JP6902311B1 - 抽出システム、抽出方法および、抽出プログラム - Google Patents

Abstract

【課題】ユーザの潜在需要に応じた株式銘柄を抽出することができる抽出システム、抽出方法および、抽出プログラムを提供する。【解決手段】株式銘柄に関する保有履歴を少なくとも含む取引データを収集するデータ収集手段と、第１ユーザの前記取引データを入力データとし、前記第１ユーザの取引データと所定の関連性を有する第２ユーザの取引データに含まれる株式銘柄を出力データとして決定する抽出手段と、前記出力データに基づいて表示処理し提示する提示手段と、を備える。【選択図】図１

Description

本発明は、ユーザの潜在需要に応じた株式銘柄を抽出する抽出システム、抽出方法および、抽出プログラムに関する。

投資家は、株式銘柄の購買取引に際して、投資による利益やリスク、個人の趣向や景気などから総合的に判断し、投資対象とする株式銘柄を選択している。一方、投資経験や知識が十分でない投資家にとって、投資対象を判断することは困難であり、かかる実情に鑑みてなされた投資判断支援に供する技術が知られている。

特許文献１では、ユーザに提案する商品やサービスの選択精度を向上させることを目的とする技術が開示されている。特許文献１では、第１利用者の情報と所定の関連性を有する他の利用者の情報に基づいて取引対象を選択し、利用者情報には株の売買に関する情報が含まれることなどが開示されている。

特許文献２では、自社株の株主となり得る投資家に対して自社株に関する投資関連情報を提供でき、当該投資関連情報と対応する株取引を実行可能とすることが開示されている。

特開第２０１８−０４５５５３号公報 特許第６８１３９０８号公報

しかしながら、特許文献１では、株の売買に関する情報に基づいて取引対象を選択することが示唆されるものの、取引対象が株の場合、一般的な商品やサービスとは異なる観点から顧客の潜在需要に応じた株式銘柄を選択する必要があり、より好適な銘柄を選択できるようにする点において改善の余地があった。

また、特許文献２では、株式発行企業が潜在需要ありと判断した顧客に対して自社株の投資関連情報を発信することを基点とした技術であるが、株式発行企業を介さずに好適な投資対象を選択できるようする点において改善の余地があった。

上述したような課題に鑑みて、本発明は、ユーザの潜在需要に応じた株式銘柄を抽出することができる抽出システム、抽出方法および、抽出プログラムを提供することを解決すべき課題とする。

上述したような課題を解決するために、本発明は、株式銘柄に関する保有履歴を少なくとも含む取引データを収集するデータ収集手段と、第１ユーザの前記取引データを入力データとし、前記第１ユーザの取引データと所定の関連性を有する第２ユーザの取引データに含まれる株式銘柄を出力データとして決定する抽出手段と、前記出力データに基づいて表示処理し提示する提示手段と、を備える。
このような構成とすることで、株式銘柄の取引に特有の取引データに基づいて、第１ユーザに潜在需要が見込まれる株式銘柄を抽出することができる。

本発明の好ましい形態では、前記データ収集手段は、前記第１ユーザまたは前記第２ユーザの投資傾向を少なくとも含む属性データを収集し、前記抽出手段は、前記第１ユーザの前記取引データおよび／または前記属性データを入力データとし、前記第１ユーザと所定の関連性を有する第２ユーザの取引データに含まれる株式銘柄を出力データとして決定する。

本発明の好ましい形態では、前記属性データは、デモグラフィックデータと、投資傾向データと、関心度データと、資産データと、から選択される少なくとも１以上を含む。
このような構成とすることで、ユーザの投資傾向に応じてより好適な株式銘柄を抽出することができるようになる。

本発明の好ましい形態では、前記抽出手段は、少なくとも前記第１ユーザの前記取引データを機械学習された抽出モデルに対する入力データとし、前記第２ユーザの取引データに含まれる株式銘柄を前記抽出モデルより出力データとして取得する。
このような構成とすることで、機械学習済モデルを用いて出力データの精度を向上させることができる。

本発明の好ましい形態では、抽出手段は、前記第１ユーザの入力データの一部を変更し、前記抽出モデルに対する新たな入力データとし、前記変更の前後における出力データをそれぞれ取得する。
このような構成とすることで、第１ユーザに対して潜在需要を拡張するような出力データを取得することができる。

本発明の好ましい形態では、前記データ収集手段は、実際の株式市場において取引される実際株式銘柄に関する取引データと、前記実際株式銘柄に対応し、仮想株式取引システムにおいて発行される仮想株式銘柄に関する取引データと、をそれぞれ収集し、前記抽出手段は、前記第１ユーザの前記仮想株式銘柄に関する取引データを入力データとし、前記第２ユーザの前記実際株式銘柄に関する取引データに含まれる株式銘柄を出力データとして決定する。
このような構成とすることで、仮想株式銘柄と実際株式銘柄によるユーザの取引データにおける傾向の違いを考慮し、より正確にユーザの取引の傾向を反映させた実際株式銘柄を抽出することができる。

本発明の好ましい形態では、前記データ収集手段は、実際株式取引システムにおける前記属性データと、前記仮想株式取引システムにおける前記属性データと、を収集し、前記抽出手段は、前記仮想株式取引システムに基づき収集された前記第１ユーザの前記取引データおよび／または前記属性データを入力データとし、前記第２ユーザの前記実際株式銘柄に関する前記取引データに含まれる株式銘柄を出力データとして決定する。
このような構成とすることで、実際株式取引システムと仮想株式取引システムによる属性データにおける傾向の違いを考慮し、より精度よくユーザの投資傾向や趣向を反映させた実際株式銘柄を抽出することができる。

本発明の好ましい形態では、前記抽出手段は、前記仮想株式取引システムに基づき収集された前記第１ユーザの前記取引データおよび／または前記属性データを入力データとし、前記第２ユーザの前記仮想株式銘柄に関する前記取引データに含まれる株式銘柄を出力データとして決定し、前記提示手段は、前記出力データとして決定される前記実際株式銘柄および前記仮想株式銘柄に基づいて、それぞれ比較可能に表示処理し提示する。
このような構成とすることで、実際株式銘柄と仮想株式銘柄を比較可能に提示することで、より好適な投資判断を支援することができる。

本発明の好ましい形態では、少なくとも前記仮想株式銘柄に関する取引データに基づいて、前記第１ユーザまたは前記第２ユーザの信頼指数を算出する算出手段を備え、前記抽出手段は、前記信頼指数が所定値以上である前記第２ユーザの前記仮想株式銘柄または前記実際株式銘柄に関する取引データに含まれる株式銘柄を出力データとして決定する。
このような構成とすることで、一定の信頼指数となる出力データを抽出することができる。

本発明の好ましい形態では、前記抽出手段は、前記信頼指数が所定値未満となる前記仮想株式銘柄に関する取引データを入力データに含めず、機械学習された抽出モデルを有する。
このような構成とすることで、信頼指数が所定値未満となる取引データを入力データに含めない前処理を実行し、抽出モデルの精度を向上させることができる。

本発明は、抽出方法であって、株式銘柄に関する保有履歴を少なくとも含む取引データを収集するデータ収集ステップと、第１ユーザの前記取引データを入力データとし、前記第１ユーザの取引データと所定の関連性を有する第２ユーザの取引データに含まれる株式銘柄を出力データとして決定する抽出ステップと、前記出力データに基づいて表示処理し提示する提示ステップと、をコンピュータが実行する。

本発明は、抽出プログラムであって、コンピュータを、株式銘柄に関する保有履歴を少なくとも含む取引データを収集するデータ収集手段と、第１ユーザの前記取引データを入力データとし、前記第１ユーザの取引データと所定の関連性を有する第２ユーザの取引データに含まれる株式銘柄を出力データとして決定する抽出手段と、前記出力データに基づいて表示処理し提示する提示手段と、として機能させる。

本発明によれば、ユーザの潜在需要に応じた株式銘柄を抽出することができる抽出システム、抽出方法および、抽出プログラムを提供することができる。

本発明の実施形態における、抽出システムのシステム構成図を示す。 本発明の実施形態における、抽出装置のハードウェア構成図を示す。 本発明の実施形態における、ユーザ端末のハードウェア構成図を示す。 本発明の実施形態における、取引データおよび属性データの概要を示す。 本発明の実施形態における、機械学習処理に係るフローチャートを示す。 本発明の実施形態における、抽出処理に係るフローチャートを示す。 本発明の実施形態における、提示画面の画面表示例を示す。

以下、図面を用いて、本発明の実施形態に関する抽出システムについて説明する。なお、以下に示す実施形態は本発明の一例であり、本発明を以下の実施形態に限定するものではなく、様々な構成を採用することもできる。

本実施形態では、抽出システム、抽出装置および、抽出プログラムの構成、動作等について説明するが、同様の構成の方法、コンピュータのプログラムおよび当該プログラムを記録したプログラム記録媒体等も、同様の作用効果を奏する。プログラム記録媒体を用いれば、例えば、コンピュータに当該プログラムをインストールすることができる。以下で説明する本実施形態にかかる一連の処理は、コンピュータで実行可能なプログラムとして提供され、ＣＤ−ＲＯＭやフレキシブルディスクなどの非一過性コンピュータ可読記録媒体、更には通信回線を経て提供可能である。

抽出システムおよび抽出装置の各手段と、抽出方法の各ステップと、は同様の作用効果を実現する。抽出システム、抽出プログラムおよび抽出プログラム記録媒体のそれぞれにおける各手段は、ＣＰＵ等の演算装置により実現される。また、抽出方法の各ステップも同様に演算装置により実現される。

本発明は、取引市場において価格が変動する金融商品を取引対象とし、ユーザの潜在需要に応じて当該取引対象を抽出することで、取引対象決定の判断を支援できる。本明細書では、特に金融商品が株式である場合の好適な実施形態について説明するが、取引対象とされる金融商品は、有価証券、為替、不動産などであっても本発明を適用しうる。

また、本発明は、実際の市場において取引される株式銘柄（以下、実際株式銘柄と記載）を取引対象とするほか、実際株式銘柄に対応し、仮想株式取引システムにおいて発行され、仮想的に取引される株式銘柄（以下、仮想株式銘柄と記載）を取引対象として含む。なお、単に株式銘柄と記載する場合、実際株式銘柄および仮想株式銘柄の両方を含むものとし、両方を区別する場合は明確となるよう記載する。

本実施形態において、「ユーザ」とは、株式銘柄を含む金融商品について取引を行う投資家を示す。本実施形態において、ユーザは、特定の株式銘柄を提示されることで投資支援を受ける「第１ユーザ」と、投資支援のためのデータ収集先となる「第２ユーザ」と、に分類される（後に詳述）。

図１は、本実施形態における抽出システムの機能ブロック図を示す。図１において、抽出システムは、抽出システム１として具体化されている。抽出システム１は、抽出装置２と、実際株式取引システム３と、仮想株式取引システム４と、ユーザ端末５と、を備える。抽出システム１の各構成部は、通信ネットワークＮＷを介して通信可能に構成される。通信ネットワークＮＷは、インターネットなどのＩＰ（Internet Protocol）網や専用回線などにより構成される。図１において、実際株式取引システム３と、仮想株式取引システム４と、ユーザ端末５とはそれぞれ１つのみ示したが、これらは複数存在してもよい。なお、以下の説明では、不明確とならない限り、通信ネットワークＮＷの介在を省略する。

