WO2021124438A1 - 学習システム、学習方法、適正利率予測システム、適正利率予測方法、記録媒体、及び、融資マッチングシステム - Google Patents

学習システム、学習方法、適正利率予測システム、適正利率予測方法、記録媒体、及び、融資マッチングシステム Download PDF

Info

Publication number
WO2021124438A1
WO2021124438A1 PCT/JP2019/049353 JP2019049353W WO2021124438A1 WO 2021124438 A1 WO2021124438 A1 WO 2021124438A1 JP 2019049353 W JP2019049353 W JP 2019049353W WO 2021124438 A1 WO2021124438 A1 WO 2021124438A1
Authority
WO
WIPO (PCT)
Prior art keywords
interest rate
loan
proposed
appropriate
learning
Prior art date
Application number
PCT/JP2019/049353
Other languages
English (en)
French (fr)
Inventor
育大 網代
Original Assignee
日本電気株式会社
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 日本電気株式会社 filed Critical 日本電気株式会社
Priority to PCT/JP2019/049353 priority Critical patent/WO2021124438A1/ja
Priority to US17/781,784 priority patent/US20230014755A1/en
Priority to JP2021565198A priority patent/JP7331944B2/ja
Publication of WO2021124438A1 publication Critical patent/WO2021124438A1/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
    • G06Q40/02—Banking, e.g. interest calculation or account maintenance

