WO2019171492A1 - 予測業務支援装置および予測業務支援方法 - Google Patents

予測業務支援装置および予測業務支援方法 Download PDF

Info

Publication number
WO2019171492A1
WO2019171492A1 PCT/JP2018/008769 JP2018008769W WO2019171492A1 WO 2019171492 A1 WO2019171492 A1 WO 2019171492A1 JP 2018008769 W JP2018008769 W JP 2018008769W WO 2019171492 A1 WO2019171492 A1 WO 2019171492A1
Authority
WO
WIPO (PCT)
Prior art keywords
information
value
event
predetermined
regression equation
Prior art date
Application number
PCT/JP2018/008769
Other languages
English (en)
French (fr)
Inventor
純 小川
考央 深津
健太郎 望月
Original Assignee
株式会社日立製作所
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 株式会社日立製作所 filed Critical 株式会社日立製作所
Priority to EP18908329.8A priority Critical patent/EP3764310A4/en
Priority to SG11202008561QA priority patent/SG11202008561QA/en
Priority to PCT/JP2018/008769 priority patent/WO2019171492A1/ja
Priority to US16/977,865 priority patent/US20210004722A1/en
Priority to JP2020504551A priority patent/JP6978582B2/ja
Publication of WO2019171492A1 publication Critical patent/WO2019171492A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/06—Asset management; Financial planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/02—Banking, e.g. interest calculation or account maintenance

Definitions

  • the present invention relates to a prediction work support apparatus and a prediction work support method.
  • ALM asset Liability Management
  • Macroeconomic index calculation means for calculating a future macroeconomic index of a country based on the main macroeconomic exogenous index assumed by the device user, recognizing the problem of providing a stock price prediction apparatus suitable as a tool for prediction
  • an individual company management index calculation means for calculating an individual company's future management index based on the calculated future macroeconomic index, and based on the calculated future management index and the future macroeconomic index.
  • a stock price prediction device see Patent Document 1 and the like comprising an individual company stock price calculation means for calculating the future stock price of the individual company.
  • an object of the present invention is to provide a technique for improving the accuracy and efficiency of future predictions accompanying a predetermined operation of a financial institution.
  • the prediction work support apparatus of the present invention that solves the above-mentioned problem is a storage device that stores information on a predetermined index value and information on a predetermined event used in a financial institution, and stores each information on the index value and the event from the storage device. Read and execute the correlation analysis between the index value and the event information with each information as input, identify an event that has a predetermined effect on the index value, and determine the index value based on the event information
  • a process for generating a regression equation to be estimated, a process for generating a question screen including an interface that can select a trend prediction of the event constituting the variable of the regression equation, and the question screen is predetermined.
  • Deliver to the terminal of the financial institution obtain the answer of the trend prediction from the terminal via the question screen, input the value of the answer to the corresponding event variable in the regression equation, and predict the index value
  • a process of calculating a characterized in that it comprises an arithmetic unit for executing a process of outputting a predetermined unit of information a predetermined financial institution of the predicted value.
  • an information processing apparatus including a storage device storing information on a predetermined index value and information on a predetermined event used in a financial institution stores the index value and each event information. Reading from the storage device, performing the correlation analysis between the index value and the event information using each of the information as input, identifying an event that has a predetermined effect on the index value, and based on the event information A process for generating a regression equation for estimating an index value, a process for generating a question screen including an interface that can selectively answer a trend prediction of the event constituting the variable of the regression equation, and the question Distributing the screen to a terminal of a predetermined financial institution, obtaining the response of the trend prediction from the terminal via the question screen, inputting the value of the response to the variable of the corresponding event in the regression equation, A process for calculating the predicted value of, and executes a processing for outputting a predetermined unit of information a predetermined financial institution of the predicted value.
  • FIG. 1 is a diagram illustrating an example of a network configuration including a prediction work support apparatus 100 according to the present embodiment.
  • a prediction work support apparatus 100 shown in FIG. 1 is an information processing apparatus for improving the accuracy and efficiency of future prediction associated with a predetermined work of a financial institution.
  • Such a prediction work support apparatus 100 is connected to the network 10 and is capable of data communication with the user terminal 200 and the information distribution server 300.
  • the user terminal 200 is a terminal operated by a person in charge of a financial institution.
  • This person in charge is a person in charge of ALM work, and uses the service provided by the prediction work support apparatus 100 of this embodiment, and wants to improve the efficiency and accuracy of his work.
  • the information distribution server 300 is a server that distributes economic information such as the official discount rate, stock price index, exchange rate, and political news information such as political change and economic policy.
  • the information distribution server 300 can be assumed to be operated by, for example, a company that provides economic information distribution services.
  • the hardware configuration of the prediction work support apparatus 100 is as follows.
  • the prediction work support apparatus 100 stores in a memory 103 a storage device 101 composed of an appropriate nonvolatile storage element such as a hard disk drive, a memory 103 composed of a volatile storage element such as a RAM, and a program 102 held in the storage device 101.
  • At least a CPU 104 (arithmetic unit) that performs various determinations, computations, and control processes and performs communication processing with other devices by performing at least general control of the system itself by reading and executing, and communication processing with other devices. .
  • the above-described storage device 101 stores a program 102 for implementing a function associated with the prediction work support method of the present embodiment.
  • This program 102 also includes a correlation analysis engine 110.
  • the correlation analysis engine 110 is a program for performing correlation analysis, and an existing one may be adopted as appropriate. However, instead of the correlation analysis engine 110, for example, artificial intelligence that provides the same function may be adopted, and the configuration for performing the correlation analysis is not limited.
  • the storage device 101 includes index value information 125, event information 126, regression equation information 127, question management information 128, answer management information 129, analyst report 130, and predicted index value. Information 131 is stored. Details of these information will be described later.
  • 3A to 3C show examples of the market value information (interest rate) 125A, the market information (stock price index) 125B, and the market information (exchange rate) 125C, which are the index value information 125 in this embodiment. It should be noted that the values constituting the index value information 125 can be assumed to be those received by the prediction work support apparatus 100 from the information distribution server 300 and stored.
  • the market information (interest rate) 125A shown in FIG. 3A is a table in which the actual value of interest rate, which is a kind of economic index, is stored in time series.
  • the data structure is a collection of records composed of data such as the base date, interest name, name, type, currency, period, and rate, using the market information code as a key.
  • the market information code is an ID that uniquely identifies the type of interest rate.
  • the base date is a value that indicates when the interest rate is applied.
  • the interest rate sum name and type are values indicating the sum and type of interest.
  • the currency is a value indicating an applicable currency of the interest rate.
  • the period is a value indicating the period until the interest rate expires.
  • the rate is a value indicating the value of the interest rate.
  • the market information (stock price index) 125B shown in FIG. 3B is a table in which the actual value of the stock price index, which is a kind of economic index, is stored in time series.
  • the data structure is a collection of records composed of data such as a base date, a stock price index Japanese name, and a rate, with a market information code as a key.
  • the market information information code is an ID that uniquely identifies the type of the stock index.
  • the base date is a value indicating the calculation time of the stock price index.
  • the stock price index sum name is a value indicating the sum name of the stock price index.
  • the rate is a value indicating the value of the stock price index.
  • the market information (exchange rate) 125C shown in FIG. 3C is a table in which the actual value of the exchange rate, which is a kind of economic index, is stored in time series.
  • the data structure is a collection of records composed of data such as a base date, exchange rate Japanese name, and rate, with a market information code as a key.
  • the market information code is an ID that uniquely identifies the type of the exchange rate.
  • the base date is a value indicating the application period of the exchange rate.
  • the exchange rate sum name is a value indicating the sum name of the exchange rate.
  • the rate is a value indicating the value of the exchange rate.
  • FIG. 4 shows an example of the event information 126 in the present embodiment.
  • the event information 126 is a table in which information on events related to the economy is stored in time series. It should be noted that the values constituting the event information 126 can be assumed to be those received by the prediction work support apparatus 100 from the information distribution server 300 and stored.
  • the data structure is a set of records composed of data such as the date of occurrence of the event, the event name, and the value using the event code that uniquely identifies the event as a key.
  • the date of occurrence is a value indicating the time of occurrence of the event.
  • the event Japanese name is a value indicating the Japanese name of the event.
  • the value is a value indicating the value of the event. This value is set to “0” if there is no economic turmoil, “1” if there is economic turmoil, etc. Further, if the corresponding event, that is, the event is “economic growth rate” (announced), the value of the economic growth rate announced by the government agency is set.
  • FIG. 5 shows an example of the regression equation information 127 in the present embodiment.
  • the regression equation information 127 is a table storing a regression equation obtained by analyzing the index value information 125 and the event information 126 and analyzing them with the correlation analysis engine 110.
  • the data structure is based on the market information code corresponding to the market information (index value), which is the calculation result of the regression formula, as the key, the application start date of the regression formula, the regression formula, and the variables and answer keys in the regression formula, Is a collection of records consisting of data such as
  • the application start date is a value indicating the target time of the index value, which is market information estimated by the regression equation.
  • the output y is the value of the market information indicated by the market information information code (eg, interest rate value), and is composed of a variable X for calculating this market information and a combination of its coefficients.
  • the market information information code eg, interest rate value
  • variables X1, X2,..., X7 are variables corresponding to a predetermined event in the event information 126, and for each answer type to the question related to the event (the “question contents shown by the question management information 128 in FIG. 6A). "For each” option "). Therefore, in the above regression equation, for example, the variable “X1” is “economic growth rate (increase)”, the variable “X2” is “economic growth rate (slight increase)”, and the variable “X3” is “economic growth rate”.
  • variable“ X4 ” is“ economic growth rate (slight decrease)
  • variable“ X5 is“ economic growth rate (decrease)
  • variable“ X6 is“ presence or absence of economic disruption ”
  • the variable “X7” is a variable such as “presence / absence of economic disruption (none)”.
  • variable “X1” is “00101”
  • variable “X2” is “00102”
  • variable “X3” is “00103”
  • variable “X4” is “00104”
  • the variable “X5” corresponds to “00105”
  • the variable “X6” corresponds to “00201”
  • the variable “X7” corresponds to “00202”.
  • This correspondence is defined in the “variable and answer key correspondence column” in the regression equation information 127.
  • the value assigned to such a variable depends on whether or not there is an answer regarding “option” of “question content” corresponding to the variable. There is an answer, that is, the answer key is included in the “answer number” column of the answer management information 129, and the variable corresponding to the question content option is “1”. The corresponding variable is “0”.
  • the prediction work support apparatus 100 substitutes “1” as the value of the variable “X1” corresponding to the answer key “000101”, and the variable “X6” corresponding to the answer key “000201”. “1” is substituted as the value, and “0” is substituted as the values of the other variables “X2” to “X5” and “X7” (since there is one answer to each question).
  • the coefficients to be multiplied by each variable in the above-described regression equation related to the economic growth rate are specified by inputting the change in the actual economic growth rate so far and the range assigned to each answer key (that is, each variable). Is the coefficient value calculated by the artificial intelligence.
  • the method for determining the coefficient is not limited to this, and it may be determined appropriately by applying the existing technology.
  • the above-described artificial intelligence is available in the prediction work support apparatus 100 of the present embodiment, or that the artificial intelligence analysis service provided in the network 10 is used.
  • FIG. 6A shows an example of the question management information 128 in the present embodiment.
  • the question management information 128 is a table that stores information on questions that ask a person in charge of a financial institution about a trend prediction regarding an event corresponding to a variable included in each regression equation in the regression equation information 127 described above.
  • the data structure is a set of records composed of data such as the question content, answer key, and options of the question, with the question key uniquely identifying the question as a key.
  • the question content is a value indicating the content of the question to the person in charge.
  • the answer key is a key for uniquely identifying the content of the answer made by the person in charge for the question for each type.
  • the option indicates a branch of answers that can be selected by the person in charge, and is uniquely associated with the answer key described above.
  • the question key “001” with the question “Please select an opinion on Japan's economic growth rate” is answered with “Increase” in the answer key “00101” and “Slightly increase in the answer key“ 00102 ”.
  • FIG. 6B shows an example of the answer management information 129 in the present embodiment.
  • the answer management information 129 is a table that stores the contents that the person in charge of the financial institution has answered to the question managed by the above-described question management information 128.
  • the data structure consists of the bank code that uniquely identifies the financial institution that sent the response as a key, the registration date of the response by the person in charge of the financial institution, the ID of the selected scenario, the name of the scenario, and the response number , And the scenario selection history.
  • the scenario ID is an ID for uniquely identifying the answer information entered by the user using a bank code + serial number.
  • the answer number is information composed of answer keys of the options selected by the person in charge among the options defined in the question management information 128 described above.
  • the scenario selection process stores information in which the person in charge describes information on the grounds for scenario selection.
  • FIG. 7 shows an example of the analyst report 130 in the present embodiment.
  • the analyst report 130 is a table that stores an analyst report created by a predetermined financial analyst. Each analyst report stored in the analyst report 130 is provided in advance from a predetermined financial institution.
  • the data structure is a collection of records composed of data such as the title of the analyst report and the report contents, with the registration date of the analyst report as a key.
  • the report title is the title of the analyst report
  • the report content is the content of the analyst report.
  • FIG. 8 is a flowchart showing a processing procedure example 1 of the prediction work support method in the present embodiment.
  • a notification requesting a predicted value for a predetermined index value is received from the user terminal 200 of a certain financial institution.
  • the prediction work support apparatus 100 acquires corresponding information from the index value information 125 of the storage device 101 regarding the index value requested by the above notification (hereinafter referred to as the requested index value) (s100).
  • the required index value is “interest rate”
  • the information extracted from the index value information 125 is market information (interest rate) 125A.
  • the prediction work support apparatus 100 accesses the storage device 101 and acquires event information 126 (s101). Not only the event information 126 but also index values other than the above-described required index values, that is, market information (stock price index) 125B and market information (exchange rate) 125C may be acquired. This is because other index values other than the events indicated by the event information 126 can be assumed as events that affect the requested index value.
  • the prediction work support apparatus 100 performs correlation analysis between a requested index value and an event or another index value by giving each information obtained in s100 and s101 described above as an input to the correlation analysis engine 110 ( s102).
  • This correlation analysis itself is the same as the existing one.
  • the prediction work support apparatus 100 identifies an event that has a predetermined influence on the requested index value, that is, an event or other index value by the above-described correlation analysis, and estimates the requested index value based on information such as the event.
  • An expression is generated (s103).
  • This regression equation is assumed to be a straight line equation where the value of the event information 126 and other index values are variables X1 to Xn when the required index value is “y”.
  • an existing method may be adopted as appropriate.
  • the prediction work support apparatus 100 when performing the above-described regression formula generation, includes, among the values of the request index value “interest rate” and the event information 126, which are input to an algorithm for generating a regression formula such as artificial intelligence. For example, each value of the event information 126 is classified according to the variables X1 to X7 already described, that is, the respective options of questions. For this reason, the prediction work support apparatus 100 holds the range information 1000 (FIG. 9) in the storage device 101.
  • the value is “6% or more”
  • the value is “less than 6% 3% or more”
  • the value is “less than 3% 0% or more”
  • the value is defined as “ ⁇ 3% or more and less than ⁇ 6%”
  • the value is defined as “ ⁇ 6% or more”.
  • the values corresponding to the variables X6 to X7 that is, the “existence / non-existence” regarding “existence / non-existence”, are respectively “1”.
  • “None” is defined as “0”.
  • each value of the “economic growth rate” that is the event information 126 to be processed is collated with the above-described range information 1000, and the value is determined. , “Increase”, “Slight increase”, “Same level”, or “Decrease”.
  • the prediction work support apparatus 100 determines each value of economic growth rate (in this case, “increased”, “slightly increased”,%) That is the event information 126 that has undergone such determination, and the value of presence or absence of economic turmoil (here) Gives the artificial intelligence the required index value for each year, that is, the rate of the "interest rate” (for example, the interest rate name "JPY Tibor1M" of the market information code "10001"), A combination of variables and coefficients in the regression equation is specified, and a regression equation is generated.
  • the prediction work support apparatus 100 stores the regression equation generated in s103 in the regression equation information 127 (s104).
  • the prediction work support apparatus 100 includes an interface that can selectively answer the trend prediction regarding the events and other index values that constitute the variables with respect to the regression expressions generated and stored in s103 and s104 described above.