図２は、抽出装置２におけるハードウェア構成図を示す。抽出装置２は、コンピュータ装置であり、ハードウェア構成要素として、演算装置（ＣＰＵ）２１と、作業用メモリとしての主記憶装置（ＲＡＭ）２２と、ＨＤＤやＳＳＤ、フラッシュメモリ等の補助記憶装置２３と、外部の装置と通信するための通信装置２４と、各構成部をそれぞれ接続するバス２５などとを備える。また、補助記憶装置２３は、オペレーティングシステム（ＯＳ）２６と、ＯＳ２６と協働してその機能を発揮する抽出プログラム２７と、各種情報（データを含む）などとを記憶している。抽出装置２は、抽出プログラム２７がＣＰＵ２１により実行されることで、後に詳述する機能構成要素（２０１−２０６）を実現する。

実際株式取引システム３は、証券会社や株式市場において管理されるシステムであり、実際株式銘柄に関するデータをリアルタイムで処理している。実際株式銘柄に関するデータは、実際株式銘柄の変動する価格データを含む。また、実際株式取引システム３は、実際株式取引システム３を介して取引するユーザに関する属性データと、当該ユーザによる実際株式銘柄に関する取引データと、を有する。

仮想株式取引システム４は、実際株式取引システム３より実際株式銘柄に関するデータの提供を受けることで、実際株式銘柄に対応する仮想株式銘柄を発行する。また、仮想株式取引システム４は、実際株式銘柄の価格変動などをリアルタイムまたは所定時間毎に仮想株式銘柄の価格データに反映させることができる。仮想株式取引システム４は、仮想株式取引システム４を介して取引するユーザに関する属性データと、当該ユーザによる仮想株式銘柄に関する取引データと、を有する。

図３は、ユーザ端末５におけるハードウェア構成図を示す。ユーザ端末５は、コンピュータ装置であり、ハードウェア構成要素として、演算装置（ＣＰＵ）５１と、主記憶装置（ＲＡＭ）５２と、補助記憶装置５３と、通信装置５４と、タッチパネルやキーボードなどの入力インターフェイスである入力装置５５と、ディスプレイなどの出力インターフェイスである出力装置５６と、各構成部をそれぞれ接続するバス５７などとを備える。また、補助記憶装置５３は、ＯＳ５８と、ＯＳ５８と協働しその機能を発揮するアプリケーションプログラム５９と、各種データを含む情報などとを記憶している。ユーザ端末５のＣＰＵ５１は、アプリケーションプログラム５９を実行することで、入力手段５０１、出力手段５０２、通信手段５０３などとして機能構成要素を実現することができる。ユーザ端末５は、パーソナルコンピュータ、スマートフォン、タブレット端末などの態様であってもよい。ユーザ端末５において取得または入力される各種データは、補助記憶装置５３に適宜格納されてもよい。

抽出装置２は、各種データを格納する記憶部６を内部または外部に備え、データ通信可能に構成される。記憶部６は、教師データにより機械学習された学習済モデルを格納するモデルＤＢ６１と、株式銘柄に関する保有履歴を示すデータを少なくとも含む取引データを格納する取引データＤＢ６２と、ユーザの投資傾向を示すデータを少なくとも含む属性データを格納する属性データＤＢ６３と、取引データおよび／または属性データを入力データとして出力される出力データを格納する抽出結果ＤＢ６４と、を備える。

取引データＤＢ６２および属性データＤＢ６３は、実際株式銘柄に関するデータと仮想株式銘柄に関するデータと、それぞれ区別して格納するデータベースとして構成されてよく、それぞれのデータを区別しないデータベースとして構成されてもよい。

図１に例示するように、抽出装置２は、各種データを収集するデータ収集手段２０１と、各種データ入力に応じて出力データを決定する抽出手段２０２と、ユーザの信頼指数を算出する算出手段２０３と、ユーザ端末５における各種画面を表示処理し提示する提示手段２０４と、提示された株式銘柄に関する評価データに基づく評価処理を実行する評価手段２０５と、を少なくとも備える。また、抽出装置２は、機械学習処理を実行し、学習済モデルを生成する学習手段２０６を更に備えてもよい。

図１に例示するように、ユーザ端末５は、入力装置５５を介してデータ入力を受け付ける入力手段５０１と、出力装置５６を介してデータ出力する出力手段５０２と、通信装置５４を介してデータ通信する通信手段５０３と、を少なくとも備える。

データ収集手段２０１は、株式銘柄に関する保有履歴を示すデータを含む取引データを収集し、取引データＤＢ６２に格納する。取引データは、実際株式取引システム３より収集される実際株式銘柄に関する取引データと、仮想株式取引システム４より収集される仮想株式銘柄に関する取引データと、を含む。

データ収集手段２０１は、ユーザの取引傾向を示すデータを含む属性データを収集し、属性データＤＢ６３に格納する。属性データは、実際株式取引システム３におけるユーザに関する属性データと、仮想株式取引システム４におけるユーザに関する属性データと、を含む。

データ収集手段２０１は、ユーザ端末５の補助記憶装置５３に取引データおよび属性データが格納される場合、ユーザ端末５より当該データを収集する構成であってもよい。データ収集手段２０１は、実際株式取引システム３または仮想株式取引システム４における株式取引履歴画面やポートフォリオ画面の画像データのＯＣＲ（Optical character recognition）解析結果または、各システムよりダウンロードした各種データファイルのインポート結果をユーザ端末５を介して受け付け、取引データおよび属性データとして収集してもよい。データ収集手段２０１は、ユーザ端末５を介して収集したデータに対し、当該ユーザ端末５を識別可能なユーザＩＤを付与する。

データ収集手段２０１は、所定のユーザ端末５を介して、実際株式取引システム３および仮想株式取引システム４よりそれぞれ収集された各種データについて対応付け依頼を受け付けることで、当該ユーザ端末５を識別可能なユーザＩＤを、対応付け依頼を受け付けた各種データに付与することができる。なお、対応付け依頼は、各システムに対してユーザＩＤの連携や認証を依頼する処理などであってよく、既知の手法を採用し得る。

取引データは、図４（ａ）に例示するように、ユーザにより取引された株式銘柄に関するデータを示す。取引データは、ユーザＩＤに関連付けて、例えば、株式銘柄名または銘柄コードと、当該株式銘柄の保有履歴を示すデータと、を少なくとも含む。保有履歴は、株式銘柄に関する購入数または売却数、購入価格または売却価格、売却損益、保有期間、保有数、タイムスタンプなどを含む。また、取引データは、関連する株式銘柄の保有履歴の集計結果である、関連株式銘柄保有履歴を含んでもよい。関連株式銘柄は、例えば、同業種の株式銘柄や、類似会社比較法（コンプス）により類似と判断される株式銘柄など、グループとして設定された複数の株式銘柄で構成される。

属性データは、図４（ｂ）に例示するように、ユーザの登録情報や上述した保有履歴の変遷などによるユーザの特性を示すデータである。属性データは、ユーザＩＤに関連付けて、例えば、デモグラフィックデータと、投資傾向データと、ユーザの興味／趣味／嗜好などの関心度を示す関心度データと、資産データなどとから選択される少なくとも１以上のデータを含む。それぞれのデータは、データＩＤを有しユーザＩＤに対応付けられている。

デモグラフィックデータは、ユーザの年齢、性別、居住地、年収、職業などを含む。デモグラフィックデータは、ユーザ端末５を介して入力される登録情報に基づく。投資傾向データは、例えば、株式銘柄の取引頻度、平均保有期間、平均利確率、平均損切率などを含んでよく、リスク回避型、利益重視型、長期保有型、短期保有型などユーザ自身の投資傾向に応じて手動または自動で設定されるデータを含んでもよい。投資傾向データは、取引データに基づいて格納されてもよい。関心度データは、特定の株式銘柄または関連株式銘柄における取引回数や閲覧履歴、特定の株式発行企業に関連するウェブページの閲覧／アクセス履歴やリスト登録、株式関連ニュースおよび企業ＩＲ関連情報に対するリアクション数、株式分割履歴、高配当履歴、優良株主優待履歴、ＥＳＧ履歴などを含む。分割履歴、高配当履歴、優良株主優待履歴、ＥＳＧ履歴は、外部システムにおける所定期間におけるランキングなどに該当したか否かを参照することで取得される。また、高配当履歴は、所定期間において所定の配当額または配当率に該当したか否かを参照することで取得される。また、外部サイトなどを参照し、高配当銘柄、優良銘柄、ＥＳＧ銘柄などに選定されたか否かを参照することで取得されてもよい。資産データは、資産額や投資可能な上限額などを含む。

また、データ収集手段２０１は、外部システムよりトレンドデータを収集可能に構成される。トレンドデータは、株式銘柄の将来価格を予測する外部システムより、所定期間経過後における株価の上昇値／下落値の推定値を含む。また、トレンドデータは、外部ニュースサイトや外部株取引システムにおける他ユーザの特定の株式銘柄に関する閲覧回数、取引回数など株式銘柄の注目度を示す指標などを含んでもよい。

本実施形態において、データ収集手段２０１は、実際株式銘柄と仮想株式銘柄に関する収集データを、取得先に応じて区別して格納することが好ましい。これにより、実際株式と仮想株式の取引におけるデータの差異に応じて適切な株式銘柄を抽出することができる。一方、データ収集手段２０１は、実際株式銘柄と仮想株式銘柄に関する収集データを、区別せず格納してもよい。これにより、実際株式銘柄と仮想株式銘柄の銘柄名は対応関係にあり、何れの株式銘柄の取引であってもユーザの投資傾向は類似することが予測されることから、データの収集量を増やすことができる。

本実施形態において、データ収集手段２０１により収集されたデータは、ユーザの株式銘柄取引における投資傾向を示すデータとして活用される。本実施形態において、投資対象の決定に関する判断支援を受けるユーザを第１ユーザとして定義する。また、データ収集手段２０１によりデータを収集された第１ユーザ以外のユーザを第２ユーザとして定義する。第１ユーザは、自身の取引データおよび属性データと所定の関連性を有する第２ユーザの各種データに基づく投資対象の抽出結果を参照できるようにすることで、投資対象の決定の判断支援を受けることができる。

抽出手段２０２は、第１ユーザより収集した取引データおよび／または属性データを入力データとし、当該データと所定の関連性を有する第２ユーザの取引データに含まれる１または複数の株式銘柄を出力データとして決定する。ここで、所定の関連性を有するデータとは、少なくとも一部のデータが共通することであり、具体例を挙げるならば、保有履歴における購入した株式銘柄名または銘柄コードの少なくとも１つが共通することである。なお、取引データにおける所定の関連性は、タイムスタンプに基づく保有履歴の期間が所定期間内であることが好ましい。また、所定の関連性は、複数のデータの組合せが共通することであってもよく、適宜設定可能に構成される。ここで、抽出手段２０２は、所定の関連性について予め設定されたルールベースで出力データを決定でき、後述の機械学習モデルを活用した手法で出力データを決定してもよい。また、抽出手段２０２は、所定の関連性を有する第２ユーザの取引データを出力データとして決定する構成であってもよい。抽出手段２０２は、トレンドデータを入力データとして更に含んでもよい。

抽出手段２０２は、機械学習された抽出モデルを備える構成であってもよい。抽出手段２０２は、第１ユーザより収集した取引データおよび／または属性データを機械学習された抽出モデルに対する入力データとし、第２ユーザの取引データに含まれる１または複数の株式銘柄を抽出モデルより出力データとして取得する。なお、出力データは、第２ユーザの取引データに含まれるすべての株式銘柄であってもよい。また、抽出手段２０２は、トレンドデータを抽出モデルに対する入力データとして更に含んでもよい。