Definitions

  • the present invention relates to a technique for predicting an appropriate interest rate for a loan in the market.
  • Patent Document 1 describes an auction system that matches a borrower's desired borrowing condition with a lender's desired lending condition.
  • One object of the present invention is to predict a more appropriate interest rate in the market at the time of financing.
  • the learning system Proposed interest rate acquisition means to acquire proposed interest rates of multiple lenders for loan applications,
  • Loan result acquisition means to acquire the interest rate at the time of loan establishment for the loan application,
  • a learning means for learning an appropriate interest rate prediction model using the proposed interest rate as an explanatory variable and the interest rate at the time of loan establishment as an objective variable is provided.
  • the learning method Obtain the suggested interest rates of multiple lenders for a loan application, Obtain the interest rate at the time of loan establishment for the loan application, Learn an appropriate interest rate prediction model with the proposed interest rate as the explanatory variable and the interest rate at the time of loan establishment as the objective variable.
  • the recording medium is Obtain the suggested interest rates of multiple lenders for a loan application, Obtain the interest rate at the time of loan establishment for the loan application, A program for causing a computer to execute a process of learning an appropriate interest rate prediction model using the proposed interest rate as an explanatory variable and the interest rate at the time of loan establishment as an objective variable is recorded.
  • the fair interest rate forecasting system As a predictive means for predicting the appropriate interest rate based on the proposed interest rates proposed by multiple lenders, using the learned appropriate interest rate prediction model with the proposed interest rates of multiple lenders as the explanatory variables and the interest rate at the time of loan establishment as the objective variable. , An output means for outputting an appropriate interest rate predicted by the prediction means is provided.
  • the appropriate interest rate prediction method is Using the learned appropriate interest rate prediction model with the proposed interest rates of multiple lenders as the explanatory variables and the interest rate at the time of loan establishment as the objective variable, the appropriate interest rates are predicted based on the proposed interest rates proposed by multiple lenders. Output the predicted appropriate interest rate.
  • the recording medium is Using the learned appropriate interest rate prediction model with the proposed interest rates of multiple lenders as the explanatory variables and the interest rate at the time of loan establishment as the objective variable, the appropriate interest rates are predicted based on the proposed interest rates proposed by multiple lenders. Record a program that causes a computer to execute a process that outputs the predicted appropriate interest rate.
  • loan matching system loan proposal acquisition means to acquire the proposed interest rate proposed by multiple lenders, Appropriate interest rate prediction that predicts the appropriate interest rate based on the proposed interest rates proposed by multiple lenders using the learned appropriate interest rate prediction model with the proposed interest rate of multiple lenders as the explanatory variable and the interest rate at the time of loan establishment as the objective variable.
  • the configuration and operation at the time of learning of the loan matching system of the first embodiment are shown.
  • the hardware configuration of the matching device is shown.
  • the hardware configuration of the appropriate interest rate forecaster is shown. It is a flowchart of learning processing by an appropriate interest rate prediction device.
  • the configuration and operation of the loan matching system of the first embodiment at the time of prediction are shown.
  • the configuration and operation of the loan matching system of the second embodiment are shown.
  • the operation of the loan matching system when cofinancing is performed is shown.
  • the configuration and operation of the loan matching system according to the third embodiment are shown.
  • the configuration of the learning device and the appropriate interest rate prediction device according to the fourth embodiment is shown.
  • FIG. 1 shows the configuration and operation of the loan matching system 100 according to the first embodiment during learning.
  • the loan matching system 100 is a system for matching loans between a lender such as a financial institution and a borrower such as a company.
  • the loan matching system 100 includes a matching device 10 and a learning device 50.
  • the configuration at the time of learning is a configuration when the learning device 50 generates an appropriate interest rate prediction model used for predicting an appropriate interest rate (referred to as “appropriate interest rate”).
  • the "appropriate interest rate” is the interest rate when the supply and demand match in the actual market and the loan is established. Therefore, the appropriate interest rate obtained here can be considered as a standard lending interest rate that does not depend on the special circumstances of the lender or the borrower in the market at that time.
  • the matching device 10 acquires a loan application from the borrower side and a loan proposal from the lender side, and matches the lender side with the borrower side.
  • the matching device 10 includes an application acquisition / notification means 21, a loan proposal acquisition means 22, and a loan result acquisition means 24.
  • the loan application from the borrower side is input to the matching device 10.
  • the borrower is a company called "X Industry" and wants a loan of 30 million yen. It is assumed that there is no particular request from X Industry regarding the interest rate (interest rate) of the loan. X Industry presents documents such as financial statements and applies for a loan as necessary.
  • the loan application may be obtained by transmitting data or the like, or by manually inputting the matching device 10.
  • the application acquisition / notification means 21 acquires a loan application from the borrower side and notifies the lender side that the loan application has been made.
  • the financial institutions on the lender side include A regional bank (hereinafter referred to as "regional bank”), B credit union (hereinafter referred to as "credit”), and C bank. ..
  • the loan proposal acquisition means 22 acquires a loan proposal from each financial institution.
  • the loan proposal may be obtained by transmitting data or the like, or by manually inputting the matching device 10.
  • the loan proposal includes at least the interest rate of the loan (hereinafter referred to as "proposal interest rate").
  • the loan proposal may further include a loan limit.
  • the loan proposal acquisition means 22 stores the loan proposals acquired from each financial institution in the loan proposal database (hereinafter referred to as “DB”) 23.
  • the loan result is provided to the matching device 10.
  • the loan by B Shinkin bank is established.
  • at least the interest rate at the time of loan establishment is provided to the matching device 10.
  • the loan result is usually provided by the borrower or the lender, but may be provided by the operator of the loan matching system 100, which is between the two. Further, as a loan result, it is preferable that not only the interest rate at the time when the loan is established but also the interest rate at the time of failure is provided. In the example of FIG.
  • the loan result acquisition means 24 of the matching device 10 stores the provided loan result in the loan result DB 25.
  • the learning device 50 learns an appropriate interest rate prediction model prepared in advance.
  • the appropriate interest rate prediction model is a regression analysis model in which the proposed interest rate included in the lender's loan proposal is used as an explanatory variable and the interest rate at the time of loan establishment included in the loan result is used as the objective variable.
  • the appropriate interest rate prediction model may use any method such as machine learning or deep learning.
  • the learning device 50 includes a loan proposal acquisition means 56, a loan result acquisition means 57, and a model learning means 58.
  • the loan proposal acquisition means 56 acquires a loan proposal from the loan proposal DB 23 of the matching device 10.
  • the loan result acquisition means 57 acquires the loan result from the loan result DB 25.
  • the model learning means 58 learns an appropriate interest rate prediction model by using the loan proposal acquired by the loan proposal acquisition means 56 and the loan result acquired by the loan result acquisition means 57.
  • the model learning means 58 may learn not only the interest rate when the loan is established, which is included in the loan result, but also the interest rate when the loan is not established. By learning the interest rate when the loan is not established in addition to the interest rate when the loan is established, the accuracy of predicting the appropriate interest rate can be improved. In this way, by learning using the proposed interest rate obtained for a large number of loan projects and the interest rate at the time of loan establishment, the appropriate interest rate prediction model is learned so that the appropriate interest rate can be predicted with high accuracy.
  • FIG. 2 is a block diagram showing the hardware configuration of the matching device 10.
  • the matching device 10 includes an interface 11, a processor 12, a memory 13, a recording medium 14, and a database (DB) 15.
  • DB database
  • Interface 11 inputs and outputs data to and from the outside. Specifically, the interface 11 acquires data provided by the lender side and the borrower side, and outputs a loan proposal and a loan result to an appropriate interest rate prediction device 60.
  • the processor 12 is a computer such as a CPU (Central Processing Unit), and controls the entire matching device 10 by executing a program prepared in advance.
  • the memory 13 is composed of a ROM (Read Only Memory), a RAM (Random Access Memory), and the like.
  • the memory 13 stores various programs executed by the processor 12.
  • the memory 13 is also used as a working memory during execution of various processes by the processor 12.
  • the recording medium 14 is a non-volatile, non-temporary recording medium such as a disk-shaped recording medium or a semiconductor memory, and is configured to be removable from the matching device 10.
  • the recording medium 14 records various programs executed by the processor 12. When the matching device 10 executes the process, the program recorded on the recording medium 14 is loaded into the memory 13 and executed by the processor 12.
  • Database 15 stores data input through interface 11. Specifically, the database 15 constitutes the above-mentioned loan proposal DB 23 and loan result DB 25.
  • the matching device 10 may include an input device and a display unit used by a lender, a borrower, an operator, or the like to input information.
  • FIG. 3 is a block diagram showing the hardware configuration of the learning device 50.
  • the learning device 50 includes an interface 51, a processor 52, a memory 53, a recording medium 54, and a database (DB) 55.
  • DB database
  • the interface 51 inputs / outputs data to / from the outside. Specifically, the interface 51 acquires a loan proposal and a loan result from the matching device 10.
  • the processor 52 is a CPU or a computer such as a CPU and a GPU (Graphics Processing Unit), and controls the entire appropriate interest rate prediction device 60 by executing a program prepared in advance.
  • the memory 53 is composed of a ROM, a RAM, and the like. The memory 53 stores various programs executed by the processor 52. The memory 53 is also used as a working memory during execution of various processes by the processor 52.
  • the recording medium 54 is a non-volatile, non-temporary recording medium such as a disk-shaped recording medium or a semiconductor memory, and is configured to be removable from the appropriate interest rate prediction device 60.
  • the recording medium 54 records various programs executed by the processor 52.
  • the appropriate interest rate prediction device 60 executes the learning process or the appropriate interest rate prediction process described later, the program recorded in the recording medium 54 is loaded into the memory 53 and executed by the processor 52.
  • Database 55 stores data input through interface 51. Specifically, the database 55 stores the loan proposal and the loan result output from the matching device 10 so that it can be used in the learning process.
  • the learning device 50 may include an input device and a display unit used when the user gives an instruction or input.
  • FIG. 4 is a flowchart of the learning procedure by the learning device 50. This process is realized by the processor 52 shown in FIG. 3 executing a program prepared in advance and operating as the model learning means 58.
  • the loan proposal acquisition means 56 acquires the proposed interest rate included in the loan proposal output from the matching device 10 (step S11). Further, the loan result acquisition means 57 acquires the interest rate at the time of loan establishment included in the loan result output from the matching device 10 (step S12). Then, the model learning means 58 learns an appropriate interest rate prediction model using the proposed interest rate and the interest rate at the time of loan establishment (step S13). The model learning means 58 repeats learning until a predetermined end condition is satisfied, and ends the learning when the end condition is satisfied. In addition, as the end condition, for example, the use of a predetermined number of prepared data, the fluctuation range of the objective variable converges within a predetermined value, and the like can be mentioned.
  • FIG. 5 shows the configuration and operation of the loan matching system 100 at the time of prediction.
  • the configuration at the time of prediction is a configuration when predicting an appropriate interest rate using a learned appropriate interest rate prediction model.
  • the loan matching system 100 includes a matching device 10 and an appropriate interest rate prediction device 60.
  • the appropriate interest rate prediction device 60 includes an acquisition means 61, an appropriate interest rate prediction means 62, and an output means 63.
  • the acquisition means 61 acquires a loan proposal from the loan proposal acquisition means 22.
  • the appropriate interest rate prediction means 62 predicts the appropriate interest rate using the appropriate interest rate prediction model that has been learned by the above learning process.
  • the output means 63 outputs the appropriate interest rate predicted by the appropriate interest rate predicting means 62 to the matching device 10.
  • the hardware configuration of the appropriate interest rate prediction device 60 is the same as the hardware configuration of the learning device 50 shown in FIG.
  • the matching device 10 includes an application acquisition / notification means 21, a loan proposal acquisition means 22, and an appropriate interest rate notification means 27.
  • the application acquisition / notification means 21 acquires a loan application from the borrower side and notifies the lender side that the loan application has been made.
  • the loan proposal acquisition means 22 outputs the loan proposal acquired from each financial institution to the appropriate interest rate prediction device 60.
  • the appropriate interest rate notification means 27 notifies the borrower of the appropriate interest rate output by the appropriate interest rate prediction device 60.
  • the appropriate interest rate notification means 27 may output the appropriate interest rate received from the appropriate interest rate prediction device 60 to the terminal device operated by the borrower side.
  • the appropriate interest rate notification means 27 may control the terminal device so that the appropriate interest rate received from the appropriate interest rate prediction device 60 is displayed on the display screen of the terminal device operated by the borrower side.
  • the application acquisition / notification means 21 of the matching device 10 notifies a plurality of financial institutions on the lender side of the loan application. Each financial institution conducts an examination and provides a loan proposal to the matching device 10.
  • the loan proposal acquisition means 22 of the matching device 10 outputs the loan proposal of each financial institution to the appropriate interest rate prediction device 60.
  • the acquisition means 61 acquires a loan proposal from each financial institution.
  • the appropriate interest rate prediction means 62 predicts the appropriate interest rate from the proposed interest rates using the learned appropriate interest rate prediction model.
  • the output means 63 outputs the appropriate interest rate predicted by the appropriate interest rate predicting means to the matching device 10.
  • the fair interest rate is predicted to be "8%" and is output to the matching device 10.
  • the appropriate interest rate notification means 27 of the matching device 10 outputs the appropriate interest rate output by the output means 63 to the borrower side.
  • the loan matching system 100 presents an appropriate interest rate considered to be appropriate in the market situation at that time to the loan application of Y store. Therefore, Y store can negotiate with each financial institution in consideration of the information on the appropriate interest rate.
  • the appropriate interest rate notification means 27 may provide additional information to the borrower in addition to the appropriate interest rate.
  • the fair interest rate notification means 27 may provide statistic based on the loan proposal of each financial institution as additional information. Specifically, the maximum value, the minimum value, the average value, etc. of the proposed interest rate of each financial institution may be provided. In addition, information such as whether the appropriate interest rate is higher or lower than the average value of the proposed interest rates of each financial institution may be provided.
  • the appropriate interest rate notification means 27 may output the appropriate interest rate predicted by the appropriate interest rate prediction device 60 to each terminal device used by each financial institution. Further, the appropriate interest rate notification means 27 may output additional information for each terminal device used by each financial institution.
  • the fair interest rate notification means 27 is what is the financial institution that proposes an interest rate lower than the fair interest rate for each terminal device used by each financial institution (that is, a financial institution that views the risk of the borrower low). Information such as whether there is a company may be output as additional information.
  • FIG. 6 is a flowchart of the appropriate interest rate prediction process performed by the appropriate interest rate prediction device 60. This process is realized by the processor 52 shown in FIG. 3 executing a program prepared in advance and operating as an appropriate interest rate prediction means 62.
  • the acquisition means 61 acquires the proposed interest rate included in the loan proposal input from the matching device 10 (step S21).
  • the appropriate interest rate prediction means 62 predicts the appropriate interest rate from the proposed interest rate using the learned appropriate interest rate prediction model (step S22).
  • the output means 63 outputs the predicted appropriate interest rate to the matching device 10 (step S23).
  • the loan matching system 100 of the first embodiment it is possible to learn an appropriate interest rate prediction model based on the data of a large number of actual loan projects and predict the appropriate interest rate using the model. ..
  • By notifying the borrower side and the lender side of the predicted appropriate interest rate as reference information it can be expected that the chances of establishing a loan at an interest rate close to the appropriate interest rate will increase. That is, it is possible to reduce the number of cases where the lender makes a loan at an unreasonably low interest rate and the borrower receives a loan at an unreasonably high interest rate from the viewpoint of the market, and the loan can be facilitated.
  • the proposed interest rate is used as an explanatory variable of the appropriate interest rate prediction model, but in addition to this, the maximum loan amount (loan facility) may be used. Furthermore, as information on the loan application from the borrower side, the reason for applying for the loan (use of the loan), the business type of the borrower company, and the information related to the borrower's financial statements (sales, profit, profit margin, profit growth rate) Etc.) may be used. As a result, the accuracy of predicting the appropriate interest rate can be improved.
  • the above information is information about individual loan applications, but in addition to the above information about loan applications, the information on the lender side may be used as an explanatory variable.
  • the information on the lender side is information on the loan status of each financial institution on the lender side, information on the loan amount and loan tendency in Japan as a whole, and the like.
  • the loan matching system 100 of the first embodiment predicts an appropriate interest rate in a loan, while the loan matching system 100x of the second embodiment matches a lender and a borrower.
  • FIG. 7 shows the configuration and operation of the loan matching system 100x of the second embodiment.
  • the loan matching system 100x includes a matching device 10x and an appropriate interest rate prediction device 60.
  • the matching device 10x includes an application acquisition / notification means 21, a loan proposal acquisition means 22, and a matchmaking means 31.
  • the appropriate interest rate prediction device 60 is the same as that of the first embodiment.
  • the operation until the appropriate interest rate prediction device 60 predicts the appropriate interest rate in response to the loan application from the borrower is the same as that in the first embodiment. That is, in the example of FIG. 7, a loan application from the borrower Y store is notified to a plurality of financial institutions on the lender side via the matching device 10x, and the loan proposal of each financial institution is output to the matching device 10x.
  • the loan proposal acquisition means 22 outputs the loan proposal of each financial institution to the appropriate interest rate prediction device 60.
  • the fair interest rate prediction device 60 predicts the fair interest rate based on the loan proposal of each financial institution using the fair interest rate prediction model, and outputs it to the matching device 10x.
  • the matchmaking means 31 of the matching device 10x selects the optimum loan proposal from the loan proposals from the plurality of lenders based on the appropriate interest rate, and presents it to the borrower.
  • the matchmaking means 31 generates a loan proposal that makes a loan at an appropriate interest rate predicted by the appropriate interest rate prediction device 60, regardless of the proposed interest rate of each financial institution that is a lender.
  • a loan proposal made at an appropriate interest rate is also referred to as an "appropriate interest rate loan proposal" below.
  • the matchmaking means 31 selects a lender who proposes an interest rate equal to or less than the appropriate interest rate and closest to the appropriate interest rate from among the plurality of lenders.
  • the fair interest rate predictor 60 predicts the fair interest rate to be "8%".
  • the matchmaking means 31 selects the B creditor who proposes the interest rate "7%" which is the appropriate interest rate or less and is the closest to the appropriate interest rate among the three financial institutions as the lender. Then, the matchmaking means 31 presents the borrower with an appropriate interest rate loan proposal in which the lender is the B creditor and the interest rate is 8%. That is, the matchmaking means 31 generates an appropriate interest rate loan proposal in which the lender is the B creditor and the interest rate is 8%, and outputs the generated appropriate loan proposal to the terminal device operated by the borrower.
  • the reason why the matchmaking means 31 selects the lender who proposed the interest rate below the appropriate interest rate and the interest rate closest to the appropriate interest rate is as follows. If the lenders are selected in ascending order of the proposed interest rate, the lender who proposed the lower interest rate will be able to lend. Here, in this loan matching system 100x, the actual loan is made at an appropriate interest rate, so even if the lender side presents a low interest rate, the loan is not actually made at that interest rate. Therefore, all lenders will propose a low interest rate for the purpose of facilitating selection by the matchmaking means 31, and then the mechanism for predicting the appropriate interest rate based on the proposed interest rate from the lender will not work.
  • the matchmaking means 31 selects a lender who proposes an interest rate that is less than or equal to the appropriate interest rate and that is closest to the appropriate interest rate. As a result, the lender's proposed interest rate will also approach the appropriate interest rate, and the mechanism for predicting the appropriate interest rate will function correctly.
  • the matchmaking means 31 is an example of the appropriate interest rate loan proposal generation means of the present invention.
  • Co-financing means that a loan application from a borrower is financed by a plurality of lenders. Specifically, when the maximum loan amount of a single lender is less than the desired loan amount from the borrower side, the desired amount of the borrower is financed by combining loans from a plurality of lenders.
  • FIG. 8 shows the operation of the loan matching system 100x when cofinancing is performed.
  • the borrower Y Shoten
  • the matchmaking means 31 selects the lender who proposed the interest rate equal to or less than the appropriate interest rate and the interest rate closest to the appropriate interest rate. Therefore, first, B Shinkin bank is selected as the lender.
  • the maximum loan amount for B Shinkin banks is 20 million yen, which is 10 million yen short of the borrower's desired loan amount of 30 million yen. Therefore, the matchmaking means 31 selects the regional bank A, which proposes an interest rate equal to or less than the appropriate interest rate and the second closest to the appropriate interest rate, as the second lender.
  • the matchmaking means 31 proposes to the lender a cofinancing of 20 million yen from the B Shinkin bank and 10 million yen from the A regional bank. That is, the matchmaking means 31 generates the appropriate interest rate loan proposal shown in FIG. 8 and outputs the generated appropriate loan proposal to the terminal device operated by the borrower. In this case as well, the interest rate of the loan shall be the appropriate interest rate. As a result, even if the maximum loan amount from one lender is less than the desired loan amount of the borrower, the desired loan amount of the borrower can be realized by cofinancing from a plurality of lenders.
  • the appropriate interest rate is predicted based on the interest rate actually proposed by the lender.
  • the system side predicts the proposed interest rate from the lender and predicts the appropriate interest rate based on them.
  • FIG. 9 shows the configuration and operation of the loan matching system 100y according to the third embodiment.
  • the loan matching system 100y of the third embodiment includes a matching device 10y and an appropriate interest rate prediction device 60.
  • the matching device 10y includes an application acquisition / notification means 21, a loan proposal acquisition means 22, a matchmaking means 31, and a proposed interest rate prediction means 35a to 35c.
  • the proposed interest rate forecasting means 35a to 35c are predictors that have been learned in advance based on data (information on loan applications, loan proposals, etc.) in a large number of past loan projects, and are configured by using machine learning or a neural network. Can be done.
  • the proposed interest rate prediction means 35a is learned based on the data of past loan projects by the A regional bank, and when the information of the loan application is input, the proposed interest rate is output according to the tendency of the loan by the A regional bank.
  • the proposed interest rate predicting means 35b outputs the predicted proposed interest rate according to the tendency of the loan by B Shinkin bank
  • the proposed interest rate predicting means 35c outputs the predicted estimated proposed interest rate according to the tendency of the loan by Bank C.
  • each lender's proposed interest rate prediction means is regarded as a weak learner, the whole becomes an ensemble learner, so that the accuracy of predicting the appropriate interest rate can be expected to improve.
  • the proposed interest rate prediction means 35a to 35c it is possible to reduce the work load of each financial institution in financing.
  • the operation of the loan matching system 100y according to the third embodiment is the same as that of the loan matching system 100x of the second embodiment. That is, the appropriate interest rate prediction device 60 predicts the appropriate interest rate based on the predicted proposed interest rate of each financial institution acquired from the loan proposal acquisition means 22, and outputs the appropriate interest rate to the matchmaking means 31.
  • the matchmaking means 31 selects a lender who has proposed an interest rate that is less than or equal to the appropriate interest rate and is closest to the appropriate interest rate, and makes an appropriate interest rate loan proposal to the lender. If the maximum loan amount from each lender is less than the borrower's desired loan amount, cofinancing may be provided as described above. That is, in this case, the matchmaking means 31 outputs to the borrower that cofinancing is necessary and a remarkable candidate for cofinancing.
  • the loan matching system 100y makes a proposal to the borrower after confirming the corresponding lender with respect to the content of the determined appropriate interest rate loan proposal.
  • the proposed interest rate prediction means 35a to 35c are configured by a predictor using machine learning, simple regression analysis, and multiple regression analysis, but instead, a rule for calculating the predicted proposed interest rate according to a predetermined rule. It may be configured by a base predictor.
  • each proposed interest rate prediction means 35 may calculate the predicted proposed interest rate based on a loan rule (combination of conditions relating to the attributes of the borrower) in the financial institution. Also, for each financial institution, whether to use a predictor that uses machine learning, a predictor that uses simple regression analysis, a predictor that uses multiple regression analysis, or a rule-based predictor. May be different.
  • FIG. 10A is a block diagram showing a functional configuration of the learning device according to the fourth embodiment.
  • the learning device 70 includes a proposed interest rate acquisition means 71, a loan result acquisition means 72, and a learning means 73.
  • the proposed interest rate acquisition means 71 acquires the proposed interest rates of a plurality of lenders for the loan application.
  • the loan result acquisition means 72 acquires the interest rate at the time of establishment of the loan for the loan application.
  • the learning means 73 learns an appropriate interest rate prediction model in which the proposed interest rate is used as an explanatory variable and the interest rate at the time of loan establishment is used as the objective variable.
  • FIG. 10B is a block diagram showing a functional configuration of the appropriate interest rate prediction device according to the fourth embodiment.
  • the appropriate interest rate prediction device 80 includes a prediction means 81 and an output means 82.
  • the prediction means 81 uses a learned appropriate interest rate prediction model with the proposed interest rates of a plurality of lenders as explanatory variables and the interest rate at the time of loan establishment as an objective variable, and obtains an appropriate interest rate based on the proposed interest rates proposed by the plurality of lenders. Predict.
  • the output means 82 outputs the appropriate interest rate predicted by the prediction means 81.
  • the matchmaking means 31 selects the lender who proposes the interest rate equal to or less than the appropriate interest rate and the interest rate closest to the appropriate interest rate as the appropriate interest rate loan proposal. Instead, the matchmaking means 31 may select the lender who has proposed the interest rate closest to the appropriate interest rate as the appropriate interest rate loan proposal. In this case, when cofinancing, the matchmaking means 31 may select a plurality of lenders in order from the lender who proposed the interest rate close to the appropriate interest rate.
  • a part or all of the processing operations executed in the loan matching system according to the present invention described above may be executed by cloud computing.
  • cloud computing By distributing the functions by cloud computing, the processing load of each device can be reduced.
  • Proposed interest rate acquisition means to acquire proposed interest rates of multiple lenders for loan applications
  • Loan result acquisition means to acquire the interest rate at the time of loan establishment for the loan application
  • a learning means for learning an appropriate interest rate prediction model using the proposed interest rate as an explanatory variable and the interest rate at the time of loan establishment as the objective variable. Learning system with.
  • the loan result acquisition means acquires the interest rate when the loan is not established, and obtains the interest rate.
  • the learning system according to Appendix 1, wherein the learning means learns the appropriate interest rate prediction model by using the interest rate at the time when the loan is not established.
  • the loan application includes the loan amount
  • the learning system according to Appendix 1 or 2 further learning the appropriate interest rate prediction model using the loan amount as an explanatory variable.
  • the learning means further learns the appropriate interest rate prediction model using at least one of the reason for the loan application, the financial statement information of the borrower who applied for the loan, and the industry of the borrower as explanatory variables.
  • the output means is the appropriate interest rate prediction system according to Appendix 8, which further outputs statistics on the proposed interest rates of the plurality of lenders and the magnitude relationship between the proposed interest rates of the plurality of lenders and the appropriate interest rates.
  • loan proposal acquisition means to acquire the proposed interest rate proposed by multiple lenders, Appropriate interest rate prediction that predicts the appropriate interest rate based on the proposed interest rates proposed by multiple lenders using the learned appropriate interest rate prediction model with the proposed interest rate of multiple lenders as the explanatory variable and the interest rate at the time of loan establishment as the objective variable.
  • Means and An appropriate interest rate loan proposal generation means for outputting an appropriate interest rate loan proposal at the appropriate interest rate by the lender who proposed the proposed interest rate closest to the appropriate interest rate.
  • a proposed interest rate prediction means for predicting a proposed interest rate for each of the plurality of lenders is provided.
  • the appropriate interest rate prediction means is the loan matching system according to Appendix 12 or 13, which predicts an appropriate interest rate using the proposed interest rate predicted by the proposed interest rate prediction means.
  • the lender is a financial institution, but the present invention is not limited to this.
  • the present invention can be used when a loan is made between individuals or when a loan is made from a plurality of individuals to one individual.
  • the present invention can also be used for social lending and loan-type crowdfunding.

