JP7133891B2 - 不動産に基づく地域の信用力を推定するプログラム、装置及び方法 - Google Patents
不動産に基づく地域の信用力を推定するプログラム、装置及び方法 Download PDFInfo
- Publication number
- JP7133891B2 JP7133891B2 JP2019114289A JP2019114289A JP7133891B2 JP 7133891 B2 JP7133891 B2 JP 7133891B2 JP 2019114289 A JP2019114289 A JP 2019114289A JP 2019114289 A JP2019114289 A JP 2019114289A JP 7133891 B2 JP7133891 B2 JP 7133891B2
- Authority
- JP
- Japan
- Prior art keywords
- user
- characteristic score
- area
- score
- regional
- 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
- 238000000034 method Methods 0.000 title claims description 13
- 238000011156 evaluation Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 11
- 238000011867 re-evaluation Methods 0.000 claims description 11
- 230000006866 deterioration Effects 0.000 claims description 4
- 230000006872 improvement Effects 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims 3
- 238000010586 diagram Methods 0.000 description 14
- 238000000605 extraction Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 2
- 230000001934 delay Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 208000001613 Gambling Diseases 0.000 description 1
- 230000004308 accommodation Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Description
不動産投資ファンドとして、J-REIT(Japan Real Estate Investment Trust)がある。これは、複数の商業用不動産を裏付け資産として、株や債券を代替した証券化金融商品であり、証券取引所に上場し、日々売買されている。
J-REITとは、投資家からSPC(特別目的会社)に集められた資金で商業用不動産を購入し、テナント(賃借人)の賃料収入や、保有不動産の売買収益に基づく運用益を狙うものである。この運用益から、株の配当金にあたる分配金が、投資家に支払われる。REITの評価に重要な情報として、「物件価値」と「運用収益率」とがある。
(事例1)マンションであれば、周辺に学校があるほど物件価値は高まり、呑み屋繁華街があるほど物件価値は下がる。
(事例2)ショッピングモールである場合、周辺に住宅街があるほど物件価値が高まる。
(事例1)週末に、図書館に滞在するユーザは、仕事や自己研鑽に熱心であって、信用力が高いと推定できる。
(事例2)週末に、パチンコ店や競馬場に滞在するユーザは、高リスク愛好的やギャンブル依存的であって、信用力が低いと推定できる。
このように考えると、ユーザ特性としての信用力は、そのユーザが滞在する位置に応じて推定できるとも言える。
また、ユーザの現在の職業又は現在の収入と、ユーザの環境変化への対応力を示すスコアとから、ユーザの将来の経済状態又は与信を判断する技術もある(例えば特許文献2参照)。
更に、個人を対象とした信用情報を判定するために、ユーザが利用する端末装置の位置情報と、当該ユーザが過去に所定の金融サービスに登録したユーザ情報に関する位置情報とを比較して、その位置情報の変化に基づいて、ユーザ情報の変化を判定する技術もある(例えば特許文献3参照)。この技術によれば、ユーザの行動履歴から、融資申し込みにおける申告内容の正しさの確認と、時間経過による内容の変化とを検知し、タイムリーに与信債権を管理することができる。
J-REITの商品価格には、「物件価値」が大きく影響する。しかしながら、投資家は、物件価値の変動リスクを抱えなければならず、この不透明性が、投資家や関係者(規制当局、格付け機関、証券会社、信託銀行など)にとって、投資難易度を高める大きな課題となっている。