  • a question screen is generated (s105).
  • the prediction work support apparatus 100 stores, as a question, a pull-down menu for answering a trend prediction of “economic growth rate” from options and a pull-down menu for answering a trend prediction of “presence of economic chaos” from options.
  • 101 is set in a predetermined screen format held in advance, and a question screen is generated.
  • FIG. 10 shows a specific example of the question screen 900 in the present embodiment.
  • This question screen 900 is referred to as a “scenario registration screen” for convenience.
  • the interface includes an input interface for asking the person in charge of the financial institution the answer for each item of the scenario name 901, the category 902, the question 903, and the answer history 904.
  • the scenario name 901 is a field in which the person in charge inputs a free description regarding the name indicating the economic situation at the time of estimation of the required index value.
  • the category 902 is a free description column in which a person in charge inputs an economic situation such as an optimistic scenario or a pessimistic scenario in a free description.
  • the optimistic scenario is based on the assumption that there is no large-scale economic turmoil
  • the pessimistic scenario is based on the assumption that there is a large-scale economic turmoil.
  • Question 903 is a pull-down including options such as increase, slight increase, level change, slight decrease, decrease regarding the trend prediction of the variable “Economic Growth Rate” among the events that constitute the variable of the regression equation and the trend of other index values.
  • the menu 9031 includes a pull-down menu 9032 that includes options such as “Yes” or “No” regarding the trend prediction of the variable “presence / absence of economic turmoil”.
  • the response history 904 is an input field for inputting the history of the response selected by the person in charge through such an input interface as a free description.
  • the prediction work support apparatus 100 distributes the above-described question screen 900 to the user terminal 200 of the financial institution that has a predetermined agreement (s106).
  • the user terminal 200 of the financial institution displays a question screen 900 and, at each interface of the scenario name 901, category 902, and question 903 indicated by the question screen 900, a person in charge of ALM work, a financial analyst, etc. Is obtained, and this is returned to the prediction work support apparatus 100 as a trend prediction answer.
  • the scenario name 901 is “optimistic scenario (no large-scale economic disruption is expected)”
  • the category 902 is “optimistic scenario”
  • the answer to “QA1” in question 903 is “increase”
  • the answer is “QA2” “Yes,” responded with a response 904.
  • IMF International Monetary Fund
  • the prediction work support apparatus 100 receives the above-described answer value from the user terminal 200, inputs this value into the corresponding event or index value variable in the regression equation generated in s103, and the index value predicted value Is calculated (s107).
  • the prediction work support apparatus 100 that has calculated the predicted value of the request index value in this way stores the information in the answer management information 129 in association with the scenario.
  • the value indicated by the information is stored in the rate column in the prediction index value information 131.
  • 11A to 11C show prediction market value information (interest rate) 131A, prediction market information (stock price index) 131B, and prediction market information (exchange rate) 131C, which are examples of the prediction index value information 131.
  • the predicted index value information 131 is a record (including the same items as the index value information 125 such as the reference date, Japanese name, and rate, with the market information code corresponding to the requested index value as a key ( 1 answer).
  • the prediction work support apparatus 100 outputs the information of the predicted value calculated in s107 described above to the user terminal 200 that requested (or a predetermined financial institution) (s108), and ends the process.
  • the prediction work support apparatus 100 may receive a condition designation from the user terminal 200 and output information according to this.
  • the prediction work support apparatus 100 receives the designation of each condition of the bank name, scenario classification, and registration period for the scenario desired by the person in charge, based on this.
  • the search is executed with the answer management information 129.
  • a record including keywords such as “optimistic” and “pessimistic” indicated by the scenario classification in the scenario name can be specified.
  • the record specified here is displayed on the scenario search screen 1500 as a “scenario list”.
  • the prediction work support apparatus 100 obtains information regarding the corresponding scenario from the answer management information 129, generates a scenario reference screen 1600 including the information, and returns it to the user terminal 200.
  • the scenario reference screen 1600 includes scenario basic information, scenario selection history, and question answer information, as illustrated in FIG. Further, when a predetermined operation is received on this scenario reference screen 1600, the prediction work support apparatus 100 transitions to the scenario reference screen 1700 illustrated in FIG. 14, where the market information information category, market information, and its graph, Is displayed. Both are obtained from the answer management information 129.
  • Such a configuration makes it possible to search and confirm information such as judgments on trends in economic indicators at other financial institutions that have been difficult to know.
  • Such a search / confirmation operation can be performed for each financial institution with respect to other financial institutions, that is, the above-described information and the like can be shared among the financial institutions. From the above-mentioned person in charge of ALM operations, functions that can improve the efficiency and accuracy of operations such as ensuring the validity of own decisions or making fine corrections as appropriate by referring to the determination tendency of other banks It becomes. As a result, it is possible to further improve the accuracy and efficiency of future predictions associated with predetermined operations of financial institutions.
  • FIG. 15 is a flowchart showing a processing procedure example 2 of the prediction work support method in the present embodiment.
  • a generation example of the above range information 1000 will be described.
  • the prediction work support apparatus 100 When generating the above-described question screen 900, the prediction work support apparatus 100 provides information on the event specified in s102 as an event that affects the requested index value, that is, the value of the target event or the index value information in the event information 126.
  • the rate of the target index value at 125 is extracted from the event information 126 and the index value information 125 (s200).
  • the event “economic growth rate” is specified as an event that affects the required index value, and each value of this “economic growth rate” is extracted from the event information 126.
  • the prediction business support apparatus 100 sets each value of the “economic growth rate” extracted in s200 according to the number of options of the “economic growth rate” pull-down menu 9031 on the question screen 900 for each size.
  • a histogram 1300 indicating the distribution of the value of the event “economic growth rate” is generated (s201).
  • the value of the economic growth rate is “ ⁇ 6% or less”, “ ⁇ 6% or more and less than ⁇ 3%”, corresponding to the number of options described above being “5”. “Economic growth rate” values are classified into “0% or more and less than 3%”, “3% or more and less than 6%”, and “6% or more”, and the frequency of occurrence is plotted on the vertical axis. It has become.
  • the appearance frequency is “5”, and when it is “ ⁇ 6% or more and less than ⁇ 3%”, the appearance frequency is “12”, “0% or more and 3% or less”. Less than “, the appearance frequency is” 21 “,” 3% or more and less than 6% ", the appearance frequency is” 31 ", and” 6% or more ", the appearance frequency is” 20 " ing.
  • the prediction work support apparatus 100 associates the range information of the value of the event “economic growth rate” corresponding to each class of the histogram 1300 generated as described above with the corresponding option in the pull-down menu 9031, and It is stored in the range information 1000 (s202).
  • the predictive operation support apparatus 100 determines, in order of the value of the “economic growth rate” in each of the above-mentioned classes, “increase”, “slight increase”, “flat”, “slight decrease”, “decrease”, Link the range of values in the class. For example, “6% or more” is linked to the option “increased”, “3% or more and less than 6%” is linked to the option “slight increase”, and the option “flat” is “0% or more and less than 3%” is linked, “ ⁇ 6% or more and less than ⁇ 3%” is linked to the option “slight decrease”, and “ ⁇ 6% or less” is selected for the option “decrease” Tie.
  • the prediction work support apparatus 100 may compare the frequencies for each of the classes in the histogram 1300 to determine a class whose frequency is equal to or greater than a predetermined standard. In other words, a class with an appearance frequency that is too low is excluded because it cannot be an effective option on the question screen 900.
  • the prediction work support apparatus 100 specifies the number and contents of the pull-down menu options on the question screen 900 as the number of classes specified in this determination and the range of event values in the class.
  • FIG. 17 is a flowchart showing a processing procedure example 3 of the prediction work support method in the present embodiment.
  • the prediction work support apparatus 100 generates the regression equation as described above, it may be uncertain whether the accuracy is good from the beginning.
  • the prediction work support apparatus 100 sets an actual value of a corresponding event (corresponding to a variable of the regression equation) at a predetermined time as an input to the generated regression equation, and sets a model value of the index value. Calculate (s300).
  • the above-described actual value corresponds to an economic event value such as “economic growth rate” in the event information 126. That is, although the regression equation is generated through correlation analysis or the like, the value of the actual event information 126 (the value converted by “1” or “0” corresponding to the option of the event in the determination based on the range information 1000)
  • the index value when substituting for the variable is calculated as a model value.
  • the prediction work support apparatus 100 compares the above-described exemplary value with the predicted value calculated in s107, and determines whether the deviation exceeds a predetermined standard (s301).
  • the predicted value is “1.8%”
  • the model value is “2%”
  • the standard value of deviation is “1.5%”.
  • the deviation between the predicted value and the model value is “0.2%”, and it can be determined that the reference value of the deviation does not exceed “1.5%”.
  • the prediction work support apparatus 100 ends the process.
  • the prediction work support apparatus 100 stores information on a new event that is not used for generating the regression equation or the input apparatus 105. Obtained from the device 101 (s303).
  • the value of “presence of economic chaos” is set as the event information 126 of the storage device 101. Get from.
  • the prediction work support apparatus 100 adds the information on the new event obtained in s303 to the event information that was originally adopted (in the above example, “economic growth rate”), in addition to the correlation analysis engine 110.
  • the regression equation is regenerated as an input (s304).
  • the content of the correlation analysis itself is the same as s102.
  • the prediction work support apparatus 100 stores the regression equation regenerated in s304 in the regression equation information 127 (s305), and ends the process.
  • the prediction work support apparatus 100 measures such that the regression equation is continuously tuned and its accuracy is improved by repeatedly executing each process of s300 to s305 every predetermined period.
  • the regression equation thus tuned is used in the process of generating the question screen and calculating the predicted value based on the response value of the trend prediction in the same manner as in the flow example 1 and presenting the result with good accuracy to the person in charge. Leads to.
  • the ALM operation is described as a case to be processed by the prediction work support apparatus 100, but the case type is not limited to this.
  • the prediction work support method of the present embodiment is applied to cases such as real estate loans, corporate loans, and deposit balances.
  • a loan contract rate and a loan balance are assumed as index values, and events such as a long-term interest rate, a short-term interest rate, a land route price, and an average income can be assumed as events that affect this.
  • events such as a long-term interest rate, a short-term interest rate, a land route price, and an average income can be assumed as events that affect this.
  • loan contract rates and loan balances are assumed as index values, and events such as long-term interest rates, short-term interest rates, corporate tax rates, and corporate sales can be assumed.
  • a deposit balance or a fixed deposit acquisition rate is assumed as an index value, and events such as a long-term interest rate, a short-term interest rate, personal income, and corporate sales can be assumed as events that affect this.
  • the prediction work support apparatus of the present embodiment it is possible to improve the accuracy and efficiency of future prediction associated with a predetermined work of a financial institution.
  • the arithmetic device when generating the question screen, the arithmetic device generates a histogram by classifying information on the event for each magnitude of the specified event value according to the number of options in the selectable interface. And further executing a process of storing the range information of the value of the predetermined event corresponding to each class in the histogram in the storage device in association with the option, and in the process of generating the regression equation, the identified influence
  • the information on the event is converted into one of the options.
  • the arithmetic device as an input to a variable, with respect to the regression equation, the real value of the event at a predetermined time is compared with the range information and converted. Any value is set, the model value of the index value is calculated, the model value is compared with the predicted value, and if the deviation exceeds a predetermined standard, it is not used to generate the regression equation
  • a process for acquiring information on a new predetermined event from an input device or a storage device, regenerating a regression equation after adding the information on the new event, and an event constituting a variable of the regenerated regression equation Processing for generating a question screen including an interface that can answer the trend prediction selectably, delivering the question screen to a terminal of a predetermined financial institution, and answering the trend prediction from the terminal via the question screen
  • the arithmetic device when generating the question screen, compares the frequency for each of the classes, determines a class whose frequency is equal to or greater than a predetermined standard, and selects the option.
  • the number and content of the specified class are specified as the number of classes specified in the determination and the range of the predetermined event value in the class, and the question screen including the interface according to the number and contents of the specified options is generated. It may be a thing.
  • the range of values that have hardly occurred is excluded, and the range whose occurrence frequency is appropriate is divided to set the class. It becomes possible to adopt it as a proof of choice. As a result, it is possible to further improve the accuracy and efficiency of future predictions associated with predetermined operations of financial institutions.
  • the arithmetic unit receives an information presentation request regarding another financial institution different from the financial institution from a terminal of a predetermined financial institution, and has already obtained for the other financial institution. It is also possible to further execute a process of outputting at least one of each information of the trend prediction response value and the calculated predicted value of the index value to the terminal of the other financial institution. .
  • the information processing apparatus when the information processing apparatus generates the question screen, the event for each magnitude of the value of the identified event according to the number of options in the selectable interface. And generating a histogram, further executing a process of storing the range information of the value of the predetermined event corresponding to each of the classes in the histogram in the storage device in association with the option, In the process of generating, the information on the event that has been identified is compared with the range information, and the information corresponding to the event is determined by determining which of the options corresponds to the information. Obtain a value converted into one of the values, and give the obtained value and the index value to a predetermined machine learning algorithm. Beauty identifies the combination of coefficients to produce a regression equation may be.
  • the information processing apparatus converts the real value of the event at a predetermined time by comparing the range information with the regression information as an input to a variable with respect to the regression equation.
  • the model value of the index value is set, the model value is compared with the predicted value, and if the deviation exceeds a predetermined standard, it is used to generate the regression equation.
  • a process of acquiring information on a new predetermined event from the input device or storage device, regenerating the regression equation after adding the information on the new event, and an event constituting a variable of the regenerated regression equation A process for generating a question screen including an interface that can answer the trend prediction in a selectable manner, the question screen is distributed to a terminal of a predetermined financial institution, and the trend prediction is transmitted from the terminal via the question screen. Times , Input the value of the answer to the variable of the corresponding event in the regression equation, calculate the predicted value of the index value, and output the information of the predicted value to a predetermined device of a predetermined financial institution Processing may be executed.
  • the information processing device compares the frequencies for each of the classes, determines a class whose frequency is equal to or higher than a predetermined standard, and The number and contents of the options are specified as the number of classes specified in the determination and the range of the predetermined event value in the class, and the question screen including the interface according to the number and contents of the specified options is generated. You may do it.
  • the information processing apparatus receives an information presentation request regarding another financial institution different from the financial institution from a terminal of a predetermined financial institution, and has already obtained for the other financial institution It is also possible to further execute a process of outputting at least one of each information of the trend prediction answer value and the calculated predicted value of the index value to the terminal of the other financial institution.
  • Network 100 Predictive Work Support Device 101 Storage Device 102 Program 103 Memory 104 CPU (Calculation Device) 105 Communication Device 110 Correlation Analysis Engine 125 Index Value Information 125A Market Information (Interest Rate) 125B Market Information (Stock Index) 125C Market Information (Exchange Rate) 126 Event information 127 Regression formula information 128 Question management information 129 Answer management information 130 Analyst report 131 Predicted index value information 131A Predicted market information (interest rate) 131B Forecast Market Information (Stock Price Index) 131C Forecast market information (exchange rate) 200 User terminal 300 Information distribution server 1000 Range information

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Development Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

【課題】金融機関の所定業務に伴う将来予測の精度および効率を向上させる。 【解決手段】予測業務支援装置１００において、金融機関で用いる所定指標値の情報と所定事象の情報とを格納した記憶装置１０１と、指標値および事象の各情報を記憶装置から読み出し、これを入力として相関分析を実行し、指標値に所定の影響を及ぼす事象の情報に基づき指標値を推定する回帰式を生成し、この回帰式の変数を構成する事象に関して、その動向予測を選択可能に回答しうるインターフェイスを含んだ質問画面を生成し、質問画面を端末に配信して当該画面を介して動向予測の回答を取得し、当該回答の値を回帰式において対応する事象の変数に入力し指標値の予測値を算定し、この予測値の情報を所定装置に出力する演算装置１０４を含む構成とする。

Description

予測業務支援装置および予測業務支援方法
　本発明は、予測業務支援装置および予測業務支援方法に関する。
　金融機関において、いわゆるＡＬＭ（ａｓｓｅｔ　ｌｉａｂｉｌｉｔｙ　ｍａｎａｇｅｍｅｎｔ）業務が存在する。このＡＬＭ業務は、金融機関における預金額やローン貸出金利など資産と負債の構成を踏まえつつ、所定の事象（例：公定歩合や株価等）を予測し、その予測結果に基づいて、各種リスクの最小化と収益極大化を図るものである。従ってＡＬＭ業務の担当者は、種々の経済指標やアナリストレポートを参考にしつつ、将来予測を行っている。
　そうした将来予測に関連する従来技術として、例えば、一国の主要なマクロ経済指標の予測値、即ち経済全体の動向の予測から出発して、個別企業の将来の業績や株価の動向を定量的に予測するツールとして好適な株価予測装置を提供するとの課題認識の下、装置利用者が想定した主要なマクロ経済外生指標に基いて一国の将来のマクロ経済指標を算出するマクロ経済指標算出手段と、該算出された将来のマクロ経済指標に基いて個別企業の将来の経営指標を算出する個別企業経営指標算出手段と、該算出された将来の経営指標及び前記将来のマクロ経済指標に基いて前記個別企業の将来の株価を算出する個別企業株価算出手段とを備えたことを特徴とする株価予測装置（特許文献１参照）などが提案されている。
特開平１０－３４６５号公報
　将来予測を行う場合、金融機関における担当者個々のスキルや経験値によって精度が異なるなど、属人性に起因する課題が存在する。一方、担当者からしてみれば、当該業務に伴う負荷は小さくなく、業務効率の改善と精度向上をあわせて図りたいとのニーズも生まれやすい。また金融機関の間では、そうした将来予測に関する他社動向が気になる傾向にあるが、対応する情報を得て自身の業務に有効活用する仕組みもない。
　そこで本発明の目的は、金融機関の所定業務に伴う将来予測の精度および効率を向上させる技術を提供することにある。
　上記課題を解決する本発明の予測業務支援装置は、金融機関で用いる所定指標値の情報と所定事象の情報とを格納した記憶装置と、前記指標値および前記事象の各情報を記憶装置から読み出して、前記各情報を入力として前記指標値と前記事象の情報との相関分析を実行し、前記指標値に所定の影響を及ぼす事象を特定し、当該事象の情報に基づき前記指標値を推定する回帰式を生成する処理と、前記回帰式の変数を構成する前記事象に関して、その動向予測を選択可能に回答しうるインターフェイスを含んだ質問画面を生成する処理と、前記質問画面を所定金融機関の端末に配信し、当該質問画面を介して前記端末から前記動向予測の回答を取得し、当該回答の値を、前記回帰式において対応する事象の変数に入力し、前記指標値の予測値を算定する処理と、前記予測値の情報を所定金融機関の所定装置に出力する処理と、を実行する演算装置と、を備えることを特徴とする。
　また、本発明の予測業務支援方法は、金融機関で用いる所定指標値の情報と所定事象の情報とを格納した記憶装置を備えた情報処理装置が、前記指標値および前記事象の各情報を記憶装置から読み出して、前記各情報を入力として前記指標値と前記事象の情報との相関分析を実行し、前記指標値に所定の影響を及ぼす事象を特定し、当該事象の情報に基づき前記指標値を推定する回帰式を生成する処理と、前記回帰式の変数を構成する前記事象に関して、その動向予測を選択可能に回答しうるインターフェイスを含んだ質問画面を生成する処理と、前記質問画面を所定金融機関の端末に配信し、当該質問画面を介して前記端末から前記動向予測の回答を取得し、当該回答の値を、前記回帰式において対応する事象の変数に入力し、前記指標値の予測値を算定する処理と、前記予測値の情報を所定金融機関の所定装置に出力する処理と、を実行することを特徴とする。
　本発明によれば、金融機関の所定業務に伴う将来予測の精度および効率を向上させることが可能となる。
本実施形態における予測業務支援装置を含むネットワーク構成図である。 本実施形態の予測業務支援装置のハードウェア構成例を示す図である。 本実施形態における市況情報（金利）の構成例を示す図である。 本実施形態における市況情報（株価指数）の構成例を示す図である。 本実施形態における市況情報（為替レート）の構成例を示す図である。 本実施形態におけるイベント情報の構成例を示す図である。 本実施形態における回帰式情報の構成例を示す図である。 本実施形態における設問管理情報の構成例を示す図である。 本実施形態における回答管理情報の構成例を示す図である。 本実施形態におけるアナリストレポートの構成例を示す図である。 本実施形態の予測業務支援方法の手順例１を示すフロー図である。 本実施形態における範囲情報の構成例を示す図である。 本実施形態における画面例１を示す図である。 本実施形態における予測市況情報（金利）の構成例を示す図である。 本実施形態における予測市況情報（株価指数）の構成例を示す図である。 本実施形態における予測市況情報（為替レート）の構成例を示す図である。 本実施形態における画面例２を示す図である。 本実施形態における画面例３を示す図である。 本実施形態における画面例４を示す図である。 本実施形態の予測業務支援方法の手順例２を示すフロー図である。 本実施形態におけるヒストグラムの概念例を示す図である。 本実施形態の予測業務支援方法の手順例３を示すフロー図である。
－－－ネットワーク構成－－－
　以下に本発明の実施形態について図面を用いて詳細に説明する。図１は本実施形態の予測業務支援装置１００を含むネットワーク構成例を示す図である。図１に示す予測業務支援装置１００は、金融機関の所定業務に伴う将来予測の精度および効率を向上させるための情報処理装置である。
　こうした予測業務支援装置１００はネットワーク１０に接続され、ユーザ端末２００および情報配信サーバ３００とデータ通信可能となっている。
　このうちユーザ端末２００は、金融機関の担当者が操作する端末である。この担当者は、ＡＬＭ業務の担当者であって、本実施形態の予測業務支援装置１００が提供するサービスを利用し、自身の業務の効率化、精度向上を望んでいる者となる。
　また、情報配信サーバ３００は、公定歩合、株価指数、為替レートといった経済情報や、政変や経済政策など政治に関するニュース情報、などを配信するサーバである。情報配信サーバ３００は、例えば、経済情報の配信サービスを行っている企業が運用することを想定できる。
－－－ハードウェア構成例－－－
　また、予測業務支援装置１００のハードウェア構成は以下の如くとなる。予測業務支援装置１００は、ハードディスクドライブなど適宜な不揮発性記憶素子で構成される記憶装置１０１、ＲＡＭなど揮発性記憶素子で構成されるメモリ１０３、記憶装置１０１に保持されるプログラム１０２をメモリ１０３に読み出すなどして実行しシステム自体の統括制御を行なうとともに各種判定、演算及び制御処理を行なうＣＰＵ１０４（演算装置）、ネットワーク１０と接続して他装置との通信処理を担う通信装置１０５、を少なくとも備える。
　また、上述の記憶装置１０１には、本実施形態の予測業務支援方法に伴う機能を実装するためのプログラム１０２が格納されている。このプログラム１０２は、相関分析エンジン１１０も含まれる。相関分析エンジン１１０は、相関分析を行うプログラムであり、既存のものを適宜に採用すればよい。ただし、こうし相関分析エンジン１１０に代えて、例えば、同様の機能を提供する人工知能を採用するなどしてもよく、相関分析を行う構成について限定しない。
　また、記憶装置１０１には、上述のプログラム１０２に加えて、指標値情報１２５、イベント情報１２６、回帰式情報１２７、設問管理情報１２８、回答管理情報１２９、アナリストレポート１３０、および、予測指標値情報１３１、が格納されている。これら情報の詳細については後述する。
－－－データ構成例－－－
　続いて、本実施形態の予測業務支援装置１００が用いるデータベース類について説明する。図３Ａ～図３Ｃに、本実施形態における指標値情報１２５である、市況情報（金利）１２５Ａ、市況情報（株価指数）１２５Ｂ、および、市況情報（為替レート）１２５Ｃ、の一例を示す。なお、これら指標値情報１２５を構成する各値は、予測業務支援装置１００が、情報配信サーバ３００から受信して格納したものを想定できる。
　このうち図３Ａで示す市況情報（金利）１２５Ａは、経済指標の一種である、金利の実績値を時系列で格納したテーブルである。
　そのデータ構造は、市況情報コードをキーとして、基準年月日、金利和名、種別、通貨、期間、および、レート、といったデータから成るレコードの集合体である。
　このうち市況情報コードは、当該金利の種類を一意に特定するＩＤである。また基準年月日は、当該金利の適用時期を示す値である。また金利和名および種別は、当該金利の和名と種別を示す値である。また通貨は、当該金利の適用通貨を示す値である。また期間は、当該金利の満期までの期間を示す値である。またレートは、当該金利の値を示す値である。
　また図３Ｂで示す市況情報（株価指数）１２５Ｂは、経済指標の一種である、株価指数の実績値を時系列で格納したテーブルである。
　そのデータ構造は、市況情報コードをキーとして、基準年月日、株価指数和名、および、レート、といったデータから成るレコードの集合体である。
　このうち市況情報コードは、当該株価指数の種類を一意に特定するＩＤである。また基準年月日は、当該株価指数の算定時期を示す値である。また株価指数和名は、当該株価指数の和名を示す値である。またレートは、当該株価指数の値を示す値である。
　また図３Ｃで示す市況情報（為替レート）１２５Ｃは、経済指標の一種である、為替レートの実績値を時系列で格納したテーブルである。
　そのデータ構造は、市況情報コードをキーとして、基準年月日、為替レート和名、および、レート、といったデータから成るレコードの集合体である。
　このうち市況情報コードは、当該為替レートの種類を一意に特定するＩＤである。また基準年月日は、当該為替レートの適用時期を示す値である。また為替レート和名は、当該為替レートの和名を示す値である。またレートは、当該為替レートの値を示す値である。
　続いて図４に、本実施形態におけるイベント情報１２６の一例を示す。このイベント情報１２６は、経済に関連した事象の情報を時系列で格納したテーブルである。なお、このイベント情報１２６を構成する各値は、予測業務支援装置１００が、情報配信サーバ３００から受信して格納したものを想定できる。
　そのデータ構造は、当該事象を一意に特定するイベントコードをキーとして、当該イベントの発生年月日、イベント和名、および、値、といったデータから成るレコードの集合体である。
　このうち発生年月日は、当該事象の発生時期を示す値である。またイベント和名は、当該事象の和名を示す値である。また値は、当該事象の値を示す値である。この値は、対応する事象すなわちイベントが「経済混乱の有無」であれば、経済混乱無しの場合は「０」、経済混乱ありの場合は「１」、などと設定される。また、対応する事象すなわちイベントが「経済成長率」（の発表）であれば、政府機関から発表された経済成長率の値が設定される。
　続いて図５に、本実施形態における回帰式情報１２７の一例を示す。この回帰式情報１２７は、上述の指標値情報１２５とイベント情報１２６を入力として相関分析エンジン１１０で分析して得られる回帰式を格納したテーブルである。
　そのデータ構造は、回帰式の算出結果である市況情報（指標値）に対応した市況情報コードをキーとして、当該回帰式の適用開始日、回帰式、および、当該回帰式における変数と回答キーとの対応、といったデータから成るレコードの集合体である。
　このうち適用開始日は、当該回帰式で推定する市況情報たる指標値の対象時期を示す値である。また回帰式は、出力ｙが、当該市況情報コードで示される市況情報の値（例：金利の値）であり、この市況情報を算出するための変数Ｘとその係数の組合せで構成されている。例えば、ｙ＝１．０１・Ｘ１＋０．００２・Ｘ２＋０．１２４・Ｘ３＋・・・・、といった式を想定できる。
　なお、この変数Ｘ１、Ｘ２、・・・Ｘ７は、イベント情報１２６における所定のイベントに対応した変数であり、当該イベントに関する設問への回答種類ごと（図６Ａの設問管理情報１２８で示す“設問内容”の“選択肢”ごと）に設けたものである。したがって、上述の回帰式において、例えば、変数“Ｘ１”は、“経済成長率（増）”、変数“Ｘ２”は、“経済成長率（微増）”、変数“Ｘ３”は、“経済成長率（横ばい）”、変数“Ｘ４”は、“経済成長率（微減）”、変数“Ｘ５”は、“経済成長率（減）”、変数“Ｘ６”は、“経済混乱の有無（あり）”、変数“Ｘ７”は、“経済混乱の有無（なし）”、などといった変数である。
　また、“回答キー”との対応で言えば、変数“Ｘ１”は、“００１０１”、変数“Ｘ２”は、“００１０２”、変数“Ｘ３”は、“００１０３”、変数“Ｘ４”は、“００１０４”、変数“Ｘ５”は、“００１０５”、変数“Ｘ６”は、“００２０１”、変数“Ｘ７”は、“００２０２”、に対応することなる。この対応関係については、回帰式情報１２７における“変数と回答キーの対応欄”で規定している。
　よって、後述する設問に対して金融機関の担当者が回答してきた内容、すなわち、回答管理情報１２９の“回答番号”欄に格納された回答キーは、上述の変数のいずれかに対応するものである。
　また、こうした変数に代入される値は、当該変数に対応した“設問内容”の“選択肢”に関する回答有無に応じたものである。回答があった、すなわち回答管理情報１２９の“回答番号”欄に回答キーが含まれている、設問内容の選択肢に対応した変数に関しては“１”であり、回答が無かった設問内容の選択肢に対応した変数に関しては、“０”となる。
