JP7091500B2 - 世界的に取得したデータに基づいて、世界企業ランキングをリアルタイムに作成するため方法、及び世界的ネットワークシステム - Google Patents

Description

関連出願の相互参照
本願は、２０１５年１０月１５日に出願された米国仮特許出願第６２／２４２，０７５号の優先権を主張し、この特許の全体は、参照することによって本願に組み込まれる。

本開示は一般に、異なる時間帯からデータをリアルタイム収集し、時差のために全てのデータが現在利用可能でない場合であっても、企業情報の透明性及び利用可能性の観点から全世界の企業実体の世界企業ランキング（Ｇｌｏｂａｌ Ｂｕｓｉｎｅｓｓ Ｒａｎｋｉｎｇ、ＧＢＲ）を作成できるようにする、世界的ネットワークシステムに関する。具体的には、本システムは、世界的に取得した情報、例えば、世界中の複数のソース、及び／又は国々からのデータに基づいた、ＧＢＲのリアルタイム作成を可能にする。

所与の国の企業に対して、企業ランキングを作成することが知られている。一般に、このような企業ランキングは、世界規模の企業ランキングには対応していない。さらに、ランキングのスコアには、例えば１００以上の異なる時間帯にある、世界中の国のグループからのデータに基づく成分は含まれていない。時差、及び世界中の様々な国からデータを転送する際の固有の遅れにより、様々な国からのデータが、このような時差のために不完全になっているか、又は遅延していると、ＧＢＲの作成にしばしば問題が生じる。したがって、例えば米国、アルゼンチン、及びイスラエルで運営している多国籍企業のＧＢＲを求めている、例えば日本の関係者は、正確にリアルタイムな、最新のＧＢＲを作成するために必要なデータに、リアルタイムにアクセスできない場合がある。ユーザが、異なる場所、異なる時間帯、及び異なる形式などで取得され記憶された、世界中から収集されたデータに基づいて、ＧＢＲスコアにリアルタイムにアクセスしようとすることによって、全てのデータが収集されて同期されるまで、ＧＢＲスコアの作成に実質的な時間遅延が生じるところに、技術的な問題がある。今日のグローバルな世界において、且つリアルタイム且つ即時に情報にアクセスする必要性において、要求した情報をユーザが何時間も、或いは何日も待ってくれると考えることはもはや現実的ではなく、且つ受け入れられなくなっている。

本開示は、データが完全かどうかにかかわらず、世界の国々のグループの活動に基づいて、世界企業ランキングをリアルタイムに作成する、システム及び方法を提供する。

少なくとも複数の国から取得した国別データに基づく、世界企業ランキングをリアルタイムに作成するためのネットワークシステムであって、本システムは、複数の国データ収集システムであって、国別データが複数の国ソースから収集される、国データ収集システムと、収集データを受信して、国の取引データ、国の財務データ、及び国の不名誉情報からなるグループから選択した少なくとも１つに分類する、変換エンジンと、結合データを形成するために、国の取引データ、国の財務データ、及び／又は国の不名誉情報を、世界的データベースからのデータ、マクロスコアデータ、及び／又は信号スコアデータと結合して、結合データを、世界取引データ、世界財務データ、及び世界不名誉情報からなるグループから選択した少なくとも１つに分類する、データ／属性リポジトリと、世界取引データ、世界財務データ、及び／又は世界不名誉情報のいずれかをリアルタイムに取得して、特定の企業実体の世界企業ランキングを作成する、世界企業ランキングプロセッサとを備える。

世界企業ランキングプロセッサは、世界取引データ、世界財務データ、及び／又は世界不名誉情報のいずれか、又は全てが不完全であっても、不足している情報又はデータを埋めるための統計モデル又は企業ナレッジを用いて世界企業ランキングを作成する、混合モジュールを含む。

好ましくは、世界企業ランキングは、世界企業ランキングリポジトリに記憶される。

変換エンジンは、国別のロジック及び／又はルールに従って、収集データを変換、標準化、及び／又は要約することによって、収集データを更に処理する。

国データ収集システムは、複数の国ソースからの、国別データの並列処理を含む。

世界企業ランキングリポジトリは、国別データの全てのダウンロード及び／若しくは処理を待つ必要なく、企業実体の世界企業ランキングを下流に流し、且つ／又は企業実体の世界企業ランキングをリアルタイムで継続的にユーザに供給する。

世界企業ランキングプロセッサを介して作成された世界企業ランキングを改善するために、ユーザに提供された世界企業ランキングは、ニューラルネットその他の人工知能技術を介して、世界企業ランキングプロセッサにフィードバックされる。

本開示のその他及び別の目的、利点、及び特徴は、以下の明細書を、同一の構造要素を同一の参照符号で示した添付の図面と併せて参照することによって理解されよう。

本開示による、ＧＢＲシステムのブロック図である。 本開示による、図１のＧＢＲシステムの、マクロスコアハードウェアのブロック図である。 本開示による、図１のＧＢＲシステムの、信号スコアハードウェアのブロック図である。 本開示による、図１のＧＢＲシステムの、世界取引ハードウェアのブロック図である。 本開示による、図１のＧＢＲシステムの、世界財務ハードウェアのブロック図である。 図１のＧＢＲシステムの、世界不名誉情報ハードウェアのブロック図である。 図１のＧＢＲマスタ処理及びスコア付けシステムのブロック図である。 図７のＧＢＲマスタスコア付けモジュールのロジック図である。 図４のマクロスコアハードウェアに用いられる、事前マクロモデル化工程の処理図である。 図１１と組み合わせて、図４のマクロスコアハードウェアに用いられる、マクロのモデル化工程の処理図の実例を示す。 図１０と組み合わせて、図４のマクロスコアハードウェアに用いられる、マクロのモデル化工程の処理図の実例を示す。 本開示による、世界的なＧＢＲシステムのブロック図である。

図１及び図１２を参照すると、本開示のＧＢＲシステム１００は、ＧＢＲマスタハードウェアシステム７００を含み、ＧＢＲマスタハードウェアシステム７００は、複数のソース、即ちメインフレーム世界的データベース１１０、マクロスコアハードウェア２００、信号スコアハードウェア３００、ＧＢＲ世界取引ハードウェア４００、世界財務ハードウェア５００、及び世界不名誉情報ハードウェア６００からの入力を受信する。ＧＢＲマスタハードウェアシステム７００は、ＧＢＲスコア記憶装置８００にＧＢＲランク付けスコアを提供するために、受信した入力を処理する。

ＧＢＲ世界取引ハードウェア４００、世界財務ハードウェア５００、及び世界不名誉情報ハードウェア６００はそれぞれ、取引データベースグループ１５０及び１６０からの入力を受信する。取引データベースグループ１５０は、現地国、例えば米国（ＵＳ）の１つ以上の取引データベースから、１つ以上の取引データベースを含む。取引データベースグループ１６０は、英国（ＵＫ）のローカルデータベース１６２、ブラジルのローカルデータベース１６４、世界中のその他多数の国などの、世界的な国の集合における１つ以上の取引データベースを含む。

本開示は、世界的データを独自に収集すること、及び世界的に収集したデータに基づいて、ＧＢＲスコアをリアルタイムに処理及び作成することを可能にする、技術的解決策を提供する。この技術的解決策は、図１２を参照すれば最もよく理解されよう。