また、潜在的な課題として、例えば地域の信用力が高い対象物件(例えば図書館)であったとしても、そこに滞在する全てのユーザが高い信用力とは判定できない。同様に、例えば地域の信用力が低い対象物件(例えばパチンコ店)であったとしても、そこに滞在する全てのユーザが低い信用力とも判定できない。逆に、パチンコ店に滞在するユーザの信用力が高く、図書館に滞在するユーザの信用力は低いという可能性もある。
更に、同一種類の対象物件が第1地域と第2地域と別々に存在する場合、第1地域の対象物件には、高い信用力のユーザが多く滞在し、第2地域の対象物件には、低い信用力のユーザが多く滞在する場合もある。
このように、各地域の信用力から、その地域に滞在するユーザの信用力を評価することは、極めて困難な作業負担を生じる。
ユーザに所持された携帯端末における時系列の位置と、当該ユーザのユーザ特性スコアとを蓄積したユーザ位置データベースと、
ユーザ位置データベースを用いて、所定時間帯毎に、各地域に滞在する複数のユーザのユーザ特性スコアを抽出するユーザ特性スコア抽出手段と、
所定時間帯毎に、各地域について、当該地域に滞在する複数のユーザにおける推定対象のユーザ特性スコアの総和又は分散に基づいて、当該地域の地域特性スコアを算出する地域特性スコア算出手段と、
地域特性スコアを、不動産投資信託又は証券化商品における当該地域の不動産の評価値として推定する不動産評価値推定手段と
してコンピュータを機能させることを特徴とする。
ユーザ特性スコアは、当該ユーザの信用力であり、
地域特性スコアは、当該地域の信用力である
ようにコンピュータを機能させることも好ましい。
ユーザの信用力は、当該ユーザが所有する任意の商品役務に対する料金支払いに基づく情報である
ようにコンピュータを機能させることも好ましい。
所定時間帯毎に、各地域に付与された地域特性スコアが高いほど、当該地域の色合いの階調を濃く(又は薄く)表示した地域特性マップを作成する地域特性マップ作成手段と
して更にコンピュータを機能させることも好ましい。
地域特性マップ作成手段は、地域特性マップをフレームとして時系列に並べ、時間進行に応じた動画を更に作成する
ようにコンピュータを機能させることも好ましい。
地域特性スコア算出手段について、時間帯Tkにおける地域Mjの地域特性スコアBj(Tk)は、以下のように、ユーザ特性スコアAiのユーザiが、時間帯Tkにおける地域Mjに滞在する確率P(Ai|Mj,Tk)の乗算値を、全てのユーザiについて総和したものである
Bj(Tk)=Σi(Ai×P(Ai|Mj,Tk))
ようにコンピュータを機能させることも好ましい。
時間帯T1に第1地域M1に滞在し、時間帯T2に第2地域M2に滞在するユーザ(H1)のユーザ特性スコアQ(H1)を、以下のように再評価するユーザ特性スコア再評価手段と
Q(H1)=B1(T1)+B2(T2)
=Σi(Ai×P(Ai|M1,T1))+Σi(Ai×P(Ai|M2,T2))
して更にコンピュータを機能させることも好ましい。
ユーザ位置データベースに蓄積されたユーザ(H1)の過去のユーザ特性スコアと、ユーザ特性スコア再評価手段によって再評価されたユーザ(H1)のユーザ特性スコアQ(H1)とを比較し、ユーザ(H1)のユーザ特性スコアの改善又は悪化を判定するユーザ与信推定手段と
してコンピュータを機能させることも好ましい。
また、本発明のプログラムにおける他の実施形態によれば、
ユーザ与信推定手段は、
過去のユーザ特性スコアが再評価されたユーザ特性スコアQ(H1)より大きい場合には、ユーザ(H1)の信用力が改善する可能性が高いと判断し、
過去のユーザ特性スコアと再評価されたユーザ特性スコアとが等しい場合には、ユーザ(h1)の信用力に変化がない可能性が高いと判断し、
過去のユーザ特性スコアが再評価されたユーザ特性スコアより小さい場合には、ユーザ(h1)の信用力が悪化する可能性が高いと判断する
ようにコンピュータを機能させることも好ましい。
更に、本発明のプログラムにおける他の実施形態によれば、
ユーザ位置データベースについて、時系列の位置は、ユーザに所持された携帯端末によって測位された端末測位位置、及び/又は、基地局に接続した携帯端末の滞在範囲に基づく基地局測位位置である
ようにコンピュータを機能させることも好ましい。
ユーザに所持された携帯端末における時系列の位置と、当該ユーザのユーザ特性スコアとを蓄積したユーザ位置データベースと、
ユーザ位置データベースを用いて、所定時間帯毎に、各地域に滞在する複数のユーザのユーザ特性スコアを抽出するユーザ特性スコア抽出手段と、
所定時間帯毎に、各地域について、当該地域に滞在する複数のユーザにおける推定対象のユーザ特性スコアの総和又は分散に基づいて、当該地域の地域特性スコアを算出する地域特性スコア算出手段と、
地域特性スコアを、不動産投資信託又は証券化商品における当該地域の不動産の評価値として推定する不動産評価値推定手段と
を有することを特徴とする。
装置は、ユーザに所持された携帯端末における時系列の位置と、当該ユーザのユーザ特性スコアとを蓄積したユーザ位置データベースを有し、
装置は、
ユーザ位置データベースを用いて、所定時間帯毎に、各地域に滞在する複数のユーザのユーザ特性スコアを抽出する第1のステップと、
所定時間帯毎に、各地域について、当該地域に滞在する複数のユーザにおける推定対象のユーザ特性スコアの総和又は分散に基づいて、当該地域の地域特性スコアを算出する第2のステップと、
地域特性スコアを、不動産投資信託又は証券化商品における当該地域の不動産の評価値として推定する第3のステップと
を実行することを特徴とする。
そうであれば、不動産の対象物件における「物件価値」を、その不動産の周辺に滞在するユーザのユーザ特性から認識することができるのではないか、と考えた。
このような情報は、不動産の購入者や契約者にとって有益なものとなるだけでなく、例えばJ-REITの投資家や関係者にとっても投資判断に有益なものとなる。
(1)事業所主体型:例えば会社ビルや工場
(2)住居主体型:例えばマンションや住宅地域
(3)商業施設主体型:例えばショッピングモールやパチンコ店
(4)ホテル主体型:例えば宿泊施設や会議場
(5)公共施設主体型:例えば図書館
(6)ヘルスケア施設主体型:例えばスポーツジム
(7)(1)~(6)の統合・複合型
(8)その不動産を利用する「企業」の価値判断:例えば企業買収の際に利用可能
「ユーザ特性スコア」:ユーザの信用力
「地域特性スコア」 :地域の信用力
ユーザの信用力とは、例えばそのユーザが所有する任意の商品役務に対する料金支払いに基づく情報であってもよい。
具体的には、例えば携帯電話料金の延滞回数が多いユーザの信用力(ユーザ特性スコア)は低くなる。
ユーザ特性スコア=f(延滞回数)
f():延滞回数からユーザ特性スコアに換算する関数
一方で、低いユーザ特性スコアのユーザが多く滞在する地域は、その地域特性スコアも低く推定される。例えば地域を、企業Bの地域とすると、その企業B自体の地域特性スコアも低く推定される。
(注目点1)同一種別の店舗があっても、地域毎に、異なるユーザ特性スコアのユーザが多く滞在する場合がある。
例えば同一チェーンの店舗であっても、第1地域には高い信用力のユーザが多く滞在するのに対して、第2地域には低い信用力のユーザが多く滞在する場合がある。
例えば昼間帯には勤務中のサラリーマンも多く、地域の信用力が高くても、夜間帯には呑み屋繁華街が多く開店し、地域の信用力は低くなる場合がある。
この場合、地域毎に、各時間帯について地域特性スコアを推定する必要がある。
例えば、以前にはレストランであった場所が、ペットショップを経て、現在では葬儀場になっている場合もある。
ここで、ユーザ特性スコア及び地域特性スコアとしての「信用力」とは、料金の支払い能力に限るものではなく、ユーザ属性(年齢や性別など)であってもよい。その場合、メッシュ的に又はキューブ的に、ユーザと地域と特性スコアとを対応させて特徴付ける。例えば、信用力の調査、プロモーション、与信ポートフォリオの管理などに応用することもできる。
このように、全てのユーザのユーザ特性スコアが、その滞在時刻毎に、移動した各地域の地域特性スコアに影響を与えることとなる。
推定装置1は、ユーザ位置データベース10と、ユーザ位置収集部101と、ユーザ特性スコア抽出部11と、地域特性スコア算出部12と、地域特性マップ作成部13と、不動産評価値推定部14と、ユーザ特性スコア再評価部15と、ユーザ与信推定部16とを有する。これら機能構成部は、装置に搭載されたコンピュータを機能させるプログラムとして実現される。また、これら機能構成部の処理の流れは、地域特性推定方法としても理解できる。
ユーザ位置データベース10は、ユーザに所持された携帯端末2における時系列の位置と、当該ユーザのユーザ特性スコアとを蓄積したものである。
ユーザ位置データベース10に蓄積された位置とは、例えば以下のようなものである。
(1)ユーザに所持された携帯端末2によって測位された端末測位位置
これは、携帯端末2が自ら、GPS(Global Positioning System)によって測位された緯度経度情報である。
(2)通信事業者の基地局に接続した携帯端末の基地局測位位置
これは、携帯端末2を配下とする基地局3の位置情報から、携帯端末2の位置を推定したものである。この位置情報は、空間的粒度が粗いものとなるが、所定圏における多数のユーザの滞在地人口を推定するビッグデータとしては、十分に有用なものである。
これら位置情報は、緯度経度又は地図座標によって表記されるものであってもよいし、住所名や地図メッシュ番号に変換されたものであってもよい。
ユーザ特性スコア抽出部11は、ユーザ位置データベース10を用いて、所定時間帯毎に、各地域に滞在する複数のユーザのユーザ特性スコアを抽出する。これらユーザ特性スコアは、地域特性スコア算出部12へ出力する。
[ユーザi,ユーザ特性スコアAi,時刻,位置]
[ユーザi,ユーザ特性スコアAi,時間帯Tk,地域Mj,潜在確率P]
ここで、ユーザ特性スコアAiのユーザiが、時間帯Tkに地域Mjに滞在する潜在確率Pは、以下のよう表される。
P(Ai|Mj,Tk)
潜在確率Pは、条件付き確率(Conditional Probability)であり、時間帯Tkに、地域Mjの条件下で、ユーザ特性スコアAiとなる確率をいう。
[時間帯Tk,地域Mj,ユーザ特性スコアAi,潜在確率P]
尚、地域を細分化するほど、生活を常に共にするユーザと信用力とが近しくなる。
地域特性スコア算出部12は、時間帯Tk毎に、各地域Mjについて、当該地域Mjに滞在する複数のユーザiにおける推定対象のユーザ特性スコアAiの総和に基づいて、当該地域Mjの地域特性スコアBj(地域Mjの信用力)を算出する。