　例えば、回答管理情報１２９の或るレコードにおいて、“回答番号”欄に回答キー“００１０１”と“００２０１”が含まれていたとする。その場合、予測業務支援装置１００は、この回答キー“０００１０１”に対応する、変数“Ｘ１”の値として“１”を代入し、また、回答キー“０００２０１”に対応する、変数“Ｘ６”の値として“１”を代入し、その他の変数“Ｘ２”～“Ｘ５”、“Ｘ７”の値として“０”を代入することとなる（各設問に対する回答は１つであるため）。
　また、上述の経済成長率に関する回帰式において各変数に乗じられる係数は、これまでの実際の経済成長率の変化と、各回答キー（すなわち各変数）に割り当たった範囲とを入力として、所定の人工知能が算出した係数値である。勿論、当該係数の決定手法はこれに限定せず、既存技術を適用して適宜に決定できればよい。なお、上述の人工知能は、本実施形態の予測業務支援装置１００が利用可能に備えるか、或いは、ネットワーク１０において提供中の人工知能分析サービスを利用することを想定できる。
　続いて図６Ａに、本実施形態における設問管理情報１２８の一例を示す。この設問管理情報１２８は、上述の回帰式情報１２７における各回帰式が含む変数、に対応したイベントに関して、その動向予測を金融機関の担当者等に問う設問の情報を格納したテーブルである。
　そのデータ構造は、設問を一意に特定する設問キーをキーとして、当該設問の設問内容、回答キー、および、選択肢、といったデータから成るレコードの集合体である。
　このうち設問内容は、当該設問で担当者に問いかける内容を示す値である。また回答キーは、当該設問に対して担当者が行う回答の内容を、その種類ごとに一意に特定するキーである。また選択肢は、担当者が選択しうる回答の枝を示すもので、上述の回答キーと一意に結びついたものである。
　例えば、設問キー「００１」の「日本の経済成長率に対する見解を選択してください」なる設問内容に関しては、その回答として、回答キー「００１０１」の「増」、回答キー「００１０２」の「微増」、回答キー「００１０３」の「横ばい」、回答キー「００１０４」の「微減」、回答キー「００１０５」の「減」、といった選択肢が紐付いている。
　続いて図６Ｂに、本実施形態における回答管理情報１２９の一例を示す。この回答管理情報１２９は、上述の設問管理情報１２８で管理されている設問に対し、金融機関の担当者が回答してきた内容について格納したテーブルである。
　そのデータ構造は、当該回答を寄せた金融機関を一意に特定する銀行コードをキーとして、当該金融機関の担当者による回答の登録年月日、選択したシナリオのＩＤ、当該シナリオの名、回答番号、および、シナリオ選定経緯、といったデータから成るレコードの集合体である。
　このうちシナリオＩＤは、銀行コード＋連番等でユーザが入力した回答情報を一意に特定するためのＩＤである。また、回答番号は、上述の設問管理情報１２８で規定された選択肢のうち、当該担当者が選択したものの回答キーで構成される情報である。また、シナリオ選定経緯は、当該担当者がシナリオ選択にあたって根拠とした情報を事由記載した情報を格納したものとなる。
　続いて図７に、本実施形態におけるアナリストレポート１３０の一例を示す。このアナリストレポート１３０は、所定の金融アナリストが作成したアナリストレポートを格納したテーブルである。このアナリストレポート１３０に格納された各アナリストレポートは、所定の金融機関から予め提供されたものである。
　そのデータ構造は、当該アナリストレポートの登録年月日をキーとして、当該アナリストレポートのタイトル、および、レポート内容、といったデータから成るレコードの集合体である。このうちレポートタイトルは、当該アナリストレポートのタイトルであり、また、レポート内容は、当該アナリストレポートの内容である。
－－－フロー例１－－－
　以下、本実施形態における予測業務支援方法の実際手順について図に基づき説明する。以下で説明する予測業務支援方法に対応する各種動作は、予測業務支援装置１００がメモリ１０３に読み出して実行するプログラムによって実現される。そして、これらのプログラムは、以下に説明される各種の動作を行うためのコードから構成されている。
　図８は、本実施形態における予測業務支援方法の処理手順例１を示すフロー図である。ここで、当該フローに先立ち、例えば、或る金融機関のユーザ端末２００から、所定の指標値に関して予測値を要求する通知を受信しているものとする。
　そこで予測業務支援装置１００は、上述の通知が要求する指標値（以後、要求指標値）に関して、記憶装置１０１の指標値情報１２５から対応する情報を取得する（ｓ１００）。要求指標値が「金利」であった場合、指標値情報１２５から抽出する情報は、市況情報（金利）１２５Ａとなる。
　続いて、予測業務支援装置１００は、記憶装置１０１にアクセスし、イベント情報１２６を取得する（ｓ１０１）。なお、イベント情報１２６のみならず、指標値情報１２５のうち、上述の要求指標値以外の指標値、すなわち市況情報（株価指数）１２５Ｂおよび市況情報（為替レート）１２５Ｃも取得するとしてもよい。要求指標値に影響を及ぼす事象として、イベント情報１２６が示す事象以外にも、他の指標値が想定されうるためである。
　次に、予測業務支援装置１００は、上述のｓ１００、ｓ１０１で得た各情報を入力として相関分析エンジン１１０に与えることで、要求指標値とイベントや他の指標値との相関分析を実行する（ｓ１０２）。この相関分析自体は、既存のものと同様である。
　また、予測業務支援装置１００は、上述の相関分析により、要求指標値に所定の影響を及ぼす事象すなわちイベントや他の指標値を特定し、当該イベント等の情報に基づき要求指標値を推定する回帰式を生成する（ｓ１０３）。この回帰式は、要求指標値を「ｙ」とした場合、イベント情報１２６の値や他の指標値を変数Ｘ１～Ｘｎ、とした直線の式を想定する。ここでの回帰式の生成手法自体も、既存のものを適宜に採用すればよい。
　なお、予測業務支援装置１００は、上述の回帰式生成を行うに際し、人工知能等の回帰式生成用のアルゴリズムへの入力となる、要求指標値の「金利」およびイベント情報１２６の値のうち、例えばイベント情報１２６の各値を、既に述べた変数Ｘ１～Ｘ７すなわち設問に対する選択肢の各概念に応じて分類する。このため、予測業務支援装置１００は、範囲情報１０００（図９）を記憶装置１０１に保持している。
　図９で示す範囲情報１０００の例では、変数Ｘ１～Ｘ５すなわち「経済成長率」に関する「増」、「微増」、・・・といった事象それぞれに対応する経済成長率の値として、経済成長率「増」の場合はその値が「６％以上」、「微増」の場合はその値が「６％未満３％以上」、「横ばい」の場合はその値が「３％未満０％以上」、「微減」の場合はその値が「－３％以上－６％未満」、「減」の場合はその値が「－６％以上」、などと定義している。
　同様に、この範囲情報１０００には、変数Ｘ６～Ｘ７すなわち「経済混乱の有無」に関する「あり」、「なし」といった事象それぞれに対応する値として、「あり」の場合はその値が「１」、「なし」の場合はその値が「０」、などと定義している。
　よって予測業務支援装置１００は、上述の回帰式生成を行う際、例えば、処理対象のイベント情報１２６である「経済成長率」の各値を、上述の範囲情報１０００に照合して、その値が、「増」、「微増」、「横ばい」、「減」のいずれに該当するか判定する。
　例えば、発生年月日「１９８００１０１」の経済成長率「０．０３８」すなわち「３．８％」を、範囲情報１０００における「経済成長率」の各規定に照合すると、「６％未満３％以上」の範囲にあるため、経済成長率「微増」、と判定できる。
　予測業務支援装置１００は、こうした判定を経たイベント情報１２６である経済成長率の各値（ここでは「増」、「微増」、・・・、のいずれか）および経済混乱の有無の値（こちらは上述の判定の必要なし）と、対応する各年の要求指標値すなわち「金利」（例：市況情報コード“１０００１”の金利和名“ＪＰＹ　Ｔｉｂｏｒ１Ｍ”）のレートとを、人工知能に与え、回帰式における変数および係数の組合せを特定し、回帰式生成を行うこととなる。
　また、予測業務支援装置１００は、ｓ１０３で生成した回帰式を回帰式情報１２７に格納する（ｓ１０４）。
　続いて、予測業務支援装置１００は、上述のｓ１０３、ｓ１０４で生成・格納した回帰式に関して、その変数を構成するイベントや他の指標値に関して、その動向予測を選択可能に回答しうるインターフェイスを含んだ質問画面を生成する（ｓ１０５）。
　例えば、その回帰式が、要求指標値「金利」に関するもので、変数が「経済成長率」、「経済混乱の有無」であったとする。この場合、予測業務支援装置１００は、設問として「経済成長率」の動向予測を選択肢から回答させるプルダウンメニューと、「経済混乱の有無」の動向予測を選択肢から回答させるプルダウンメニュー、を、記憶装置１０１に予め保持する所定の画面フォーマットに設定し、質問画面を生成する。
　図１０に、本実施形態における質問画面９００の具体例を示す。この質問画面９００は、便宜上「シナリオ登録画面」と称している。ここでは、シナリオの名称９０１、区分９０２、設問９０３、および、回答経緯９０４、の各項目について金融機関の担当者に回答を問いかける、入力用のインターフェイスが含まれた構成となっている。
　このうちシナリオの名称９０１は、要求指標値の推定対象時期における経済状況を示す名称に関して、担当者が自由記述で入力する欄である。一方、区分９０２は、楽観シナリオや悲観シナリオといった経済状況を担当者が自由記述で入力する自由記載欄となっている。楽観シナリオは大規模な経済混乱が無い前提であり、悲観シナリオは大規模な経済混乱がある前提、の経済状況を想定する。
　また、設問９０３は、回帰式の変数を構成するイベントや他の指標値の動向のうち、変数「経済成長率」の動向予測に関して、増加、微増、横ばい、微減、減、といった選択肢を含むプルダウンメニュー９０３１と、変数「経済混乱の有無」の動向予測に関して、あり、なし、といった選択肢を含むプルダウンメニュー９０３２と、を含んで構成される。
　また、回答経緯９０４は、こうした入力インターフェイスで担当者が選択した回答に関して、その経緯を自由記述で入力させる入力欄である。
　続いて、予測業務支援装置１００は、上述の質問画面９００を、予め所定の取り決めを結んである金融機関のユーザ端末２００に配信する（ｓ１０６）。
　一方、当該金融機関のユーザ端末２００は、質問画面９００を表示するとともに、この質問画面９００が示すシナリオの名称９０１、区分９０２、設問９０３の各インターフェイスにおいて、ＡＬＭ業務の担当者や金融アナリスト等による回答を取得し、これを動向予測の回答として予測業務支援装置１００に返信することとなる。
　例えば、シナリオの名称９０１として「楽観シナリオ（大規模経済混乱発生想定なし）」、区分９０２として「楽観シナリオ」、設問９０３における「ＱＡ１」への回答として「増加」、「ＱＡ２」への回答として「あり」、回答経緯９０４として「経済成長率の見通しについては、国際通貨基金（ＩＭＦ）による日本経済見通しの見解を元に今年の日本の実質経済成長率は微増と判断した。また、・・・・・・・・・・・・・」、といった値が、ユーザ端末２００から予測業務支援装置１００に返信されると想定される。
　この場合、予測業務支援装置１００は、上述の回答の値をユーザ端末２００から受信し、これをｓ１０３で生成済みの回帰式において対応するイベントや指標値の変数に入力し、指標値の予測値を算定する（ｓ１０７）。
　この場合、予測業務支援装置１００は、本件で使用する回帰式が、例えば、金利ｙ＝１．０１×Ｘ１＋０．００２×Ｘ２＋０．１２４×Ｘ３＋０．２１２×Ｘ４＋０．００１×Ｘ５＋０．２１２×Ｘ６＋０．００１×Ｘ７、であり、かつ、「経済成長率」に関する回答が「増加」、すなわち回答キー“００１０１”を得ており（すなわち変数Ｘ１が“１”）、また、「経済混乱の有無」に関する回答が「あり」、すなわち回答キー“００２０１”を得ていたとすれば（すなわち変数Ｘ６が“１”）、金利ｙ＝１．０１×１＋０．２１２×１＝１．２２２、などと算定できる。
　こうして要求指標値の予測値を算定した予測業務支援装置１００は、その情報を、シナリオと紐付けて、回答管理情報１２９に格納するものとする。また、その情報の示す値を、予測指標値情報１３１におけるレート欄に格納するものとする。図１１Ａ～図１１Ｃに、予測指標値情報１３１の例である、予測市況情報（金利）１３１Ａ、予測市況情報（株価指数）１３１Ｂ、予測市況情報（為替レート）１３１Ｃ、を示す。
　ここで示すように、予測指標値情報１３１は、要求指標値に対応した市況情報コードをキーとして、基準年月日や和名、レートといった指標値情報１２５と同様の項目で構成されたレコード（１つの回答）の集合体となっている。
　続いて、予測業務支援装置１００は、上述ｓ１０７で算定した予測値の情報を、要求のあった（又は予め定めた金融機関の）ユーザ端末２００に出力し（ｓ１０８）、処理を終了する。
　なお、この出力に際し、予測業務支援装置１００は、ユーザ端末２００から条件指定を受けて、これに応じた情報を出力するとしてもよい。
　例えば、図１２のシナリオ検索画面１５００に示すように、予測業務支援装置１００は、担当者が所望するシナリオについて、銀行名、シナリオ区分、登録期間、の各条件の指定を受けて、これに基づいて回答管理情報１２９で検索を実行する。すると、シナリオ区分の示す「楽観」、「悲観」といったキーワードをシナリオ名に含むレコードを特定できる。ここで特定したレコードは、「シナリオ一覧」としてシナリオ検索画面１５００に表示させる。
　ユーザ端末２００を操作している担当者は、このシナリオ検索画面１５００を閲覧し、詳細情報を確認したいシナリオについて、上述の「シナリオ一覧」から選択するとする。すると、予測業務支援装置１００は、該当シナリオに関する情報を回答管理情報１２９から得て、これを含むシナリオ参照画面１６００を生成してユーザ端末２００に返す。
　シナリオ参照画面１６００は、図１３で例示するように、シナリオ基本情報、シナリオ選定経緯、および、設問回答情報、を含んでいる。また、このシナリオ参照画面１６００で、所定操作を受けた場合、予測業務支援装置１００は、図１４で例示するシナリオ参照画面１７００に画面遷移させ、そこで市況情報区分、市況情報、および、そのグラフ、を表示させる。いずれも、回答管理情報１２９から得られるものである。
　こうした構成によれば、これまで窺い知ることが困難であった、他の金融機関における経済指標等の動向判断といった情報について、検索・確認することができる。こうした検索・確認の動作は、金融機関それぞれで他の金融機関について行うことが可能であって、すなわち、金融機関の間で上述の情報等の共有が可能となる。上述のＡＬＭ業務の担当者からしてみれば、他行の判断傾向を参照して、自行の判断の妥当性を担保する或いは適宜に微修正するなど、業務の効率や精度を向上させうる機能となる。ひいては、金融機関の所定業務に伴う将来予測の精度および効率をより向上させることが可能となる。
－－－フロー例２－－－
　続いて、上述の範囲情報１０００に関する処理について説明する。図１５は、本実施形態における予測業務支援方法の処理手順例２を示すフロー図である。ここでは、上述の範囲情報１０００の生成例について説明する。
　予測業務支援装置１００は、上述の質問画面９００を生成するに際し、要求指標値に影響を及ぼす事象として、ｓ１０２で特定した事象について、その情報、すなわちイベント情報１２６における対象イベントの値ないし指標値情報１２５における対象指標値のレート、をイベント情報１２６および指標値情報１２５から抽出する（ｓ２００）。ここでは、一例として、要求指標値に影響を及ぼす事象として、イベント「経済成長率」が特定され、この「経済成長率」の各値をイベント情報１２６から抽出したとする。
　続いて、予測業務支援装置１００は、質問画面９００における「経済成長率」のプルダウンメニュー９０３１の選択肢の数に応じて、ｓ２００で抽出した「経済成長率」の各値を、その大きさごとに分類し、当該事象「経済成長率」の値の分布を示すヒストグラム１３００を生成する（ｓ２０１）。
　図１６で示すヒストグラム１３００の場合、上述の選択肢の数が「５」であることに対応して、経済成長率の値が「－６％以下」、「－６％以上－３％未満」、「０％以上３％未満」、「３％以上６％未満」、「６％以上」、の各階級に、「経済成長率」の値を分類し、その出現頻度を縦軸にとったものとなっている。
　また、経済成長率が「－６％以下」の場合、その出現頻度が「５」、「－６％以上－３％未満」の場合、その出現頻度が「１２」、「０％以上３％未満」の場合、その出現頻度が「２１」、「３％以上６％未満」の場合、その出現頻度が「３１」、「６％以上」の場合、その出現頻度が「２０」、となっている。
　次に、予測業務支援装置１００は、上述のように生成したヒストグラム１３００の階級それぞれに対応する、事象「経済成長率」の値の範囲情報を、プルダウンメニュー９０３１における対応する選択肢に紐付けて、範囲情報１０００に格納する（ｓ２０２）。
　この場合、予測業務支援装置１００は、上述の階級それぞれにおける「経済成長率」の値の大きさ順で、「増」、「微増」、「横ばい」、「微減」、「減」、に、当該階級における値の範囲を紐付ける。例えば、選択肢「増」に対しては、「６％以上」を紐付け、選択肢「微増」に対しては、「３％以上６％未満」を紐付け、選択肢「横ばい」に対しては、「０％以上３％未満」を紐付け、選択肢「微減」に対しては、「－６％以上－３％未満」を紐付け、選択肢「減」に対しては、「－６％以下」を紐付ける。
　なお、質問画面９００を生成するに際し、予測業務支援装置１００は、ヒストグラム１３００の階級それぞれに関してその度数を比較し、度数が所定基準以上となっている階級を判定するとしてもよい。つまり、あまりに出現頻度が低い階級に関しては、質問画面９００における有効な選択肢となりえないとして排除するのである。
　この場合、予測業務支援装置１００は、質問画面９００におけるプルダウンメニューの選択肢の数および内容を、この判定で特定した階級の数および当該階級における事象の値の範囲と特定することとなる。
－－－フロー例３－－－
　続いて、回帰式のチューニング処理について説明する。図１７は、本実施形態における予測業務支援方法の処理手順例３を示すフロー図である。
　予測業務支援装置１００は、上述のように回帰式を生成したが、その精度が最初から良好であるかは不確かな場合もありうる。
　そこで、予測業務支援装置１００は、生成した回帰式に対して、入力として所定時期における該当事象（当該回帰式の変数に対応したもの）の現実値を設定して、当該指標値の模範値を算定する（ｓ３００）。上述の現実値とは、イベント情報１２６における「経済成長率」など経済イベントの値が対応する。つまり、回帰式を相関分析等を経て生成したものの、実際のイベント情報１２６の値（範囲情報１０００に基づく判定で、該当イベントの選択肢に対応して“１”か“０”変換された値）を変数に代入した場合の指標値を模範値として算定するのである。
　例えば、対象の回帰式が、金利ｙ＝１．０１×Ｘ１＋０．００２×Ｘ２＋０．１２４×Ｘ３＋０．２１２×Ｘ４＋０．００１×Ｘ５、であったとする。また、或る年の実際の経済成長率が「４％」であったとする。この時、予測業務支援装置１００は、この実際の経済成長率「４％」を、範囲情報１０００に照合し、これが既存の選択肢のうち「微増」に該当し、かつ、変数“Ｘ２”に対応していることを特定する。また予測業務支援装置１００は、上述の回帰式の変数“Ｘ２”に“１”を代入し、金利ｙ＝０．００２×１＝０．００２、すなわち２％を模範値と算定する。
　続いて、予測業務支援装置１００は、上述の模範値と、ｓ１０７で算定してある予測値とを比較して、その乖離が所定基準を超えるか判定する（ｓ３０１）。
　例えば、予測値が“１．８％”で、模範値が“２％”であって、乖離の基準値が“１．５％”であったとする。その場合、予測値と模範値との乖離は“０．２％”であって、乖離の基準値が“１．５％”を超えていない、と判定できる。
　上述の判定の結果、乖離が所定基準を超えていない場合（ｓ３０２：ｎ）、予測業務支援装置１００は処理を終了する。
　他方、上述の判定の結果、乖離が所定基準を超えていた場合（ｓ３０２：ｙ）、予測業務支援装置１００は、当該回帰式の生成に用いていない新たな事象の情報を入力装置１０５ないし記憶装置１０１から取得する（ｓ３０３）。
　例えば、当該回帰式の相関分析に際して、相関分析エンジン１１０に入力として与えた情報が、「経済成長率」の値であった場合、「経済混乱の有無」の値を記憶装置１０１のイベント情報１２６から得る。
　続いて、予測業務支援装置１００は、ｓ３０３で得た新たな事象の情報を、元々採用していた事象情報（上述の例の場合、「経済成長率」）に加えて、相関分析エンジン１１０の入力として回帰式の再生成を行う（ｓ３０４）。相関分析の内容自体はｓ１０２と同様である。
　また、予測業務支援装置１００は、ｓ３０４で再生成した回帰式を回帰式情報１２７に格納し（ｓ３０５）、処理を終了する。
　予測業務支援装置１００は、こうしたｓ３００～ｓ３０５の各処理を、所定期間ごとに繰り返し実行することで、回帰式を継続的にチューニングし、その精度を高めるよう測っている。
　こうしてチューニングした回帰式は、フロー例１と同様に、質問画面の生成、動向予測の回答の値に基づく予測値の算定、といった処理にて使用され、精度良好な結果を担当者に提示することにつながる。
　なお、本実施形態では、予測業務支援装置１００が処理対象とする事案として、ＡＬＭ業務を想定して説明を行ったが、事案の種類についてこれに限定しない。
　例えば、不動産ローン、法人ローン、預金残高、といった事案に関して本実施形態の予測業務支援方法を適用することも想定できる。
　例えば、不動産ローンであれば、指標値としてローン成約率やローン残高を想定し、これに影響を及ぼす事象として、長期金利、短期金利、土地路線価格、平均所得、などの事象を想定できる。また、法人ローンであれば、指標値としてローン成約率やローン残高を想定し、これに影響を及ぼす事象として、長期金利、短期金利、法人税率、法人売上高、などの事象を想定できる。また、預金残高であれば、指標値として預金残高や定期預金獲得率を想定し、これに影響を及ぼす事象として、長期金利、短期金利、個人所得、法人売上高、などの事象を想定できる。
　本実施形態の予測業務支援装置によれば、金融機関の所定業務に伴う将来予測の精度および効率を向上させることが可能となる。
　本明細書の記載により、少なくとも次のことが明らかにされる。すなわち、前記演算装置は、前記質問画面を生成するに際し、前記選択可能なインターフェイスにおける選択肢の数に応じて、前記特定した事象の値の大きさごとに当該事象の情報を分類してヒストグラムを生成し、当該ヒストグラムにおける階級それぞれに対応する前記所定事象の値の範囲情報を、前記選択肢に紐付けて記憶装置で保持する処理を更に実行し、前記回帰式を生成する処理に際し、前記特定した影響を及ぼす事象の情報を、前記範囲情報に照合して、当該情報が前記選択肢のいずれに対応するか判定することで、前記事象の情報それぞれを前記選択肢のいずれかの値に変換したものを取得し、当該取得した値と前記指標値とを所定の機械学習アルゴリズムに与え、回帰式における変数およびその係数の組合せを特定して回帰式を生成するものである、としてもよい。
　これによれば、回帰式生成に際して用いる経済成長率などの値を、質問画面での選択肢すなわち、回帰式における対応した変数に代入する値、に変換し、機械学習アルゴリズムに与えることが可能であり、質問画面での選択肢と直接的に対応したシンプルな回帰式を効率よく生成することが可能となる。ひいては、金融機関の所定業務に伴う将来予測の精度および効率をより向上させることが可能となる。
　本実施形態の予測業務支援装置において、前記演算装置は、前記回帰式に対して、変数への入力として、所定時期における前記事象の現実値を前記範囲情報に照合して変換した前記選択肢のいずれかの値を設定して、前記指標値の模範値を算定し、前記模範値と前記予測値とを比較して、その乖離が所定基準を超える場合、当該回帰式の生成に用いていない新たな所定事象の情報を入力装置ないし記憶装置から取得し、当該新たな事象の情報を加えた上で回帰式の再生成を行う処理と、前記再生成した回帰式の変数を構成する事象に関して、その動向予測を選択可能に回答しうるインターフェイスを含んだ質問画面を生成する処理と、前記質問画面を所定金融機関の端末に配信し、当該質問画面を介して前記端末から前記動向予測の回答を取得し、当該回答の値を、前記回帰式において対応する事象の変数に入力し、前記指標値の予測値を算定する処理と、前記予測値の情報を所定金融機関の所定装置に出力する処理と、を実行するものである、としてもよい。
　これによれば、予測値と模範値との乖離を解消する方向で回帰式を再生成して、回帰式の精度、すなわち予測値の精度を徐々に向上させることが可能となる。ひいては、金融機関の所定業務に伴う将来予測の精度および効率をより向上させることが可能となる。
　本実施形態の予測業務支援装置において、前記演算装置は、前記質問画面を生成するに際し、前記階級それぞれに関してその度数を比較し、度数が所定基準以上となっている階級を判定して、前記選択肢の数および内容を、前記判定で特定した階級の数および当該階級における前記所定事象の値の範囲と特定し、当該特定した選択肢の数および内容に応じた前記インターフェイスを含む前記質問画面を生成するものである、としてもよい。
　これによれば、経済成長率や公定歩合などの事象の値のうち、例えば、ほぼ発生していない値の範囲を排除して、その発生頻度が適宜なものの範囲を区画して階級を設定し、選択肢の裏付けとして採用することが可能となる。ひいては、金融機関の所定業務に伴う将来予測の精度および効率をより向上させることが可能となる。
　本実施形態の予測業務支援装置において、前記演算装置は、所定の金融機関の端末から、当該金融機関とは異なる他金融機関に関する情報提示要求を受信し、当該他金融機関に関して既に得ている、前記動向予測の回答の値、および、前記算定した前記指標値の予測値、の各情報の少なくともいずれかを、前記他金融機関の端末に出力する処理を更に実行するものである、としてもよい。
　これによれば、これまで窺い知ることが困難であった、他の金融機関における経済指標等の動向判断といった情報について、各金融機関において検索・確認することが可能となる。すなわち、金融機関の間で上述の情報等の共有が可能となる。ＡＬＭ業務の担当者からしてみれば、他行の判断傾向を参照して、自行の判断の妥当性を担保する或いは適宜に微修正するなど、業務の効率や精度を向上させうる。ひいては、金融機関の所定業務に伴う将来予測の精度および効率をより向上させることが可能となる。
　本実施形態の予測業務支援方法において、前記情報処理装置が、前記質問画面を生成するに際し、前記選択可能なインターフェイスにおける選択肢の数に応じて、前記特定した事象の値の大きさごとに当該事象の情報を分類してヒストグラムを生成し、当該ヒストグラムにおける階級それぞれに対応する前記所定事象の値の範囲情報を、前記選択肢に紐付けて記憶装置で保持する処理を更に実行し、前記回帰式を生成する処理に際し、前記特定した影響を及ぼす事象の情報を、前記範囲情報に照合して、当該情報が前記選択肢のいずれに対応するか判定することで、前記事象の情報それぞれを前記選択肢のいずれかの値に変換したものを取得し、当該取得した値と前記指標値とを所定の機械学習アルゴリズムに与え、回帰式における変数およびその係数の組合せを特定して回帰式を生成する、としてもよい。
　本実施形態の予測業務支援方法において、前記情報処理装置が、前記回帰式に対して、変数への入力として、所定時期における前記事象の現実値を前記範囲情報に照合して変換した前記選択肢のいずれかの値を設定して、前記指標値の模範値を算定し、前記模範値と前記予測値とを比較して、その乖離が所定基準を超える場合、当該回帰式の生成に用いていない新たな所定事象の情報を入力装置ないし記憶装置から取得し、当該新たな事象の情報を加えた上で回帰式の再生成を行う処理と、前記再生成した回帰式の変数を構成する事象に関して、その動向予測を選択可能に回答しうるインターフェイスを含んだ質問画面を生成する処理と、前記質問画面を所定金融機関の端末に配信し、当該質問画面を介して前記端末から前記動向予測の回答を取得し、当該回答の値を、前記回帰式において対応する事象の変数に入力し、前記指標値の予測値を算定する処理と、前記予測値の情報を所定金融機関の所定装置に出力する処理と、を実行するとしてもよい。
　本実施形態の予測業務支援方法において、前記情報処理装置が、前記質問画面を生成するに際し、前記階級それぞれに関してその度数を比較し、度数が所定基準以上となっている階級を判定して、前記選択肢の数および内容を、前記判定で特定した階級の数および当該階級における前記所定事象の値の範囲と特定し、当該特定した選択肢の数および内容に応じた前記インターフェイスを含む前記質問画面を生成する、としてもよい。
　本実施形態の予測業務支援方法において、前記情報処理装置が、所定の金融機関の端末から、当該金融機関とは異なる他金融機関に関する情報提示要求を受信し、当該他金融機関に関して既に得ている、前記動向予測の回答の値、および、前記算定した前記指標値の予測値、の各情報の少なくともいずれかを、前記他金融機関の端末に出力する処理を更に実行する、としてもよい。
１０　　ネットワーク
１００　予測業務支援装置
１０１　記憶装置
１０２　プログラム
１０３　メモリ
１０４　ＣＰＵ（演算装置）
１０５　通信装置
１１０　相関分析エンジン
１２５　指標値情報
１２５Ａ　市況情報（金利）
１２５Ｂ　市況情報（株価指数）
１２５Ｃ　市況情報（為替レート）
１２６　イベント情報
１２７　回帰式情報
１２８　設問管理情報
１２９　回答管理情報
１３０　アナリストレポート
１３１　予測指標値情報
１３１Ａ　予測市況情報（金利）
１３１Ｂ　予測市況情報（株価指数）
１３１Ｃ　予測市況情報（為替レート）
２００　ユーザ端末
３００　情報配信サーバ
１０００　範囲情報

Claims (10)

  1. 　金融機関で用いる所定指標値の情報と所定事象の情報とを格納した記憶装置と、
    　前記指標値および前記事象の各情報を記憶装置から読み出して、前記各情報を入力として前記指標値と前記事象の情報との相関分析を実行し、前記指標値に所定の影響を及ぼす事象を特定し、当該事象の情報に基づき前記指標値を推定する回帰式を生成する処理と、前記回帰式の変数を構成する前記事象に関して、その動向予測を選択可能に回答しうるインターフェイスを含んだ質問画面を生成する処理と、前記質問画面を所定金融機関の端末に配信し、当該質問画面を介して前記端末から前記動向予測の回答を取得し、当該回答の値を、前記回帰式において対応する事象の変数に入力し、前記指標値の予測値を算定する処理と、前記予測値の情報を所定金融機関の所定装置に出力する処理と、を実行する演算装置と、
    　を備えることを特徴とする予測業務支援装置。
  2. 　前記演算装置は、
    　前記質問画面を生成するに際し、前記選択可能なインターフェイスにおける選択肢の数に応じて、前記特定した事象の値の大きさごとに当該事象の情報を分類してヒストグラムを生成し、当該ヒストグラムにおける階級それぞれに対応する前記所定事象の値の範囲情報を、前記選択肢に紐付けて記憶装置で保持する処理を更に実行し、
    　前記回帰式を生成する処理に際し、前記特定した影響を及ぼす事象の情報を、前記範囲情報に照合して、当該情報が前記選択肢のいずれに対応するか判定することで、前記事象の情報それぞれを前記選択肢のいずれかの値に変換したものを取得し、当該取得した値と前記指標値とを所定の機械学習アルゴリズムに与え、回帰式における変数およびその係数の組合せを特定して回帰式を生成するものである、
    　ことを特徴とする請求項１に記載の予測業務支援装置。
  3. 　前記演算装置は、
    　前記回帰式に対して、変数への入力として、所定時期における前記事象の現実値を前記範囲情報に照合して変換した前記選択肢のいずれかの値を設定して、前記指標値の模範値を算定し、前記模範値と前記予測値とを比較して、その乖離が所定基準を超える場合、当該回帰式の生成に用いていない新たな所定事象の情報を入力装置ないし記憶装置から取得し、当該新たな事象の情報を加えた上で回帰式の再生成を行う処理と、
    　前記再生成した回帰式の変数を構成する事象に関して、その動向予測を選択可能に回答しうるインターフェイスを含んだ質問画面を生成する処理と、前記質問画面を所定金融機関の端末に配信し、当該質問画面を介して前記端末から前記動向予測の回答を取得し、当該回答の値を、前記回帰式において対応する事象の変数に入力し、前記指標値の予測値を算定する処理と、前記予測値の情報を所定金融機関の所定装置に出力する処理と、
    　を実行するものであることを特徴とする請求項２に記載の予測業務支援装置。
  4. 　前記演算装置は、
    　前記質問画面を生成するに際し、前記階級それぞれに関してその度数を比較し、度数が所定基準以上となっている階級を判定して、前記選択肢の数および内容を、前記判定で特定した階級の数および当該階級における前記所定事象の値の範囲と特定し、当該特定した選択肢の数および内容に応じた前記インターフェイスを含む前記質問画面を生成するものである、
    　ことを特徴とする請求項２に記載の予測業務支援装置。
  5. 　前記演算装置は、
    　所定の金融機関の端末から、当該金融機関とは異なる他金融機関に関する情報提示要求を受信し、当該他金融機関に関して既に得ている、前記動向予測の回答の値、および、前記算定した前記指標値の予測値、の各情報の少なくともいずれかを、前記他金融機関の端末に出力する処理を更に実行するものである、
    　ことを特徴とする請求項１に記載の予測業務支援装置。
  6. 　金融機関で用いる所定指標値の情報と所定事象の情報とを格納した記憶装置を備えた情報処理装置が、
    　前記指標値および前記事象の各情報を記憶装置から読み出して、前記各情報を入力として前記指標値と前記事象の情報との相関分析を実行し、前記指標値に所定の影響を及ぼす事象を特定し、当該事象の情報に基づき前記指標値を推定する回帰式を生成する処理と、
    　前記回帰式の変数を構成する前記事象に関して、その動向予測を選択可能に回答しうるインターフェイスを含んだ質問画面を生成する処理と、
    　前記質問画面を所定金融機関の端末に配信し、当該質問画面を介して前記端末から前記動向予測の回答を取得し、当該回答の値を、前記回帰式において対応する事象の変数に入力し、前記指標値の予測値を算定する処理と、
    　前記予測値の情報を所定金融機関の所定装置に出力する処理と、
    　を実行することを特徴とする予測業務支援方法。
  7. 　前記情報処理装置が、
    　前記質問画面を生成するに際し、前記選択可能なインターフェイスにおける選択肢の数に応じて、前記特定した事象の値の大きさごとに当該事象の情報を分類してヒストグラムを生成し、当該ヒストグラムにおける階級それぞれに対応する前記所定事象の値の範囲情報を、前記選択肢に紐付けて記憶装置で保持する処理を更に実行し、
    　前記回帰式を生成する処理に際し、前記特定した影響を及ぼす事象の情報を、前記範囲情報に照合して、当該情報が前記選択肢のいずれに対応するか判定することで、前記事象の情報それぞれを前記選択肢のいずれかの値に変換したものを取得し、当該取得した値と前記指標値とを所定の機械学習アルゴリズムに与え、回帰式における変数およびその係数の組合せを特定して回帰式を生成する、
    　ことを特徴とする請求項６に記載の予測業務支援方法。
  8. 　前記情報処理装置が、
    　前記回帰式に対して、変数への入力として、所定時期における前記事象の現実値を前記範囲情報に照合して変換した前記選択肢のいずれかの値を設定して、前記指標値の模範値を算定し、前記模範値と前記予測値とを比較して、その乖離が所定基準を超える場合、当該回帰式の生成に用いていない新たな所定事象の情報を入力装置ないし記憶装置から取得し、当該新たな事象の情報を加えた上で回帰式の再生成を行う処理と、
    　前記再生成した回帰式の変数を構成する事象に関して、その動向予測を選択可能に回答しうるインターフェイスを含んだ質問画面を生成する処理と、前記質問画面を所定金融機関の端末に配信し、当該質問画面を介して前記端末から前記動向予測の回答を取得し、当該回答の値を、前記回帰式において対応する事象の変数に入力し、前記指標値の予測値を算定する処理と、前記予測値の情報を所定金融機関の所定装置に出力する処理と、
    　を実行することを特徴とする請求項７に記載の予測業務支援方法。
  9. 　前記情報処理装置が、
    　前記質問画面を生成するに際し、前記階級それぞれに関してその度数を比較し、度数が所定基準以上となっている階級を判定して、前記選択肢の数および内容を、前記判定で特定した階級の数および当該階級における前記所定事象の値の範囲と特定し、当該特定した選択肢の数および内容に応じた前記インターフェイスを含む前記質問画面を生成する、
    　ことを特徴とする請求項７に記載の予測業務支援方法。
  10. 　前記情報処理装置が、
    　所定の金融機関の端末から、当該金融機関とは異なる他金融機関に関する情報提示要求を受信し、当該他金融機関に関して既に得ている、前記動向予測の回答の値、および、前記算定した前記指標値の予測値、の各情報の少なくともいずれかを、前記他金融機関の端末に出力する処理を更に実行する、
    　ことを特徴とする請求項６に記載の予測業務支援方法。
PCT/JP2018/008769 2018-03-07 2018-03-07 予測業務支援装置および予測業務支援方法 WO2019171492A1 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
EP18908329.8A EP3764310A4 (en) 2018-03-07 2018-03-07 PREDICTION TASK ASSISTANCE DEVICE AND METHOD
SG11202008561QA SG11202008561QA (en) 2018-03-07 2018-03-07 Prediction task assistance apparatus and prediction task assistance method
PCT/JP2018/008769 WO2019171492A1 (ja) 2018-03-07 2018-03-07 予測業務支援装置および予測業務支援方法
US16/977,865 US20210004722A1 (en) 2018-03-07 2018-03-07 Prediction task assistance apparatus and prediction task assistance method
JP2020504551A JP6978582B2 (ja) 2018-03-07 2018-03-07 予測業務支援装置および予測業務支援方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2018/008769 WO2019171492A1 (ja) 2018-03-07 2018-03-07 予測業務支援装置および予測業務支援方法

Publications (1)

Publication Number Publication Date
WO2019171492A1 true WO2019171492A1 (ja) 2019-09-12

Family

ID=67845617

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2018/008769 WO2019171492A1 (ja) 2018-03-07 2018-03-07 予測業務支援装置および予測業務支援方法

Country Status (5)

Country Link
US (1) US20210004722A1 (ja)
EP (1) EP3764310A4 (ja)
JP (1) JP6978582B2 (ja)
SG (1) SG11202008561QA (ja)
WO (1) WO2019171492A1 (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6789530B1 (ja) * 2020-01-24 2020-11-25 株式会社Ｇｅｎｅｓｉｓ 電子通貨利用情報支援システム
WO2021060968A1 (en) * 2019-09-27 2021-04-01 Mimos Berhad System and method for providing stock market recommendation
WO2023248281A1 (ja) * 2022-06-20 2023-12-28 株式会社Fuji 検査装置、実装装置および検査方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08314892A (ja) * 1995-05-18 1996-11-29 Hitachi Ltd 計量経済モデルにニューラルネットを適用した金利予測システム
JPH103465A (ja) 1996-06-17 1998-01-06 Syst Gijutsu Kenkyusho:Kk 株価予測装置
JP2004303036A (ja) * 2003-03-31 2004-10-28 Ntt Comware Corp 銀行ａｌｍシステム、方法およびプログラム
WO2017141398A1 (ja) * 2016-02-18 2017-08-24 株式会社野村総合研究所 情報処理装置、情報処理方法およびコンピュータプログラム

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6687695B1 (en) * 1998-10-02 2004-02-03 Ncr Corporation SQL-based analytic algorithms
US9135286B2 (en) * 2005-03-18 2015-09-15 Beyondcore, Inc. Identifying contributors that explain differences between subsets of a data set
US20160086222A1 (en) * 2009-01-21 2016-03-24 Truaxis, Inc. Method and system to remind users of targeted offers in similar categories
US10453142B2 (en) * 2009-02-11 2019-10-22 Johnathan Mun System and method for modeling and quantifying regulatory capital, key risk indicators, probability of default, exposure at default, loss given default, liquidity ratios, and value at risk, within the areas of asset liability management, credit risk, market risk, operational risk, and liquidity risk for banks
CA3007973C (en) * 2015-12-08 2020-11-03 Sight Machine, Inc. System and method for monitoring manufacturing

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08314892A (ja) * 1995-05-18 1996-11-29 Hitachi Ltd 計量経済モデルにニューラルネットを適用した金利予測システム
JPH103465A (ja) 1996-06-17 1998-01-06 Syst Gijutsu Kenkyusho:Kk 株価予測装置
JP2004303036A (ja) * 2003-03-31 2004-10-28 Ntt Comware Corp 銀行ａｌｍシステム、方法およびプログラム
WO2017141398A1 (ja) * 2016-02-18 2017-08-24 株式会社野村総合研究所 情報処理装置、情報処理方法およびコンピュータプログラム

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
IMAI MIKI , MATSUDA YOJI , HONMA NORITUKI , SEKIMOTO TAKAO: "Development of System based on econometric Model for Economical Prediction", HITACHI EAST JAPAN SOLUTIONS TECHNICAL REPORT, no. 2, 16 December 1996 (1996-12-16), pages 11 - 17, XP009522973 *
See also references of EP3764310A4

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021060968A1 (en) * 2019-09-27 2021-04-01 Mimos Berhad System and method for providing stock market recommendation
JP6789530B1 (ja) * 2020-01-24 2020-11-25 株式会社Ｇｅｎｅｓｉｓ 電子通貨利用情報支援システム
JP2021117951A (ja) * 2020-01-24 2021-08-10 株式会社Genesis 電子通貨利用情報支援システム
WO2023248281A1 (ja) * 2022-06-20 2023-12-28 株式会社Fuji 検査装置、実装装置および検査方法

Also Published As

Publication number Publication date
JP6978582B2 (ja) 2021-12-08
JPWO2019171492A1 (ja) 2021-01-14
EP3764310A1 (en) 2021-01-13
SG11202008561QA (en) 2020-10-29
EP3764310A4 (en) 2021-10-13
US20210004722A1 (en) 2021-01-07

Similar Documents

Publication Publication Date Title
US7895102B1 (en) Systems and methods for financial plan benchmarking
US11995062B2 (en) System and method for improved data consistency in data systems including dependent algorithms
WO2018150606A1 (ja) 情報処理装置、情報処理方法およびコンピュータプログラム
US10706474B2 (en) Supplemental review process determination utilizing advanced analytics decision making model
WO2001022266A2 (en) For user interface for a financial trading system
WO2019171492A1 (ja) 予測業務支援装置および予測業務支援方法
US8903739B1 (en) Systems and methods for optimizing wealth
US20220351207A1 (en) System and method for optimization of fraud detection model
JP2016099915A (ja) 与信審査用サーバと与信審査用システム及び与信審査用プログラム
CN115423578A (zh) 基于微服务容器化云平台的招投标方法和系统
JP2008102729A (ja) 情報提供システム及び方法並びにプログラム
CN113393320B (zh) 企业金融服务风险预测方法及装置
US20210166318A1 (en) Systems and methods for client profile-based sales decisions
US11611653B1 (en) Systems and methods for contextual communication between devices
CA3150588A1 (en) Credit evaluation method, system, storage medium, and electronic apparatus for small and micro enterprises
KR102153834B1 (ko) 확정치 및 추정치 기반의 데이터 정량화 방법
CN113656702A (zh) 用户行为的预测方法及装置
US9495707B2 (en) Systems and methods to facilitate generation of pricing information via a pricing graph
CN113723974A (zh) 一种信息处理方法、装置、设备及存储介质
CN113034183A (zh) 定价处理方法、装置、电子设备和存储介质
EP1591940A1 (en) Arrangements and methods for computer based decision support
US11915309B1 (en) Computer-based systems for calculating risk of asset transfers
US20230101734A1 (en) Machine learning model to fill gaps in adaptive rate shifting
US11803915B1 (en) Computing system for adaptive investment recommendations
JP7457839B2 (ja) 標準決済指図の自動選択のためのシステムおよび方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18908329

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2020504551

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2018908329

Country of ref document: EP

Effective date: 20201007