機械学習モデルを活用した手法において、学習手段２０６は、機械学習モデルにおいて取引データおよび／または属性データに基づく学習用データセットを用いて機械学習処理を実行し、抽出モデルを生成する。また、学習用データセットは、トレンドデータを更に含んでもよい。

学習用データセットは、データ整形など前処理がなされた取引データと属性データを含む。学習用データセットは、アノテーションがなされ、取引データと属性データを構成する各種データの組合せに対して、株式銘柄を対応付けたものである。ここで、すべての組合せが網羅されている必要はなく、また、取引データと属性データの一部のみが含まれるものであってもよい。なお、対応付けられる株式銘柄は、購入履歴に含まれる株式銘柄であって、売却履歴がない株式銘柄であることがより好ましい。また、対応付けられる株式銘柄は、複数の株式銘柄の組合せなどであってもよい。更に、学習用データセットは、属性データの組合せに対して、当該属性データとユーザＩＤが共通する取引データを対応付けたものであってもよい。

抽出モデルは、仮想株式銘柄に関する取引データおよび／または属性データの組合せに対して、当該データとユーザＩＤが共通する実際株式銘柄に関する取引データに含まれる実際株式銘柄を対応付けた学習用データセット００１により機械学習された抽出モデル０１１を含む。

抽出モデルは、仮想株式銘柄に関する取引データおよび／または属性データの組合せに対して、当該データとユーザＩＤが共通する仮想株式銘柄に関する取引データに含まれる仮想株式銘柄を対応付けた学習用データセット００２により機械学習された抽出モデル０１２を含む。

抽出モデルは、実際株式銘柄に関する取引データおよび／または属性データの組合せに対して、当該データとユーザＩＤが共通する実際株式銘柄に関する取引データに含まれる実際株式銘柄を対応付けた学習用データセット００３により機械学習された抽出モデル０１３を含む。

抽出モデルは、実際株式銘柄に関する取引データおよび／または属性データの組合せに対して、当該データとユーザＩＤが共通する仮想株式銘柄に関する取引データに含まれる仮想株式銘柄を対応付けた学習用データセット００４により機械学習された抽出モデル０１４を含む。

抽出モデルは、実際株式銘柄および仮想株式銘柄に関する取引データおよび／または属性データの組合せに対して、当該データとユーザＩＤが共通する実際株式銘柄および／または仮想株式銘柄に関する取引データに含まれる株式銘柄を対応付けた学習用データセット００５により機械学習された抽出モデル０１５を含む。

本実施形態において、機械学習モデルは、畳み込みニューラルネットワークなどを含むニューラルネットワークモデルから採用される。この機械学習モデルにおいて、その層数や関数の種別などに制限はなく、既知の機械学習モデルから任意のものを採用し得る。学習手段２０６は、例えば、取引データに含まれる株式銘柄に基づいて誤差逆伝搬法を用いることで各層における重み係数を調整する機械学習処理を実行することで抽出モデルを生成する。なお、機械学習モデルは、決定木モデルやランダムフォレストモデル、サポートベクターマシンなど他のモデルから採用されてもよく、機械学習モデルの種別によって制限されない。

学習用データセットは、のちに抽出システム１により判断支援を受ける第１ユーザの取引データおよび属性データ並びに取引データに含まれる株式銘柄に基づいて適宜追加または更新されてもよい。

算出手段２０３は、仮想株式銘柄に関する取引データおよび／または属性データに基づいて、当該データに対応する第１ユーザまたは第２ユーザの信頼指数を算出し、当該データに対応するユーザＩＤに関連付けて格納する。

信頼指数は、取引データの精度を示す指標として用いられる数値を示す。仮想株式取引システム４は、実際株式取引のシミュレーションや練習に用いられることから、同一ユーザによる実際株式銘柄の取引データと仮想株式銘柄の取引データは、同等のデータとして扱うことができる。一方、仮想株式取引システム４を介した取引は、実際の取引と比べて投資によるリスクが低いため、同一ユーザによる実際株式銘柄と仮想株式銘柄の取引データに差異が生じ得る。信頼指数は、仮想株式銘柄の取引データを実際株式銘柄の取引データと同等に扱うべきかを判断する指標として用いられる。

算出手段２０３は、信頼指数を算出するための算出式または、信頼指数を算出するための機械学習済の算出モデルを有する。算出式または算出モデルは、モデルＤＢ６１に格納される。

算出手段２０３は、算出式または算出モデルに対して取引データおよび／または属性データに含まれる所定のデータを入力し、算出された信頼指数を出力する。信頼指数の算出に用いられる算出用データは、株式銘柄または関連株式銘柄の取引頻度、取引回数、平均保有期間、平均売却損益、株式発行企業やＩＲ関連情報に関するウェブページの閲覧／アクセス履歴および／または閲覧／アクセス時間、アンケートの回答結果、証券口座の開設実績、などが含まれる。また、算出用データは、上述したような算出用データのデータ数が含まれる。算出式または算出モデルは、例えば、取引回数やウェブページの閲覧回数などが少ない場合、十分な検討をせずに取引している可能性があるため、信頼指数を低く算出できる。算出式または算出モデルは、算出用データの組合せに応じて信頼指数を算出できる。算出式または算出モデルは、算出用データ数が多い場合、取引実績またはシステムの利用実績が一定あり信頼指数を高く算出でき、算出用データ数が少ない場合、それらの実績がなく信頼指数を低く算出できる。

抽出手段２０２は、算出手段２０３により算出された信頼指数が所定値以上である第２ユーザの仮想株式銘柄または実際株式銘柄に関する取引データに含まれる株式銘柄を出力データとして決定できる。なお、信頼指数の所定値は、任意に設定されてよい。

学習手段２０６は、信頼指数が所定値未満となるユーザＩＤにより特定される仮想株式銘柄に関する取引データおよび／または属性データを入力データとして含めず、機械学習処理を実行し、抽出モデルを生成する構成とするのが好ましい。抽出手段２０２は、信頼指数が所定値未満となる仮想株式銘柄に関する取引データおよび／または属性データを入力データに含めず機械学習された当該抽出モデルを用いることができる。なお、信頼指数の所定値は、任意に設定されてよい。これにより、抽出モデルの精度を向上させることができる。

学習手段２０６は、取引データおよび／または属性データに関連付けられた信頼指数に応じて、各データの重みを設定したうえで、抽出モデルを生成してもよい。

学習手段２０６は、上述したような手法により生成した抽出モデルを含む機械学習済モデルをモデルＤＢ６１に格納する。なお、外部におけるコンピュータ装置である学習装置が学習手段を備え、機械学習処理を実行することで生成した抽出モデルを含む機械学習済モデルをモデルＤＢ６１に格納してもよい。

図５は、機械学習処理に関するフローチャートを示す。
データ収集手段２０１は、実際株式取引システム３または仮想株式取引システム４またはユーザ端末５より取引データおよび／または属性データを収集する（ステップＳ１１）。算出手段２０３は、取引データおよび／または属性データに基づいて当該データの信頼指数を算出する（ステップＳ１２）。学習手段２０６は、取引データおよび／または属性データと、当該データの信頼指数と、に基づき設定される学習用データセットを用いて、取引データおよび／または属性データを入力データとし、当該取引データに含まれる株式銘柄を出力データとする機械学習処理を実行し、抽出モデルを生成する（ステップＳ１３）。学習手段２０６は、取引データＤＢ６２および／または属性データＤＢ６３においてデータが更新された場合、更新されたデータに基づき抽出モデルを再学習する処理を実行可能とする（ステップＳ１４）。なお、学習手段２０６は、抽出モデルにより抽出された株式銘柄に対するユーザからの評価データに応じて再学習処理を実行してもよい。

以下、抽出モデルを用いた株式銘柄の抽出処理について説明する。図６は、抽出処理の実行に関するフローチャートを示す。

データ収集手段２０１は、判断支援を受ける第１ユーザが所持するユーザ端末５より株式銘柄抽出のための抽出依頼を受け付ける（ステップＳ２１）。ここで、抽出依頼は、少なくともユーザＩＤを含み、更に取引データおよび／または属性データを含んでもよい。
抽出手段２０２は、ユーザＩＤをキーとして、取引データＤＢ６２および／または属性データＤＢ６３を参照し、第１ユーザの取引データおよび／または属性データを入力データとして取得する（ステップＳ２２）。
抽出手段２０２は、ステップＳ２２において取得した第１ユーザの入力データを入力とし、所定の関連性に基づく第２ユーザの取引データまたは抽出モデルに基づく第２ユーザの取引データに含まれる株式銘柄を出力データとして決定する（ステップＳ２３）。なお、ここで第２ユーザの取引データに含まれる複数の株式銘柄を出力データとしてもよく、また、複数の第２ユーザの取引データに含まれる１または複数の株式銘柄を出力データとしてもよい。出力データは、入力データとの関連度が所定値以上のものであればよく、出力データの数に制限はない。
抽出手段２０２は、第１ユーザのユーザ端末５に対して、出力データとして決定された株式銘柄を含む抽出結果を出力する（ステップＳ２４）。抽出手段２０２は、抽出モデルから出力される入力データとの関連度を示す各数値を、更に抽出結果として出力してもよい。また、抽出手段２０２は、出力データとして決定された取引データに対応するユーザＩＤに基づいて、属性データを取得し、併せて出力してもよい。抽出結果は、抽出結果ＤＢ６４に格納される。
提示手段２０４は、出力された抽出結果に基づいて、提示画面を表示処理し、ユーザ端末５に対して送信する（ステップＳ２５）。
評価手段２０５は、ユーザ端末５より、抽出結果として提示された各株式銘柄の要否を示す評価データを受け付ける（ステップＳ２６）。評価データは、提示された株式銘柄を第１ユーザの意思決定により選択し、例えば、当該株式銘柄の抽出結果が適切である場合「〇」として入力され、適切でない場合「×」として入力される。なお、評価データの入力は様々な態様であってよく、上述した例に限定されない。
学習手段２０６は、評価データに基づいて、抽出モデルに対する再学習処理を実行する（ステップＳ２７）。再学習処理は、例えば、評価データが「〇」として入力された株式銘柄と、当該ユーザの取引データおよび／または属性データに含まれるデータの組合せを学習用データセットとして抽出モデルを生成する処理である。再学習処理により生成される抽出モデルは、ユーザ別にそれぞれ生成されてよく、例えば、評価データを入力した第１ユーザのユーザＩＤに対応付けてモデルＤＢ６１に格納される。

ステップＳ２１において、抽出依頼は、実際株式銘柄と仮想株式銘柄の何れの株式銘柄を対象とするか選択可能に構成されるのが好ましい。抽出手段２０２は、対象とする株式銘柄に応じて、入力データを入力する抽出モデル０１１−０１５を適宜選択する。なお、抽出手段２０２は、複数の抽出モデルを選択し、複数の出力データを出力してもよく、出力データが実際株式銘柄と仮想株式銘柄の何れを対象とするものかを判別可能に提示することができる。

ステップＳ２３において、抽出手段２０２は、取得した第１ユーザの入力データに含まれる少なくとも一部のデータを変更したものを新たな入力データとし、抽出モデルより第２ユーザの取引データに含まれる株式銘柄を出力データとして決定することができる。抽出手段２０２は、例えば、第１ユーザの入力データにおける年齢が２０代である場合、４０代に変更し、新たな入力データとして抽出モデルに入力する。変更されるデータは、取引データおよび／または属性データにおける重みに応じて決定されてよく、ランダムであってもよく、第１ユーザにより任意に決定されてもよい。これにより、第１ユーザが認識しない潜在需要に対して幅のある株式銘柄を提示することができる。

図７は、提示手段２０４により表示処理され、ユーザ端末５において表示される提示画面の画面表示例を示す。図７（ａ）における提示画面Ｗ１は、実際株式銘柄の抽出結果と仮想株式銘柄の抽出結果を比較可能に提示を切り替える切替部Ｗ１１と、抽出結果に含まれる株式銘柄に関する情報を表示し、第１ユーザの意思決定による選択入力を受け付ける銘柄表示選択部Ｗ１２と、を備える。銘柄表示選択部Ｗ１２は、株式銘柄の銘柄名および／または銘柄コード、購入可能下限数、現在株価、上昇値／下落値などを一覧に表示する。銘柄表示選択部Ｗ１２は、抽出結果の関連度に応じて各株式銘柄を識別可能に表示できる。図７（ａ）の図示例において、銘柄表示選択部Ｗ１２は、関連度の高い株式銘柄を濃色として表示しているが、例えば、関連度の高い順に昇順または降順として表示してもよい。なお、提示手段２０４は、銘柄表示選択部Ｗ１２を介して第１ユーザに選択された株式銘柄を抽出結果が適切（〇）であるとして、評価データを受け付ける構成としてもよい。

図７（ｂ）における提示画面Ｗ２は、提示画面の異なる態様を示す。提示画面Ｗ２は、抽出結果に含まれる株式銘柄に関する情報を表示する銘柄表示部Ｗ２１と、第１ユーザの意思決定による評価データの選択入力を受け付ける評価データ入力部Ｗ２２と、を備える。評価データ入力部Ｗ２２は、評価データの入力を受け付けると、抽出結果に含まれる異なる株式銘柄を銘柄表示部Ｗ２１に順次提示することができる。提示画面Ｗ２は、提示画面Ｗ１における銘柄表示選択部Ｗ１２を介して選択された株式銘柄を提示する構成としてもよい。また、評価データ入力部Ｗ２２は、提示画面Ｗ２に対するドラッグアンドドロップ入力またはフリック入力により評価データの「〇」または「×」を選択可能な構成としてもよく、入力形式に制限はない。

提示画面Ｗ１または提示画面Ｗ２は、抽出結果として参照された第２ユーザの取引データまたは属性データに含まれる関連度が高いデータを併せて提示してもよい。

抽出装置２は、提示画面Ｗ１または提示画面Ｗ２を介して選択された株式銘柄について、当該株式銘柄に関する取引依頼処理を送信可能な取引画面（図示せず）を表示可能であってもよい。ユーザ端末５は、提示された任意の株式銘柄について取引画面を介して簡便に取引依頼処理を送信し、実際株式取引システム３または仮想株式取引システム４において取引処理を実行することができる。なお、取引処理は、ＡＰＩを介して抽出システム１内で実行できる構成であってもよい。

１ 抽出システム
１０ 抽出システム
２ 抽出装置
２１ 演算装置（ＣＰＵ）
２２ 主記憶装置（ＲＡＭ）
２３ 補助記憶装置
２４ 通信装置
２５ 通信バス
２６ オペレーティングシステム（ＯＳ）
２７ 抽出プログラム
２０１ データ収集手段
２０２ 抽出手段
２０３ 算出手段
２０４ 抽出手段
２０５ 表示処理手段
２０６ 学習手段
３ 実際株式取引システム
４ 仮想株式取引システム
５ ユーザ端末
５１ 演算装置（ＣＰＵ）
５２ 主記憶装置（ＲＡＭ）
５３ 補助記憶装置
５４ 通信装置
５５ 入力装置
５６ 出力装置
５７ 通信バス
５８ オペレーティングシステム（ＯＳ）
５９ アプリケーションプログラム
５０１ 入力手段
５０２ 出力手段
５０３ 通信手段
６ 記憶装置
６１ モデルＤＢ
６２ 取引データＤＢ
６３ 属性データＤＢ
６４ 抽出結果ＤＢ

Claims (11)

1. 株式銘柄に関する保有履歴を示すデータを少なくとも含む取引データおよび／または属性データであって、実際の株式市場において取引される実際株式銘柄に関する取引データおよび／または実際株式取引システムにおける属性データと、前記実際株式銘柄に対応し、仮想株式取引システムにおいて発行される仮想株式銘柄に関する取引データおよび／または前記仮想株式取引システムにおける属性データと、を収集するデータ収集手段と、
   前記仮想株式取引システムに基づき収集された第１ユーザの前記取引データおよび／または属性データを入力データとし、前記第１ユーザの取引データと所定の関連性を有する第２ユーザの前記実際株式銘柄および前記仮想株式銘柄に関する取引データに含まれる株式銘柄を出力データとして決定する抽出手段と、
   前記出力データとして決定される前記実際株式銘柄および前記仮想株式銘柄に基づいて、それぞれ比較可能に表示処理し提示する提示手段と、を備える抽出システム。
2. 前記データ収集手段は、前記第１ユーザまたは前記第２ユーザの投資傾向を示すデータを少なくとも含む属性データを収集し、
   前記抽出手段は、前記第１ユーザの前記実際株式銘柄および／または前記仮想株式銘柄に関する前記取引データおよび／または前記属性データを入力データとし、前記第１ユーザと所定の関連性を有する前記第２ユーザの前記実際株式銘柄および／または前記仮想株式銘柄に関する取引データに含まれる株式銘柄を出力データとして決定する、請求項１に記載の抽出システム。
3. 前記実際株式取引システムおよび／または前記仮想株式取引システムにおける前記属性データは、デモグラフィックデータと、投資傾向データと、関心度データと、資産データと、から選択される少なくとも１以上を含む、請求項２に記載の抽出システム。
4. 前記抽出手段は、少なくとも前記第１ユーザの前記実際株式銘柄および／または前記仮想株式銘柄に関する前記取引データを機械学習された抽出モデルに対する入力データとし、前記第２ユーザの前記実際株式銘柄および／または前記仮想株式銘柄に関する取引データに含まれる株式銘柄を前記抽出モデルより出力データとして取得する、請求項１〜請求項３の何れかに記載の抽出システム。
5. 前記抽出手段は、前記第１ユーザの入力データの一部を変更し、前記抽出モデルに対する新たな入力データとし、前記変更の前後における出力データをそれぞれ取得する、請求項４に記載の抽出システム。
6. 株式銘柄に関する保有履歴を示すデータを少なくとも含む取引データおよび／または属性データであって、実際の株式市場において取引される実際株式銘柄に関する取引データおよび／または実際株式取引システムにおける属性データと、前記実際株式銘柄に対応し、仮想株式取引システムにおいて発行される仮想株式銘柄に関する取引データおよび／または前記仮想株式取引システムにおける属性データと、を収集するデータ収集手段と、
   前記仮想株式銘柄に関する取引データおよび／または属性データに基づいて、第１ユーザまたは第２ユーザの信頼指数を算出する算出手段と、
   第１ユーザの前記仮想株式銘柄に関する取引データおよび／または属性データを入力データとし、前記第１ユーザの取引データと所定の関連性を有し、前記信頼指数が所定値以上である第２ユーザの前記仮想株式銘柄または前記実際株式銘柄に関する取引データに含まれる株式銘柄を出力データとして決定する抽出手段と、
   前記出力データに基づいて表示処理し提示する提示手段と、を備える抽出システム。
7. 前記抽出手段は、前記信頼指数が所定値未満となる前記仮想株式銘柄に関する取引データを入力データに含めず、機械学習された抽出モデルを有する、請求項６に記載の抽出システム。
8. 株式銘柄に関する保有履歴を示すデータを少なくとも含む取引データおよび／または属性データであって、実際の株式市場において取引される実際株式銘柄に関する取引データおよび／または実際株式取引システムにおける属性データと、前記実際株式銘柄に対応し、仮想株式取引システムにおいて発行される仮想株式銘柄に関する取引データおよび／または前記仮想株式取引システムにおける属性データと、を収集するデータ収集ステップと、
   前記仮想株式取引システムに基づき収集された第１ユーザの前記取引データおよび／または属性データを入力データとし、前記第１ユーザの取引データと所定の関連性を有する第２ユーザの前記実際株式銘柄および前記仮想株式銘柄に関する取引データに含まれる株式銘柄を出力データとして決定する抽出ステップと、
   前記出力データとして決定される前記実際株式銘柄および前記仮想株式銘柄に基づいて、それぞれ比較可能に表示処理し提示する提示ステップと、をコンピュータが実行する抽出方法。
9. 株式銘柄に関する保有履歴を示すデータを少なくとも含む取引データおよび／または属性データであって、実際の株式市場において取引される実際株式銘柄に関する取引データおよび／または実際株式取引システムにおける属性データと、前記実際株式銘柄に対応し、仮想株式取引システムにおいて発行される仮想株式銘柄に関する取引データおよび／または前記仮想株式取引システムにおける属性データと、を収集するデータ収集ステップと、
   前記仮想株式銘柄に関する取引データおよび／または属性データに基づいて、第１ユーザまたは第２ユーザの信頼指数を算出する算出ステップと、
   第１ユーザの前記仮想株式銘柄に関する取引データおよび／または属性データを入力データとし、前記第１ユーザの取引データと所定の関連性を有し、前記信頼指数が所定値以上である第２ユーザの前記仮想株式銘柄または前記実際株式銘柄に関する取引データに含まれる株式銘柄を出力データとして決定する抽出ステップと、
   前記出力データに基づいて表示処理し提示する提示ステップと、をコンピュータが実行する抽出方法。
10. コンピュータを、株式銘柄に関する保有履歴を示すデータを少なくとも含む取引データおよび／または属性データであって、実際の株式市場において取引される実際株式銘柄に関する取引データおよび／または実際株式取引システムにおける属性データと、前記実際株式銘柄に対応し、仮想株式取引システムにおいて発行される仮想株式銘柄に関する取引データおよび／または前記仮想株式取引システムにおける属性データと、を収集するデータ収集手段と、
    前記仮想株式取引システムに基づき収集された第１ユーザの前記取引データおよび／または属性データを入力データとし、前記第１ユーザの取引データと所定の関連性を有する第２ユーザの前記実際株式銘柄および前記仮想株式銘柄に関する取引データに含まれる株式銘柄を出力データとして決定する抽出手段と、
    前記出力データとして決定される前記実際株式銘柄および前記仮想株式銘柄に基づいて、それぞれ比較可能に表示処理し提示する提示手段と、として機能させる抽出プログラム。
11. コンピュータを、株式銘柄に関する保有履歴を示すデータを少なくとも含む取引データおよび／または属性データであって、実際の株式市場において取引される実際株式銘柄に関する取引データおよび／または実際株式取引システムにおける属性データと、前記実際株式銘柄に対応し、仮想株式取引システムにおいて発行される仮想株式銘柄に関する取引データおよび／または前記仮想株式取引システムにおける属性データと、を収集するデータ収集手段と、
    前記仮想株式銘柄に関する取引データおよび／または属性データに基づいて、第１ユーザまたは第２ユーザの信頼指数を算出する算出手段と、
    第１ユーザの前記仮想株式銘柄に関する取引データおよび／または属性データを入力データとし、前記第１ユーザの取引データと所定の関連性を有し、前記信頼指数が所定値以上である第２ユーザの前記仮想株式銘柄または前記実際株式銘柄に関する取引データに含まれる株式銘柄を出力データとして決定する抽出手段と、
    前記出力データに基づいて表示処理し提示する提示手段と、として機能させる抽出プログラム。
    

Images