、実施例2で求められた予測値を示すグラフである。図13の横軸は年月を時系列に示し、縦軸は信号値即ちKRW/USDのレートを示している。図13では、図12同様に、黒丸で記録期間(〜2007年12月)における実績値を示し、実線にて予測装置1により求められた予測値の推移を示し、二重線にてT法による予測値の推移を比較のために示している。
(実施例3)
実施例3では、インドルピーの対ドルレート(INR/USD)の月次データ(月次平均)を信号値とし、例えば15の他の国の通貨の対ドル為替レートの月次データを関連する項目とし、INR/USDレートの月次データを予測する。信号値及び項目毎の項目値の記録期間は、2000年1月〜2007年12月までとし、予測装置1は、2008年1月以降のINR/USDレートの月次データを予測する。
実施例3では、インドルピーの対ドルレート(INR/USD)の月次データ(月次平均)を信号値とし、例えば15の他の国の通貨の対ドル為替レートの月次データを関連する項目とし、INR/USDレートの月次データを予測する。信号値及び項目毎の項目値の記録期間は、2000年1月〜2007年12月までとし、予測装置1は、2008年1月以降のINR/USDレートの月次データを予測する。
図14は、実施例3で求められた予測値を示すグラフである。図14の横軸は年月を時系列に示し、縦軸は信号値即ちINR/USDのレートを示している。図14では、図12同様に、黒丸で記録期間(〜2007年12月)における実績値を示し、実線により予測装置1により求められた予測値の推移を示し、二重線にてT法による予測値の推移を比較のために示している。
(実施例4)
実施例4では、実施例1に対し、USD/GBPレートの週次データ(週次平均)を信号値とし、他の15の各国通貨の対ドル為替レートの週次データを関連する項目値としてUSD/GBPレートの週次データを予測する。信号値及び項目毎の項目値の記録期間は、2008年1月7日から始まる週〜2008年9月29日から始まる週とし、予測装置1は、2008年10月6日から始まる週以降のUSD/GBPレートの週次データを予測する。
実施例4では、実施例1に対し、USD/GBPレートの週次データ(週次平均)を信号値とし、他の15の各国通貨の対ドル為替レートの週次データを関連する項目値としてUSD/GBPレートの週次データを予測する。信号値及び項目毎の項目値の記録期間は、2008年1月7日から始まる週〜2008年9月29日から始まる週とし、予測装置1は、2008年10月6日から始まる週以降のUSD/GBPレートの週次データを予測する。
図15は、実施例4で求められた予測値を示すグラフである。図15の横軸は各週の開始年月日を時系列に示し、縦軸はUSD/GBPのレートを示している。図15では、黒丸で記録期間(〜2008年9月29日から始まる週)における実績値を示し、実線にて予測装置1により求められた予測値の推移を示し、二重線にてT法による予測値の推移を比較のために示している。
実施例1〜4に示しているように、実施の形態1に示した方法により、T法と比較して実績値を精度よく予測することが出来ていることがわかる。
(実施の形態2)
実施の形態1では、規準化後の項目値Xijから信号値Mを推定するためのモデルを選択する処理を校正データの作成に準え、指標値を算出した。これに対し実施の形態2では、モデルの尤もらしさを表す尤度により指標値を算出する。
実施の形態1では、規準化後の項目値Xijから信号値Mを推定するためのモデルを選択する処理を校正データの作成に準え、指標値を算出した。これに対し実施の形態2では、モデルの尤もらしさを表す尤度により指標値を算出する。
実施の形態2における予測装置の構成は、指標値の算出の具体的な処理内容以外は実施の形態1における構成と同様であるから、ハードウェア構成及び処理手順については同一の符号又はステップ番号を付した詳細な説明を省略する。
実施の形態2において予測装置1の制御部10は、図2のフローチャートに示した処理手順を実行するが、ステップS104までの処理の内容は同一である。実施の形態2における予測装置1の制御部10は、次のステップS105にて以下のようにして指標値を算出する。
ステップS104に係る処理は、上述したようにモデルを選択する処理と解釈することが可能であるから、ステップS104による補正処理により得られた補正値に基づいて推定値Mhat を求める確からしさの指標値は、モデルの尤もらしさを表す尤度により表すことが可能であるという考えに基づく。そこで実施の形態2における制御部10は、ステップS105における指標値を、モデル選択の考えに基づき式(5)により最大対数尤度(MLL:Maximum Log Likelihood)として項目毎に算出する。
ステップS105において算出される指標値は項目毎にまとめられる。図16は、項目毎にまとめられた指標値を示す説明図である。図16に示すように指標値は、項目j(j= 1〜k )毎に最大対数尤度MLL(L1 〜Lk とする。)としてまとめられる。図17は、項目毎の最大対数尤度の例を示す説明図である。図17は横軸に項目番号を示し、縦軸右側に最大対数尤度の大きさを示している。図17では、20個( k=20)の項目について算出された最大対数尤度が白丸印で示されている。また図17中には、比較として従来のT法を用いて算出された項目毎のSN比(縦軸左側)を示している。図17に示すように、従来のT法に基づくSN比よりも項目毎の最大対数尤度の方が精度として高いことがわかる。