図１２は、国Ａのデータ１６２、国Ｂのデータ１６３、国Ｃのデータ１６５、そして国Ｚのデータ１６４などの様々な国別データの集合を含む、ＧＢＲシステム１００のブロック図を示す。Ａ～Ｚの各国のデータは、様々なソースから収集され、例えば、国Ａのデータ１６２は、少なくともソース１Ａ（取引）、ソース２Ａ（財務）、ソース３Ａ（不名誉情報）～ソースｎＡ（他のデータ）からのデータを並行してアップロードする。同様に、国Ｂのデータ、国Ｃのデータ～国Ｚのデータは、そのそれぞれのソースから、並行してそのそれぞれのソースデータを取得する。その後、１６２、１６３、１６５～１６４のそれぞれの国データは、そのそれぞれのソースからデータが得られると、変換エンジン１６１に送信されるように並行して処理され、データは変換エンジン１６１で、メタデータリポジトリ１６６に記憶されたルール及び形式に従って、変換、標準化、分類及び／又は要約される。国別のロジック／ルールは、ステップ１６８で確立されて、メタデータリポジトリ１６６に記憶される。

その後、変換エンジン１６１が、１６２、１６３、１６５～１６４から受信した個別の国データを処理すると、ＧＢＲデータ／属性リポジトリ１６９に送信されて、世界的データベース１１０、マクロスコア２００、及び信号スコア３００からきたデータと結合される。データ／属性リポジトリ１６９は、結合されたデータを、世界取引データ４００と、世界財務データ５００と、世界不名誉情報６００とに分類する。リポジトリ１６９でデータを予め分類することによって、ＧＢＲプロセッサ７００は、世界取引データ４００、世界財務データ５００、及び世界不名誉情報６００のうちの少なくとも１つが完全な情報を有していれば、このような取引データ４００、財務データ５００、又は不名誉情報６００をいずれもリアルタイムに取得することができ、これによって、その他のデータ／属性リポジトリデータのそれぞれが、完全且つ最新になるのを待つ必要がなくなる。このことは、変換エンジン１６１を介して処理され、且つ世界取引データ４００、世界財務データ５００、及び世界不名誉情報６００などの、個別の異なるデータ／属性リポジトリに配分される、複数のソース及び国からのデータに頼っているときに特に有用である。ＧＢＲプロセッサ７００は、混合モジュールを使用して、ユーザのオンデマンドな要求に応じるために継続的な供給に基づいて、世界取引データ４００、世界財務データ５００、及び世界不名誉情報６００（即ち企業ナレッジ）から不完全なデータを取得し、不足している情報を埋めて、リポジトリ８００に記憶される正確なＧＢＲスコアを引き続き作成するために、統計を使用する。

混合モジュール、並列処理、及び継続的な供給に基づくシステムを作成することによって、本開示は、ＧＢＲシステム１００が、ＧＢＲスコアを下流に流すステップ１８１、又はＡ～Ｚの各国、及びその各データソースからの全てのデータのダウンロード及び処理を待つ必要なく、ユーザによって要求されたデータをリアルタイムに取得するステップ１８３のいずれかを行うことを可能にする。また、ステップ１８１において下流のシステムに流される情報の再帰的なフィードバックループ１８５を介して、ＧＢＲプロセッサ７００によって作成されたＧＢＲスコアを継続的に改善するために、ニューラルネットその他の人工知能技術を使用することが可能である。

図２を参照すると、マクロスコアハードウェア２００は、ユーザインターフェース２３０と、プロセッサ２３２と、メモリ２３４とを有するコンピュータ２２０を含む。処理モジュール２３６は、メモリ２３４に記憶されている。コンピュータ２２０は、米国のデータベースサーバ２０２、ＵＫサーバ２０４、世界銀行データベース２０６、ＩＭＦ（国際通貨基金）データベース２０８、マクロ経済データベース２１０、及びＧｏｏｇｌｅ ＧＤＥＬＴ（Ｇｌｏｂａｌ Ｄａｔａｂａｓｅ ｏｆ Ｅｖｅｎｔｓ，Ｌａｎｇｕａｇｅ，ａｎｄ Ｔｏｎｅ：イベント、言語、及び論調の世界的データベース）感情分析データベース２１２からの入力を受信する。プロセッサ２２０は、これらの入力を処理して、２４０に記憶されるマクロスコアを提供するように、処理モジュール２３６を動作させる。

図３を参照すると、信号スコアハードウェア３００は、コンピュータ３１０と、（複数の）世界的データベース３５０と、企業プロファイル変更データベース３５２と、マッチ監査データベース（ｍａｔｃｈ ａｕｄｉｔ ｄａｔａｂａｓｅ）３５４と、国際間照会データベース３５６とを含む。コンピュータ３１０は、ユーザインターフェース３１２と、プロセッサ３１４と、メモリ３１６とを含む。メモリ３１６は、３３０に記憶させる信号スコアを作成する処理を行うために、（複数の）世界的データベース３５０、企業プロファイル変更データベース３５２、マッチ監査データベース３５４、及び国際間照会データベース３５６から取得した情報を処理する、処理モジュール３１８を含む。

世界的データベース３５０と、企業プロファイル変更データベース３５２（例えば、ＣＥＯの変更）とを連結することによって、所与の企業の変更の頻度も取得される。世界的データベース３５０は、ＣＥＯの変更などの情報を提供し、企業プロファイル変更データベース３５２は、所与の企業の変更の頻度などの情報を提供する。マッチ監査データベース３５４は、信号データがどのくらい活動的か、即ち企業活動がどのくらい最近のもので、且つどのくらい頻繁かに関して活動的であるかを示す情報（例えば、その企業に対するマッチ及び監査の数、並びに信号活動がカバーする時間の長さ）を含み、信号データは一般に、特定の企業の企業照会（例えば、否定的なメディア報道、ＣＥＯの変更）に関する。マッチ及び監査の数が多いほど、且つ／又は信号を伴う期間が長いほど、事業がより活発、又はより好調なことを示す。国際間照会データベース３５６は、その企業の国際間照会を含む。様々な国から多数の照会があること、及び長期間にわたって照会があることは、事業が好調なことを示す。

処理モジュール３１８は、前述の信号データ項目を全てプールする、即ち、企業照会、否定的なメディア報道、及びＣＥＯの変更などのデータ信号をまとめる。回帰モデルは、これらに異なる重みを与えて、重み値を合計して単一の信号スコアにする。この信号スコアは、利用可能な信号情報のみに基づいた、企業のリスクレベルを示す。

図４を参照すると、ＧＢＲ世界取引ハードウェア４００は、ユーザインターフェース４２０と、プロセッサユニット４２２と、メモリ４３０と、取引記憶装置４４０とを有する、コンピュータ４１０を含む。コンピュータシステム４１２は、ユーザインターフェース４２０に入力を提供する、世界の国々にあるローカルコンピュータ４１４と、中央ＦＴＰ（ファイル転送プロトコル）サーバ４１６とを含む。ローカルコンピュータ４１４は、コンピュータ４１０に入力を提供するために、そのそれぞれの国で取引データベース１５０及び１６０を使用する。

