JP7043248B2 - 休廃業予測システム - Google Patents
休廃業予測システム Download PDFInfo
- Publication number
- JP7043248B2 JP7043248B2 JP2017249774A JP2017249774A JP7043248B2 JP 7043248 B2 JP7043248 B2 JP 7043248B2 JP 2017249774 A JP2017249774 A JP 2017249774A JP 2017249774 A JP2017249774 A JP 2017249774A JP 7043248 B2 JP7043248 B2 JP 7043248B2
- Authority
- JP
- Japan
- Prior art keywords
- company
- business
- closed
- storage unit
- predetermined period
- 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.)
- Active
Links
- 230000000694 effects Effects 0.000 claims description 13
- 238000007477 logistic regression Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000008092 positive effect Effects 0.000 claims description 2
- 238000000034 method Methods 0.000 description 11
- 230000008521 reorganization Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 230000007704 transition Effects 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 3
- 239000000725 suspension Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000004090 dissolution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000002747 voluntary effect Effects 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
例えば、以下の特許文献1では、企業のキャッシュ・フロー情報に基づいて企業を評価する技術が開示されているが、支払い能力に問題のない企業であっても休廃業に陥るケースが多いため、これを休廃業の予測にそのまま応用することはできない。
上記「出力」には、コンピュータのディスプレイに表示することや、プリンタで印刷すること、コンピュータの記憶装置に格納すること、ネットワークを介して他のコンピュータ等に送信することなどが広く含まれる。
また、上記休廃業情報記憶部14、シグナル情報記憶部16、企業情報記憶部18、モデル記憶部20及び予測結果記憶部24は、同コンピュータの記憶装置内に設けられている。
例えば、モデル生成部12と休廃業予測部22を別個のコンピュータ上で実現したり、あるいは各記憶部を独立したDBサーバ上に設けたりすることもできる。
この調査報告情報は、各企業の基本情報(企業コード、商号、代表者、所在地、電話番号、企業URL、上場区分、設立年月日、資本金、事業内容、取引銀行、従業員数等)の他に、役員構成、株主構成、親子会社関係、過去の業績、今後の業績見通し、取引先(仕入先及び得意先)、財務諸表等を含む膨大なテキストデータであり、プリントアウトすると一企業/一年分で数十頁(A4版)にも及ぶものである。
ここで休廃業とは、企業活動停止が確認できた企業のなかで、倒産(任意整理、法的整理)に分類されないケースを指し、「休業」及び「廃業」の他に、「解散」をも含む概念である。
そして「倒産」とは、任意整理(銀行取引停止、内整理など)を除外し、会社更生法、民事再生法、破産法、特別清算による法的整理を対象としており、企業が債務の支払不能等、経済活動の継続困難な状態に陥る場合を指す。
これに対し「休業」及び「廃業」は、企業活動を停止している状態を指し(官公庁等に「廃業届」を提出して企業活動を終えるケースを含む)、資産が負債を上回る「資産超過」状態での事業停止を主に意味している。ただし、確認時点で当該企業の企業活動が停止していても、将来的な企業活動再開を否定するものではない。
また「解散」とは、主に商業登記等で解散を確認しているものを指す。
どのような事象がシグナル情報に該当するかは事前に定義されており、各調査員が自己の担当企業についてのシグナル情報を認知した時点で、企業コード及び日時に関連付けてシグナル情報記憶部16に格納する。
あるいは、「特許取得」の事実を調査員が確認した場合には、当該企業の事業継続意思を示すポジティブな情報として、シグナル情報記憶部16に登録される。
まず、管理者甲の操作するクライアント端末26から送信されたモデル生成のリクエストを受信すると(S10)、モデル生成部12は、休廃業情報記憶部14を参照し、過去の所定期間(例えば直近1年間)に休廃業している企業を特定する(S11)。
詳細は後述するが、上記の各変数属性は休廃業との関連性を考慮して選定されたものであり、これらの属性に含まれる項目が、モデル生成に際しての説明変数となる。以下、個別に説明する。
(1) 代表者年齢および後継者
調査報告情報中には、代表者の生年月日や後継者の有無が記載されており、各登録企業の代表者の生年月日に基づいて、現在の年齢が算出される。
代表者の死亡や引退に起因して企業の休廃業が生じるケースが多いため、代表者の年齢と後継者の状況はモデル生成の説明変数に適している。
調査報告情報中には、代表者の就任経緯フラグとして、「業界経験」、「経営経験」、「得意分野」、「就任経緯」、「人物像」等が記載されているが、会社設立の経緯や代表者の経営手腕は企業の休廃業に大きな影響が生じると考えられるため、経営者タイプ内の幾つかの項目がモデル生成の説明変数として採用されている。
(3) 業種分類
企業の売上構成に基づいて、全1,300種類以上からなる業種分類が特定され、企業情報中に記載される。
企業が休廃業するか否かは、業種によっても異なった傾向がみられるため、これらの業種分類またはその上位概念としての区分がモデル生成の説明変数として採用されている。
企業情報中に記載された法人格コードに基づいて、「個人事業主」、「株式会社」、「有限会社」、「官公庁」、「その他法人」等のカテゴリが特定される。
(5) 従業員数、売上規模、資本金等