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

学習装置は、提案利率取得手段と、融資結果取得手段と、学習手段とを備える。提案利率取得手段は、融資申請に対する複数の貸し手の提案利率を取得する。融資結果取得手段は、融資申請に対する融資成立時の利率を取得する。そして、学習手段は、提案利率を説明変数とし、融資成立時の利率を目的変数とする適正利率予測モデルを学習する。

Description

学習システム、学習方法、適正利率予測システム、適正利率予測方法、記録媒体、及び、融資マッチングシステム
　本発明は、市場における融資の適正な利率を予測する技術に関する。
　金融機関などの貸し手による貸出条件と、企業などの借り手の希望条件とのマッチングを行うシステムが提案されている。例えば、特許文献１は、借り手の借入希望条件と貸し手の貸出希望条件とのマッチメイクを行うオークションシステムを記載している。
特開２００１－２１６４０３号公報
　特許文献１の手法は、貸し手の貸出希望条件と借り手の借入希望条件との関係に基づいて融資の条件が決まるため、必ずしもそのときの市場における適正な金利で融資が行われるとは限らない。また、個人間で融資を行う際にも、適正な金利で融資が行われない場合がある。
　本発明の１つの目的は、融資時点の市場における、より適正な利率を予測することにある。
　本発明の一つの観点では、学習システムは、
　融資申請に対する複数の貸し手の提案利率を取得する提案利率取得手段と、
　前記融資申請に対する融資成立時の利率を取得する融資結果取得手段と、
　前記提案利率を説明変数とし、前記融資成立時の利率を目的変数とする適正利率予測モデルを学習する学習手段と、を備える。
　本発明の他の観点では、学習方法は、
　融資申請に対する複数の貸し手の提案利率を取得し、
　前記融資申請に対する融資成立時の利率を取得し、
　前記提案利率を説明変数とし、前記融資成立時の利率を目的変数とする適正利率予測モデルを学習する。
　本発明の他の観点では、記録媒体は、
　融資申請に対する複数の貸し手の提案利率を取得し、
　前記融資申請に対する融資成立時の利率を取得し、
　前記提案利率を説明変数とし、前記融資成立時の利率を目的変数とする適正利率予測モデルを学習する処理をコンピュータに実行させるプログラムを記録する。
　本発明の他の観点では、適正利率予測システムは、
　複数の貸し手の提案利率を説明変数とし、融資成立時の利率を目的変数として学習済の適正利率予測モデルを用いて、複数の貸し手が提案した提案利率に基づいて適正利率を予測する予測手段と、
　前記予測手段が予測した適正利率を出力する出力手段と、を備える。
　本発明の他の観点では、適正利率予測方法は、
　複数の貸し手の提案利率を説明変数とし、融資成立時の利率を目的変数として学習済の適正利率予測モデルを用いて、複数の貸し手が提案した提案利率に基づいて適正利率を予測し、
　予測した適正利率を出力する。
　本発明の他の観点では、記録媒体は、
　複数の貸し手の提案利率を説明変数とし、融資成立時の利率を目的変数として学習済の適正利率予測モデルを用いて、複数の貸し手が提案した提案利率に基づいて適正利率を予測し、
　予測した適正利率を出力する処理をコンピュータに実行させるプログラムを記録する。
　本発明の他の観点では、融資マッチングシステムは、
　複数の貸し手が提案した提案利率を取得する融資提案取得手段と、
　複数の貸し手の提案利率を説明変数とし、融資成立時の利率を目的変数として学習済の適正利率予測モデルを用いて、複数の貸し手が提案した提案利率に基づいて適正利率を予測する適正利率予測手段と、
　前記適正利率に最も近い提案利率を提案した貸し手による、前記適正利率での適正利率融資提案を出力する適正利率融資提案生成手段と、
　を備える。
　本発明によれば、融資時点の市場における、より適正な利率を予測することができる。
第１実施形態の融資マッチングシステムの学習時の構成及び動作を示す。 マッチング装置のハードウェア構成を示す。 適正利率予測装置のハードウェア構成を示す。 適正利率予測装置による学習処理のフローチャートである。 第１実施形態の融資マッチングシステムの予測時の構成及び動作を示す。 適正利率予測処理のフローチャートである。 第２実施形態の融資マッチングシステムの構成及び動作を示す。 協調融資を行う場合の融資マッチングシステムの動作を示す。 第３実施形態に係る融資マッチングシステムの構成及び動作を示す。 第４実施形態に係る学習装置及び適正利率予測装置の構成を示す。
　以下、図面を参照して、本発明の好適な実施形態について説明する。
　［第１実施形態］
　以下、本発明の実施形態に係る融資マッチングシステムについて説明する。
　（学習時の構成）
　図１は、第１実施形態に係る融資マッチングシステム１００の学習時の構成及び動作を示す。融資マッチングシステム１００は、金融機関などの貸し手と、企業などの借り手との間の融資に関するマッチングを行うシステムである。融資マッチングシステム１００は、マッチング装置１０と、学習装置５０とを備える。なお、学習時の構成とは、学習装置５０が適正な利率（「適正利率」と呼ぶ。）を予測するために用いる適正利率予測モデルを生成する際の構成である。ここで、「適正利率」とは、実際の市場において需要と供給とが合致し、融資が成立したときの利率である。よって、ここで得られる適正利率は、その時点の市場において、貸し手側や借り手側の特殊事情によらない標準的な貸出利率と考えることができる。
　マッチング装置１０は、借り手側からの融資申請や、貸し手側からの融資提案を取得し、貸し手側と借り手側とのマッチングを行う。マッチング装置１０は、申請取得・通知手段２１と、融資提案取得手段２２と、融資結果取得手段２４とを備える。
　借り手側からの融資申請は、マッチング装置１０に入力される。図１の例では、借り手は「Ｘ工業」という企業であり、３，０００万円の融資を希望している。なお、Ｘ工業から特に融資の利率（金利）に関する希望は無いものとする。Ｘ工業は、必要に応じて、決算書などの書類を提示して融資申請を行う。なお、融資申請の取得は、データの送信などによって行われてもよく、マッチング装置１０に対する手入力などにより行われてもよい。
　申請取得・通知手段２１は、借り手側から融資申請を取得し、当該融資申請があった旨を貸し手側に通知する。図１の例では、貸し手側の金融機関には、Ａ地方銀行（以下、「地銀」と呼ぶ。）、Ｂ信用金庫（以下、「信金」と呼ぶ。）、Ｃ銀行が含まれるものとする。
　貸し手側の各金融機関は、それぞれがＸ工業からの融資申請を審査し、融資提案を作成してマッチング装置１０に提供する。融資提案取得手段２２は、各金融機関からの融資提案を取得する。なお、融資提案の取得は、データの送信などによって行われてもよく、マッチング装置１０に対する手入力などにより行われてもよい。融資提案には、少なくとも貸出の利率（以下、「提案利率」と呼ぶ。）が含まれる。融資提案は、さらに融資の上限額を含んでいてもよい。融資提案取得手段２２は、各金融機関から取得した融資提案を融資提案データベース（以下、「ＤＢ」と記す）２３に記憶する。
　その後、貸し手側のいずれかの金融機関と借り手のＸ工業との間で融資が決まると、マッチング装置１０に融資結果が提供される。図１の例では、Ｂ信金による融資が成立したものとする。この場合、融資結果としては、少なくとも融資成立時の利率がマッチング装置１０に提供される。融資結果は、通常は借り手又は貸し手から提供されるが、両者の間に入る融資マッチングシステム１００の運用者などから提供されてもよい。また、融資結果としては、融資成立時の利率のみならず、不成立時の利率も提供されることが好ましい。図１の例では、融資成立時の利率「６％」と、不成立時の利率「８％、１１％」が融資結果としてマッチング装置１０に提供される。なお、融資結果の提供は、データの送信などによって行われてもよく、マッチング装置１０に対する手入力などにより行われてもよい。マッチング装置１０の融資結果取得手段２４は、提供された融資結果を融資結果ＤＢ２５に記憶する。
　上記のように、融資案件が発生するたびに、各貸し手からの融資提案と最終的な融資結果がマッチング装置１０に蓄積されていく。そして、それらを用いて学習装置５０による学習が行われる。学習装置５０は、予め用意された適正利率予測モデルを学習する。適正利率予測モデルは、貸し手の融資提案に含まれる提案利率を説明変数とし、融資結果に含まれる融資成立時の利率を目的変数とする回帰分析モデルである。適正利率予測モデルは、機械学習やディープラーニングなどの手法を用いるものなど、その手法は問わない。
　学習装置５０は、融資提案取得手段５６と、融資結果取得手段５７と、モデル学習手段５８と、を備える。融資提案取得手段５６は、マッチング装置１０の融資提案ＤＢ２３から融資提案を取得する。融資結果取得手段５７は、融資結果ＤＢ２５から融資結果を取得する。モデル学習手段５８は、融資提案取得手段５６により取得される融資提案と、融資結果取得手段５７により取得される融資結果と、を用いて、適正利率予測モデルを学習する。なお、モデル学習手段５８は、融資結果に含まれる融資成立時の利率のみならず、融資不成立時の利率を学習してもよい。融資成立時の利率に加えて融資不成立時の利率を学習することにより、適正利率の予測精度を向上することができる。こうして、多数の融資案件について得られた提案利率と融資成立時の利率とを用いて学習を行うことにより、適正利率を高精度で予測できるように適正利率予測モデルが学習される。
　（ハードウェア構成）
　次に、マッチング装置１０及び学習装置５０のハードウェア構成について説明する。
　図２は、マッチング装置１０のハードウェア構成を示すブロック図である。マッチング装置１０は、インタフェース１１と、プロセッサ１２と、メモリ１３と、記録媒体１４と、データベース（ＤＢ）１５と、を備える。
　インタフェース１１は、外部とのデータの入出力を行う。具体的には、インタフェース１１は、貸し手側及び借り手側から提供されるデータを取得したり、融資提案や融資結果を適正利率予測装置６０へ出力したりする。プロセッサ１２は、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）などのコンピュータであり、予め用意されたプログラムを実行することにより、マッチング装置１０の全体を制御する。メモリ１３は、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）などにより構成される。メモリ１３は、プロセッサ１２により実行される各種のプログラムを記憶する。また、メモリ１３は、プロセッサ１２による各種の処理の実行中に作業メモリとしても使用される。
　記録媒体１４は、ディスク状記録媒体、半導体メモリなどの不揮発性で非一時的な記録媒体であり、マッチング装置１０に対して着脱可能に構成される。記録媒体１４は、プロセッサ１２が実行する各種のプログラムを記録している。マッチング装置１０が処理を実行する際には、記録媒体１４に記録されているプログラムがメモリ１３にロードされ、プロセッサ１２により実行される。
　データベース１５は、インタフェース１１を通じて入力されるデータを記憶する。具体的には、データベース１５は、上述の融資提案ＤＢ２３及び融資結果ＤＢ２５を構成する。なお、上記に加えて、マッチング装置１０は、貸し手、借り手、運用者などが情報の入力を行う際に使用する入力機器や、表示部を備えていても良い。
　図３は、学習装置５０のハードウェア構成を示すブロック図である。学習装置５０は、インタフェース５１と、プロセッサ５２と、メモリ５３と、記録媒体５４と、データベース（ＤＢ）５５と、を備える。
　インタフェース５１は、外部とのデータの入出力を行う。具体的には、インタフェース５１は、マッチング装置１０から融資提案や融資結果を取得する。プロセッサ５２は、ＣＰＵ、又は、ＣＰＵとＧＰＵ（Ｇｒａｐｈｉｃｓ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）などのコンピュータであり、予め用意されたプログラムを実行することにより、適正利率予測装置６０の全体を制御する。メモリ５３は、ＲＯＭ、ＲＡＭなどにより構成される。メモリ５３は、プロセッサ５２により実行される各種のプログラムを記憶する。また、メモリ５３は、プロセッサ５２による各種の処理の実行中に作業メモリとしても使用される。
　記録媒体５４は、ディスク状記録媒体、半導体メモリなどの不揮発性で非一時的な記録媒体であり、適正利率予測装置６０に対して着脱可能に構成される。記録媒体５４は、プロセッサ５２が実行する各種のプログラムを記録している。適正利率予測装置６０が学習処理や後述の適正利率予測処理を実行する際には、記録媒体５４に記録されているプログラムがメモリ５３にロードされ、プロセッサ５２により実行される。
　データベース５５は、インタフェース５１を通じて入力されるデータを記憶する。具体的には、データベース５５は、マッチング装置１０から出力された融資提案や融資結果を記憶し、学習処理において使用できるようにする。なお、上記に加えて、学習装置５０は、ユーザが指示や入力を行う際に使用する入力機器や、表示部を備えていても良い。
　（学習処理）
　図４は、学習装置５０による学習処置のフローチャートである。この処理は、図３に示すプロセッサ５２が、予め用意されたプログラムを実行し、モデル学習手段５８として動作することにより実現される。
　まず、融資提案取得手段５６は、マッチング装置１０から出力される融資提案に含まれる提案利率を取得する（ステップＳ１１）。また、融資結果取得手段５７は、マッチング装置１０から出力される融資結果に含まれる融資成立時の利率を取得する（ステップＳ１２）。そして、モデル学習手段５８は、提案利率と、融資成立時の利率を用いて、適正利率予測モデルを学習する（ステップＳ１３）。モデル学習手段５８は、所定の終了条件が具備されるまで学習を繰り返し、終了条件が具備されたら学習を終了する。なお、終了条件としては、例えば用意された所定数のデータを使用したこと、目的変数の変動幅が所定値以内に収束したこと、などがあげられる。
　（予測時の構成）
　次に、融資マッチングシステム１００の予測時の構成について説明する。図５は、融資マッチングシステム１００の予測時の構成及び動作を示す。なお、予測時の構成とは、学習済みの適正利率予測モデルを用いて適正利率を予測する際の構成である。融資マッチングシステム１００は、マッチング装置１０と、適正利率予測装置６０と、を備える。　　
　適正利率予測装置６０は、取得手段６１と、適正利率予測手段６２と、出力手段６３と、を備える。取得手段６１は、融資提案取得手段２２から融資提案を取得する。適正利率予測手段６２は、上記の学習処理により学習済みの適正利率予測モデルを用いて適正利率を予測する。出力手段６３は、適正利率予測手段６２により予測される適正利率をマッチング装置１０に出力する。なお、適正利率予測装置６０のハードウェア構成は、図３に示す学習装置５０のハードウェア構成と同様である。
　マッチング装置１０は、申請取得・通知手段２１と、融資提案取得手段２２と、適正利率通知手段２７と、を備える。申請取得・通知手段２１は、借り手側から融資申請を取得し、当該融資申請があった旨を貸し手側に通知する。融資提案取得手段２２は、各金融機関から取得した融資提案を適正利率予測装置６０に出力する。適正利率通知手段２７は、適正利率予測装置６０が出力した適正利率を借り手側に通知する。具体的には、例えば、適正利率通知手段２７は、適正利率予測装置６０から受信する適正利率を、借り手側が操作する端末装置に出力してもよい。また、例えば、適正利率通知手段２７は、適正利率予測装置６０から受信する適正利率を借り手側が操作する端末装置の表示画面に表示するように、当該端末装置を制御してもよい。
　次に、予測時における融資マッチングシステム１００の動作について説明する。いま、図示のように、借り手側のＹ商店から３，０００万円の融資申請があったとする。マッチング装置１０の申請取得・通知手段２１は、この融資申請を貸し手側の複数の金融機関に通知する。各金融機関はそれぞれ審査を行い、融資提案をマッチング装置１０に提供する。マッチング装置１０の融資提案取得手段２２は、各金融機関の融資提案を適正利率予測装置６０に出力する。
　取得手段６１は、各金融機関からの融資提案を取得する。適正利率予測手段６２は、学習済みの適正利率予測モデルを用いて、それらの提案利率から適正利率を予測する。出力手段６３は、適正利率予測手段により予測される適正利率をマッチング装置１０に出力する。この例では、適正利率は「８％」と予測され、マッチング装置１０に出力される。マッチング装置１０の適正利率通知手段２７は、出力手段６３により出力される適正利率を借り手側に出力する。こうして、融資マッチングシステム１００は、Ｙ商店の融資申請に対し、そのときの市場情勢において適正と考えられる適正利率を提示する。よって、Ｙ商店は、この適正利率の情報を考慮して、各金融機関との交渉を行うことができる。
　なお、適正利率通知手段２７は、適正利率に加えて、追加情報を借り手側に提供してもよい。例えば、適正利率通知手段２７は、追加情報として、各金融機関の融資提案に基づく統計量を提供してもよい。具体的には、各金融機関の提案利率の最大値、最小値、平均値などを提供してもよい。また、適正利率が各金融機関の提案利率の平均値より高いか低いかなどの情報を提供してもよい。
　また、適正利率通知手段２７は、適正利率予測装置６０が予測した適正利率を各金融機関で利用される端末装置各々に出力してもよい。さらに、適正利率通知手段２７は、各金融機関で利用される端末装置各々に対しても追加情報を出力してもよい。例えば、適正利率通知手段２７は、各金融機関で利用される端末装置各々に対して、適正利率よりも低い利率を提案した金融機関（即ち、借り手のリスクを低く見ている金融機関）が何社あるかなどの情報を追加情報として出力してもよい。
　（適正利率予測処理）
　図６は、適正利率予測装置６０が行う適正利率予測処理のフローチャートである。この処理は、この処理は、図３に示すプロセッサ５２が、予め用意されたプログラムを実行し、適正利率予測手段６２として動作することにより実現される。
　まず、取得手段６１は、マッチング装置１０から入力される融資提案に含まれる提案利率を取得する（ステップＳ２１）。次に、適正利率予測手段６２は、学習済みの適正利率予測モデルを用いて、提案利率から適正利率を予測する（ステップＳ２２）。そして、出力手段６３は、予測した適正利率をマッチング装置１０へ出力する（ステップＳ２３）。
　以上のように、第１実施形態の融資マッチングシステム１００によれば、実際の多数の融資案件のデータに基づいて適正利率予測モデルを学習し、そのモデルを用いて適正利率を予測することができる。予測した適正利率を参考情報として借り手側や貸し手側に通知することにより、適正利率に近い利率で融資が成立する機会が増えることが期待できる。即ち、市場からみて貸し手が不当に低い利率で融資を行うことになったり、借り手が不当に高い利率で融資を受けたりすることが減少し、融資の円滑化が図れる。
　（変形例）
　上記の実施形態では、適正利率予測モデルの説明変数として提案金利を使用しているが、これに加えて融資の上限額（融資枠）を使用してもよい。さらには、借り手側からの融資申請に関する情報として、融資を申請した理由（融資金の使途）、借り手企業の業態、借り手の決算書に関連する情報（売上、利益、利益率、利益の伸び率など）を使用してもよい。これにより、適正利率の予測精度を向上させることができる。
　また、上記の情報は個々の融資申請に関する情報であるが、上記融資申請に関する情報に加えて、貸し手側の情報を説明変数として使用してもよい。例えば、貸し手側の情報は、貸し手側の各金融機関の融資状況に関する情報や、日本全体における融資額や融資傾向に関する情報などである。このように市場における実際の金利に影響を与える情報を説明変数として使用することにより、適正利率の予測精度を向上させることができる。
　［第２実施形態］
　次に、本発明の第２実施形態について説明する。第１実施形態の融資マッチングシステム１００は融資における適正利率を予測するものであるが、第２実施形態の融資マッチングシステム１００ｘは、貸し手と借り手のマッチングを行うものである。図７は、第２実施形態の融資マッチングシステム１００ｘの構成及び動作を示す。融資マッチングシステム１００ｘは、マッチング装置１０ｘと、適正利率予測装置６０とを備える。マッチング装置１０ｘは、申請取得・通知手段２１と、融資提案取得手段２２と、マッチメイキング手段３１を備える。なお、適正利率予測装置６０は、第１実施形態と同様である。
　次に、図７を参照して、第２実施形態の融資マッチングシステム１００ｘの動作を説明する。借り手からの融資申請に対して、適正利率予測装置６０が適正利率を予測するまでの動作は、第１実施形態と同様である。即ち、図７の例では、借り手であるＹ商店からの融資申請がマッチング装置１０ｘを介して貸し手側の複数の金融機関に通知され、各金融機関の融資提案がマッチング装置１０ｘに出力される。融資提案取得手段２２は、各金融機関の融資提案を適正利率予測装置６０に出力する。適正利率予測装置６０は、適正利率予測モデルを用いて、各金融機関の融資提案に基づいて適正利率を予測し、マッチング装置１０ｘに出力する。
　マッチング装置１０ｘのマッチメイキング手段３１は、適正利率に基づいて、複数の貸し手側からの融資提案から最適な融資提案を選択し、借り手に提示する。ここで、マッチメイキング手段３１は、貸し手である各金融機関の提案利率に関わらず、適正利率予測装置６０が予測した適正利率で融資を行う融資提案を生成する。なお、適正利率で行う融資提案を、以下では「適正利率融資提案」とも呼ぶ。また、マッチメイキング手段３１は、複数の貸し手のうち、適正利率以下かつ適正利率に最も近い利率を提案した貸し手を選択する。図７の例では、適正利率予測装置６０は、適正利率を「８％」と予測している。よって、マッチメイキング手段３１は、３つの金融機関のうち、適正利率以下で適正利率に最も近い利率「７％」を提案したＢ信金を貸し手として選択する。そして、マッチメイキング手段３１は、貸し手をＢ信金とし、利率を８％とする適正利率融資提案を借り手に提示する。即ち、マッチメイキング手段３１は、貸し手をＢ信金とし利率を８％とする適正利率融資提案を生成し、借り手が操作する端末装置に対して当該生成される適正融資提案を出力する。
　マッチメイキング手段３１が、適正利率以下かつ適正利率に最も近い利率を提案した貸し手を選択する理由は以下の通りである。もし提案利率が低い順に貸し手を選ぶとすると、低い利率を提案した貸し手が融資できることになる。ここで、この融資マッチングシステム１００ｘでは、実際の融資は適正利率で行うことになるため、貸し手側は低い利率を提示しても、実際にその利率で融資を行うことにはならない。よって、貸し手は皆、マッチメイキング手段３１によって選択され易くする目的で低い利率を提案するようになり、そうすると貸し手からの提案利率に基づいて適正利率を予測する仕組みが機能しなくなる。そこで、マッチメイキング手段３１は、適正利率以下かつ適正利率に最も近い利率を提案した貸し手を選択する。これにより、貸し手の提案利率も適正利率に近づくことになり、適正利率を予測する仕組みが正しく機能するようになる。なお、マッチメイキング手段３１は本発明の適正利率融資提案生成手段の一例である。
　次に、第２実施形態の融資マッチングシステム１００ｘにおいて、協調融資を行う例を説明する。協調融資とは、借り手からの融資申請に対して複数の貸し手により融資を行うことをいう。具体的に、単一の貸し手の融資上限額が借り手側からの融資希望額に満たない場合に、複数の貸し手からの融資を組み合わせて借り手の希望額を融資する。
　図８は、協調融資を行う場合の融資マッチングシステム１００ｘの動作を示す。この例では、借り手であるＹ商店の融資希望額は３，０００万円である。前述のように、マッチメイキング手段３１は、適正利率以下かつ適正利率に最も近い利率を提案した貸し手を選択するので、まず、貸し手としてＢ信金を選択する。但し、Ｂ信金の融資上限額は２，０００万円であり、借り手の融資希望額３，０００万円には１，０００万円不足する。そこで、マッチメイキング手段３１は、適正利率以下かつ適正利率に２番目に近い利率を提案したＡ地銀を２つ目の貸し手として選択する。そして、マッチメイキング手段３１は、貸し手に対して、Ｂ信金から２，０００万円、Ａ地銀から１，０００万円の協調融資の提案を行う。即ち、マッチメイキング手段３１は、図８に示す適正利率融資提案を生成し、借り手が操作する端末装置に対して当該生成される適正融資提案を出力する。なお、この場合も、融資の利率は適正利率とする。これにより、１つの貸し手からの融資上限額が借り手の融資希望額に満たない場合でも、複数の貸し手からの協調融資で借り手の融資希望額を実現することができる。
　［第３実施形態］
　次に、本発明の第３実施形態について説明する。上記の第１、第２実施形態では、貸し手から実際に提案された利率に基づいて適正利率を予測している。これに対し、第３実施形態では、システム側で貸し手からの提案利率を予測し、それらに基づいて適正利率を予測する。
　図９は、第３実施形態に係る融資マッチングシステム１００ｙの構成及び動作を示す。第３実施形態の融資マッチングシステム１００ｙは、マッチング装置１０ｙと、適正利率予測装置６０とを備える。マッチング装置１０ｙは、申請取得・通知手段２１、融資提案取得手段２２、マッチメイキング手段３１、提案利率予測手段３５ａ～３５ｃを備える。提案利率予測手段３５ａ～３５ｃは、過去の多数の融資案件におけるデータ（融資申請、融資提案などの情報）に基づいて予め学習済みの予測器であり、機械学習やニューラルネットワークを用いて構成することができる。具体的に、提案利率予測手段３５ａは、Ａ地銀による過去の融資案件のデータに基づいて学習されており、融資申請の情報を入力すると、Ａ地銀による融資の傾向に従って予測提案利率を出力する。同様に、提案利率予測手段３５ｂはＢ信金による融資の傾向に従って予測提案利率を出力し、提案利率予測手段３５ｃはＣ銀行による融資の傾向に従って予測測提案利率を出力する。なお、この構成では、各貸し手の提案利率予測手段を弱学習器とみなすと、全体がアンサンブル学習器となるため、適正利率の予測精度の向上が期待できる。また、提案利率予測手段３５ａ～３５ｃを使用することにより、融資における各金融機関の業務負荷を低減することができる。
　上記の点以外は、第３実施形態に係る融資マッチングシステム１００ｙの動作は、第２実施形態の融資マッチングシステム１００ｘと同様である。即ち、適正利率予測装置６０は、融資提案取得手段２２から取得した各金融機関の予測提案利率に基づいて適正利率を予測し、マッチメイキング手段３１に出力する。マッチメイキング手段３１は、適正利率以下かつ適正利率に最も近い利率を提案した貸し手を選択し、貸し手に対して適正利率融資提案を行う。なお、個々の貸し手からの融資上限額が借り手の融資希望額に満たない場合には、前述のように協調融資を行ってもよい。即ち、この場合、マッチメイキング手段３１は、協調融資が必要である旨及び目ぼしい協調融資先の候補を借り手に出力する。
　このように、第３実施形態によれば、貸し手の融資提案を予測して、適正利率での融資提案を行うことができる。なお、実際には、融資マッチングシステム１００ｙは、決定した適正利率融資提案の内容について、該当する貸し手の確認を取ってから借り手に提案を行うことになる。
　上記の例では、提案利率予測手段３５ａ～３５ｃを機械学習や単回帰分析、重回帰分析を用いた予測器により構成するとしているが、その代わりに、所定のルールに従って予測提案利率を算出するルールベースの予測器により構成してもよい。例えば、各提案利率予測手段３５は、金融機関における融資ルール（借り手の属性に関する条件の組み合わせ）などに基づいて予測提案利率を算出するようなものであってもよい。また、機械学習を用いる予測器を使用するか、単回帰分析を用いる予測器を使用するか、重回帰分析を用いる予測器を使用するか、ルールベースの予測器を使用するかが金融機関毎に異なっていてもよい。
　［第４実施形態］
　次に、本発明の第４実施形態について説明する。図１０（Ａ）は、第４実施形態に係る学習装置の機能構成を示すブロック図である。学習装置７０は、提案利率取得手段７１と、融資結果取得手段７２と、学習手段７３とを備える。提案利率取得手段７１は、融資申請に対する複数の貸し手の提案利率を取得する。融資結果取得手段７２は、融資申請に対する融資成立時の利率を取得する。そして、学習手段７３は、提案利率を説明変数とし、融資成立時の利率を目的変数とする適正利率予測モデルを学習する。
　図１０（Ｂ）は、第４実施形態に係る適正利率予測装置の機能構成を示すブロック図である。適正利率予測装置８０は、予測手段８１と、出力手段８２とを備える。予測手段８１は、複数の貸し手の提案利率を説明変数とし、融資成立時の利率を目的変数として学習済の適正利率予測モデルを用いて、複数の貸し手が提案した提案利率に基づいて適正利率を予測する。出力手段８２は、予測手段８１が予測した適正利率を出力する。
　［変形例］
　上記の実施形態においては、マッチメイキング手段３１は、適正利率融資提案として、適正利率以下かつ適正利率に最も近い利率を提案した貸し手を選択している。その代わりに、マッチメイキング手段３１は、適正利率融資提案として、適正利率に最も近い利率を提案した貸し手を選択することとしてもよい。この場合、協調融資を行う際には、マッチメイキング手段３１は、適正利率に近い利率を提案した貸し手から順に複数の貸し手を選択すればよい。
　以上説明した本発明に係る融資マッチングシステムにおいて実行される処理動作のうちの一部または全部の処理動作は、クラウドコンピューティングで実行されてもよい。クラウドコンピューティングにより機能を分散することで、各装置の処理負荷を軽減することができる。
　上記の実施形態の一部又は全部は、以下の付記のようにも記載されうるが、以下には限られない。
　（付記１）
　融資申請に対する複数の貸し手の提案利率を取得する提案利率取得手段と、
　前記融資申請に対する融資成立時の利率を取得する融資結果取得手段と、
　前記提案利率を説明変数とし、前記融資成立時の利率を目的変数とする適正利率予測モデルを学習する学習手段と、
　を備える学習システム。
　（付記２）
　前記融資結果取得手段は、融資不成立時の利率を取得し、
　前記学習手段は、前記融資不成立時の利率も用いて前記適正利率予測モデルを学習する付記１に記載の学習システム。
　（付記３）
　前記融資申請は融資金額を含み、
　前記学習手段は、さらに前記融資金額を説明変数として前記適正利率予測モデルを学習する付記１又は２に記載の学習システム。
　（付記４）
　前記学習手段は、さらに前記融資申請の理由、前記融資申請を行った借り手の決算書情報、前記借り手の業種のうち少なくとも１つを説明変数として前記適正利率予測モデルを学習する付記１乃至３のいずれか一項に記載の学習システム。
　（付記５）
　前記学習手段は、さらに前記貸し手の融資状況を示す情報を説明変数として前記適正利率予測モデルを学習する付記１乃至４のいずれか一項に記載の学習システム。
　（付記６）
　融資申請に対する複数の貸し手の提案利率を取得し、
　前記融資申請に対する融資成立時の利率を取得し、
　前記提案利率を説明変数とし、前記融資成立時の利率を目的変数とする適正利率予測モデルを学習する学習方法。
　（付記７）
　融資申請に対する複数の貸し手の提案利率を取得し、
　前記融資申請に対する融資成立時の利率を取得し、
　前記提案利率を説明変数とし、前記融資成立時の利率を目的変数とする適正利率予測モデルを学習する処理をコンピュータに実行させるプログラムを記録した記録媒体。
　（付記８）
　複数の貸し手の提案利率を説明変数とし、融資成立時の利率を目的変数として学習済の適正利率予測モデルを用いて、複数の貸し手が提案した提案利率に基づいて適正利率を予測する予測手段と、
　前記予測手段が予測した適正利率を出力する出力手段と、
　を備える適正利率予測システム。
　（付記９）
　前記出力手段は、さらに前記複数の貸し手の提案利率、及び、前記複数の貸し手の提案利率と前記適正利率との大小関係に関する統計量を出力する付記８に記載の適正利率予測システム。
　（付記１０）
　複数の貸し手の提案利率を説明変数とし、融資成立時の利率を目的変数として学習済の適正利率予測モデルを用いて、複数の貸し手が提案した提案利率に基づいて適正利率を予測し、
　予測した適正利率を出力する適正利率予測方法。
　（付記１１）
　複数の貸し手の提案利率を説明変数とし、融資成立時の利率を目的変数として学習済の適正利率予測モデルを用いて、複数の貸し手が提案した提案利率に基づいて適正利率を予測し、
　予測した適正利率を出力する処理をコンピュータに実行させるプログラムを記録した記録媒体。
　（付記１２）
　複数の貸し手が提案した提案利率を取得する融資提案取得手段と、
　複数の貸し手の提案利率を説明変数とし、融資成立時の利率を目的変数として学習済の適正利率予測モデルを用いて、複数の貸し手が提案した提案利率に基づいて適正利率を予測する適正利率予測手段と、
　前記適正利率に最も近い提案利率を提案した貸し手による、前記適正利率での適正利率融資提案を出力する適正利率融資提案生成手段と、
　を備える融資マッチングシステム。
　（付記１３）
　前記適正利率融資提案生成手段は、融資申請による融資金額が、前記適正利率に最も近い提案利率を提案した貸し手による融資提案額を超える場合、前記適正利率に近い提案利率を提案した複数の貸し手による適正利率融資提案を生成する付記１２に記載の融資マッチングシステム。
　（付記１４）
　前記複数の貸し手毎に提案利率を予測する提案利率予測手段を備え、
　前記適正利率予測手段は、前記提案利率予測手段が予測した提案利率を用いて適正利率を予測する付記１２又は１３に記載の融資マッチングシステム。
　以上、実施形態及び実施例を参照して本発明を説明したが、本発明は上記実施形態及び実施例に限定されるものではない。本発明の構成や詳細には、本発明のスコープ内で当業者が理解し得る様々な変更をすることができる。
　本発明に関する上記説明では貸し手を金融機関としているが、それに限定されない。例えば、本発明は、個人間で融資を行う場合や、複数の個人から一個人へ融資が行われる場合にも利用可能である。また、本発明は、ソーシャルレンディングや融資型クラウドファンディングにも利用可能である。
　１００、１００ｘ、１００ｙ　融資マッチングシステム
　１０、１０ｘ、１０ｙ　マッチング装置
　２１　申請取得・通知手段
　２２　融資提案取得手段
　２４　融資結果取得手段
　２７　適正利率通知手段
　３１　マッチメイキング手段
　５０　学習装置
　５６　融資提案取得手段
　５７　モデル学習手段
　５８　融資結果取得手段
　６０　適正利率予測装置
　６１　取得手段
　６２　適正利率予測手段
　６３　出力手段

Claims (14)

  1. 　融資申請に対する複数の貸し手の提案利率を取得する提案利率取得手段と、
    　前記融資申請に対する融資成立時の利率を取得する融資結果取得手段と、
    　前記提案利率を説明変数とし、前記融資成立時の利率を目的変数とする適正利率予測モデルを学習する学習手段と、
    　を備える学習システム。
  2. 　前記融資結果取得手段は、融資不成立時の利率を取得し、
    　前記学習手段は、前記融資不成立時の利率も用いて前記適正利率予測モデルを学習する請求項１に記載の学習システム。
  3. 　前記融資申請は融資金額を含み、
    　前記学習手段は、さらに前記融資金額を説明変数として前記適正利率予測モデルを学習する請求項１又は２に記載の学習システム。
  4. 　前記学習手段は、さらに前記融資申請の理由、前記融資申請を行った借り手の決算書情報、前記借り手の業種のうち少なくとも１つを説明変数として前記適正利率予測モデルを学習する請求項１乃至３のいずれか一項に記載の学習システム。
  5. 　前記貸し手毎の融資状況を示す情報を取得する貸し手情報取得手段を備え、
    　前記学習手段は、さらに前記融資状況を示す情報を説明変数として前記適正利率予測モデルを学習する請求項１乃至４のいずれか一項に記載の学習システム。
  6. 　融資申請に対する複数の貸し手の提案利率を取得し、
    　前記融資申請に対する融資成立時の利率を取得し、
    　前記提案利率を説明変数とし、前記融資成立時の利率を目的変数とする適正利率予測モデルを学習する学習方法。
  7. 　融資申請に対する複数の貸し手の提案利率を取得し、
    　前記融資申請に対する融資成立時の利率を取得し、
    　前記提案利率を説明変数とし、前記融資成立時の利率を目的変数とする適正利率予測モデルを学習する処理をコンピュータに実行させるプログラムを記録した記録媒体。
  8. 　複数の貸し手の提案利率を説明変数とし、融資成立時の利率を目的変数として学習済の適正利率予測モデルを用いて、複数の貸し手が提案した提案利率に基づいて適正利率を予測する予測手段と、
    　前記予測手段が予測した適正利率を出力する出力手段と、
    　を備える適正利率予測システム。
  9. 　前記出力手段は、さらに前記複数の貸し手の提案利率、及び、前記複数の貸し手の提案利率と前記適正利率との大小関係に関する統計量を出力する請求項８に記載の適正利率予測システム。
  10. 　複数の貸し手の提案利率を説明変数とし、融資成立時の利率を目的変数として学習済の適正利率予測モデルを用いて、複数の貸し手が提案した提案利率に基づいて適正利率を予測し、
    　予測した適正利率を出力する適正利率予測方法。
  11. 　複数の貸し手の提案利率を説明変数とし、融資成立時の利率を目的変数として学習済の適正利率予測モデルを用いて、複数の貸し手が提案した提案利率に基づいて適正利率を予測し、
    　予測した適正利率を出力する処理をコンピュータに実行させるプログラムを記録した記録媒体。
  12. 　複数の貸し手が提案した提案利率を取得する融資提案取得手段と、
    　複数の貸し手の提案利率を説明変数とし、融資成立時の利率を目的変数として学習済の適正利率予測モデルを用いて、複数の貸し手が提案した提案利率に基づいて適正利率を予測する適正利率予測手段と、
    　前記適正利率に最も近い提案利率を提案した貸し手による、前記適正利率での適正利率融資提案を出力する適正利率融資提案生成手段と、
    　を備える融資マッチングシステム。
  13. 　前記適正利率融資提案生成手段は、融資申請による融資金額が、前記適正利率に最も近い提案利率を提案した貸し手による融資提案額を超える場合、前記適正利率に近い提案利率を提案した複数の貸し手による適正利率融資提案を生成する請求項１２に記載の融資マッチングシステム。
  14. 　前記複数の貸し手毎に提案利率を予測する提案利率予測手段を備え、
    　前記適正利率予測手段は、前記提案利率予測手段が予測した提案利率を用いて適正利率を予測する請求項１２又は１３に記載の融資マッチングシステム。
PCT/JP2019/049353 2019-12-17 2019-12-17 学習システム、学習方法、適正利率予測システム、適正利率予測方法、記録媒体、及び、融資マッチングシステム WO2021124438A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
PCT/JP2019/049353 WO2021124438A1 (ja) 2019-12-17 2019-12-17 学習システム、学習方法、適正利率予測システム、適正利率予測方法、記録媒体、及び、融資マッチングシステム
US17/781,784 US20230014755A1 (en) 2019-12-17 2019-12-17 Learning system, learning method, appropriate interest rate prediction system, appropriate interest rate prediction method, recording medium, and loan mating system
JP2021565198A JP7331944B2 (ja) 2019-12-17 2019-12-17 学習システム、学習方法、適正利率予測システム、適正利率予測方法、プログラム、及び、融資マッチングシステム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2019/049353 WO2021124438A1 (ja) 2019-12-17 2019-12-17 学習システム、学習方法、適正利率予測システム、適正利率予測方法、記録媒体、及び、融資マッチングシステム

Publications (1)

Publication Number Publication Date
WO2021124438A1 true WO2021124438A1 (ja) 2021-06-24

Family

ID=76477266

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2019/049353 WO2021124438A1 (ja) 2019-12-17 2019-12-17 学習システム、学習方法、適正利率予測システム、適正利率予測方法、記録媒体、及び、融資マッチングシステム

Country Status (3)

Country Link
US (1) US20230014755A1 (ja)
JP (1) JP7331944B2 (ja)
WO (1) WO2021124438A1 (ja)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002049756A (ja) * 2000-08-07 2002-02-15 Nec Corp 融資システム
KR101324985B1 (ko) * 2012-12-20 2013-11-04 신용보증기금 금리추정 및 경쟁 입찰 시스템
JP2017116977A (ja) * 2015-12-21 2017-06-29 ヤフー株式会社 予測装置、予測方法、及び予測プログラム

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11037236B1 (en) * 2014-01-31 2021-06-15 Intuit Inc. Algorithm and models for creditworthiness based on user entered data within financial management application
US11669914B2 (en) * 2018-05-06 2023-06-06 Strong Force TX Portfolio 2018, LLC Adaptive intelligence and shared infrastructure lending transaction enablement platform responsive to crowd sourced information
US20210248514A1 (en) * 2018-05-06 2021-08-12 Strong Force TX Portfolio 2018, LLC Artificial intelligence selection and configuration
US20200265511A1 (en) * 2019-02-19 2020-08-20 Adp, Llc Micro-Loan System
US11599939B2 (en) * 2019-02-20 2023-03-07 Hsip Corporate Nevada Trust System, method and computer program for underwriting and processing of loans using machine learning
US11620589B2 (en) * 2019-03-15 2023-04-04 State Street Corporation Techniques to forecast financial data using deep learning
US11694277B2 (en) * 2019-04-15 2023-07-04 Adp, Inc. Credit eligibility predictor
US11532042B2 (en) * 2019-05-08 2022-12-20 Toast, Inc. System for automated origination of capital based on point-of-sale data
US10977728B1 (en) * 2019-10-22 2021-04-13 Capital One Services, Llc Systems and methods for intelligently optimizing a queue of actions in an interface using machine learning

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002049756A (ja) * 2000-08-07 2002-02-15 Nec Corp 融資システム
KR101324985B1 (ko) * 2012-12-20 2013-11-04 신용보증기금 금리추정 및 경쟁 입찰 시스템
JP2017116977A (ja) * 2015-12-21 2017-06-29 ヤフー株式会社 予測装置、予測方法、及び予測プログラム

Also Published As

Publication number Publication date
US20230014755A1 (en) 2023-01-19
JPWO2021124438A1 (ja) 2021-06-24
JP7331944B2 (ja) 2023-08-23

Similar Documents

Publication Publication Date Title
Kao et al. Predicting bank performance with financial forecasts: A case of Taiwan commercial banks
Rona-Tas et al. The role of ratings in the subprime mortgage crisis: The art of corporate and the science of consumer credit rating
US8515842B2 (en) Systems and methods for monitoring and optimizing credit scores
Semmler Asset prices, booms and recessions: financial economics from a dynamic perspective
US11694267B2 (en) Automation and latency remediation for secure messaging systems
US20090037323A1 (en) Method and apparatus system for modeling consumer capacity for future incremental debt in credit scoring
CN111008896A (zh) 金融风险预警方法、装置、电子设备及存储介质
Hidayat et al. The effect of COVID-19 on credit and capital risk of state-owned bank in Indonesia: A system dynamics model
Jiang et al. The interaction of risk management tools: Financial hedging, corporate diversification and liquidity
Lin et al. Portfolio selection under systemic risk
JP6771513B2 (ja) 債務不履行確率を算出する装置、方法及びそのためのプログラム
WO2021124438A1 (ja) 学習システム、学習方法、適正利率予測システム、適正利率予測方法、記録媒体、及び、融資マッチングシステム
Adom et al. The transition probabilities for inflation episodes in Ghana
JP7298286B2 (ja) モデル提供プログラム、モデル提供方法及びモデル提供装置
Baradaran et al. System dynamics modelling of retailers' credit risk
McKeever Microprudential bank capital regulation in a complex system
US20220318900A1 (en) Method and apparatus to process data
JP7366355B2 (ja) 融資承認確率算出装置、融資承認確率算出方法及びプログラム
Nkou Mananga et al. A network approach to interbank contagion risk in South Africa
JP2002197268A (ja) ローン管理システム、その方法及びコンピュータシステムにローンの管理を行わせるためのコンピュータソフトウエアプログラム製品
US20220414764A1 (en) Financing analysis method and system based on life policy information
US20240087033A1 (en) Systems and methods for creating and managing collateralized municipal loan obligations
TWI732650B (zh) 股票預測方法及用於股票預測的伺服端
JP7244219B2 (ja) 破産更生債権振替装置、破産更生債権振替方法および破産更生債権振替プログラム
Sayat et al. ENTERPRISE CREDITWORTHINESS ANALYSIS

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: 19956627

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2021565198

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19956627

Country of ref document: EP

Kind code of ref document: A1