メモリ４３０は、取引データの選択、変換、及び導出変数の作成を行うための処理モジュール４３２を含む。処理モジュール４３２の結果は、次に、財務記憶装置４４０に記憶される。

図５を参照すると、ＧＢＲ世界財務ハードウェア５００は、ユーザインターフェース５２０と、プロセッサユニット５２２と、メモリ５３０と、取引記憶装置５４０とを有する、コンピュータ５１０を含む。コンピュータシステム５１２は、ユーザインターフェース５２０に入力を提供する、世界の国々にあるローカルコンピュータ５１４と、中央ＦＴＰサーバ５１６とを含む。ローカルコンピュータ５１４は、コンピュータ５１０に入力を提供するために、そのそれぞれの国で取引データベース１５０及び１６０を使用する。

メモリ５３０は、取引データの選択、変換、及び導出変数モジュール用の、処理モジュール５３２を含む。処理モジュール５３２の結果は、次に、財務記憶装置５４０に記憶される。

図６を参照すると、ＧＢＲ世界不名誉情報ハードウェア６００は、ユーザインターフェース６２０と、プロセッサユニット６２２と、メモリ５３０と、不名誉データ記憶装置６４０とを有する、コンピュータ６１０を含む。コンピュータシステム６１２は、ユーザインターフェース６２０に入力を提供する、世界の国々にあるローカルコンピュータ６１４と、中央ＦＴＰサーバ６１６とを含む。ローカルコンピュータ６１４は、コンピュータ６１０に入力を提供するために、そのそれぞれの国で取引データベース１５０及び１６０を使用する。

メモリ６３０は、取引データの選択、変換、及び導出変数の作成を行うための処理モジュール６３２を含む。処理モジュール６３２の結果は、次に、不名誉データ記憶装置６４０に記憶される。

図７を参照すると、ＧＢＲマスタ処理及びスコア付けハードウェアシステム７００は、コンピュータ７０２と、コンピュータ７５０とを含む。また、図１を参照すると、コンピュータ７０２は、メインフレーム世界的データベース１１０、マクロスコアハードウェア２００、信号スコアハードウェア３００、ＧＢＲ世界取引情報４００、ＧＢＲ世界財務情報５００、及びＧＢＲ世界不名誉情報６００からの入力を受信する。コンピュータ７０２は、ユーザインターフェース７０４と、プロセッサユニット７０６と、メモリ７０８と、マスタデータベース記憶装置７４０とを含む。コンピュータ７０２、及び追加のコンピュータ７５０により、システムが２つの連続したステップを同時に行うことが可能になる。コンピュータ７０２のＧＲＢマスタ処理モジュール７１０は、全てのマクロ、信号、取引、財務、及び不名誉情報データをまとめる（図２～図６）。追加のコンピュータ７５０のＧＢＲマスタスコア付けモジュール７５８は、ＧＢＲスコアを作成して記憶装置７９０に記憶させるために、マスタデータベース記憶装置７４０から取得した最終的なビッグデータファイルに、ＧＢＲモデルを適用する。

ＧＢＲマスタ処理モジュール７１０は、メモリ７０８内に記憶されている。プロセッサユニット７０６は、メインフレーム世界的データベース１１０、マクロスコアハードウェア２００、信号スコアハードウェア３００、ＧＢＲ世界取引情報４００、ＧＢＲ世界財務情報５００、及びＧＢＲ世界不名誉情報６００からの入力を処理して、全ての入力ファイルをまとめて、７５０で使用するマスタデータセットを作成するために、ＧＢＲマスタ処理モジュール７１０を使用する。プロセッサユニット７０６は、次に、この結果をマスタデータベース記憶装置７４０に記憶させる。

コンピュータ７５０は、ユーザインターフェース７５２と、プロセッサユニット７５４と、メモリ７５６と、記憶装置７９０とを含む。プロセッサユニット７５４は、記憶装置７９０に記憶させるための、且つＧＢＲスコア記憶装置８００（図１）に記憶させるための、最終的なＧＢＲスコアを作成するために、コンピュータ７０２からの入力を使用する。

図２に関して、処理モジュール２３６は、プロセッサ２３２によって実行されると、事前モデル化工程、及びモデル化工程を実行する。事前モデル化工程は、経済的見地から、悪い定義による国のランク付けに意味があることを保証する、マクロ調整係数を作成する。モデル化工程におけるデータ作成ステップ（１００５～１０５０）は、データが豊富な国と、データが豊富でない国とに対応する、２つの別の経路を有する。１０５５では、これら２種類の国のデータを使用して、全ての国のマクロスコアを作成する。

図９を参照すると、処理モジュール２３６は、事前モデル化工程のためにプロセッサ２３２によって実行されると、ランク調整済みの従属変数を得るために、複数のステップを実行する。ステップ９０５において、倒産の時系列と、様々なマクロ経済変数の時系列との間で、相関／共和分試験が行われる。ステップ９１０において、国内の倒産を表す、３つの最も強固なマクロ経済変数の選択が行われる。ステップ９１５において、ランク調整係数を作成するために、主成分分析と回帰分析との組み合わせが用いられる。ステップ９２０において、経済的に意味のあるランク付けを実現するために、ランク調整係数が、国レベルで従属変数に適用される。ステップ９２５において、ランク調整済みの変数が、モデル化工程で使用できる状態になる。

図１０及び図１１を参照すると、処理モジュール２３６は、モデル化工程のためにプロセッサ２３２によって実行されると、ＧＢＲスコアに組み込むためのマクロスコア成分を得るために、複数のステップを実行する。まず図１０を参照すると、ステップ１００５では、国別ＧＤＰ成長率の過去５年間の履歴データを収集する。ステップ１０１０において、国別ＧＤＰ成長率のＧＤＰ標準偏差の、５年間の履歴が作成される。ステップ１０１５において、ＧＤＰ成長率の標準偏差の国際平均が決定される。ステップ１０２０において、国のＧＤＰ成長率標準偏差に対する、国際平均標準偏差の比率に基づいて、相対ボラティリティ予測変数が作成される。ステップ１０２５において、国データが豊富かどうかについて判定が行われる。Ｙｅｓであれば、ステップ１０３０で、他の入力変数が考慮される。その他の入力変数は、これに限定されないが、インフレ、経常収支、バランス、為替相場、輸入カバー、失業率のうちの１つ以上を含む。

さらに図１１を参照すると、ステップ１０２５がＮｏであった場合は、ステップ１０３５で、異なる組の入力変数が更に検討される。この入力変数の組は、これに限定されないが、インターネットユーザの割合、政治的安定度、及びメディア報道における、ニュースイベントの平均的な論調のうちの１つ以上を含む。

１０３０及び１０３５に含まれる各変数に対し、その過去１０年間の時系列パネルデータが抽出される（１０４０）。１０３０及び１０３５のそれぞれに対して、対応する出力データセットが存在する。

１０４５で、２つの出力データセットをチェックし、予測変数の欠損が１つ以上ある国にフラグを立てる。

ある国にフラグが立てられると、その欠損データは、主権国への所属、地理的位置、類似する経済プロファイル、又は外挿に基づいて帰属された値に置き換えられる（１０５０）。

データが多い国と、データが少ない国とが組み合わされると、全ての国をカバーする。

任意の国のマクロスコアは、１から１００までの数値であり、例えば、マクロスコアが９５の国は、企業環境及び企業実体に関してリスクが低く、一方、マクロスコアが２０の国は、全般的な事業リスクが高い国であることを示す。