企業情報中に記載された数値情報に基づいて、各企業の規模を数値で表現する。
例えば、企業情報中に記載された従業員数Nをモデルに組み込む場合、以下の式に代入して対数変換した結果が、「従業員数」として採用される。
式:log(N+α)※αは微小な数値
(6) 「評点」
調査報告情報中には、各企業の「業歴」、「資本構成」、「規模」、「損益」、「資金現況」、「経営者」、「企業活力」等の項目毎に評点が付けられており、これらの点数の組み合わせが「4.企業信用度」となる。
これらの評点は、経験と学識を備えた専門家によって付与されるものであり、企業の信用度を測る指標として十分機能し得るといえる。
調査報告情報で収集した売上、利益の経年情報を元に売上や利益の推移を算出し、「5.業況」として採用する。
(7) 売上およびその推移
(8) 利益およびその推移
これら(7)及び (8)については、調査報告情報中の「損益計算書」情報に基づき、特定される。
(9) 銀行取引状況
調査報告情報中の「借入状況」、「借入金合計推移」、「担保設定状況」、「主力行の変更」等から銀行との取引状況を特定する。例えば、「担保設定状況」に列記された担保の類型中、「保証協会」に◎が付与されている場合には、休廃業をするには保証協会との協議が必要となると見込まれることから、企業の休廃業を予測するに際し一つの大きなポイントとなる。
調査報告情報中の「主要取引先」に列記された取引先企業の数を算出することにより、取引先数が特定される。
(11) 調査報告情報へのアクセス数(直近2年間)
上記の通り、会員企業は企業情報記憶部18にアクセスし、特定の企業に係る調査報告情報を閲覧することが認められており、ある企業から他の企業の調査報告情報にアクセスがあった場合には、上記のようにシグナル情報記憶部16に記録が残される仕組みとなっている。
このため、シグナル情報記憶部16に記録された特定企業に対する直近2年間のアクセス数を集計することにより、この調査報告情報へのアクセス数が求められる。
これらについては、シグナル情報記憶部16に格納されたシグナル情報の中、上記(11)のアクセス数を除いたものを企業コード別に集計した後、日時順に整列させることによって算出される。
上記の通り、企業が休廃業するか否かについて高い関連性を有する事象が予めシグナル情報として定義されており、関連性や情報の入手時期を考慮して集計される。
また、モデルを生成するとは、β0 (定数)と、β1~βN(回帰係数)の具体的な値を算出することを意味している。
まず、図5(a)に示すように、ユーザ乙がクライアント端末28のディスプレイに表示された休廃業予測画面30上で企業コードを入力し、送信ボタン32をクリックすると、休廃業予測システム10に対して休廃業予測リクエストが送信される。
同時に休廃業予測部22は、シグナル情報記憶部16を参照し、指定された企業の調査報告情報に対する直近2年間におけるアクセス数や、他のシグナル情報を取得する(S22)。
具体的には、当該企業の各種情報を図3に示した式1のX1~XNに代入すると共に、それぞれをβ1~βNの値と乗算し、各積とβ0を加算することにより、まずはZの値を求める。
つぎに休廃業予測部22は、Zの値を図3の式2に代入し、当該企業の休廃業確率pを算出する。
これに対し、後継者の有無のように非数値のカテゴリカル変数の場合には、該当する変数についてXに「1」が、該当しない変数については「0」が代入され、対応するβの値と乗算される。
この結果、図5(b)に示すように、休廃業予測画面30上に当該企業の1年以内の休廃業確率(3.25%)と、休廃業グレード(G10)が表示される。
(式3)平均からのリスク倍率=p÷年間平均休廃業発生率
p:式2で求めた1年以内の休廃業確率
この結果、同一企業についての休廃業予測リクエストが他のユーザのクライアント端末28から送信された場合、休廃業予測部22はS21~S24のステップを省略し、予測結果記憶部24内に格納された前回の予測結果を参照することによって、迅速に休廃業予測結果を返信することが可能となる。
なお、上記のようにクライアント端末28からのリクエストを待つことなく、事前に主要な企業の休廃業確率を算出し、予測結果記憶部24に格納しておくことも当然に可能である。
図7は、2015年以前の調査報告情報及びシグナル情報に基づいてモデルを生成すると共に、これに各企業の2015年以前の調査報告情報及びシグナル情報を適用して算出した、2016年度の休廃業予測結果を示すものである。
ここで「AR値」とは、信用スコアリングモデルの序列性能(悪い先をより悪く、良い先をより良く評価する能力)を評価する際に最も基本となる統計量であり、理想的なモデル(パーフェクトモデル)を1、良い先と悪い先を全く区別できないモデル(ランダムモデル)を0として、当該モデルがどの程度の能力を有しているのかを表すものである。
AR値は1に近いほどモデルの精度が高いことを示しており、図示した「0.65」は比較的良好な結果と評価することができる。
これに対し「判別率」とは、休廃業の可能性が低いと予測した企業が実際に休廃業しなかった確率を意味しており、具体的にはG01~G05に分類された企業の中で休廃業しなかったものの合計数を、全グレードにおける休廃業数しなかった企業の合計数で除することによって求められる。
判別率及び非判別の何れも「75%」を越えており、比較的良好な結果が得られているといえる。
また図9は、上記と同様のモデルを用いて、2013年以前の調査報告情報及びシグナル情報を適用して算出した、2014年度の休廃業予測結果を示すものである。
このことから、モデル生成部12によって生成されたモデル式は、時間が経っても安定する(精度が担保される)ことがわかる。
12 モデル生成部
14 休廃業情報記憶部
16 シグナル情報記憶部
18 企業情報記憶部
20 モデル記憶部
22 休廃業予測部
24 予測結果記憶部
26 管理者のクライアント端末
28 ユーザのクライアント端末
30 休廃業予測画面
Claims (4)
- 複数の企業に関する所定項目に係る情報を所定期間分登録しておく企業情報記憶部と、
休廃業した企業の特定情報及び休廃業時期を登録しておく休廃業情報記憶部と、
上記企業情報記憶部を参照し、各登録企業について、所定期間における所定項目の値を取得する手段と、
上記休廃業情報記憶部を参照し、各登録企業が所定期間内に休廃業しているか否かを確認する手段と、
各登録企業が所定期間内に休廃業しているか否かを目的変数とし、上記所定期間内における所定項目の値を説明変数とするロジスティック回帰分析を行うことにより、企業の休廃業予測のためのモデルを生成する手段と、
このモデルに、特定企業に係る所定期間内における所定項目の値を代入することにより、当該企業が所定期間内に休廃業に至る確率を算出する手段と、
この確率または確率に基づいて算出した他の値を出力する手段とを備え、