次にステップS106における信号値の総合推定値について説明する。上述の変換処理は、項目値Xijから信号値Mhat を推定するためのモデルを選択する処理であったから、項目値Xij(i= 1〜l (エル))が信号値の推定値Mijそのものである(式(6))。
したがって、総合推定値は以下の式(7)により、モデルの精度(最大対数尤度Lj )を用いて算出される。式(7)で注目されるべきはT法における総合推定値の算出式と異なり、項目別のモデルの精度(最大対数尤度Lj )のみの加重平均で総合推定値が求められることである。
次に制御部10は、式(7)により算出した項目毎の総合推定値に基づき、総合推定のSN比ηを実施の形態1における式(4)を用いて算出する。ステップS108以降の処理手順は詳細も含めて実施の形態1と同様である。
図18は、実施の形態2にて導出される要因効果値の例を示す説明図である。図18の横軸は項目番号を示し、縦軸は要因効果値の大きさをdb単位で示している。図19は、実施の形態2にて算出された総合推定のSN比の例を示す説明図である。
このようにして算出される総合推定のSN比に基づく信号値の予測について以下に、実施の形態1同様に実施例を開示する。
(実施例5)
実施例5では実施例1同様に、ポンド対ドルレート(USD/GBP)の月次データ(月次平均)を信号値とし、例えば15の各国通貨の対ドル為替レートの月次データを関連する項目としUSD/GBPレートの月次データを予測する。信号値及び項目毎の項目値の記録期間は、2000年1月〜2007年12月までとし、予測装置1は、2008年1月以降のUSD/GBPレートの月次データを予測する。
実施例5では実施例1同様に、ポンド対ドルレート(USD/GBP)の月次データ(月次平均)を信号値とし、例えば15の各国通貨の対ドル為替レートの月次データを関連する項目としUSD/GBPレートの月次データを予測する。信号値及び項目毎の項目値の記録期間は、2000年1月〜2007年12月までとし、予測装置1は、2008年1月以降のUSD/GBPレートの月次データを予測する。
実施例5において予測装置1の制御部10は、入力した信号値及び各項目の項目値について時間差モデルを作成後(S102)、ステップS103〜S105に係る規準化処理及び変換処理を施し、最大対数尤度を用いた総合推定のSN比を求め、更に、信号期間の選択等を用いて予測値を得る。
図20は、実施例5で求められた予測値を示すグラフである。図20の横軸は年月を時系列に示し、縦軸は信号値即ちUSD/GBPのレートを示している。図20では、黒丸で記録期間(〜2007年12月)における実績値を示し、実線により予測装置1にて求められた予測値の推移値を示している。なお比較として従来の所謂T法(発明者が提案したものでない)による予測値の推移を二重線により示している。このように、予測装置1によりT法よりも精度良く予測値を求めることが可能である。
(実施例6)
実施例6では実施例2同様に、韓国ウォンの対ドルレート(KRW/USD)の月次データ(月次平均)を信号値とし、例えば15の他の国の通貨の対ドル為替レートの月次データを関連する項目とし、KRW/USDレートの月次データを予測する。信号値及び項目毎の項目値の記録期間は、2000年1月〜2007年12月までとし、予測装置1は、2008年1月以降のKRW/USDレートの月次データを予測する。
実施例6では実施例2同様に、韓国ウォンの対ドルレート(KRW/USD)の月次データ(月次平均)を信号値とし、例えば15の他の国の通貨の対ドル為替レートの月次データを関連する項目とし、KRW/USDレートの月次データを予測する。信号値及び項目毎の項目値の記録期間は、2000年1月〜2007年12月までとし、予測装置1は、2008年1月以降のKRW/USDレートの月次データを予測する。
図21は、実施例6で求められた予測値を示すグラフである。図21の横軸は年月を時系列に示し、縦軸は信号値即ちKRW/USDのレートを示している。図21では、図20同様に、黒丸で記録期間(〜2007年12月)における実績値を示し、実線にて予測装置1により求められた予測値の推移を示し、二重線にてT法による予測値の推移を比較のために示している。
(実施例7)
実施例7では実施例3同様に、インドルピーの対ドルレート(INR/USD)の月次データ(月次平均)を信号値とし、例えば15の他の国の通貨の対ドル為替レートの月次データを関連する項目とし、INR/USDレートの月次データを予測する。信号値及び項目毎の項目値の記録期間は、2000年1月〜2007年12月までとし、予測装置1は、2008年1月以降のINR/USDレートの月次データを予測する。
実施例7では実施例3同様に、インドルピーの対ドルレート(INR/USD)の月次データ(月次平均)を信号値とし、例えば15の他の国の通貨の対ドル為替レートの月次データを関連する項目とし、INR/USDレートの月次データを予測する。信号値及び項目毎の項目値の記録期間は、2000年1月〜2007年12月までとし、予測装置1は、2008年1月以降のINR/USDレートの月次データを予測する。
図22は、実施例7で求められた予測値を示すグラフである。図22の横軸は年月を時系列に示し、縦軸は信号値即ちINR/USDのレートを示している。図22では、図20同様に、黒丸で記録期間(〜2007年12月)における実績値を示し、実線にて予測装置1により求められた予測値の推移を示し、二重線にてT法による予測値の推移を比較のために示している。
(実施例8)
実施例8では実施例4同様に、実施例5に対し、USD/GBPレートの週次データ(週次平均)を信号値とし、他の15の各国通貨の対ドル為替レートの週次データを関連する項目値としてUSD/GBPレートの週次データを予測する。信号値及び項目毎の項目値の記録期間は、2008年1月7日から始まる週〜2008年9月29日から始まる週とし、予測装置1は、2008年10月6日から始まる週以降のUSD/GBPレートの週次データを予測する。
実施例8では実施例4同様に、実施例5に対し、USD/GBPレートの週次データ(週次平均)を信号値とし、他の15の各国通貨の対ドル為替レートの週次データを関連する項目値としてUSD/GBPレートの週次データを予測する。信号値及び項目毎の項目値の記録期間は、2008年1月7日から始まる週〜2008年9月29日から始まる週とし、予測装置1は、2008年10月6日から始まる週以降のUSD/GBPレートの週次データを予測する。
図23は、実施例8で求められた予測値を示すグラフである。図23の横軸は各週の開始年月日を時系列に示し、縦軸はUSD/GBPのレートを示している。図23では、黒丸で記録期間(〜2008年9月29日から始まる週)における実績値を示し、実線にて予測装置1により求められた予測値の推移を示し、二重線にてT法による予測値の推移を比較のために示している。
実施例5〜8に示しているように、実施の形態2に示した方法によっても、T法と比較して実績値を精度よく予測することが出来ていることがわかる。
なお、上述のように開示された本実施の形態はすべての点で例示であって、制限的なものではないと考えられるべきである。本発明の範囲は、上記した意味ではなく、特許請求の範囲によって示され、特許請求の範囲と均等の意味及び範囲内でのすべての変更が含まれることが意図される。
1 予測装置
10 制御部
11 記録部
13 入力部
1P 予測プログラム
10 制御部
11 記録部
13 入力部
1P 予測プログラム
Claims (5)
- 複数の要因が関連する事象に係る値を時系列に記録すると共に、前記値に関連する前記複数の要因を複数の項目毎の項目値として前記値に対応付けて記録する記録手段と、該記録手段から前記値及び項目値を読み出して演算を行なう演算手段とを備え、該演算手段が、前記複数の項目の前記値の変化に対する相関の強さを示す要因効果値に基づき、前記複数の項目から選択して得られる複数の項目の項目値に基づき、予測対象期間における前記事象に係る値を予測する予測装置において、
項目毎に、該項目の項目値群に対応する期間から特定の時間差後の期間における前記事象に係る値と、前記項目値群との間の相関を近似する近似モデルを適用して前記項目値群を変換する変換手段と、
該変換手段により変換した項目値群から前記事象に係る値の推定値を推定する誤差に係る指標値を項目毎に算出する指標値算出手段と、
項目毎に算出した指標値により項目値群を加重平均して前記事象に係る値の推定値を項目毎に算出する手段と、
算出した項目毎の推定値に基づき、前記項目の前記事象に係る値の変化に対する前記要因効果値を導出する手段と、
導出した要因効果値に基づき選択される複数の項目の項目値から、前記特定の時間差後の予測対象期間における前記事象に係る値の予測値を算出する手段と
を備えることを特徴とする予測装置。 - 前記指標値算出手段は、
前記近似モデルによる前記事象に係る値の推定の誤差分散に係るSN比を前記指標値として算出するようにしてある
ことを特徴とする請求項1に記載の予測装置。 - 前記指標値算出手段は、
前記近似モデルの最大対数尤度を前記指標値として算出するようにしてある
ことを特徴とする請求項1に記載の予測装置。 - 複数の要因が関連する事象に係る値を時系列に記録すると共に、前記値に関連する前記複数の要因を複数の項目毎の項目値として前記値に対応付けて記録する記録手段と、該記録手段から前記値及び項目値を読み出して演算を行なう演算手段とを備える装置にて、該演算手段が、前記複数の項目の前記値の変化に対する相関の強さを示す要因効果値に基づき、前記複数の項目から選択して得られる複数の項目の項目値に基づき、予測対象期間における前記事象に係る値を予測する予測方法において、
前記演算手段は、
項目毎に、該項目の項目値群に対応する期間から特定の時間差後の期間における前記事象に係る値と、前記項目値群との間の相関を近似する近似モデルを適用して前記項目値群を変換し、
変換後の項目値群から前記事象に係る値の推定値を推定する誤差に係る指標値を項目毎に算出し、
項目毎に算出した指標値により項目値群を加重平均して前記事象に係る値の推定値を項目毎に算出し、
算出した項目毎の推定値に基づき、前記項目の前記事象に係る値の変化に対する前記要因効果値を導出し、
導出した要因効果値に基づき選択される複数の項目の項目値から、前記特定の時間差後の予測対象期間における前記事象に係る値の予測値を算出する
ことを特徴とする予測方法。 - 記録手段を備えるコンピュータに、前記記録手段に時系列に記録してある複数の要因が関連する事象に係る値、及び、該値に関連する前記複数の要因である複数の項目毎の項目値を読み出させ、前記複数の項目の前記値の変化に対する相関の強さを示す要因効果値に基づき、前記複数の項目から選択して得られる複数の項目の項目値に基づいて予測対象期間における前記事象に係る値を予測させるコンピュータプログラムにおいて、
前記コンピュータに、
項目毎に、該項目の項目値群に対応する期間から特定の時間差後の期間における前記事象に係る値と、前記項目値群との間の相関を近似する近似モデルを適用して前記項目値群を変換するステップ、
変換後の項目値群から前記事象に係る値の推定値を推定する誤差に係る指標値を項目毎に算出するステップ、
項目毎に算出された指標値により項目値群を加重平均して前記事象に係る値の推定値を項目毎に算出するステップ、
算出された項目毎の推定値に基づき、前記項目の前記事象に係る値の変化に対する前記要因効果値を導出するステップ、及び、
導出された要因効果値に基づき選択される複数の項目の項目値から前記特定の時間差後の予測対象期間における前記事象に係る値の予測値を算出するステップ
を実行させることを特徴とするコンピュータプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014182235A JP5826348B1 (ja) | 2014-09-08 | 2014-09-08 | 予測装置、予測方法及びコンピュータプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014182235A JP5826348B1 (ja) | 2014-09-08 | 2014-09-08 | 予測装置、予測方法及びコンピュータプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP5826348B1 true JP5826348B1 (ja) | 2015-12-02 |
JP2016057748A JP2016057748A (ja) | 2016-04-21 |
Family
ID=54776746
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014182235A Expired - Fee Related JP5826348B1 (ja) | 2014-09-08 | 2014-09-08 | 予測装置、予測方法及びコンピュータプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5826348B1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113421016A (zh) * | 2021-07-09 | 2021-09-21 | 浙江大学 | 一种基于人数预测的资源分配方法、装置、设备及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013004034A (ja) * | 2011-06-21 | 2013-01-07 | Yanmar Co Ltd | 予測装置、予測方法及び予測プログラム |
JP2014010484A (ja) * | 2012-06-27 | 2014-01-20 | Yanmar Co Ltd | 予測装置、予測方法及びコンピュータプログラム |
JP2015001822A (ja) * | 2013-06-14 | 2015-01-05 | ヤンマー株式会社 | 予測装置、予測方法及びコンピュータプログラム |
-
2014
- 2014-09-08 JP JP2014182235A patent/JP5826348B1/ja not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013004034A (ja) * | 2011-06-21 | 2013-01-07 | Yanmar Co Ltd | 予測装置、予測方法及び予測プログラム |
JP2014010484A (ja) * | 2012-06-27 | 2014-01-20 | Yanmar Co Ltd | 予測装置、予測方法及びコンピュータプログラム |
JP2015001822A (ja) * | 2013-06-14 | 2015-01-05 | ヤンマー株式会社 | 予測装置、予測方法及びコンピュータプログラム |
Non-Patent Citations (1)
Title |
---|