図１及び図７を参照すると、プロセッサユニット７０６は、メインフレーム世界的データベース１１０、マクロスコアハードウェア２００、信号スコアハードウェア３００、ＧＢＲ世界取引ハードウェア４００、世界財務ハードウェア５００、及び世界不名誉情報ハードウェア６００から、マスタデータベース記憶装置７４０に記憶させるためのデータ入力を取得するために、ＧＢＲマスタ処理モジュール７１０を動作させる。

英国（ＵＫ）の顧客（企業）の多国籍ポートフォリオの例としては、以下の入力が含まれる。
１）メインフレーム世界的データベース１１０の顧客の情報（図１）
２）作成され抽出された、英国のマクロ経済スコア（図２）
３）信号スコアハードウェア３００からの信号スコア（ＣＥＯ変更、照会など）
４～６）図１（Ｆ００１）の英国のローカルデータベースは、財務情報、取引情報、及び不名誉情報を検索される。

これら６つの情報のグループが、ＧＢＲマスタ処理モジュールの動作によって取り出されて、ＧＢＲデータベース記憶装置７４０に記憶される。

図７を参照すると、プロセッサユニット７５４は、前述の６つの入力の１つ以上を使用するために、ＧＢＲマスタスコア付けモジュール７５８を動作させて、ＧＢＲ記憶装置７９０に記憶させるＧＢＲスコアを作成する。

図８は、本出願による、ＧＢＲスコア作成に関するロジック図を示す。

以下は、特定の企業実体の世界企業ランキング（ＧＢＲ）を作成するプロセスを示す例であり、ＧＢＲスコアは、対象となる特定の企業の所在国にかかわらず一定になる。

例えば、米国に拠点を持つある企業は、その供給業者の多国籍ポートフォリオを有する。その供給業者のうちの１つは、英国に拠点を持つ、ＡＢＣという名称の企業である。ＡＢＣと取引を行う前に、米国に拠点を持つ企業は、ＡＢＣのＧＢＲスコアを判定しようとし、これは、以下のステップによって計算される。

世界的データベース１１０から、企業年齢（４０年）、従業員数（２００人）、標準産業コード（ＳＩＣ）などの、ＡＢＣの企業特性データを取得する。

２００を通して、国別マクロスコア値を作成し取得する。英国のマクロスコアの作成に必要な英国の情報は、以下のように抽出される。
・２０２からは、国の悪評価、年平均インフレ率、及び輸入カバー率が、２０４からは、政治的安定度指数が、２０６からは、失業率、及びインターネット使用率が、サーバ２０２から２１２までのデータの結合からは、ＧＤＰ成長率、及び経常収支の対ＧＤＰ比が、Ｇｏｏｇｌｅ ＧＤＥＬＴ感情分析データベース２１２からは、メディアイベントの平均的な論調が抽出される。
・図２の処理モジュール２３６は、以下のような働きをする。データベース２０２～２１２から、英国を含む全ての国のＧＤＰ成長率を取り出す。国別ＧＤＰ成長率に基づいて、ＧＤＰ成長率の標準偏差、及び国際間のＧＤＰ成長率標準偏差の平均を作成する。ＧＤＰ成長率の標準偏差は、統計におけるボラティリティの測定値である。英国の相対ボラティリティ予測変数は、全ての国にわたるＧＤＰ成長率標準偏差に対する、英国のＧＤＰ成長率標準偏差の比率である。相対ボラティリティ予測変数は、世界平均に対する、１つの国の企業リスクレベルを示す。１つの国の相対ボラティリティ予測変数が１よりも大きい場合は、その国の企業リスクが世界平均よりも高いことを示す。
・相対ボラティリティ予測変数を含む、前述のデータ項目に重み付けをして、重み値をマクロスコアに合計する回帰方程式に基づいて、英国のマクロスコアを作成する。

マクロスコア記憶装置２４０は、この英国のマクロスコアを記憶する。

１２５０のマクロスコアを有するブラジルなどの他の国に比べて、英国は国全体として企業のリスクが低く、従ってより良いマクロスコア１２８５を有する。これは前述したように、英国のマクロスコアの計算に入れる情報項目から説明され得る。

英国とブラジルのマクロスコアのこの相違は、英国とブラジルとのＧＢＲスコアを、同一条件で比較できるようにするのに役立つ。最終的なＧＢＲスコアは、以下の６つの成分を有する。
１．財務
２．取引
３．不名誉情報
４．信号スコア
５．マクロスコア
６．企業特性

前述の成分１、２、３、及び４のデータ項目について、英国企業とブラジル企業とが同じである場合、マクロスコアと企業特性とが含まれる前に、リスクスコアは同じになる。

成分５、即ちマクロスコアについて、英国はブラジルよりも良いマクロスコアを有するので、英国企業は、ＧＢＲスコアが、１２５０のブラジルよりも良い１２８５となる。

これら２つの企業が、企業年齢、従業員規模、ＳＩＣなどの企業特性が同じであると更に仮定する。ＧＢＲ成分６の企業特性は、企業特性に基づいて異なる国のリスクを計算するための、異なる式を有する。これら２つの企業は、企業特性が同じであっても、計算式／モデルが異なるために、成分６とは異なるリスクスコアを有する。

つまり、最終的なＧＢＲスコアは、マクロスコア及び企業特性スコアを含む、前述の６つの成分の全てを計算に入れたものになる。結果的に、英国とブラジルとの２つの企業は、一貫した測定基準に基づいて、２つの異なる最終ＧＢＲスコアを有することになり、スコアは同一条件で比較され得る。

信号スコア値３００を取得する。

英国企業ＡＢＣの場合、世界的データベース３５０と、企業プロファイル変更データベース３５２とを連結すると、企業プロファイル変更の種類（例えば、ＣＥＯの変更）、並びにＡＢＣの変更の頻度が取得される。マッチ監査データベース３５４は、ＡＢＣの信号データがどれほど活動的かを示す情報、ＡＢＣのマッチ数及び監査数などの情報、並びに信号活動がカバーする時間の長さを提供する。マッチ数及び監査数が多いほど、且つ／又は信号を有する期間が長いほど、ＡＢＣの事業が活発で、且つ／又は取引関係がより多いことを示す。国際間照会データベース３５６は、その企業の国際間照会を含む。照会が多いことは、企業の良い指標にも悪い指標にもなり得るが、比較的長期間にわたってＡＢＣに対する照会がない場合は、ＡＢＣと取引を行うのにリスクがあることを示す。

処理モジュール３１８は、前述の信号データ項目を全てまとめてプールする。回帰モデルは、これらに異なる重みを与えて、重み値を合計して単一の信号スコアにする。

ＧＢＲプロセスには他の計算が用いられてもよいため、以下は説明のために記す。信号データのこの例は、人口統計、財務、及び取引情報によるスコアなどの、ＧＢＲの全ての他の部分にも使用することができる。

ＡＢＣ社は、過去３か月のうちに、国際間照会が１０件あり、これらは７か国からの照会であった。前年に、ＡＢＣのＣＥＯが辞任し、ＡＢＣに対して、３件の否定的なメディア報道があった。

まず、前述の４つの生データ値はそれぞれ、証拠の重み（Ｗｅｉｇｈｔ ｏｆ Ｅｖｉｄｅｎｃｅ、ＷＯＥ）の表に基づいて、予測変数値に変換される。証拠の重みの表は、モデルサンプルに基づいて、モデル化作成プロセス中に、全ての予測変数について作成されたものである。国際間照会の件数の予測変数について、以下に記す。

１．１０（件の照会）は、１．４６（証拠の重み）に変換される。
２．７（か国）は、１．５２（証拠の重み）に変換される。
３．ＣＥＯの変更は、－１．１２（証拠の重み）に変換される。
４．３（件の否定的なメディア報道）は、－０．７４（証拠の重み）に変換される。

ＧＢＲ信号モデルに、前述の証拠の重みの値を適用する。
Ｌｏｇ＿ｏｄｄｓ＝－０．４２０７
－０．７００５＊照会（１．４６）
－０．２１２５＊国（１．５２）
－０．３２８１＊ＣＥＯの変更（－１．１２）
－０．２７８８＊否定的なメディア報道（－０．７４）
＝－１．１９２６
スコア＝１１３０－４０／Ｌｎ（２）＊Ｌｏｇ＿ｏｄｄｓ
＝１０６１

企業ＡＢＣの信号スコアは、１０６１になる。

この信号スコアの範囲は、１００１から１５００までであり、１００１は最もリスクが高く、１５００は、リスクが最も低い。この信号スコアは、利用可能な信号情報のみに基づいた、企業のリスクレベルを示す。

ＡＢＣは、比較的良い信号スコア１４３９を有するが、これは、ＡＢＣに対して利用できる多くのマッチ及び監査、並びに国際間照会があり、ＣＥＯの変更などの企業プロファイルの変更がないことなどによる。

取引データベースグループ１５０のＵＳ取引データベース１５１、及びＵＳ企業データベース１５２、並びに国データベースグループ１６０から、ＧＢＲ世界取引情報４００を取得する。

取引情報は、企業実体の借入債務支払い状況を必然的に含む。ここでは、一般的な企業リスクモデルであるＧＢＲモデルに対し、以下の情報項目を使用した。
１．過去１２か月の取引数
２．即時払いされた支払い
３．期日経過３０日以内に行われた支払い
４．期日経過３１～６０日で行われた支払い
５．期日経過６１～９０日で行われた支払い
６．期日経過９１～１２０日で行われた支払い
７．期日経過１２１～１５０日で行われた支払い
８．期日経過１５１～１８０日で行われた支払い
９．期日経過１８１日以上で行われた支払い

図４の世界の取引相手国４１４は、そのローカルコンピュータ／サーバ／データベースから、ファイル転送プロトコル（ＦＴＰ）の方式で、中央化されたＦＴＰサイト／サーバ４１６に取引データを提供し、これが世界中に拡散される。取引データの選択、変換、導出変数作成モジュール４３２は、全てのローカルデータを１つの最終的な取引データベースに組み合わせて、記憶装置４４０に取引データを記憶する。

データベース１５０及び１６０は、特に、以下の米国（即ちＵＳ取引データベース１５１及びＵＳ企業データベース１５２）その他の国（即ち個別の現地国１６２～１６４のローカルデータベース）の取引情報を含む。米国その他の国についてのこのような情報は、これに限定されないが、以下の情報を含む。
・過去１２か月以内の、取引の詳細が報告された月数
・ペイデックス（Ｐａｙｄｅｘ）スコア
・過去１２か月の未払い金額
・過去１２か月の支払い経歴の合計回数
・過去１２か月の即時払いの回数
・過去１２か月の良好な支払い（０～３０ｄｐｄ）回数
・過去１２か月の３０～６０ｄｐｄの支払い回数
・過去１２か月の６０～９０ｄｐｄの支払い回数
・過去１２か月の９０～１２０ｄｐｄの支払い回数
・過去１２か月の１２０ｄｐｄを越える支払い回数
＊ｄｐｄは、支払い期日経過日数。

図４における、現地国のコンピュータ４１４、及び中央ＦＴＰサイト／サーバ４１６を介して、前述のデータ項目が、まとめてプールされる。

メモリ４３２は、通貨を全てＵＳドルに換算し、生データ項目に基づいて、モデル予測変数を作成し、予測変数は、即時に支払われた（０ｄｐｄ）良好な支払い経歴の割合（０～３０ｄｐｄ）、及び６０ｄｐｄ以上になる、３０ｄｐｄを上回った支払い経歴の割合などである。

取引データ記憶装置４４０は、予測変数を記憶し、これらの予測変数は、ＧＢＲマスタスコア付けモジュールコンピュータ７５０でＧＢＲスコアを作成するために、コンピュータ７０２のＧＢＲマスタ処理モジュールによって使用される。コンピュータ７０２及び７５０により、２つの連続したステップを行うことが可能になる。ＧＢＲマスタ処理モジュール７１０は、全てのマクロ、信号、取引、財務、及び不名誉データをまとめる（図２～図６）。ＧＢＲマスタスコア付けモジュール７５８は、マスタデータベース記憶装置７４０に記憶された情報にＧＢＲモデルを適用し、これによってＧＢＲスコアを作成して記憶装置７９０に記憶させる。

図５は、取引データベースグループ１５０のＵＳ取引データベース１５１、及びＵＳ企業データベース１５２、並びに国データベースグループ１６０から、ＧＢＲ財務情報５００を取得する。

データベース１５０及び１６０は、特に、以下のＵＳ（データベース１５１及び１５２）、他の国（データベース１６２～１６４）の財務情報を含む。
・過去３年間の最新の財務諸表の日付
・最新の財務諸表の総資産
・最新の財務諸表の純資産
・純利益
・現金及び現金等価物の額

図５のローカルコンピュータ５１４、及びサーバ５１６を介して、前述のデータ項目が、まとめてプールされる。

財務データ選択、変換、導出変数作成モジュール５３２は、全ての通貨をＵＳドルに換算し、前述の生データ項目に基づいて、総資産利益率（ＲＯＡ）、及び最新の財務諸表の最新取引日（Ｒｅｃｅｎｃｙ）などの予測変数を作成する。

財務データ記憶装置５４０は、予測変数を記憶し、これらの予測変数は、ＧＢＲマスタスコア付けコンピュータ７５０でＧＢＲスコアを作成するために、ＧＢＲマスタ処理コンピュータ７０２によって使用される。

図６は、取引データベースグループ１５０のＵＳ取引データベース１５１及びＵＳ企業データベース１５２、並びに国データベースグループ１６０から、ＧＢＲ世界不名誉情報６００を取得する方法を示す。

データベース１５０及び１６０は、特に、以下のＵＳ（データベース１５１及び１５２）、他の国（データベース１６２～１６４）の不名誉情報を含む。
・過去７年間の回収額（年数は市場によって異なる）
・過去７年の訴訟件数（年数は市場によって異なる）
・過去７年の役員の判決額（年数は市場によって異なる）
・過去７年の役員の破綻件数（年数は市場によって異なる）
・最後に不名誉なイベントが起きてからの月数

図６のローカルコンピュータ６１４、及びサーバ６１６を介して、前述のデータ項目が、まとめてプールされる。

不名誉データ選択、変換、導出変数作成モジュール６３２は、全ての通貨をＵＳドルに換算し、債権回収を受けた（１／０）、役員の破綻があった（１／０）などの、フラグ／ダミー予測変数を作成する。不名誉データ記憶装置６４０は、予測変数を記憶し、これらの予測変数は、ＧＢＲマスタスコア付けコンピュータ７５０でＧＢＲスコアを作成するために、ＧＢＲマスタ処理コンピュータ７０２によって後で呼び出される。

英国企業ＡＢＣについての、図２～図６のステップに関する前述の説明を、世界的データベース１１０からのＡＢＣの企業特性情報と合わせて、図７のＧＢＲマスタ処理モジュール７１０は、このような企業特性情報、記憶装置２４０のマクロスコア、記憶装置３３０の信号スコア、取引データ記憶装置４４０の取引データ、財務データ記憶装置５４０の世界財務データ、並びに不名誉データ記憶装置６４０の世界不名誉情報データを、企業レベルでマッチさせる、且つ／又は結合する。言い換えれば、マスタ処理モジュール７１０は、各企業が１つのみの記録を有する、マスタデータファイルを作成する。ＡＢＣ社の事例では、マスタ処理モジュール７１０は、前述した企業特性データフィールド（例えば、企業年齢、従業員規模、ＳＩＣ）、取引、財務、及び不名誉情報変数データフィールド、並びにその信号スコア、及び英国のマクロスコアを横並びにして、データファイルを組み立てる。

マスタデータベース記憶装置７４０は、通常は前述の情報を、各行が企業に対応し、各列がデータフィールドに対応するマトリクスの形態で、大きいデータベースの中に記憶する。ＡＢＣの事例では、記憶装置７４０は、予測変数値の多数の列を有する、１レコードのデータファイルである。ＡＢＣ社の複数の取引記録を使用するのではなく、企業ごとに１レコードの集約情報を使用することにより、コンピュータの処理ステップ、及び最終的なＧＢＲスコアを作成する時間を節約する。

図８に示すように、全ての必要な情報がすぐにスコア付けできるようになっている記憶装置７４０から開始して、図７のマスタスコア付けモジュール７５８は、以下の図８のステップを通じて、ＧＢＲスコアを作成する。

まず、取引データ又は財務データが、ＡＢＣに対して利用できるかどうかチェックする。
１．ＡＢＣに対して利用できる取引データも財務データもない場合は、企業特性、又は信号スコアが利用可能かどうかチェックする。
・ＡＢＣの企業特性、又は信号スコアがない場合は、Ｍａｃｒｏ＿Ｍｏｄｅｌを適用してＧＢＲスコアを作成し、ＧＢＲスコアを記憶装置７９０に保存する。
・ＡＢＣに企業特性、又は信号スコアがある場合は、ＧＢＲスコアを作成するためにｆｉｒｍｏｇｒａｐｈｉｃｓ＿ｓｉｇｎａｌ＿ｍｏｄｕｌｅを適用して、ＧＢＲスコアを記憶装置７９０に保存する。
２．ＡＢＣに取引又は財務データ項目がある場合は、その財務データが利用可能かどうかをチェックする。
・利用可能な財務データがない場合は、ＧＢＲスコアを作成するためにｔｒａｄｅ＿ｄｅｒｏｇａｔｏｒｙ＿ｆｉｒｍｏｇｒａｐｈｉｃｓ＿ｓｉｇｎａｌ＿ｍａｃｒｏ＿ｍｏｄｅｌを適用して、ＧＢＲスコアを記憶装置７９０に保存する。
・財務データがある場合は、取引データが利用可能かどうかチェックする。
○利用可能な取引データがない場合は、ＧＢＲスコアを作成するためにｆｉｎａｎｃｉａｌ＿ｄｅｒｏｇａｔｏｒｙ＿ｆｉｒｍｏｇｒａｐｈｉｃｓ＿ｓｉｇｎａｌ＿ｍａｃｒｏ＿ｍｏｄｅｌを適用して、スコアを記憶装置７９０に保存する。
○取引データが利用可能な場合は、ｆｉｎａｎｃｉａｌ＿ｔｒａｄｅ＿ｄｅｒｏｇａｔｏｒｙ＿ｆｉｒｍｏｇｒａｐｈｉｃｓ＿ｓｉｇｎａｌ＿ｍａｃｒｏ＿ｍｏｄｅｌを適用して、スコアを記憶装置７９０に保存する。

前述のステップの後に、ＡＢＣが取引情報及び財務情報を有し、入力された不名誉情報データフィールドがないことが分かったと仮定する。取引データフィールドの中で、全ての取引が即時に支払われており、滞納データフィールドに全て０が入力されている。財務データ項目の中で、ＡＢＣは昨年度末現在の、その直近の財務諸表を提出しており、総資産利益率に関して、事業は良好である。

ＧＢＲスコアを作成するために、Ｆｉｎａｎｃｉａｌ＿Ｔｒａｄｅ＿Ｄｅｒｏｇａｔｏｒｙ＿Ｆｉｒｍｏｇｒａｐｈｉｃｓ＿Ｓｉｇｎａｌ＿Ｍａｃｒｏ＿ｍｏｄｅｌが使用され、ＧＢＲ生スコアは１５２０になる。

ＧＢＲの最終出力は、予測成分と、記述成分とからなる。予測成分は、ＧＢＲ生スコアから得られ、生スコアを、予め定められた分割点に基づき、「１５」を最も高リスクとする１５の区分にランク付けする。記述成分は、「Ａ」を最強、「Ｇ」を最弱とするデータ深度、又はデータ利用可能性を示す。ＧＢＲは、信頼性の高い企業評価に利用できる予測データに視覚性を与える、データ深度の測定値を使用する。データ深度成分は、企業の将来像の査定に用いられる、予測データのレベルに洞察を加える、信頼係数として作用する。

１５２０のＧＢＲ生スコアと、取引情報及び財務情報のデータの利用可能性とに基づいて、ＧＢＲマスタスコア付けモジュール７５８は、ＧＢＲの最終出力「４Ａ」をＡＢＣに割り当てる。

英国のアカウントのスコア４は、基礎となるデータの深度にかかわらず、リスク傾向に関してはブラジルと同じであることを意味する。

最終的に、「４Ａ」のスコアは、図１のＧＢＲスコア記憶装置８００に保存される。

以下は、図９～図１１の詳細な説明である。

図９は、モデルサンプルの倒産率情報を調整するために、国の調整係数を作成する方法を開示する。これは、ＧＢＲモデルを作成しているときに、どのようにデータの欠点を克服するかの一例である。

図１０及び図１１は、マクロモデルがどのように作成されたかのプロセスを示す。

図２は、前述した、マクロスコアがどのように作成されるかのプロセスを示す。

図９について、ＧＢＲモデル作成段階の間に、ステップ９０５は、サーバ２０２及び２０４、並びにデータベース２０６、２０８、２１０、及び２１２から、倒産の時系列と、様々なマクロ経済時系列変数との間で相関試験を行う。

ステップ９１５では、倒産率の予測値を作成するために、まず、サーバ２０２及び２０４、並びにデータベース２０６、２０８、２１０、及び２１２の全てのマクロ経済変数に基づく主成分と、回帰分析との組み合わせを用いてランク調整係数を作成する。実際の倒産率に対する予測の比率である、ランク調整係数は、その後に作成される。利用可能なデータに見られる、実際の国の倒産率ではなく、この予想される倒産を用いる理由は、データ範囲の偏りを除去するためである。倒産情報の収集は、国によって大きく異なる。例えば、ブラジルに見られる倒産率は、英国よりも低い／良好であるが、これは、ブラジルでは倒産情報が十分に収集されていないためである。

ステップ９２５は、モデルサンプルの実際の倒産率を調整するために、予測された倒産率、並びにランク調整係数を記憶する。ＧＢＲモデルの作成には、この調整済み倒産率が用いられる。

図１０及び図１１のマクロスコア１０６０は、全ての国に関連する。このステップは、図１のマクロスコア２００に対応する。図７のＧＢＲマスタ処理及びスコア付け７１０は、マクロスコアを、信号、取引、財務、不名誉情報と組み合わせる。図９のステップ９２５では、ランク調整済み従属変数を作成する。ステップ９２５の結果は、ＧＤＰ成長率などの他のマクロ情報とともに、ステップ１０６０でマクロスコアを作成するために使用される。図１０のステップ１０２５において、主に発展途上国の中で、国のマクロデータが少ない場合は、通常は取引、財務、不名誉情報、及び信号データもまた豊富ではなく、これは、データ収集のための情報構造があまり発達していないことによる。利用できる情報が少ないために、これらの国の予測変数に多くの欠損値があることが原因で、最終的なＧＢＲスコアの精度に悪影響を及ぼす。

１０５５のモデルは、必要とされる変数を用いて、英国のマクロスコア（例えば、低リスクスコアである、英国のマクロスコア＝１５３９）を作成する。この英国のマクロスコアは、信号スコアについて詳細な数式及び計算を用いて前述したように、マクロスコアが信号スコアとは異なる数式及び計算を用いることを除き、同じ方法に従う。通常、１０００～１２００はリスクスコアが高く、１５００以上は、リスクスコアが低い。

図３のデータベース３５０～３５６は、全ての利用可能な信号データ項目をプールし、処理モジュール３１８（即ち回帰方程式）は、ＡＢＣの信号スコア（例えば、中レベルのリスクスコアである、ＡＢＣの信号スコア＝１４３５）を作成する。

図１は、英国のローカルデータベース１６２において、豊富な取引データを利用できることを示す。ローカルデータベース１６２において、企業が３つ以上の取引情報を有する場合は、取引が多いとみなす。取引が多いと、不名誉情報（リスクがより低いことを示す）も財務情報も利用できなくても、豊富なデータを利用できるために、スコアの精度が高まる。図１のＧＢＲ世界取引情報４００は、ＵＫローカルデータベース１６２から、ＡＢＣ社の取引情報を抽出する。

図７のＧＢＲマスタ処理モジュール７１０は、ＡＢＣの企業特性、マクロスコア、信号スコア、及び取引情報をまとめてプールする。マスタデータベース記憶装置７４０は、結果を保存する。

図７のＧＢＲマスタスコア付けモジュール７５８は、例えば、図８において説明したロジックの流れ図に従って、ＡＢＣのＧＢＲスコアを作成する。

「開始７５８」から開始して、システムは、取引情報、又は財務情報のいずれかが利用可能かどうかを判定する（８０１）。いずれかが利用可能な場合、システムは、財務情報が利用可能かどうかをチェックする（８０３）。財務情報が利用できない場合、システムは、「ＳＣＯＲＥＣＡＲＤ：取引／不名誉情報／企業特性／信号／マクロモデル」８０５に進み、７４０の利用可能なデータを全て使用して、ＡＢＣのＧＢＲスコア（ＧＢＲ＝「４Ｃ」）を作成し、ここで「４」は低リスクを示し、「Ｃ」はデータの利用可能性及びスコアの信頼度が良好なことを示す。「４Ｃ」のスコアは、ＧＢＲスコア記憶装置８００に保存される。

財務情報が利用可能な場合は、システムは、取引情報が利用可能かどうかをチェックする（８０７）。利用可能な取引情報がない場合、システムは「ＳＣＯＲＥＣＡＲＤ：

財務／不名誉情報／企業特性／信号／マクロモデル」８０９に進み、７４０の利用可能なデータを全て使用して、ＡＢＣのＧＢＲスコア（ＧＢＲ＝「４Ｃ」）を作成し、ここで「４」は、低リスクを示し、「Ｃ」は、データの有用性及びスコアの信頼度が良好なことを示す。「４Ｃ」のスコアは、ＧＢＲスコア記憶装置８００に保存される。

財務情報、及び取引情報が両方とも利用できない場合、システムは、「ＳＣＯＲＥＣＡＲＤ：財務／取引／不名誉情報／企業特性／信号／マクロモデル」８１１に進み、７４０の利用可能なデータを全て使用して、ＡＢＣのＧＢＲスコア（ＧＢＲ＝「４Ｃ」）を作成し、ここで「４」は低リスクを示し、「Ｃ」はデータの有用性及びスコアの信頼度が良好なことを示す。「４Ｃ」のスコアは、ＧＢＲスコア記憶装置８００に保存される。

８０１において、財務情報、又は取引情報がいずれも利用可能でない場合は、システムは、８１３において、企業特性、又は信号データが利用可能かどうかをチェックする。Ｙｅｓの場合、システムは、「ＳＣＯＲＥＣＡＲＤ：企業特性／信号／モデル」８１５に進み、７４０の利用可能なデータを全て使用して、ＡＢＣのＧＢＲスコア（ＧＢＲ＝「４Ｃ」）を作成し、ここで「４」は、低リスクを示し、「Ｃ」は、データの有用性及びスコアの信頼度が良好なことを示す。「４Ｃ」のスコアは、ＧＢＲスコア記憶装置８００に保存される。

企業特性、又は信号データがいずれも利用できない場合、システムは、「ＳＣＯＲＥＣＡＲＤ：マクロ」８１７に進み、７４０の利用可能なデータを全て使用して、ＡＢＣのＧＢＲスコア（ＧＢＲ＝「４Ｃ」）を作成し、ここで「４」は低リスクを示し、「Ｃ」はデータの有用性及びスコアの信頼度が良好なことを示す。「４Ｃ」のスコアは、ＧＢＲスコア記憶装置８００に保存される。

本開示は、その好ましい形態を特に参照して説明されているが、添付の特許請求の範囲で規定されるように、本開示の精神及び範囲から逸脱することなく、様々な変更及び修正を行ってもよいことは明らかであろう。

Claims (18)

1. 少なくとも複数の国から取得した国別データに基づく、世界企業ランキングをリアルタイムに作成するためのネットワークシステムのための方法であって、
   複数の国データ収集システムから国別データを収集することであって、前記国別データが複数の国ソースから収集される、ことと、
   前記の収集されたデータを変換エンジン内に受信することと、
   前記変換エンジンにより、前記の収集されたデータを、国の取引データ、国の財務データ、及び国の不名誉情報からなるグループから選択した少なくとも１つに分類することと、
   マクロスコアプロセッサにおいて、１つの国における企業の全体的なリスクを示すマクロスコアデータを作成することと、
   信号スコアプロセッサにおいて、企業活動及び照会を示す信号スコアデータを作成することと、
   データ／属性リポジトリにおいて、結合データを形成するために、前記の国の取引データ、国の財務データ、及び／又は国の不名誉情報を、（ｉ）世界的データベースからのデータ、（ｉｉ）前記マクロスコアデータ、及び／又は（ｉｉｉ）前記信号スコアデータと結合し、前記結合データを、世界取引データ、世界財務データ、及び世界不名誉情報からなるグループから選択した少なくとも１つ以上に分類することと、
   世界企業ランキングプロセッサにより、前記データ／属性リポジトリによって分類された前記の世界取引データ、世界財務データ、及び／又は世界不名誉情報のいずれかをリアルタイムに取得し、特定の企業実体の前記世界企業ランキングを作成することと、
   を含む、方法。
2. 前記世界企業ランキングプロセッサが、混合モジュールを含み、前記方法が、前記世界取引データ、世界財務データ、及び／又は世界不名誉情報のいずれか、又は全てが不完全であっても、不足している情報又はデータを埋めるための統計モデル又は企業ナレッジを利用して前記世界企業ランキングを作成することを更に含む、請求項１に記載の方法。
3. 前記世界企業ランキングを、世界企業ランキングリポジトリに記憶することを更に含む、請求項２に記載の方法。
4. 前記変換エンジンにより、国別のロジック及び／又はルールに従って、前記の収集されたデータを変換、標準化、及び／又は要約することによって、前記の収集されたデータを処理することを更に含む、請求項１に記載の方法。
5. 前記国データ収集システムにより、前記複数の国ソースからの、前記国別データの並列処理をすることを更に含む、請求項１に記載の方法。
6. 前記世界企業ランキングリポジトリにより、前記国別データの全てのダウンロード及び／若しくは処理を待つ必要なく、前記企業実体の前記世界企業ランキングを下流に流すこと、又は前記企業実体の前記世界企業ランキングをリアルタイムで継続的にユーザに供給すること を更に含む、請求項５に記載の方法。
7. 前記世界企業ランキングプロセッサを介して作成された前記世界企業ランキングを改善するために、前記ユーザに提供された前記世界企業ランキングを、人工知能を介して、前記世界企業ランキングプロセッサにフィードバックすること を更に含む、請求項６に記載の方法。
8. 前記人工知能がニューラルネットである、請求項７に記載の方法。
9. 前記のマクロスコアデータを作成することが、
   国別ＧＤＰ成長率の過去複数年間の履歴データを収集することと、
   国別に、前記過去複数年間のＧＤＰ成長率の標準偏差の履歴を作成することと、
   国際平均標準偏差に対する、前記国のＧＤＰ成長率標準偏差の比率に基づいて、相対ボラティリティ予測変数を作成することと、
   入力変数を処理することと、
   前記マクロスコアデータを処理することと、
   を含む、請求項１に記載の方法。
10. 前記のマクロスコアを処理することが、
    第１の組の入力変数を取得することと、
    第２の組の入力変数を取得することと、
    前記の第１及び第２の組の入力変数に対し、過去複数年間の時系列パネルを抽出することと、
    前記の第１及び第２の組の入力変数に予測変数の欠損が１つ以上ある国にフラグを立てることと、
    を更に含む、請求項９に記載の方法。
11. 前記入力変数は、インフレ、経常収支、バランス、為替相場、輸入カバー、失業率、インターネットユーザの割合、政治的安定度、及びメディア報道における、ニュースイベントの平均的な論調からなるグループから選択した変数を含む、請求項９に記載の方法。
12. 前記の信号スコアデータを作成することは、
    前記世界的データベース及び企業プロファイルデータベースから、企業の変更の頻度のデータ信号項目を取得することと、
    マッチ監査データベースから、活動の頻度のデータ信号項目を取得することと、
    国際間照会データベースから、国際間照会のデータ信号項目を取得することと、
    前記信号スコアデータを取得するために、前記信号データ項目を処理することと、
    を含む、請求項１に記載の方法。
13. 少なくとも複数の国から取得した国別データに基づく、世界企業ランキングをリアルタイムに作成するためのネットワークシステムであって、
    複数の国データ収集システムであって、前記国別データが複数の国ソースから収集される、国別データ収集システムと、
    前記の収集されたデータを受信して、国の取引データ、国の財務データ、及び国の不名誉情報からなるグループから選択した少なくとも１つに分類する、変換エンジンと、
    国に関するデータを処理して、１つの国における企業の全体的なリスクを示すマクロスコアデータを作成する、マクロスコアプロセッサと、
    企業活動及び照会を示す信号スコアデータを作成する、信号スコアプロセッサと、
    結合データを形成するために、前記の国の取引データ、国の財務データ、及び／又は国の不名誉情報を、（ｉ）世界的データベースからのデータ、（ｉｉ）前記マクロスコアデータ、及び／又は（ｉｉｉ）前記信号スコアデータと結合し、前記結合データを、世界取引データ、世界財務データ、及び世界不名誉情報からなるグループから選択した少なくとも１つ以上に分類する、データ／属性リポジトリと、
    前記データ／属性リポジトリによって分類された前記の世界取引データ、世界財務データ、及び／又は世界不名誉情報のいずれかをリアルタイムに取得し、特定の企業実体の前記世界企業ランキングを作成する、世界企業ランキングプロセッサと、
    を備え、
    前記マクロスコアプロセッサは、複数の国データベース、世界銀行データベース、マクロ経済データベース、及び感情分析データベースに接続され、
    前記信号スコアプロセッサは、前記世界的データベース、企業プロファイルデータベース、及びマッチ監査データベースに接続されている
    ことを特徴とする、システム。
14. 前記世界企業ランキングプロセッサが、前記世界取引データ、世界財務データ、及び／又は世界不名誉情報のいずれか、又は全てが不完全であっても、不足している情報又はデータを埋めるための統計モデル又は企業ナレッジを利用して前記世界企業ランキングを作成する、混合モジュールを含む、請求項１３に記載のシステム。
15. 前記世界企業ランキングが、世界企業ランキングリポジトリに記憶される、請求項１４に記載のシステム。
16. 前記国データ収集システムが、前記複数の国ソースからの、前記国別データの並列処理を含む、請求項１３に記載のシステム。
17. 前記マクロスコアプロセッサが、
    国別ＧＤＰ成長率の過去複数年間の履歴データを収集し、
    国別に、前記過去複数年間のＧＤＰ成長率の標準偏差の履歴を作成し、
    国際平均標準偏差に対する、前記国のＧＤＰ成長率標準偏差の比率に基づいて、相対ボラティリティ予測変数を作成し、
    入力変数を処理し、
    前記マクロスコアデータを作成する
    ように構成される、請求項１３に記載のシステム。
18. 前記信号スコアプロセッサが、
    前記世界的データベース及び前記企業プロファイルデータベースから、企業の変更の頻度のデータ信号項目を取得し、
    前記マッチ監査データベースから、活動の頻度のデータ信号項目を取得し、
    前記国際間照会データベースから、国際間照会のデータ信号項目を取得し、
    前記信号スコアデータを取得するために、前記信号データ項目を処理する
    ように構成される、請求項１３に記載のシステム。

Images