上記説明変数として、各登録企業の代表者の年齢あるいは後継者の有無を示す値の少なくとも一方が含まれていることを特徴とする休廃業予測システム。 - 上記企業情報記憶部に登録された情報は、所定の会員企業に対して閲覧可能となされており、
また、上記企業情報記憶部に登録された情報に対する各会員企業の端末からのアクセス数を登録企業毎に格納しておく記憶手段を備えており、
上記説明変数として、所定期間内における上記アクセス数が含まれていることを特徴とする請求項1に記載の休廃業予測システム。 - 企業の休廃業に対してネガティブな影響を及ぼす事象として予め定義されたシグナル情報の発生事実と、企業の休廃業に対してポジティブな影響を及ぼす事象として予め定義されたシグナル情報の発生事実とを、各登録企業に関連付けて格納しておくシグナル情報記憶部を備え、
上記説明変数として、各登録企業の所定期間内におけるネガティブなシグナル情報の件数及びポジティブなシグナル情報の件数が含まれていることを特徴とする請求項1または2に記載の休廃業予測システム。 - 上記確率に基づいて算出した他の値が、特定企業が所定期間内に休廃業に至る確率を、年間平均休廃業発生率で除して平均からのリスク倍率を求めた後、これを複数の休廃業グレードと平均からのリスク倍率との対応関係が定義された換算表に当てはめることによって決定される休廃業グレードであることを特徴とする請求項1~3の何れかに記載の休廃業予測システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017249774A JP7043248B2 (ja) | 2017-12-26 | 2017-12-26 | 休廃業予測システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017249774A JP7043248B2 (ja) | 2017-12-26 | 2017-12-26 | 休廃業予測システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019117443A JP2019117443A (ja) | 2019-07-18 |
JP7043248B2 true JP7043248B2 (ja) | 2022-03-29 |
Family
ID=67304427
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017249774A Active JP7043248B2 (ja) | 2017-12-26 | 2017-12-26 | 休廃業予測システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7043248B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102471985B1 (ko) * | 2022-06-27 | 2022-11-29 | 주식회사 몬데인컨설팅 | 인공지능에 기반한 사업 경영 컨설팅 시스템 |
KR102665304B1 (ko) * | 2023-12-29 | 2024-05-13 | (주)오아시스비즈니스 | 인공지능 기반의 예측 모델을 이용하여 가맹점의 휴폐업을 예측하고 이의 지표에 대한 정보를 제공하는 서버 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002140519A (ja) | 2000-10-30 | 2002-05-17 | Sumitomo Trust & Banking Co Ltd | 自動融資審査方法 |
JP2003216804A (ja) | 2002-01-24 | 2003-07-31 | Teikoku Databank Ltd | 定性データを使用した倒産確率予測システム |
JP2007048226A (ja) | 2005-08-12 | 2007-02-22 | Toshiba Corp | 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 |
JP2013080456A (ja) | 2011-09-21 | 2013-05-02 | Norihide Noda | 企業評価システム、企業評価方法及び企業評価プログラム |
US20150149247A1 (en) | 2013-05-02 | 2015-05-28 | The Dun & Bradstreet Corporation | System and method using multi-dimensional rating to determine an entity's future commercical viability |
JP2019061367A (ja) | 2017-09-25 | 2019-04-18 | 株式会社エス・エム・エス | 信用格付けシステムおよびプログラム |
-
2017
- 2017-12-26 JP JP2017249774A patent/JP7043248B2/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002140519A (ja) | 2000-10-30 | 2002-05-17 | Sumitomo Trust & Banking Co Ltd | 自動融資審査方法 |
JP2003216804A (ja) | 2002-01-24 | 2003-07-31 | Teikoku Databank Ltd | 定性データを使用した倒産確率予測システム |
JP2007048226A (ja) | 2005-08-12 | 2007-02-22 | Toshiba Corp | 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 |
JP2013080456A (ja) | 2011-09-21 | 2013-05-02 | Norihide Noda | 企業評価システム、企業評価方法及び企業評価プログラム |
US20150149247A1 (en) | 2013-05-02 | 2015-05-28 | The Dun & Bradstreet Corporation | System and method using multi-dimensional rating to determine an entity's future commercical viability |
JP2019061367A (ja) | 2017-09-25 | 2019-04-18 | 株式会社エス・エム・エス | 信用格付けシステムおよびプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP2019117443A (ja) | 2019-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101844751B1 (ko) | 기업 분석 기반 연계 서비스 매칭 플랫폼 제공 시스템 | |
Pettenuzzo et al. | Predictability of stock returns and asset allocation under structural breaks | |
Shrivastava et al. | Bayesian analysis of working capital management on corporate profitability: evidence from India | |
Antunes et al. | Firm default probabilities revisited | |
US7664693B1 (en) | Financial methodology for the examination and explanation of spread between analyst targets and market share prices | |
US20220343433A1 (en) | System and method that rank businesses in environmental, social and governance (esg) | |
Caporin et al. | Volatility jumps and their economic determinants | |
Rösch et al. | Forecasting probabilities of default and loss rates given default in the presence of selection | |
Hewa Wellalage et al. | Factors affecting the probability of SME bankruptcy: A case study on New Zealand unlisted firms | |
JP2019125336A (ja) | リスク評価分析システムを用いたリスク評価分析方法 | |
Dimitraki et al. | Sovereign debt, deficits and defence spending: the case of Greece | |
Mak et al. | Conditional earnings conservatism and corporate refocusing activities | |
Ben Omrane et al. | The dynamic effect of macroeconomic news on the euro/US dollar exchange rate | |
Priyaranjan et al. | Macroeconomic effects of uncertainty: a big data analysis for India | |
JP7043248B2 (ja) | 休廃業予測システム | |
US20180182030A1 (en) | Determination device, determination method, and non-transitory computer-readable recording medium | |
Gresnigt et al. | Specification testing in hawkes models | |
Urazbaeva et al. | The analysis of COVID-19 impact on the internet and telecommunications service sector through modelling the dependence of shares of Russian companies on the American stock market | |
RU2630169C1 (ru) | Автоматизированная вычислительная система для формирования и мониторинга инвестиционных портфелей акций | |
JP6771513B2 (ja) | 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 | |
JP2023108896A (ja) | 企業消滅リスク予測システム | |
Horton et al. | Reputation inflation in an online marketplace | |
US20210201403A1 (en) | System and method for reconciliation of electronic data processes | |
Ho | CEO overconfidence and corporate financial distress | |
JP7298286B2 (ja) | モデル提供プログラム、モデル提供方法及びモデル提供装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A80 | Written request to apply exceptions to lack of novelty of invention |
Free format text: JAPANESE INTERMEDIATE CODE: A80 Effective date: 20180109 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201019 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210825 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210917 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211101 |
|
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: 20220304 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220316 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7043248 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |