JP5826348B1

JP5826348B1 - 予測装置、予測方法及びコンピュータプログラム

Info

Publication number: JP5826348B1
Application number: JP2014182235A
Authority: JP
Inventors: 克彦永倉
Original assignee: Yanmar Co Ltd
Current assignee: Yanmar Co Ltd
Priority date: 2014-09-08
Filing date: 2014-09-08
Publication date: 2015-12-02
Anticipated expiration: 2034-09-08
Also published as: JP2016057748A

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。

特許第５４１６８１１号公報

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．４２２−４２５２００９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。

実施の形態１における予測装置の構成を示すブロック図である。実施の形態１における予測装置の制御部による処理手順の一例を示すフローチャートである。記録部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。信号値及び項目値の規準化の例を示す説明図である。変換処理の説明図である。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。項目毎にまとめられた指標値を示す説明図である。項目毎のＳＮ比の例を示す説明図である。算出された総合推定値を示す説明図である。導出される要因効果値の例を示す説明図である。算出された総合推定のＳＮ比の例を示す説明図である。実施例１で求められた予測値を示すグラフである。実施例２で求められた予測値を示すグラフである。実施例３で求められた予測値を示すグラフである。実施例４で求められた予測値を示すグラフである。項目毎にまとめられた指標値を示す説明図である。項目毎の最大対数尤度の例を示す説明図である。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。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。実施例５で求められた予測値を示すグラフである。実施例６で求められた予測値を示すグラフである。実施例７で求められた予測値を示すグラフである。実施例８で求められた予測値を示すグラフである。

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。

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。

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Ｍ_i（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ｘ_j0（j= 1〜k ）を算出し、項目値ｘ´_ij夫々から平均値ｘ_j0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ｘ_ij（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ｘ_ij（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Ｘ_ij（i= 1〜l ）とし、信号値の推定値Ｍ_hat（Ｍの上に記号^）はＸ_ij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Ｍ_iに対する項目ｊに係る項目値ｘ_ij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ｘ_ij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ｘ_ijを変換した各項目値Ｘ_ij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Ｘ_ijから信号値Ｍ_hat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Ｍ_hat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〜η_k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Ｘ_ij（i= 1〜l （エル））が、信号値の推定値Ｍ_ij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Ｍ_{hat i}は、信号値の真の値Ｍ_i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Ｍ_{hat i}と、信号値の真の値Ｍ_i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。

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。

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。

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。

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Ｘ_ij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Ｍ_hat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〜Ｌ_k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Ｘ_ijから信号値Ｍ_hat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Ｘ_ij（i= 1〜l （エル））が信号値の推定値Ｍ_ij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Ｌ_j）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Ｌ_j）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。

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。

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。

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

Claims

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。