尚、ユーザ特性スコアAiの総和ではなく、分散であってもよいし、分布や標準偏差のような散らばり度合いであってもよい。
それら地域特性スコアBjは、不動産評価値推定部14へ出力される。
また、他の実施形態として、ユーザ特性スコア再評価部13及び/又は地域特性マップ作成部14へ出力されるものであってもよい。
Bj(Tk)=Σi(Ai×P(Ai|Mj,Tk))
この場合、地域M1に滞在するユーザがユーザ特性スコアA1である確率は、地域特性スコアB1を用いて、以下のように表される。
P(A1|B1)=P(B1|A1)P(A1)/{P(B1|A1)P(A1)+P(B1|A2)P(A2)}
また、地域M1に滞在するユーザがユーザ特性スコアA2である確率は、地域特性スコアB1を用いて、以下のように表される。
P(A2|B1)=P(B1|A2)P(A2)/{P(B1|A1)P(A1)+P(B1|A2)P(A2)}
P(A1|{X1∈M1})=P(A1∩{X1∈M1})/P({X1∈M1})
X1:時刻T1にユーザが滞在する地域とユーザ特性スコアとの関係を表す確率変数
これによって、任意の時間帯に、地域毎に、ユーザ特性スコアの分布が得られる。
B1(T1)=A1×P(A1|{X1∈M1})+A2×P(A2|{X1∈M1})
B1(T2)=A1×P(A1|{X2∈M1})+A2×P(A2|{X2∈M1})
B1(T1)≠B1(T2)
時間経過に伴って、滞在するユーザに基づく地域特性スコアは変化する。その変化が小さいということは、時間帯に応じた地域M1の用途変化も少ないことを意味する。
図5によれば、ユーザ101には、ユーザ特性スコアA1=5.2(延滞回数1回)が付与されている。また、ユーザ102には、ユーザ特性スコアA2=1.5(延滞回数5回)が付与されている。
ユーザ101は、時間帯18:00~19:00(T1)に、第1地域M1に滞在することによって、その地域特性スコアB1(T1)に、比較的高い信用力の影響を与える。他のユーザも含めて結果的に、第1地域M1の地域特性スコアB1(T1)=5.0となっている。
また、ユーザ102は、時間帯18:00~19:00(T1)に、第4地域M4に滞在することによって、その地域特性スコアB4(T1)に、比較的低い信用力の影響を与える。他のユーザも含めて結果的に、第3地域M3の地域特性スコアB4(T1)=2.0となっている。
ユーザ101は、時間帯19:00~20:00(T2)に、第2地域M2に移動することによって、その地域特性スコアB2(T2)に、比較的高い信用力の影響を与える。他のユーザも含めて結果的に、第2地域M2の地域特性スコアB2(T2)=5.5となっている。
また、ユーザ102は、時間帯19:00~20:00(T2)に、第3地域M3に滞在することによって、その地域特性スコアB3(T2)に、比較的低い信用力の影響を与える。他のユーザも含めて結果的に、第3地域M3の地域特性スコアB3(T2)=2.1となっている。
ユーザ101は、時間帯20:00~21:00(T3)に、第2地域M2に滞在を継続することによって、その地域特性スコアB2(T3)に、比較的高い信用力の影響を更に与える。他のユーザも含めて結果的に、第2地域M2の地域特性スコアB2(T3)=5.2となっている。
また、ユーザ102は、時間帯20:00~21:00(T3)に、第3地域M3に滞在を継続することによって、その地域特性スコアB3(T3)に、比較的低い信用力の影響を更に与える。他のユーザも含めて結果的に、第3地域M3の地域特性スコアB3(T3)=1.4となっている。
地域特性マップ作成部13は、所定時間帯毎に、各地域に付与された地域特性スコアが高いほど、当該地域の色合いの階調を濃く(又は薄く)表示した地域特性マップを作成する。これによって、地域特性マップの色合いを見るだけで地域特性スコアが認識でき、その地域の不動産の物件価値を判断しやすくする。作成された地域特性マップは、不動産評価値推定部14へ出力される。
不動産評価値推定部14は、地域特性スコアを、不動産投資信託又は証券化商品における当該地域の不動産の評価値として推定する。その評価値は、アプリケーションへ出力される。
ユーザ特性スコア再評価部15は、既に算出された各地域の地域特性スコアを用いて、携帯端末2を持つユーザの移動履歴から、そのユーザのユーザ特性スコアを再評価する。
再評価されたユーザ特性スコアQ(H1)は、ユーザ位置データベース10の当該ユーザ(H1)のユーザ特性スコアとして更新されてもよいし、ユーザ与信推定部16へ出力されてもよい。
H1={M1,M2}:時間帯T1に地域M1に滞在し、時間帯T2に地域M2に移動したユーザ
H2={M2,M1}:時間帯T1に地域M2に滞在し、時間帯T2に地域M1に移動したユーザ
B1(T1)=Σi(Ai×P(Ai|M1,T1))
B2(T1)=Σi(Ai×P(Ai|M2,T1))
B1(T2)=Σi(Ai×P(Ai|M1,T2))
B2(T2)=Σi(Ai×P(Ai|M2,T2))
(ユーザH1)
Q(H1)=B1(T1)+B2(T2)
=Σi(Ai×P(Ai|M1,T1))+Σi(Ai×P(Ai|M2,T2))
=A1×P(A1|M1,T1)+A2×P(A2|M1,T1)+
A1×P(A1|M2,T2)+A2×P(A2|M2,T2))
Q(H1):ユーザH1のユーザ特性スコア(クレジットスコア)
(ユーザH2)
Q(H2)=B2(T1)+B1(T2)
=Σi(Ai×P(Ai|M2,T1))+Σi(Ai×P(Ai|M1,T2))
=A1×P(A1|M2,T1)+A2×P(A2|M2,T1)+
A1×P(A1|M1,T2)+A2×P(A2|M1,T2))
Q(H2):ユーザH2のユーザ特性スコア(クレジットスコア)
Q(A1|H1)=A1×P(A1|M1,T1)+A1×P(A1|M2,T2)
Q(A2|H1)=A2×P(A2|M1,T1)+A2×P(A2|M2,T2)
P(X∈H1)=P({X1∈B1}∩{X2∈B2})
X={X1,X2}:確率変数
X1:時間帯T1におけるランダムな位置情報
X2:時間帯T2におけるランダムな位置情報
P(X∈H2)=P({X1∈B2}∩{X2∈B1})
P(A1|H1)=P(H1|A1)P(A1)/{P(H1|A1)P(A1)+P(H1|A2)P(A2)}
時間帯T1に地域M2に滞在し、時間帯T2に地域M1に滞在したユーザH2が、ユーザ特性スコアA1である確率は、以下のように表される。
P(A1|H2)=P(H2|A1)P(A1)/{P(H2|A1)P(A1)+P(H2|A2)P(A2)}
P(A1|H1)≠P(A1|H2)となる。これは、ユーザ特性スコアは、地域に滞在した時刻の違いによっても異なることを意味している。
尚、H1を十分に狭い領域を用いて与えると、ユーザが特定され、当該ユーザの性質となる確率が1となる。
また、ユーザ112は、時間帯T1に第4地域M4に滞在し、時間帯T2に第3地域M3へ移動している(H1=M4->M3)。このとき、ユーザ112の信用力(ユーザ特性スコアA2)は、時間帯T1における第4地域M4の信用力(地域特性スコアB4(T1))と、時間帯T2における第3地域M3の信用力(地域特性スコアB3(T2))との影響を受ける。
ユーザ与信推定部16は、ユーザ位置データベース10に蓄積されたユーザ(H1)の過去のユーザ特性スコアと、ユーザ特性スコア再評価部13によって再評価されたユーザ(H1)のユーザ特性スコアQ(H1)とを比較し、ユーザ(H1)のユーザ特性スコアの改善又は悪化を判定する。
(推定1)過去のユーザ特性スコア >> 再評価されたユーザ特性スコア
-> ユーザ(h1)の信用力が改善する可能性が高い
(推定2)過去のユーザ特性スコア ≒ 再評価されたユーザ特性スコア
-> ユーザ(h1)の信用力に変化がない可能性が高い
(推定3)過去のユーザ特性スコア << 再評価されたユーザ特性スコア
-> ユーザ(h1)の信用力が悪化する可能性が高い
このような、ユーザ(H1)の与信推定結果を、アプリケーションへ出力する。
デフォルト確率を、直接的に計測するのではなく、ユーザの将来的なユーザ特性スコア(信用力)の傾向を用いて推定する。
ユーザ特性スコアは、例えば携帯端末の料金納付における延滞回数と、関数f(延滞回数)によって相関する。即ち、与信ポートフォリオの損失分布のシミュレーションに基づいて、延滞回数の大小が、デフォルトの潜在性の大小に特徴付けられる。
具体的には、将来のユーザ特性スコアの悪化は、将来の延滞回数が増加することを予測し、結果的にデフォルトの潜在性が高くなる。
一方で、将来のユーザ特性スコアの改善は、将来の延滞回数が減少することを予測し、結果的にデフォルトの潜在性が低くなる。
具体的には、当該地域に滞在するユーザの信用力(ユーザ特性スコア)を用いて、当該地域の信用力(地域特性スコア)を推定することができる。地域の信用力は、J-REITに基づく不動産の物件価値の評価に用いることができる。
また、既に算出された地域の信用力を用いて、ユーザが移動した地域の履歴から、当該ユーザのユーザ特性スコアを再評価することもできる。ユーザの信用力は、与信の際の意思決定及び債権管理などに用いることができる。
従来、高い信用力の企業に勤めるユーザほど、そのユーザ自身の信用力も高いと判定され、低い信用力の企業に勤めるユーザほど、そのユーザ自身の信用力も低いと判定されていた。これは「トップダウン型」と称される。その企業の業績が良好又は安定していれば、従業員の処遇も安定し、その従業員自身の信用力も高まる。一方で、その企業の業績が低迷していれば、従業員の処遇も悪化し、その従業員の信用力も低下する。
これに対し、本発明によれば、高い信用力のユーザが勤める企業ほど、その企業自身の信用力が高いと判定し、低い信用力のユーザが勤める企業ほど、その企業自身の信用力が低いと判定する。これは、逆に「ボトムアップ型」と称される。従業員となるユーザがどのような地域に滞在しているかの行動状況をモニタリングすることによって、そのユーザの信用力が再評価される。即ち、その企業に勤めるユーザの信用力から、その企業自身の信用力が推定される。
投資家の観点から、その企業を評価する際に、決算書やプレスリリースに見えない、従業員の行動状況からその企業の信用力を知ることは有益な情報となる。
更に、地域特性スコア及びユーザ特性スコアを、信用力ではなく、「プロモーションに対する反応力(反応回数)」に置き換えることも好ましい。プロモーションに対する反応力が高い地域やユーザに対して、積極的にプロモーションを実施することによって、高い効果が期待できる。
10 ユーザ位置データベース
101 ユーザ位置収集部
11 ユーザ特性スコア抽出部
12 地域特性スコア算出部
13 地域特性マップ作成部
14 不動産評価値推定部
15 ユーザ特性スコア再評価部
16 ユーザ与信推定部
2 携帯端末
Claims (12)
- 地域毎に、地域特性スコアを推定する装置に搭載されたコンピュータを機能させるプログラムであって、
ユーザに所持された携帯端末における時系列の位置と、当該ユーザのユーザ特性スコアとを蓄積したユーザ位置データベースと、
前記ユーザ位置データベースを用いて、所定時間帯毎に、各地域に滞在する複数のユーザのユーザ特性スコアを抽出するユーザ特性スコア抽出手段と、
所定時間帯毎に、各地域について、当該地域に滞在する複数のユーザにおける推定対象のユーザ特性スコアの総和又は分散に基づいて、当該地域の地域特性スコアを算出する地域特性スコア算出手段と、
前記地域特性スコアを、不動産投資信託又は証券化商品における当該地域の不動産の評価値として推定する不動産評価値推定手段と
してコンピュータを機能させることを特徴とするプログラム。 - 前記ユーザ特性スコアは、当該ユーザの信用力であり、
前記地域特性スコアは、当該地域の信用力である
ようにコンピュータを機能させることを特徴とする請求項1に記載のプログラム。 - 前記ユーザの信用力は、当該ユーザが所有する任意の商品役務に対する料金支払いに基づく情報である
ようにコンピュータを機能させることを特徴とする請求項2に記載のプログラム。 - 所定時間帯毎に、各地域に付与された地域特性スコアが高いほど、当該地域の色合いの階調を濃く(又は薄く)表示した地域特性マップを作成する地域特性マップ作成手段と
して更にコンピュータを機能させることを特徴とする請求項1から3のいずれか1項に記載のプログラム。 - 前記地域特性マップ作成手段は、前記地域特性マップをフレームとして時系列に並べ、時間進行に応じた動画を更に作成する
ようにコンピュータを機能させることを特徴とする請求項4に記載のプログラム。 - 前記地域特性スコア算出手段について、時間帯Tkにおける地域Mjの地域特性スコアBj(Tk)は、以下のように、ユーザ特性スコアAiのユーザiが、時間帯Tkにおける地域Mjに滞在する確率P(Ai|Mj,Tk)の乗算値を、全てのユーザiについて総和したものである
Bj(Tk)=Σi(Ai×P(Ai|Mj,Tk))
ようにコンピュータを機能させることを特徴とする請求項1から5のいずれか1項に記載のプログラム。 - 時間帯T1に第1地域M1に滞在し、時間帯T2に第2地域M2に滞在するユーザ(H1)のユーザ特性スコアQ(H1)を、以下のように再評価するユーザ特性スコア再評価手段と
Q(H1)=B1(T1)+B2(T2)
=Σi(Ai×P(Ai|M1,T1))+Σi(Ai×P(Ai|M2,T2))
してコンピュータを機能させることを特徴とする請求項6に記載のプログラム。 - 前記ユーザ位置データベースに蓄積されたユーザ(H1)の過去のユーザ特性スコアと、前記ユーザ特性スコア再評価手段によって再評価されたユーザ(H1)のユーザ特性スコアQ(H1)とを比較し、ユーザ(H1)のユーザ特性スコアの改善又は悪化を判定するユーザ与信推定手段と
してコンピュータを機能させることを特徴とする請求項7に記載のプログラム。 - 前記ユーザ与信推定手段は、
前記過去のユーザ特性スコアが前記再評価されたユーザ特性スコアQ(H1)より大きい場合には、ユーザ(H1)の信用力が改善する可能性が高いと判断し、
前記過去のユーザ特性スコアと前記再評価されたユーザ特性スコアとが等しい場合には、ユーザ(h1)の信用力に変化がない可能性が高いと判断し、
前記過去のユーザ特性スコアが前記再評価されたユーザ特性スコアより小さい場合には、ユーザ(h1)の信用力が悪化する可能性が高いと判断する
ようにコンピュータを機能させることを特徴とする請求項8に記載のプログラム。 - 前記ユーザ位置データベースについて、時系列の前記位置は、ユーザに所持された携帯端末によって測位された端末測位位置、及び/又は、基地局に接続した携帯端末の滞在範囲に基づく基地局測位位置である
ようにコンピュータを機能させることを特徴とする請求項1から9のいずれか1項に記載のプログラム。 - 地域毎に、地域特性スコアを推定する推定装置であって、
ユーザに所持された携帯端末における時系列の位置と、当該ユーザのユーザ特性スコアとを蓄積したユーザ位置データベースと、
前記ユーザ位置データベースを用いて、所定時間帯毎に、各地域に滞在する複数のユーザのユーザ特性スコアを抽出するユーザ特性スコア抽出手段と、
所定時間帯毎に、各地域について、当該地域に滞在する複数のユーザにおける推定対象のユーザ特性スコアの総和又は分散に基づいて、当該地域の地域特性スコアを算出する地域特性スコア算出手段と、
前記地域特性スコアを、不動産投資信託又は証券化商品における当該地域の不動産の評価値として推定する不動産評価値推定手段と
を有することを特徴とする装置。 - 地域毎に、地域特性スコアを推定する装置の地域特性推定方法であって、
前記装置は、ユーザに所持された携帯端末における時系列の位置と、当該ユーザのユーザ特性スコアとを蓄積したユーザ位置データベースを有し、
前記装置は、
前記ユーザ位置データベースを用いて、所定時間帯毎に、各地域に滞在する複数のユーザのユーザ特性スコアを抽出する第1のステップと、
所定時間帯毎に、各地域について、当該地域に滞在する複数のユーザにおける推定対象のユーザ特性スコアの総和又は分散に基づいて、当該地域の地域特性スコアを算出する第2のステップと、
前記地域特性スコアを、不動産投資信託又は証券化商品における当該地域の不動産の評価値として推定する第3のステップと
を実行することを特徴とする地域特性推定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019114289A JP7133891B2 (ja) | 2019-06-20 | 2019-06-20 | 不動産に基づく地域の信用力を推定するプログラム、装置及び方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019114289A JP7133891B2 (ja) | 2019-06-20 | 2019-06-20 | 不動産に基づく地域の信用力を推定するプログラム、装置及び方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021002107A JP2021002107A (ja) | 2021-01-07 |
JP7133891B2 true JP7133891B2 (ja) | 2022-09-09 |
Family
ID=73994118
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019114289A Active JP7133891B2 (ja) | 2019-06-20 | 2019-06-20 | 不動産に基づく地域の信用力を推定するプログラム、装置及び方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7133891B2 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013164818A (ja) | 2012-02-13 | 2013-08-22 | Nippon Telegr & Teleph Corp <Ntt> | 関連文書収集装置及び方法及びプログラム |
WO2016189908A1 (ja) | 2015-05-27 | 2016-12-01 | ソニー株式会社 | 情報処理装置、情報処理方法、およびプログラム |
JP2017535010A (ja) | 2015-08-31 | 2017-11-24 | シャオミ・インコーポレイテッド | 安全評価方法および装置、プログラム及び記録媒体 |
-
2019
- 2019-06-20 JP JP2019114289A patent/JP7133891B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013164818A (ja) | 2012-02-13 | 2013-08-22 | Nippon Telegr & Teleph Corp <Ntt> | 関連文書収集装置及び方法及びプログラム |
WO2016189908A1 (ja) | 2015-05-27 | 2016-12-01 | ソニー株式会社 | 情報処理装置、情報処理方法、およびプログラム |
JP2017535010A (ja) | 2015-08-31 | 2017-11-24 | シャオミ・インコーポレイテッド | 安全評価方法および装置、プログラム及び記録媒体 |
Also Published As
Publication number | Publication date |
---|---|
JP2021002107A (ja) | 2021-01-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Desmond et al. | Do the poor pay more for housing? Exploitation, profit, and risk in rental markets | |
Degryse et al. | The impact of competition on bank orientation | |
Garcia et al. | Modeling internal migration flows in sub-Saharan Africa using census microdata | |
Aron et al. | The Economics of Mobile Money: harnessing the transformative power of technology to benefit the global poor | |
US8271364B2 (en) | Method and apparatus for obtaining, organizing, and analyzing multi-source data | |
Morgan et al. | Measuring the economic impacts of convention centers and event tourism: A discussion of the key issues | |
Aiken et al. | Machine learning and mobile phone data can improve the targeting of humanitarian assistance | |
Jayasekare et al. | The price of a view: Estimating the impact of view on house prices | |
Zhou et al. | The location of new anchor stores within metropolitan areas | |
JP2019114019A (ja) | 情報処理装置、判定方法及びプログラム | |
Hui et al. | The roles of developer’s status and competitive intensity in presale pricing in a residential market: A study of the spatio-temporal model in Hangzhou, China | |
JP2003022314A (ja) | 不動産価格関数推定方法、不動産価格関数推定装置、及び不動産価格関数推定プログラム | |
US20150170076A1 (en) | Comprehensive exposure network analysis | |
An et al. | Omitted mobility characteristics and property market dynamics: application to mortgage termination | |
US9436949B1 (en) | Evaluating geographically grouped data sets | |
JP7193514B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
Morawakage et al. | Housing risk and returns in submarkets with spatial dependence and heterogeneity | |
US20150170066A1 (en) | Comprehensive exposure revenue analytics | |
JP7133891B2 (ja) | 不動産に基づく地域の信用力を推定するプログラム、装置及び方法 | |
Goel | An empirical study of Jan Dhan-Aadhaar-mobile trinity and financial inclusion | |
Bramley | Research on core homelessness and homeless projections: Technical report on new baseline estimates and scenario projections | |
Sunjo | Efficiency of real estate market: Evidence from İstanbul residential market | |
Zabel | A matching method for land valuation | |
Mallick et al. | Forecasting stock prices of five major commercial banks in India and stress testing: A multivariate approach | |
Park | Data science strategies for real estate development |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210601 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220318 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220422 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220506 |
|
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: 20220829 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220829 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7133891 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |