(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2024123926
(43)【公開日】2024-09-12
(54)【発明の名称】プログラムおよび財務指標提示システム
(51)【国際特許分類】
G06Q 10/04 20230101AFI20240905BHJP
【ＦＩ】
G06Q10/04
【審査請求】未請求
【請求項の数】7
【出願形態】ＯＬ
(21)【出願番号】P 2023031751
(22)【出願日】2023-03-02
(71)【出願人】
【識別番号】000003687
【氏名又は名称】東京電力ホールディングス株式会社
(74)【代理人】
【識別番号】100149548
【弁理士】
【氏名又は名称】松沼 泰史
(74)【代理人】
【識別番号】100175824
【弁理士】
【氏名又は名称】小林 淳一
(74)【代理人】
【識別番号】100140774
【弁理士】
【氏名又は名称】大浪 一徳
(74)【代理人】
【識別番号】100179833
【弁理士】
【氏名又は名称】松本 将尚
(74)【代理人】
【識別番号】100114937
【弁理士】
【氏名又は名称】松本 裕幸
(72)【発明者】
【氏名】塩澤 守弘
【テーマコード（参考）】
5L010
5L049
【Ｆターム（参考）】
5L010AA04
5L049AA04
(57)【要約】
【課題】財務データや事業運営データが開示されていない企業の経営状況の客観的な把握を支援する。
【解決手段】プログラムは、コンピュータに、財務情報と非財務情報とを、企業ごとに取得することと、因子関数を生成することと、生成された因子関数と、企業ごとの非財務情報とに基づいて、企業ごとの因子スコアを算出することと、算出された因子スコアと、財務情報が示す財務業績指標との関係を示す予測モデルを生成することと、生成された予測モデルに対して、企業の経営結果を示す非財務情報を与えることによって得られる財務業績指標である推定財務業績指標と当該企業の経営結果を示す財務情報に基づく財務業績指標である実績財務業績指標との相関関係を提示することと、提示された相関関係に対する承認操作を受け付けることと、承認操作が受け付けられた相関関係を算出した予測モデルを承認済み予測モデルとして記憶させることとを実行させる。
【選択図】図１
【解決手段】プログラムは、コンピュータに、財務情報と非財務情報とを、企業ごとに取得することと、因子関数を生成することと、生成された因子関数と、企業ごとの非財務情報とに基づいて、企業ごとの因子スコアを算出することと、算出された因子スコアと、財務情報が示す財務業績指標との関係を示す予測モデルを生成することと、生成された予測モデルに対して、企業の経営結果を示す非財務情報を与えることによって得られる財務業績指標である推定財務業績指標と当該企業の経営結果を示す財務情報に基づく財務業績指標である実績財務業績指標との相関関係を提示することと、提示された相関関係に対する承認操作を受け付けることと、承認操作が受け付けられた相関関係を算出した予測モデルを承認済み予測モデルとして記憶させることとを実行させる。
【選択図】図１
【特許請求の範囲】
【請求項1】
コンピュータに、
企業の経営状況を数値で示す数値情報のうち、財務諸表に掲載される情報である財務情報と、前記数値情報のうち前記財務情報以外の情報である非財務情報とを、企業ごとに取得することと、
取得された前記非財務情報を因子分析して得られる因子の値である因子スコアを、前記非財務情報の項目ごとに重みづけされた多項式によって示す因子関数を生成することと、
生成された前記因子関数と、企業ごとの前記非財務情報とに基づいて、企業ごとの因子スコアを算出することと、
算出された前記因子スコアと、前記財務情報が示す財務業績指標との関係を示す予測モデルであって、前記因子スコアを説明変数とし前記財務業績指標を目的変数として所定の種類の機械学習モデルを適用することによって得られる前記予測モデルを生成することと、
生成された前記予測モデルに対して、企業の経営結果を示す前記非財務情報を与えることによって得られる財務業績指標である推定財務業績指標と、当該企業の経営結果を示す前記財務情報に基づく財務業績指標である実績財務業績指標と、の相関関係を提示することと、
提示された前記相関関係に対する承認操作を受け付けることと、
前記承認操作が受け付けられた前記相関関係を算出した前記予測モデルを承認済み予測モデルとして記憶させることと、
を実行させるためのプログラム。
企業の経営状況を数値で示す数値情報のうち、財務諸表に掲載される情報である財務情報と、前記数値情報のうち前記財務情報以外の情報である非財務情報とを、企業ごとに取得することと、
取得された前記非財務情報を因子分析して得られる因子の値である因子スコアを、前記非財務情報の項目ごとに重みづけされた多項式によって示す因子関数を生成することと、
生成された前記因子関数と、企業ごとの前記非財務情報とに基づいて、企業ごとの因子スコアを算出することと、
算出された前記因子スコアと、前記財務情報が示す財務業績指標との関係を示す予測モデルであって、前記因子スコアを説明変数とし前記財務業績指標を目的変数として所定の種類の機械学習モデルを適用することによって得られる前記予測モデルを生成することと、
生成された前記予測モデルに対して、企業の経営結果を示す前記非財務情報を与えることによって得られる財務業績指標である推定財務業績指標と、当該企業の経営結果を示す前記財務情報に基づく財務業績指標である実績財務業績指標と、の相関関係を提示することと、
提示された前記相関関係に対する承認操作を受け付けることと、
前記承認操作が受け付けられた前記相関関係を算出した前記予測モデルを承認済み予測モデルとして記憶させることと、
を実行させるためのプログラム。
【請求項2】
前記機械学習モデルには複数の種類があり、当該種類ごとに適用の優先度が付されており、
前記優先度に基づいた前記機械学習モデルを適用して、前記予測モデルを生成する
請求項１に記載のプログラム。
前記優先度に基づいた前記機械学習モデルを適用して、前記予測モデルを生成する
請求項１に記載のプログラム。
【請求項3】
前記機械学習モデルには、木構造による第１種類のモデルと、木構造以外による第２種類のモデルとが含まれ、
前記第１種類のモデルの優先度が、前記第２種類のモデルの優先度よりも高い
請求項２に記載のプログラム。
前記第１種類のモデルの優先度が、前記第２種類のモデルの優先度よりも高い
請求項２に記載のプログラム。
【請求項4】
前記推定財務業績指標と、前記実績財務業績指標との相関関係を、数値形式またはグラフ形式のうち少なくとも一つの形式によって提示する
請求項１に記載のプログラム。
請求項１に記載のプログラム。
【請求項5】
前記相関関係を提示する際に、前記予測モデルの生成に用いられた前記機械学習モデルの種類を提示しない
請求項１に記載のプログラム。
請求項１に記載のプログラム。
【請求項6】
コンピュータに、
判定対象の企業の経営状況を数値で示す数値情報のうち、財務諸表に掲載される財務情報以外の情報である対象企業非財務情報を、前記判定対象の企業ごとに取得することと、
非財務情報を因子分析して得られる因子の値である因子スコアを非財務情報の項目ごとに重みづけされた多項式によって示す関数である因子関数が記憶されている記憶部から、前記因子関数を取得することと、
前記因子スコアと、前記財務情報が示す財務業績指標との関係を示す予測モデルであって、前記因子スコアを説明変数とし前記財務業績指標を目的変数として所定の種類の機械学習モデルを適用して予め生成された承認済み予測モデルが記憶されている記憶部から、前記承認済み予測モデルを取得することと
取得された前記対象企業非財務情報と、取得された前記因子関数とに基づいて、前記判定対象の企業ごとの因子スコアである判定対象因子スコアを算出することと、
取得された前記承認済み予測モデルと、算出された前記判定対象因子スコアとに基づいて、前記判定対象の企業の財務業績指標の推定値である判定対象財務業績指標を算出することと、
算出された前記判定対象財務業績指標を提示することと、
を実行させるためのプログラム。
判定対象の企業の経営状況を数値で示す数値情報のうち、財務諸表に掲載される財務情報以外の情報である対象企業非財務情報を、前記判定対象の企業ごとに取得することと、
非財務情報を因子分析して得られる因子の値である因子スコアを非財務情報の項目ごとに重みづけされた多項式によって示す関数である因子関数が記憶されている記憶部から、前記因子関数を取得することと、
前記因子スコアと、前記財務情報が示す財務業績指標との関係を示す予測モデルであって、前記因子スコアを説明変数とし前記財務業績指標を目的変数として所定の種類の機械学習モデルを適用して予め生成された承認済み予測モデルが記憶されている記憶部から、前記承認済み予測モデルを取得することと
取得された前記対象企業非財務情報と、取得された前記因子関数とに基づいて、前記判定対象の企業ごとの因子スコアである判定対象因子スコアを算出することと、
取得された前記承認済み予測モデルと、算出された前記判定対象因子スコアとに基づいて、前記判定対象の企業の財務業績指標の推定値である判定対象財務業績指標を算出することと、
算出された前記判定対象財務業績指標を提示することと、
を実行させるためのプログラム。
【請求項7】
企業の経営状況を数値で示す数値情報のうち、財務諸表に掲載される情報である財務情報と、前記数値情報のうち前記財務情報以外の情報である非財務情報とを、企業ごとに取得する数値情報取得部と、
取得された前記非財務情報を因子分析して得られる因子の値である因子スコアを、前記非財務情報の項目ごとに重みづけされた多項式によって示す因子関数を生成する因子分析部と、
生成された前記因子関数と、企業ごとの前記非財務情報とに基づいて、企業ごとの因子スコアを算出する因子スコア算出部と、
算出された前記因子スコアと、前記財務情報が示す財務業績指標との関係を示す予測モデルであって、前記因子スコアを説明変数とし前記財務業績指標を目的変数として所定の種類の機械学習モデルを適用することによって得られる前記予測モデルを生成する予測モデル生成部と、
生成された前記予測モデルに対して、企業の経営結果を示す前記非財務情報を与えることによって得られる財務業績指標である推定財務業績指標と、当該企業の経営結果を示す前記財務情報に基づく財務業績指標である実績財務業績指標と、の相関関係を提示する相関関係提示部１５０と、
提示された前記相関関係に対する承認操作を受け付ける操作受付部と、
前記承認操作が受け付けられた前記相関関係を算出した前記予測モデルを承認済み予測モデルとして記憶させるモデル確定部と、
を備える推定情報生成装置と、
判定対象の企業の経営状況を数値で示す数値情報のうち、財務諸表に掲載される情報である財務情報以外の非財務情報である対象企業非財務情報を、前記判定対象の企業ごとに取得する非財務情報取得部と、
非財務情報を因子分析して得られる因子の値である因子スコアを非財務情報の項目ごとに重みづけされた多項式によって示す関数である因子関数が記憶されている記憶部から、前記因子関数を取得する因子関数取得部と、
前記因子スコアと、前記財務情報が示す財務業績指標との関係を示す予測モデルであって、前記因子スコアを説明変数とし前記財務業績指標を目的変数として所定の種類の機械学習モデルを適用して予め生成された承認済み予測モデルが記憶されている記憶部から、前記承認済み予測モデルを取得する予測モデル取得部と、
取得された前記対象企業非財務情報と、取得された前記因子関数とに基づいて、前記判定対象の企業ごとの因子スコアである判定対象因子スコアを算出する判定対象因子スコア算出部と、
取得された前記承認済み予測モデルと、算出された前記判定対象因子スコアとに基づいて、前記判定対象の企業の財務業績指標の推定値である判定対象財務業績指標を算出する判定対象財務業績指標算出部と、
算出された前記判定対象財務業績指標を提示する結果提示部と、
を備える財務指標提示装置と、
を備える財務指標提示システム。
取得された前記非財務情報を因子分析して得られる因子の値である因子スコアを、前記非財務情報の項目ごとに重みづけされた多項式によって示す因子関数を生成する因子分析部と、
生成された前記因子関数と、企業ごとの前記非財務情報とに基づいて、企業ごとの因子スコアを算出する因子スコア算出部と、
算出された前記因子スコアと、前記財務情報が示す財務業績指標との関係を示す予測モデルであって、前記因子スコアを説明変数とし前記財務業績指標を目的変数として所定の種類の機械学習モデルを適用することによって得られる前記予測モデルを生成する予測モデル生成部と、
生成された前記予測モデルに対して、企業の経営結果を示す前記非財務情報を与えることによって得られる財務業績指標である推定財務業績指標と、当該企業の経営結果を示す前記財務情報に基づく財務業績指標である実績財務業績指標と、の相関関係を提示する相関関係提示部１５０と、
提示された前記相関関係に対する承認操作を受け付ける操作受付部と、
前記承認操作が受け付けられた前記相関関係を算出した前記予測モデルを承認済み予測モデルとして記憶させるモデル確定部と、
を備える推定情報生成装置と、