JPN6012025722; 立林 和夫 外2名: 入門 MTシステム 初版, 20081204, p.73-90, 株式会社日科技連出版社 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113421016A (zh) * | 2021-07-09 | 2021-09-21 | 浙江大学 | 一种基于人数预测的资源分配方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
JP2016057748A (ja) | 2016-04-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6930013B2 (ja) | パフォーマンスモデル悪影響補正 | |
Ma et al. | On estimation efficiency of the central mean subspace | |
JP5068382B1 (ja) | 予測装置、予測方法及び予測プログラム | |
US9208462B2 (en) | System and method for generating a marketing-mix solution | |
Awad et al. | The impact of economic globalisation on unemployment: The Malaysian experience | |
JPWO2017159403A1 (ja) | 予測システム、方法およびプログラム | |
JP2007048226A (ja) | 確率モデル生成方法、確率モデル生成装置およびプログラム | |
Winning et al. | Nationally Determined Contributions under the Paris Agreement and the costs of delayed action | |
US20140379310A1 (en) | Methods and Systems for Evaluating Predictive Models | |
Chen | Using financial and macroeconomic indicators to forecast sales of large development and construction firms | |
JPWO2017159402A1 (ja) | 共クラスタリングシステム、方法およびプログラム | |
KR102084389B1 (ko) | 기업평가방법 및 시스템 | |
JP5416811B2 (ja) | 予測装置、予測方法及びコンピュータプログラム | |
JP5416810B2 (ja) | 予測装置、予測方法及びコンピュータプログラム | |
JP5826348B1 (ja) | 予測装置、予測方法及びコンピュータプログラム | |
Ergen | Tail dependence and diversification benefits in emerging market stocks: an extreme value theory approach | |
Wijeratne et al. | Morgan-Mercer-Flodin model for long term trend analysis of currency exchange rates of some selected countries | |
WO2014003001A1 (ja) | 予測装置、予測方法及びコンピュータプログラム | |
JP2015228182A (ja) | 変化点検出装置、変化点検出方法、及びコンピュータプログラム | |
Hwang et al. | Forecasting forward defaults with the discrete‐time hazard model | |
JP5826893B1 (ja) | 変化点予測装置、変化点予測方法、及びコンピュータプログラム | |
CN113159419A (zh) | 一种群体特征画像分析方法、装置、设备及可读存储介质 | |
Kumar et al. | Volatility spillovers between foreign exchange markets of India and China | |
JP5602283B1 (ja) | 予測装置、予測方法及びコンピュータプログラム | |
Srinivasan et al. | Predicting Indian GDP with Machine Learning: A Comparison of Regression Models |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
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: 20151006 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20151013 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5826348 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |