JP6771513B2

JP6771513B2 - 債務不履行確率を算出する装置、方法及びそのためのプログラム

Info

Publication number: JP6771513B2
Application number: JP2018133762A
Authority: JP
Inventors: 研二薄井; 一寛花井; 亮介竹内
Original assignee: Freee KK
Current assignee: Freee KK
Priority date: 2018-07-13
Filing date: 2018-07-13
Publication date: 2020-10-21
Anticipated expiration: 2038-07-13
Also published as: JP2020013229A

Description

本発明は、債務不履行確率を算出する装置、方法及びそのためのプログラムに関する。

金融機関では、事業融資における審査の手法として、決算書・試算表等を審査担当者が分析して判断する従来の手法に加え、スコアリングモデルの利用が試みられている。スコアリングモデルは、潜在的な融資先の信用力をスコア化し、格付けを行うことによって、融資可否の審査を効率的に進めることを可能にする。

スコアリングモデルの典型例として、統計モデルが挙げられる。モデルの説明変数として、融資前の決算書から売上債権回転期間、自己資本比率、当座比率等の指標を選択する。そして、１年後の元利金等の支払いの遅延を「デフォルト」と定義して、融資後のデフォルトの有無を融資後の決算書によって観測する。デフォルト確率を目的変数、選択した１又は複数の財務指標を説明変数とするロジスティック回帰分析を行うことで、統計的にスコアリングモデルを構築することができる。新規の融資先に対しては、当該企業の過去の決算書からデフォルト確率の予測値をスコアとして得ることができる。

各金融機関は、自社の融資実績データからこうしたモデル構築を行い、決算書に表れない経営者の能力、資質等の定性的な要素も考慮して、潜在的な融資先を格付けする。一定以下の格付けとなった場合には融資不可、それを上回る格付けとなった場合には融資可とし、融資可の場合には、さらに格付けに応じて定めた融資限度額の範囲で融資条件を判断といった審査が行われている。

しかしながら、事業融資におけるこれまでのスコアリングモデルは、１年後の債務不履行確率により融資先を格付けした上で融資可否の判断をするものであり、個別の融資につき、直接的にリスクを評価するものではない。このことは、具体的な個別の融資についてみれば融資可能であるにもかかわらず直近の決算書からは低い格付けとなってしまう場合等、融資機会の損失を生んでおり、既存のスコアリングモデルを置換又は補完する新たなモデルが求められている。

本発明は、このような問題点に鑑みてなされたものであり、その目的は、融資先の債務不履行確率を算出する装置、方法及びそのためのプログラムにおいて、所与の融資予定金額に対する債務不履行確率を直接的に算出することにある。

このような目的を達成するために、本発明の第１の態様は、融資希望金額に対する債務不履行確率を算出する方法であって、融資先企業のＮ月後（Ｎは１以上の整数）の現金残高分布を取得するステップと、前記現金残高分布において現金残高が前記融資希望金額以下又は未満となる確率を前記債務不履行確率として算出するステップとを含むことを特徴とする。

また、本発明の第２の態様は、第１の態様において、前記Ｎは、３以下であることを特徴とする。

また、本発明の第３の態様は、第１又は第２の態様において、前記融資希望金額の融資は、一括返済を条件とする融資であることを特徴とする。

また、本発明の第４の態様は、第１から第３のいずれかの態様において、前記融資希望金額又は融資期間である前記Ｎは、前記融資先企業の企業端末から受信することを特徴とする。

また、本発明の第５の態様は、第１から第３のいずれかの態様において、前記融資希望金額又は融資期間である前記Ｎは、初期値として与えられることを特徴とする。

また、本発明の第６の態様は、第１から第５のいずれかの態様において、前記融資先企業に対する融資の利率又は可否は、前記債務不履行確率に応じて決定されることを特徴とする。

また、本発明の第７の態様は、第６の態様において、前記利率又は前記可否を含む融資情報を前記融資先企業の企業端末に送信するステップをさらに特徴とする。

また、本発明の第８の態様は、第７の態様において、前記融資情報の変更指示を前記企業端末から受信するステップと、前記変更指示に基づく変更後の利率又は利息を含む融資情報を前記企業端末に再送信するステップとさらに含むことを特徴とする。

また、本発明の第９の態様は、第１から第８のいずれかの態様において、前記現金残高分布は、モンテカルロシミュレーションにより生成されることを特徴とする。

また、本発明の第１０の態様は、第１から第９のいずれかの態様において、前記現金残高分布は、機械学習により生成されることを特徴とする。

また、本発明の第１１の態様は、第９又は第１０の態様において、前記現金残高分布は、コンピュータネットワークを介して取得した１又は複数の金融機関の入出金履歴を表す１又は複数のウェブ明細データを用いて生成されることを特徴とする。

また、本発明の第１２の態様は、第９から第１１のいずれかの態様において、前記現金残高分布は、前記融資先企業と関連づけて予め記憶されていることを特徴とする。

また、本発明の第１３の態様は、第１から第１２のいずれかの態様において、前記算出は、クラウドコンピューティングのためのサーバ上で提供される会計サービスの中で前記融資先企業のアカウントに紐づけられた会計データに変化が生じたことに応じて前記サーバが実行することを特徴とする。

また、本発明の第１４の態様は、コンピュータに、融資希望金額に対する債務不履行確率を算出する方法を実行さえるためのプログラムであって、前記方法は、融資先企業のＮ月後（Ｎは１以上の整数）の現金残高分布を取得するステップと、前記現金残高分布において現金残高が前記融資希望金額以下又は未満となる確率を前記債務不履行確率として算出するステップとを含むことを特徴とする。

また、本発明の第１５の態様は、融資希望金額に対する債務不履行確率を算出する装置であって、融資先企業のＮ月後（Ｎは１以上の整数）の現金残高分布を取得し、前記現金残高分布において現金残高が前記融資希望金額以下又は未満となる確率を前記債務不履行確率として算出することを含むことを特徴とする。

本発明の一態様によれば、融資先企業のＮ月後の現金残高分布を参照し、当該現金残高分布において現金残高が融資予定金額以下又は未満となる確率を債務不履行確率として算出することによって、融資予定金額に対して、融資条件の個別判断を直接的に行うことが可能となる。

本発明の第１の実施形態にかかる装置を示す図である。本発明の第１の実施形態にかかる方法を示す図である。本発明の第２の実施形態にかかる現金残高分布の予測方法を示す図である。本発明の第２の実施形態にかかる現金残高推移の例を示す図である。本発明の第２の実施形態にかかる現金残高差分の例を示す図である。本発明の第２の実施形態にかかる現金残高分布の例を示す図である。

以下、図面を参照して本発明の実施形態を詳細に説明する。

（第１の実施形態）
図１に、本発明の第１の実施形態にかかる装置を示す。装置１００は、通信インターフェースなどの通信部１０１と、プロセッサ、ＣＰＵ等の処理部１０２と、メモリ、ハードディスク等の記憶装置又は記憶媒体を含む記憶部１０３とを備え、各処理を行うためのプログラムを実行することによって以下で説明する各機能を実現することができる。装置１００は１又は複数の装置ないしサーバを含むことがあり、クラウド上のリソースにより構成することができる。また、当該プログラムは１又は複数のプログラムを含むことがあり、また、コンピュータ読み取り可能な記憶媒体に記録して非一過性のプログラムプロダクトとすることができる。

まず、装置１００は、インターネット等のコンピュータネットワークを介して、企業端末１１０より、１００万円等の融資希望金額を受信する（Ｓ２０１）。融資期間については、企業端末１１０より受信してもよいが、たとえば、企業端末１１０に融資希望金額を入力するためのウェブページを表示して、当該ウェブページ又は当該ウェブページにて表示される融資商品と、当該ウェブページで融資希望金額が入力される融資の融資期間とを対応づけて装置１００又は装置１００からアクセス可能な記憶装置又は記憶媒体１２０に記憶しておいてもよい。また、融資金額又はその幅と融資期間とを対応づけることもできる。

次に、データベース１２０には、企業端末１１０を用いる融資先企業又はその企業ＩＤと関連づけて過去の現金残高が記憶されており、装置１００は、過去Ｍ月分（Ｍは１以上の整数）の各月の現金残高を取得する（Ｓ２０２）。残高は、たとえば月末残高とすることができる。各企業の現金残高は、コンピュータネットワークを介して金融機関の入出金履歴を表すウェブ明細データを取得することによって記憶しておくことができ、また、企業端末１１０から融資希望金額等の融資条件と共に又は融資条件とは別途受信することもできる。ここで、Ｍは１２以上が好ましい。

装置１００は、過去Ｍ月分の現金残高に基づいて、Ｎ月後（Ｎは１以上の整数）の当該企業の現金残高分布を予測する（Ｓ２０３）。予測の詳細については、後述する。Ｎ月は融資期間に対応し、「Ｎ月後」とはより詳細には直近の月末からＮ月後の月末とすることが考えられる。より一般に、現金残高を月末以外の日を含めて基準日における残高とする場合には、「Ｎ月後」は直近の基準日からＮ月後の対応する日又は当該対応する日が属する日の月末とすることが考えられる。また、「Ｎ月後」を融資予定日からＮ月後の対応する日又は当該対応する日が属する日の月末とすることも考えられる。ここで、Ｎは１２以下が好ましく、３以下がさらに好ましい。

Ｎ月後の現金残高分布が得られた後、装置１００は、当該現金残高分布において、現金残高が融資希望金額以下又は未満となる確率を債務不履行確率として算出する（Ｓ２０４）。融資金額の一括返済を考えた場合、直近の基準日又は融資予定日からＮ月後の現金残高が融資希望金額超又は以上であれば、返済期日に全額の返済が可能であり、それを下回るようであると支払いに遅延が生じるおそれが高いと言える。現金残高が融資希望金額以下又は下回っていても当該金額との差が所定の範囲内であれば債務履行は可能である可能性が高いと考えて債務不履行確率を算出することも考えられる。また、債務不履行確率ではなく、返済がなされる返済確率を算出するようにしてもよい。

そして、必要に応じて算出された債務不履行確率又は返済確率に応じた利率が決定され（Ｓ２０５）、当該利率を含む融資情報が企業端末１１０に送信され、その表示画面に表示される。融資情報には、上記利率が含まれ、返済期限又は融資期間、融資金額等が含まれてもよい（Ｓ２０６）。

融資情報には、融資の可否を含むことがある。たとえば、債務不履行確率又は返済確率に基づいて算出された利率が上限金利を超えてしまうような場合、融資を行うことができないと判定することがある。

本実施形態では、このように与えられた融資希望金額に対して、融資先の現金残高の推移に基づいて返済期限又はその直前若しくは前の現金残高分布を予測して債務不履行確率を算出することによって、融資条件の個別判断を直接的に行うことが可能となる。

特に、決算書から得られる指標のように年単位ではなく各月の現金残高という月単位の指標を用いることによって、決算書には表れない各企業の今の状況に応じた融資判断を行うことができる。返済期限１年以内の短期融資、返済期限３月以内の超短期融資等に関して、従来のスコアリングモデルは適していないことが多い。

また、従来のスコアリングモデルで用いられる決算書は粉飾や偽装を見抜くことが容易ではないところ、各企業の現金残高を当該企業が１又は複数の金融機関に有する口座の１又は複数のウェブ明細データに基づいて取得する場合、こうした不正を排除ないし抑制して、債務不履行確率の精度を高めることができる。

また、計算されたＮ月後の予測現金残高分布は、データベース１２０又は装置１００の記憶部１０３に融資先企業又はその企業ＩＤと関連づけて記憶しておき、必要に応じて処理部１０２よりアクセス可能とすることができる。さまざまなＮの値について事前に計算しておくことで、多様な条件下での融資判断を速やかに行うことが可能となる。また、毎月５日・１０日・１５日・２０日・２５日・３０日、月末、期首、期末等に予測現金残高分布を再生成して更新しておくこともできる。

なお、本実施形態では、装置１００が企業端末１１０から融資希望金額を受信することを前提としたが、企業毎又は業種毎に初期値を設定しておいたり、全社共通の初期値を設定しておいたり、なんらかの初期値を与えておくことができる。

また、過去の現金残高として、直近のＭ月分のデータを用いる例を説明したが、必ずしも直近のデータではなく、今の会社の状況を表すことができる現金残高推移のデータを用いればよいことがある。

また、「××のみに基づいて」、「××のみに応じて」、「××のみの場合」というように「のみ」との記載がなければ、本明細書においては、付加的な情報も考慮し得ることが想定されていることに留意されたい。

また、念のため、なんらかの方法、プログラム、端末、装置、サーバ又はシステム（以下「方法等」）において、本明細書で記述された動作と異なる動作を行う側面があるとしても、本発明の各態様は、本明細書で記述された動作のいずれかと同一の動作を対象とするものであり、本明細書で記述された動作と異なる動作が存在することは、当該方法等を本発明の各態様の範囲外とするものではないことを付言する。

（第２の実施形態）
モンテカルロシミュレーションを用いた、過去Ｍ月分の現金残高に基づくＮ月後の当該企業の現金残高分布の予測について説明する。

一例として、Ｍは１２として以下の１２月分の月末の値を用いる。また、融資期間Ｎを３とし、翌年３月末の現金残高分布を予測する。モンテカルロシミュレーションの試行回数ｉ_０は１００００回とする。図４に、現金残高推移を示す。

まず、Ｍ月分の現金残高から（Ｍ−１）点の差分を求める（Ｓ３０１）。図５に、現金残高の差分の推移を示す。以下、各月の現金残高をＢ_ｍ（１≦ｍ≦１２）、差分Ｂ_ｍ−Ｂ_ｍ−１（２≦ｍ≦１２）をΔＢ_ｍと表記する。初期値として、ｉを１、ｎを０にセットする（Ｓ３０２）。

ｉ回目の試行におけるｎ月後（１≦ｎ≦Ｎ）の予測現金残高をｂ_ｉｎ、ｉ回目の試行における初期値をｂ_ｉ０と表記して、１≦ｉ≦ｉ_０を満たすｉについて（Ｓ３０３）、融資月数であるＮ回ΔＢ_ｍをランダムに抽出して初期値ｂ_ｉ０に加える（Ｓ３０４乃至Ｓ３０６）。ここで、初期値ｂ_ｉ０は、直近の過去の現金残高であるＢ_１２としてもよく、また、その後の融資日等の基準日における現金残高としてもよい。この例では、融資時の残高として2,281,734円を用いた。Ｎ回加算を終えたら、ｎを０にリセットし、ｉをインクリメントする（Ｓ３０７）。ｉ_０回の試行を終えたら、ｉ_０個の予測現金残高ｂ_ｉＮが得られるので、Ｎ月後の現金残高分布を生成又は記憶することができる（Ｓ３０８）。図６に、予測現金残高分布を示す。生成された現金残高分布を利用する上で、図６のように分布図とすることは必ずしも求められない。

本実施形態の方法によれば、実施に融資を行ったデータを必要とすることなく、融資先の過去の現金残高推移のみに基づいて未来の現金残高分布の予測、ひいてはそれを用いた債務不履行確率の算出が可能となる。上記の例において、融資希望金額を１００万円として、３月後の現金残高が当該融資希望金額以下となる確率を算出すると0.029、すなわち2.9%となった。

なお、本実施形態では過去Ｍ月分のデータをすべて用いたが、外れ値処理を行うなど、予測精度を高めるためのデータに対する既知の事前処理を適用してもよい。

また、上述の説明ではモンテカルロシミュレーションを例としたが、機械学習によってＮ月後の現金残高又は現金残高分布を予測することが可能である。具体的には、ＳＶＭ、決定木、ディープラーニングなどさまざまな手法を挙げることができる。

（第３の実施形態）
第１の実施形態においては、企業端末１１０から何らかの形で融資希望金額の入力が行われることを主な例として想定したが、独立した融資サービスではなく、会計サービスの中の一機能とした場合、予測残高分布の特徴的な用途が見出される。

第１に、当該会計サービスにおいて、企業端末１１０から会計データに対する能動的な操作が行われたことに応じて、融資希望金額及び融資期間を初期値として定めて、債務不履行確率の算出、そして利率等の融資条件の判定を行い、当該融資条件を含む融資情報を企業端末１１０に送信してその表示画面に表示させることができる。能動的な操作の例としては、買掛金又は売掛金の登録、受け取った請求書の登録、作成した請求書の発行、支払いの登録等が挙げられる。

第２に、当該会計サービスがクラウドコンピューティングのためのサーバ上で提供されるサービスである場合に、企業端末１１０を用いるユーザーのアカウントに紐づけられた外部サービスから会計データを受信したことに応じて、融資条件の判定等を行うことができる。会計データの例としては、請求書データ、ウェブ明細データ等が挙げられる。

第３に、企業端末１１０を用いるユーザーのアカウントにおける会計データが所定の条件を満たしたことに応じて、融資条件の判定等を行うことができる。所定の条件としては、売掛金が所定の金額以上となったこと、預金残高が所定の金額以下となったこと、借入金の返済が完了したこと又は完了予定であること、所定の金額以上の出金が発生したこと等が挙げられる。