判定対象の企業の経営状況を数値で示す数値情報のうち、財務諸表に掲載される情報である財務情報以外の非財務情報である対象企業非財務情報を、前記判定対象の企業ごとに取得する非財務情報取得部と、
非財務情報を因子分析して得られる因子の値である因子スコアを非財務情報の項目ごとに重みづけされた多項式によって示す関数である因子関数が記憶されている記憶部から、前記因子関数を取得する因子関数取得部と、
前記因子スコアと、前記財務情報が示す財務業績指標との関係を示す予測モデルであって、前記因子スコアを説明変数とし前記財務業績指標を目的変数として所定の種類の機械学習モデルを適用して予め生成された承認済み予測モデルが記憶されている記憶部から、前記承認済み予測モデルを取得する予測モデル取得部と、
取得された前記対象企業非財務情報と、取得された前記因子関数とに基づいて、前記判定対象の企業ごとの因子スコアである判定対象因子スコアを算出する判定対象因子スコア算出部と、
取得された前記承認済み予測モデルと、算出された前記判定対象因子スコアとに基づいて、前記判定対象の企業の財務業績指標の推定値である判定対象財務業績指標を算出する判定対象財務業績指標算出部と、
算出された前記判定対象財務業績指標を提示する結果提示部と、
を備える財務指標提示装置と、
を備える財務指標提示システム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、プログラムおよび財務指標提示システムに関する。
【背景技術】
【0002】
一例として、企業、または、当該企業の一部の事業（なお、以下の説明において企業と記載した場合には、当該企業の一部事業のことも含む。）に対する投資や取引開始の局面において、対象企業の経営状況を客観的に把握したいというニーズが存在する。
従来、企業の営業利益などの財務情報に基づいて、当該企業の業績予測をする技術が開示されている（例えば、特許文献１を参照）。
従来、企業の営業利益などの財務情報に基づいて、当該企業の業績予測をする技術が開示されている（例えば、特許文献１を参照）。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特開２０２０－０５２８８２号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
一方で、すべての企業において財務諸表（決算報告書、あるいは単に決算書ともいう。）が開示されているとは限らない。例えば、財務諸表の開示義務がない企業もあり、このような企業の場合、過去の財務データや事業運営データの入手が困難である。財務諸表が開示されていない企業については、投資や取引開始の局面において、当該企業の経営状況を客観的に把握することが難しいという問題があった。
本発明は、上記問題を解決すべくなされたもので、その目的は、財務データや事業運営データが開示されていない企業の経営状況の客観的な把握を支援するプログラムおよび財務指標提示システムを提供することにある。
本発明は、上記問題を解決すべくなされたもので、その目的は、財務データや事業運営データが開示されていない企業の経営状況の客観的な把握を支援するプログラムおよび財務指標提示システムを提供することにある。
【課題を解決するための手段】
【0005】
本発明の一実施形態は、コンピュータに、企業の経営状況を数値で示す数値情報のうち、財務諸表に掲載される情報である財務情報と、前記数値情報のうち前記財務情報以外の情報である非財務情報とを、企業ごとに取得することと、取得された前記非財務情報を因子分析して得られる因子の値である因子スコアを、前記非財務情報の項目ごとに重みづけされた多項式によって示す因子関数を生成することと、生成された前記因子関数と、企業ごとの前記非財務情報とに基づいて、企業ごとの因子スコアを算出することと、算出された前記因子スコアと、前記財務情報が示す財務業績指標との関係を示す予測モデルであって、前記因子スコアを説明変数とし前記財務業績指標を目的変数として所定の種類の機械学習モデルを適用することによって得られる前記予測モデルを生成することと、生成された前記予測モデルに対して、企業の経営結果を示す前記非財務情報を与えることによって得られる財務業績指標である推定財務業績指標と、当該企業の経営結果を示す前記財務情報に基づく財務業績指標である実績財務業績指標と、の相関関係を提示することと、提示された前記相関関係に対する承認操作を受け付けることと、前記承認操作が受け付けられた前記相関関係を算出した前記予測モデルを承認済み予測モデルとして記憶させることと、を実行させるためのプログラムである。
【0006】
本発明の一実施形態は、上述のプログラムにおいて、前記機械学習モデルには複数の種類があり、当該種類ごとに適用の優先度が付されており、前記優先度に基づいた前記機械学習モデルを適用して、前記予測モデルを生成する。
【0007】
本発明の一実施形態は、上述のプログラムにおいて、前記機械学習モデルには、木構造による第１種類のモデルと、木構造以外による第２種類のモデルとが含まれ、前記第１種類のモデルの優先度が、前記第２種類のモデルの優先度よりも高い。
【0008】
本発明の一実施形態は、上述のプログラムにおいて、前記推定財務業績指標と、前記実績財務業績指標との相関関係を、数値形式またはグラフ形式のうち少なくとも一つの形式によって提示する。
【0009】
本発明の一実施形態は、上述のプログラムにおいて、前記相関関係を提示する際に、前記予測モデルの生成に用いられた前記機械学習モデルの種類を提示しない。
【0010】
本発明の一実施形態は、コンピュータに、
判定対象の企業の経営状況を数値で示す数値情報のうち、財務諸表に掲載される情報である財務情報以外の非財務情報である対象企業非財務情報を、前記判定対象の企業ごとに取得することと、非財務情報を因子分析して得られる因子の値である因子スコアを非財務情報の項目ごとに重みづけされた多項式によって示す関数である因子関数が記憶されている記憶部から、前記因子関数を取得することと、前記因子スコアと、前記財務情報が示す財務業績指標との関係を示す予測モデルであって、前記因子スコアを説明変数とし前記財務業績指標を目的変数として所定の種類の機械学習モデルを適用して予め生成された承認済み予測モデルが記憶されている記憶部から、前記承認済み予測モデルを取得することと取得された前記対象企業非財務情報と、取得された前記因子関数とに基づいて、前記判定対象の企業ごとの因子スコアである判定対象因子スコアを算出することと、取得された前記承認済み予測モデルと、算出された前記判定対象因子スコアとに基づいて、前記判定対象の企業の財務業績指標の推定値である判定対象財務業績指標を算出することと、算出された前記判定対象財務業績指標を提示することと、を実行させるためのプログラムである。
判定対象の企業の経営状況を数値で示す数値情報のうち、財務諸表に掲載される情報である財務情報以外の非財務情報である対象企業非財務情報を、前記判定対象の企業ごとに取得することと、非財務情報を因子分析して得られる因子の値である因子スコアを非財務情報の項目ごとに重みづけされた多項式によって示す関数である因子関数が記憶されている記憶部から、前記因子関数を取得することと、前記因子スコアと、前記財務情報が示す財務業績指標との関係を示す予測モデルであって、前記因子スコアを説明変数とし前記財務業績指標を目的変数として所定の種類の機械学習モデルを適用して予め生成された承認済み予測モデルが記憶されている記憶部から、前記承認済み予測モデルを取得することと取得された前記対象企業非財務情報と、取得された前記因子関数とに基づいて、前記判定対象の企業ごとの因子スコアである判定対象因子スコアを算出することと、取得された前記承認済み予測モデルと、算出された前記判定対象因子スコアとに基づいて、前記判定対象の企業の財務業績指標の推定値である判定対象財務業績指標を算出することと、算出された前記判定対象財務業績指標を提示することと、を実行させるためのプログラムである。
【0011】
本発明の一実施形態は、企業の経営状況を数値で示す数値情報のうち、財務諸表に掲載される情報である財務情報と、前記数値情報のうち前記財務情報以外の情報である非財務情報とを、企業ごとに取得する数値情報取得部と、取得された前記非財務情報を因子分析して得られる因子の値である因子スコアを、前記非財務情報の項目ごとに重みづけされた多項式によって示す因子関数を生成する因子分析部と、生成された前記因子関数と、企業ごとの前記非財務情報とに基づいて、企業ごとの因子スコアを算出する因子スコア算出部と、算出された前記因子スコアと、前記財務情報が示す財務業績指標との関係を示す予測モデルであって、前記因子スコアを説明変数とし前記財務業績指標を目的変数として所定の種類の機械学習モデルを適用することによって得られる前記予測モデルを生成する予測モデル生成部と、生成された前記予測モデルに対して、企業の経営結果を示す前記非財務情報を与えることによって得られる財務業績指標である推定財務業績指標と、当該企業の経営結果を示す前記財務情報に基づく財務業績指標である実績財務業績指標と、の相関関係を提示する相関関係提示部１５０と、提示された前記相関関係に対する承認操作を受け付ける操作受付部と、前記承認操作が受け付けられた前記相関関係を算出した前記予測モデルを承認済み予測モデルとして記憶させるモデル確定部と、を備える推定情報生成装置と、判定対象の企業の経営状況を数値で示す数値情報のうち、財務諸表に掲載される情報である財務情報以外の非財務情報である対象企業非財務情報を、前記判定対象の企業ごとに取得する非財務情報取得部と、非財務情報を因子分析して得られる因子の値である因子スコアを非財務情報の項目ごとに重みづけされた多項式によって示す関数である因子関数が記憶されている記憶部から、前記因子関数を取得する因子関数取得部と、前記因子スコアと、前記財務情報が示す財務業績指標との関係を示す予測モデルであって、前記因子スコアを説明変数とし前記財務業績指標を目的変数として所定の種類の機械学習モデルを適用して予め生成された承認済み予測モデルが記憶されている記憶部から、前記承認済み予測モデルを取得する予測モデル取得部と、取得された前記対象企業非財務情報と、取得された前記因子関数とに基づいて、前記判定対象の企業ごとの因子スコアである判定対象因子スコアを算出する判定対象因子スコア算出部と、取得された前記承認済み予測モデルと、算出された前記判定対象因子スコアとに基づいて、前記判定対象の企業の財務業績指標の推定値である判定対象財務業績指標を算出する判定対象財務業績指標算出部と、算出された前記判定対象財務業績指標を提示する結果提示部と、を備える財務指標提示装置と、を備える財務指標提示システムである。
【発明の効果】
【0012】
この発明によれば、財務データや事業運営データが開示されていない企業の経営状況の客観的な把握を支援するプログラムを提供することができる。
【図面の簡単な説明】
【0013】
【図1】本実施形態の財務指標提示システムの一例を示す図である。
【図2】本実施形態の財務情報の一例を示す図である。
【図3】本実施形態の非財務情報の一例を示す図である。
【図4】本実施形態の推定情報生成装置の動作の流れの一例を示す図である。
【図5】本実施形態の因子関数の一例を示す図である。
【図6】本実施形態の因子係数の一例を示す図である。
【図7】本実施形態の指標テーブルの一例を示す図である。
【図8】本実施形態の予測モデルの一例を示す図である。
【図9】本実施形態の更新後の指標テーブルの一例を示す図である。
【図10】本実施形態の承認画面の一例を示す図である。
【図11】本実施形態の財務指標提示装置の動作の流れの一例を示す図である。
【図12】本実施形態の非財務情報データベースに記憶されている判定候補非財務情報の一例を示す図である。
【図13】本実施形態の判定結果情報の一例を示す図である。
【発明を実施するための形態】
【0014】
本実施形態の財務指標提示システム１は、財務諸表などの過去の財務データや事業運営データが開示されておらず、その経営状況が把握しづらい企業についても、財務諸表に掲載される情報によらずに、財務諸表には通常掲載されない情報に基づいて財務データに相当する情報を生成することにより、その経営情報の把握を支援する。以下、図面を参照して、本発明の実施形態を説明する。
【0015】
図１は、本実施形態の財務指標提示システム１の一例を示す図である。財務指標提示システム１は、いずれもコンピュータ装置である推定情報生成装置１０と、財務指標提示装置６０とを含んで構成される。まず、推定情報生成装置１０の構成について説明し、次に財務指標提示装置６０の構成について説明する。
【0016】
［推定情報生成装置１０の機能構成と動作の流れ］
推定情報生成装置１０は、財務諸表が開示されている企業について、財務情報と非財務情報との相関を分析することにより、非財務情報から財務情報を推定するための推定情報を生成する。
推定情報生成装置１０は、財務諸表が開示されている企業について、財務情報と非財務情報との相関を分析することにより、非財務情報から財務情報を推定するための推定情報を生成する。
【0017】
推定情報生成装置１０は、例えば、パーソナルコンピュータやクラウドサーバとして実装される。推定情報生成装置１０は、そのソフトウエア機能部として、数値情報取得部１１０と、因子分析部１２０と、因子スコア算出部１３０と、予測モデル生成部１４０と、相関関係提示部１５０と、操作受付部１６０と、モデル確定部１７０とを備える。
これら各部は、例えば、推定情報生成装置１０が備える記憶装置（不図示）や、クラウドサーバ内の記憶装置（不図示）に記憶されたソフトウエア（コンピュータプログラム）として実装される。
これら各部は、例えば、推定情報生成装置１０が備える記憶装置（不図示）や、クラウドサーバ内の記憶装置（不図示）に記憶されたソフトウエア（コンピュータプログラム）として実装される。
【0018】
数値情報取得部１１０は、企業情報データベース２０から、企業の経営状況を数値で示す情報を取得する。
【0019】
［財務情報２１０と非財務情報２２０について］
企業情報データベース２０とは、例えば、信用調査企業などが運営する商用のデータベースや、財務指標提示システム１を導入する組織が自前で用意したデータベースである。企業情報データベース２０には、財務諸表などの企業の経営状況を示す情報が、企業ごとに記憶されている。ここでいう財務諸表には、貸借対照表（BS）、損益計算書（PL）、キャッシュフロー計算書（CF）のいわゆる財務三表や、当該企業が開示すべきと判断した種々の情報が含まれる。
なお、本実施形態でいう「財務諸表に掲載される情報」とは、当該企業の年次の決算の際に開示される情報のみならず、例えば、四半期ごとや随時開示される情報も含む。
企業情報データベース２０とは、例えば、信用調査企業などが運営する商用のデータベースや、財務指標提示システム１を導入する組織が自前で用意したデータベースである。企業情報データベース２０には、財務諸表などの企業の経営状況を示す情報が、企業ごとに記憶されている。ここでいう財務諸表には、貸借対照表（BS）、損益計算書（PL）、キャッシュフロー計算書（CF）のいわゆる財務三表や、当該企業が開示すべきと判断した種々の情報が含まれる。
なお、本実施形態でいう「財務諸表に掲載される情報」とは、当該企業の年次の決算の際に開示される情報のみならず、例えば、四半期ごとや随時開示される情報も含む。
【0020】
また、企業情報データベース２０には、財務諸表に掲載されない種類の情報も含まれている。例えば、企業によっては、環境対応の観点、企業の社会的責任の観点、または企業ガバナンスの観点から、種々の情報を開示している場合がある。これらの環境対応・社会的責任・企業ガバナンスに関する情報（以下、ESG情報ともいう。）の中には、数値化された情報も含まれる。例えば、ESG情報には、社外取締役比率、女性管理職割合、CO2排出削減など環境対策への取り組みの有無などが含まれる。なお、社内制度の有無や取り組みなどの有無は、いわゆるダミー変数（例えば、有りは１、無しは０、当該情報が得られない場合は９などとする数値）で表現することで、数値化されていてもよい。
【0021】
すなわち、企業の経営状況を数値で示す情報には、「財務諸表に掲載される情報」と、「財務諸表に掲載されない情報」とがある。本実施形態において、前者の「財務諸表に掲載される情報」のことを財務情報２１０ともいい、後者の「財務諸表に掲載されない情報」のことを非財務情報２２０ともいう。また、本実施形態において、これら財務情報２１０と、非財務情報２２０とを総称して数値情報２００ともいう。
【0022】
図２は、本実施形態の財務情報２１０の一例を示す図である。上述したように、財務情報２１０とは、企業の経営状況を数値で示す数値情報２００のうち、財務諸表に掲載される情報である。
具体的には、財務情報２１０とは、例えば、資産の額、負債の額、純資産の額、売上高、税引後当期純利益など、企業の経営状況を数値で示す情報である。
また、財務情報２１０とは、これらの数値を組み合わせることで算出される数値であってもよい。例えば、財務情報２１０とは、投下資本利益率（ROIC；Return On Invested Capital）なども含まれる。ROICは、投下資本（有利子負債と株主資本との合計値）に対する税引後営業利益の割合として算出される。
投資や取引開始の検討の際に、対象企業から開示された財務諸表に記載された財務情報２１０に基づいて算出したROICを、投資や取引開始の判断指標として利用することができれば、対象企業の経営状況を客観的に判断することができる。
具体的には、財務情報２１０とは、例えば、資産の額、負債の額、純資産の額、売上高、税引後当期純利益など、企業の経営状況を数値で示す情報である。
また、財務情報２１０とは、これらの数値を組み合わせることで算出される数値であってもよい。例えば、財務情報２１０とは、投下資本利益率（ROIC；Return On Invested Capital）なども含まれる。ROICは、投下資本（有利子負債と株主資本との合計値）に対する税引後営業利益の割合として算出される。
投資や取引開始の検討の際に、対象企業から開示された財務諸表に記載された財務情報２１０に基づいて算出したROICを、投資や取引開始の判断指標として利用することができれば、対象企業の経営状況を客観的に判断することができる。
【0023】
以下の説明において、財務情報２１０が示す数値のことを財務業績指標２１１ともいう。同図に示すROICは、財務業績指標２１１の一例である。
なお、本実施形態において投資や取引開始の判断指標としてROICを用いることは一例である。例えば、ROI(Return On Investment)、ROE(Return On Equity)など、一般的に財務指標として用いられている指標、あるいは財務諸表に掲載される情報から導出できる指標であれば、どのような指標が用いられてもよい。
なお、本実施形態において投資や取引開始の判断指標としてROICを用いることは一例である。例えば、ROI(Return On Investment)、ROE(Return On Equity)など、一般的に財務指標として用いられている指標、あるいは財務諸表に掲載される情報から導出できる指標であれば、どのような指標が用いられてもよい。
【0024】
図３は、本実施形態の非財務情報２２０の一例を示す図である。上述したように、非財務情報２２０とは、企業の経営状況を数値で示す数値情報２００のうち、財務情報２１０以外の情報である。以下の説明において、非財務情報２２０が示す数値のことを非財務指標２２１ともいう。同図に示す指標ａ１～指標ａｎは、非財務指標２２１の一例である。例えば、指標ａ１は、上述した社外取締役比率に相当し、指標ａ２は、上述した女性管理職割合に相当する。
【0025】
図１に戻り、企業情報データベース２０には、数値情報２００（つまり、財務情報２１０および非財務情報２２０）が、企業ごとに記憶されている。
以下、図１と図４を参照しつつ、推定情報生成装置１０の構成と動作とについて、説明する。