第４に、当該会計サービスが、企業端末１１０を用いるユーザーを顧問先とする会計事務所、税理士事務所等のアドバイザーが当該ユーザーの会計データを閲覧可能なサービスである場合、会計データを監査した結果融資を受けるのが妥当と考えられるときがある。このようなとき、アドバイザーが当該会計データに関連づけてその旨のコメントを加えることができ、当該コメントの発生を受けて融資条件の判定等を行うことができる。得られた融資情報をアドバイザーが確認した上で融資情報とともにユーザーに閲覧可能となるコメントをアドバイザーが記入するようにしてもよい。

このようにして融資先企業のアカウントに紐づけられた会計データに変化が生じたことに応じて自動的に行った処理の結果として企業端末１１０に送信される融資情報は、企業端末１１０において融資希望金額又は融資期間を可変とすることができる。装置１００は、変更後の融資希望金額又は融資期間を変更指示として受信して、融資情報を再送信することができる。特に、企業端末１１０の表示画面上にスライダー等の移動可能なエレメントを表示して、ユーザーが当該エレメントを移動させることに応じて融資希望金額又は融資期間が変化し、変化後の条件下での金利が再表示されるＵＩを提供することができる。

１００装置
１０１通信部
１０２処理部
１０３記憶部
１１０企業端末
１２０データベース

Claims

コンピュータが、所与の融資予定金額に対する債務不履行確率を算出する方法であって、
過去Ｍ月分（Ｍは１以上の整数）の各月の現金残高を取得するステップと、
前記Ｍ月分の現金残高の推移を用いて、融資先企業のＮ月後（Ｎは１以上の整数）の予測現金残高を予測する試行を複数回繰り返し実行することによって、前記Ｎ月後の現金残高分布を算出するステップと、
前記現金残高分布において現金残高が前記融資予定金額以下又は未満となる確率を前記債務不履行確率として算出するステップと
を含むことを特徴とする方法。
前記Ｎは、１２以下であることを特徴とする請求項１に記載の方法。
前記融資予定金額の融資は、一括返済を条件とする融資であることを特徴とする請求項１又は２に記載の方法。
融資期間である前記Ｎは、初期値として与えられることを特徴とする請求項１から３のいずれかに記載の方法。
融資可能金額を含む融資情報を前記融資先企業の企業端末に送信するステップをさらに特徴とする請求項１から４のいずれかに記載の方法。
前記融資情報の変更指示を前記企業端末から受信するステップと、
前記変更指示に基づく変更後の利率又は利息を含む融資情報を前記企業端末に再送信するステップと
をさらに含むことを特徴とする請求項５に記載の方法。
複数の前記予測現金残高は、それぞれモンテカルロシミュレーションにより生成されることを特徴とする請求項１から６のいずれかに記載の方法。
前記過去Ｍ月分の現金残高は、コンピュータネットワークを介して取得した１又は複数の金融機関の入出金履歴を表す１又は複数のウェブ明細データに基づいて取得されることを特徴とする請求項１に記載の方法。
前記債務不履行確率の算出は、クラウドコンピューティングのためのサーバ上で提供される会計サービスの中で前記融資先企業のアカウントに紐づけられた会計データに所定の条件が生じたことに応じて前記サーバが実行し、
前記所定の条件は、
売掛金が所定の金額以上となったこと、
預金残高が所定の金額以下となったこと、
借入金の返済が完了したこと又は完了予定であること、及び
所定の金額以上の出金が発生したこと
の少なくともいずれかであることを特徴とする請求項１から８のいずれかに記載の方法。
コンピュータに、所与の融資予定金額に対する債務不履行確率を算出する方法を実行させるためのプログラムであって、前記方法は、
過去Ｍ月分（Ｍは１以上の整数）の各月の現金残高を取得するステップと、
前記Ｍ月分の現金残高の推移を用いて、融資先企業のＮ月後（Ｎは１以上の整数）の予測現金残高を予測する試行を複数回繰り返し実行することによって、前記Ｎ月後の現金残高分布を算出するステップと、
前記現金残高分布において現金残高が前記融資予定金額以下又は未満となる確率を前記債務不履行確率として算出するステップと
を含むことを特徴とするプログラム。
所与の融資予定金額に対する債務不履行確率を算出する装置であって、
過去Ｍ月分（Ｍは１以上の整数）の各月の現金残高を取得し、
前記Ｍ月分の現金残高の推移を用いて、融資先企業のＮ月後（Ｎは１以上の整数）の予測現金残高を予測する試行を複数回繰り返し実行することによって、前記Ｎ月後の現金残高分布を算出し、
前記現金残高分布において現金残高が前記融資予定金額以下又は未満となる確率を前記債務不履行確率として算出することを含むことを特徴とする装置。