以下、図１と図４を参照しつつ、推定情報生成装置１０の構成と動作とについて、説明する。
【0026】
図４は、本実施形態の推定情報生成装置１０の動作の流れの一例を示す図である。
（ステップＳ１１０）数値情報取得部１１０は、企業情報データベース２０から数値情報２００を取得する。上述したように、数値情報２００には、財務情報２１０と非財務情報２２０とが含まれる。
（ステップＳ１１０）数値情報取得部１１０は、企業情報データベース２０から数値情報２００を取得する。上述したように、数値情報２００には、財務情報２１０と非財務情報２２０とが含まれる。
【0027】
すなわち、数値情報取得部１１０は、企業の経営状況を数値で示す数値情報２００のうち、財務諸表に掲載される情報である財務情報２１０と、数値情報２００のうち財務情報２１０以外の情報である非財務情報２２０とを、企業ごとに取得する。
【0028】
なお、企業情報データベース２０によっては、非財務情報２２０が図３に示したような多変量データ形式になっていない場合もあり得る。この場合には、数値情報取得部１１０は、企業情報データベース２０から取得した非財務情報２２０に対して、項目ごとに、項目と数値を対応付けてダミー変数化や正規化などの処理を施すことにより、図３に示した多変量データ形式に整理する機能を有していてもよい。
【0029】
（ステップＳ１２０）因子分析部１２０は、取得された非財務情報２２０について、因子分析を行う。より具体的には、因子分析部１２０は、ステップＳ１１０において数値情報取得部１１０が取得した非財務情報２２０（つまり、多変量データ）について、既知の手法によって、多変量データの裏に潜む共通因子を抽出する。非財務情報２２０は、抽出した複数の因子のそれぞれについて、非財務情報２２０の項目ごとに重みづけされた多項式である因子関数３１０を生成する。
【0030】
図５は、本実施形態の因子関数３１０の一例を示す図である。因子分析部１２０は、因子分析によって得られた複数（この一例では、ｍ個）の因子（因子Ｆ１～因子Ｆｍ）について、因子係数３１２と非財務指標２２１との積を項とする多項式を、因子関数３１０として生成する。ここで、因子係数３１２は、因子の種類ごと、かつ、非財務指標２２１の種類ごとに算出される定数である。
【0031】
図６は、本実施形態の因子係数３１２の一例を示す図である。因子分析部１２０は、因子の種類ごと、かつ、非財務指標２２１の種類ごとに因子係数３１２を算出する。
図５に戻り、本実施形態において、因子関数３１０の値（同図の例では、ＦＣ１～ＦＣｍ）を、因子スコア３１１ともいう。
図５に戻り、本実施形態において、因子関数３１０の値（同図の例では、ＦＣ１～ＦＣｍ）を、因子スコア３１１ともいう。
【0032】
すなわち、因子分析部１２０は、取得された非財務情報２２０を因子分析して得られる因子の値である因子スコア３１１を非財務情報２２０の項目ごとに重みづけされた多項式によって示す、因子関数３１０を生成する。
【0033】
（ステップＳ１３０）因子スコア算出部１３０は、ステップＳ１１０において取得された非財務情報２２０に基づいて、指標テーブル３００を生成する。
【0034】
図７は、本実施形態の指標テーブル３００の一例を示す図である。指標テーブル３００の生成の第１段階において、因子スコア算出部１３０は、ステップＳ１１０において取得された非財務情報２２０に基づいて、企業ごとに、企業名および企業ＩＤと、非財務指標２２１とを対応付けることにより、指標テーブル３００を生成する。なお、この一例において、第１段階の指標テーブル３００は、図３に示した非財務情報２２０と同一である。
なお、この場合、因子スコア算出部１３０は、ステップＳ１１０において取得した非財務情報２２０を指標テーブル３００にする、ともいえる。
なお、この場合、因子スコア算出部１３０は、ステップＳ１１０において取得した非財務情報２２０を指標テーブル３００にする、ともいえる。
【0035】
指標テーブル３００の生成の第２段階において、因子スコア算出部１３０は、企業ごとの因子スコア３１１を算出する。より具体的には、因子スコア算出部１３０は、ステップＳ１２０において生成された因子関数３１０に対して、ステップＳ１１０において取得された企業ごとの非財務情報２２０を代入することにより、企業ごとの因子スコア３１１を算出する。因子スコア算出部１３０は、算出した因子スコア３１１を、第１段階において生成した指標テーブル３００に対応付ける。この結果、指標テーブル３００は、同図に示す第２段階の状態になる。
【0036】
すなわち、因子スコア算出部１３０は、生成された因子関数３１０と、企業ごとの非財務情報２２０とに基づいて、企業ごとの因子スコア３１１を算出する。
【0037】
指標テーブル３００の生成の第３段階において、因子スコア算出部１３０は、ステップＳ１１０において取得された財務業績指標２１１を、第２段階の指標テーブル３００に対応付ける。この結果、指標テーブル３００は、同図に示す第３段階の状態になる。
【0038】
（ステップＳ１４０）図４に戻り、予測モデル生成部１４０は、予測モデル４００を生成する。予測モデル４００とは、因子スコア３１１を説明変数とし、財務業績指標２１１を目的変数として所定の種類の機械学習モデルを適用することによって得られるモデルである。本実施形態の予測モデル生成部１４０は、財務業績指標２１１のうち、ROICを目的変数として予測モデル４００を得ている。予測モデル４００の生成には、種々の機械学習モデルを適用することができる。
【0039】
図８は、本実施形態の予測モデル４００の一例を示す図である。この一例では、予測モデル生成部１４０は、機械学習モデルのうち木構造による学習モデルであるＭ５Ｐ（線形回帰式を葉に持つモデル木）を適用することによって、予測モデル４００を得ている。
【0040】
一般に、機械学習モデル（特に、教師データあり機械学習モデル）には、
・回帰を用いるもの（線形回帰、ロジスティック回帰、サポートベクターマシン（SVM）など）
・ニューラルネットワークを用いるもの（畳み込みニューラルネットワーク（CNN）、再帰型ニューラルネットワーク(RNN)、パーセプトロンなど）
・ベイズ推定を用いるもの
・木構造を用いるもの（決定木、回帰木、ランダムフォレスト(RF)、Ｍ５Ｐなど）
など、多数の種類がある。
・回帰を用いるもの（線形回帰、ロジスティック回帰、サポートベクターマシン（SVM）など）
・ニューラルネットワークを用いるもの（畳み込みニューラルネットワーク（CNN）、再帰型ニューラルネットワーク(RNN)、パーセプトロンなど）
・ベイズ推定を用いるもの
・木構造を用いるもの（決定木、回帰木、ランダムフォレスト(RF)、Ｍ５Ｐなど）
など、多数の種類がある。
【0041】
これらの機械学習モデルの種類の中には、説明変数が連続的に変化する場合に適した種類と、説明変数が離散的に変化する場合に適した種類とがある。本実施形態の推定情報生成装置１０においては、説明変数が因子スコア３１１である。上述したように因子スコア３１１は、ESG情報を因子分析して求められている。ESG情報には、本来数値化しにくいもの（例えば、社内制度の有無や取り組みの有無など）や、数値の大きさに意味がないもの（有りは１、無しは０、当該情報が得られない場合は９などとするダミー変数）で表現されたものがある。したがって、因子スコア３１１は、数値の大小関係に意味がなかったり、数値どうしが離散的に表現される傾向が生じる。
このように、説明変数である因子スコア３１１が離散的に表現される傾向がある場合には、機械学習モデルは、木構造以外の種類のモデルよりも、離散的な変化に適した木構造を用いることの方がよい場合がある。
このように、説明変数である因子スコア３１１が離散的に表現される傾向がある場合には、機械学習モデルは、木構造以外の種類のモデルよりも、離散的な変化に適した木構造を用いることの方がよい場合がある。
【0042】
そこで、本実施形態の予測モデル生成部１４０は、機械学習モデルの種類ごとに付された優先度に基づいた機械学習モデルを適用して、予測モデル４００を生成する。
この場合、機械学習モデルには複数の種類があり、当該種類ごとに適用の優先度が付されている。
この場合、機械学習モデルには複数の種類があり、当該種類ごとに適用の優先度が付されている。
【0043】
ここで、木構造による機械学習モデルを第１種類のモデルとし、木構造以外による機械学習モデルを第２種類のモデルとすれば、第１種類のモデル（つまり、木構造による機械学習モデル）の優先度が、第２種類のモデル（つまり、木構造以外による機械学習モデル）の優先度よりも高くされていてもよい。
すなわち、予測モデル生成部１４０は、第１種類のモデルのほうが、第２種類のモデルのよりも高く設定されている優先度に基づいて機械学習モデルを選択することにより、予測モデル４００を生成する。
すなわち、予測モデル生成部１４０は、第１種類のモデルのほうが、第２種類のモデルのよりも高く設定されている優先度に基づいて機械学習モデルを選択することにより、予測モデル４００を生成する。
【0044】
このように構成された推定情報生成装置１０によれば、複数の種類の機械学習モデルの中から、説明変数の特性（特に、非財務指標２２１のように数値が離散的であること）に応じた機械学習モデルを適用して、予測モデル４００を生成することができる。
【0045】
なお、図８に示す一例では、予測モデル生成部１４０は、因子１～因子ｎについて、それぞれの因子の因子スコア３１１が閾値ｔｈ以下であるか否かによって分岐する二分木による予測モデル４００を生成している。一例として、同図には、予測モデル４００において、因子１の因子スコア３１１が閾値ｔｈ１以下、かつ、因子２の因子スコア３１１が閾値ｔｈ２以下、…である場合を示している。この場合において、因子ｎの因子スコア３１１が閾値ｔｈｎ以下である場合には、予測式ＬＭ１が選択され、因子ｎの因子スコア３１１が閾値ｔｈｎを超える場合には、予測式ＬＭ２が選択される。
【0046】
予測モデル生成部１４０は、上述のようにして、生成した予測モデル４００に識別子である予測モデルＩＤを付して、第３段階の指標テーブル３００に対応付けることにより、指標テーブル３００を更新する。
【0047】
図９は、本実施形態の更新後の指標テーブル３００の一例を示す図である。予測モデル生成部１４０が、指標テーブル３００に予測モデルＩＤを対応付けることにより、指標テーブル３００は、同図に示す第４段階の状態に更新される。
【0048】
なお、予測モデル生成部１４０は、複数の機械学習モデルを順に適用して、機械学習モデルの種類に応じた予測モデル４００を順次生成する。すなわち、予測モデル４００は、機械学習モデルの種類ごとに生成される。予測モデル生成部１４０は、機械学習モデルの種類ごとに生成した予測モデル４００に対して、互いに異なる識別子（予測モデルＩＤ）を付して、指標テーブル３００を更新する。
【0049】
（ステップＳ１５０）図４に戻り、相関関係提示部１５０は、指標テーブル３００の情報に基づいて、ステップＳ１４０において生成された複数の予測モデル４００のそれぞれに対して、因子スコア３１１を与える。上述したように、予測モデル４００は、財務業績指標２１１を目的変数にして学習されている。したがって、複数の予測モデル４００のそれぞれに対して、因子スコア３１１が与えられた場合、企業ごと、かつ、予測モデル４００ごとに、財務業績指標２１１（例えば、ROIC）が算出される。
相関関係提示部１５０は、算出された財務業績指標２１１（例えば、ROIC）を指標テーブル３００に対応付ける。この結果、指標テーブル３００は、図９に示す第５段階の状態に更新される。
相関関係提示部１５０は、算出された財務業績指標２１１（例えば、ROIC）を指標テーブル３００に対応付ける。この結果、指標テーブル３００は、図９に示す第５段階の状態に更新される。
【0050】
ここで、予測モデル４００が算出する財務業績指標２１１は、企業の実際の経営結果に基づく指標ではなく、企業の非財務指標２２１に基づいて予測された財務業績指標２１１である。
以下の説明において、企業の実際の経営結果に基づく財務業績指標２１１と、予測モデル４００が推定した当該企業の財務業績指標２１１とを互いに区別するため、ステップＳ１５０において算出された財務業績指標２１１のことを、推定財務業績指標４５０という。また、ステップＳ１１０において取得された財務業績指標２１１、すなわち、企業の実際の経営結果に基づく財務業績指標２１１のことを、実績財務業績指標４５１という。
以下の説明において、企業の実際の経営結果に基づく財務業績指標２１１と、予測モデル４００が推定した当該企業の財務業績指標２１１とを互いに区別するため、ステップＳ１５０において算出された財務業績指標２１１のことを、推定財務業績指標４５０という。また、ステップＳ１１０において取得された財務業績指標２１１、すなわち、企業の実際の経営結果に基づく財務業績指標２１１のことを、実績財務業績指標４５１という。
【0051】
すなわち、相関関係提示部１５０は、生成された予測モデル４００に対して、企業の経営結果を示す非財務情報２２０を与えることによって得られる財務業績指標２１１である推定財務業績指標４５０と、当該企業の経営結果を示す財務情報２１０に基づく財務業績指標２１１である実績財務業績指標４５１と、の相関関係を提示する。
【0052】
具体的には、相関関係提示部１５０は、推定財務業績指標４５０と、実績財務業績指標４５１との相関関係を表示装置３０を介して財務指標提示システム１の利用者に提示する。
【0053】
図１０は、本実施形態の承認画面５００の一例を示す図である。表示装置３０は、例えば、液晶ディスプレイを備えており、推定情報生成装置１０の演算結果を財務指標提示システム１の利用者に提示する提示装置として機能する。
相関関係提示部１５０は、表示装置３０に承認画面５００を表示する。この承認画面５００には、数値形式の相関関係５０１とグラフ形式の相関関係５０２とのいずれか（または両方）と、承認ボタン５０３および他のモデルボタン５０４の画像が含まれる。
相関関係提示部１５０は、表示装置３０に承認画面５００を表示する。この承認画面５００には、数値形式の相関関係５０１とグラフ形式の相関関係５０２とのいずれか（または両方）と、承認ボタン５０３および他のモデルボタン５０４の画像が含まれる。
【0054】
すなわち、相関関係提示部１５０は、推定財務業績指標４５０と、実績財務業績指標４５１との相関関係を、数値形式の相関関係５０１またはグラフ形式の相関関係５０２の相関関係５０２のうち少なくとも一つの形式によって提示する。
【0055】
ここで、推定財務業績指標４５０と、実績財務業績指標４５１との相関関係とは、企業の実際の経営結果に基づく財務業績指標２１１と、当該企業について予測モデル４００が予測した財務業績指標２１１との相関の程度、あるいは乖離の程度をいう。これら２つの指標の相関の程度（例えば、相関値）が高ければ、予測モデル４００による推定精度が比較的高く、２つの指標の相関の程度（例えば、相関値）が低ければ、予測モデル４００による推定精度が比較的低いことを示している。
【0056】
財務指標提示システム１の利用者は、表示装置３０に表示された承認画面５００を見て、予測モデル４００による予測の精度に満足すれば、承認ボタン５０３を操作する。財務指標提示システム１の利用者は、表示装置３０に表示された承認画面５００を見て、予測モデル４００による予測の精度に満足しなければ、他のモデルボタン５０４を操作する。
利用者による操作の結果は、操作装置４０（たとえば、タッチパネル、キーボード、マウスなど）を介して、推定情報生成装置１０の操作受付部１６０が取得する。
利用者による操作の結果は、操作装置４０（たとえば、タッチパネル、キーボード、マウスなど）を介して、推定情報生成装置１０の操作受付部１６０が取得する。
【0057】
ここで、相関関係提示部１５０は、承認画面５００において相関関係を提示する際に、予測モデル４００の生成に用いられた機械学習モデルの種類を提示しないようにすることもできる。
利用者は、機械学習モデルの種類（例えば、ランダムフォレスト、ニューラルネットワークなど）による、機械学習の特性や傾向を把握している場合がある。この場合において、表示装置３０に、予測モデル４００の生成に用いられた機械学習モデルの種類（例えば、ランダムフォレスト、ニューラルネットワークなど）が提示されると、同時に提示されている相関関係について、機械学習モデルの種類に応じた特性や傾向の先入観をもって評価することになる。このため、表示装置３０に、予測モデル４００の生成に用いられた機械学習モデルの種類が提示されない場合に比べて、予測モデル４００の性能の評価の客観性が低下する場合がある。
本実施形態の推定情報生成装置１０は、承認画面５００において相関関係を提示する際に、予測モデル４００の生成に用いられた機械学習モデルの種類を提示しないため、利用者による予測モデル４００の性能の評価の客観性を高めることができる。
利用者は、機械学習モデルの種類（例えば、ランダムフォレスト、ニューラルネットワークなど）による、機械学習の特性や傾向を把握している場合がある。この場合において、表示装置３０に、予測モデル４００の生成に用いられた機械学習モデルの種類（例えば、ランダムフォレスト、ニューラルネットワークなど）が提示されると、同時に提示されている相関関係について、機械学習モデルの種類に応じた特性や傾向の先入観をもって評価することになる。このため、表示装置３０に、予測モデル４００の生成に用いられた機械学習モデルの種類が提示されない場合に比べて、予測モデル４００の性能の評価の客観性が低下する場合がある。
本実施形態の推定情報生成装置１０は、承認画面５００において相関関係を提示する際に、予測モデル４００の生成に用いられた機械学習モデルの種類を提示しないため、利用者による予測モデル４００の性能の評価の客観性を高めることができる。
【0058】
さらに、相関関係提示部１５０は、承認画面５００において相関関係を提示する際に、予測モデル４００の生成に用いられた機械学習モデルの種類を提示するか、しないかを利用者による初期設定によって選択できるように構成することもできる。
また、相関関係提示部１５０は、承認画面５００において相関関係を提示する際に、予測モデル４００の生成に用いられた機械学習モデルの種類を提示しなかった場合に、利用者の操作によって、生成に用いられた機械学習モデルの種類を提示することに切り替えるように構成することもできる。
このように構成された推定情報生成装置１０によれば、承認画面５００において相関関係を提示する際に、予測モデル４００の生成に用いられた機械学習モデルの種類を提示しないようにして利用者による予測モデル４００の性能の評価の客観性を高めるとともに、必要に応じて機械学習モデルの種類を提示することで利用者の利便性を向上させることができる。
また、相関関係提示部１５０は、承認画面５００において相関関係を提示する際に、予測モデル４００の生成に用いられた機械学習モデルの種類を提示しなかった場合に、利用者の操作によって、生成に用いられた機械学習モデルの種類を提示することに切り替えるように構成することもできる。
このように構成された推定情報生成装置１０によれば、承認画面５００において相関関係を提示する際に、予測モデル４００の生成に用いられた機械学習モデルの種類を提示しないようにして利用者による予測モデル４００の性能の評価の客観性を高めるとともに、必要に応じて機械学習モデルの種類を提示することで利用者の利便性を向上させることができる。
【0059】
なお、財務業績指標２１１は、企業の経営状況の変化に応じて、公表時期ごと（例えば、決算期ごと。すなわち、指標の算出対象期間ごと）に、その数値が変動する。したがって、実績財務業績指標４５１の算出対象期間と、推定財務業績指標４５０の算出対象期間とが互いにずれていると、企業の経営状況の変化の程度によっては、正しい相関関係を得ることが困難になる。そこで、相関関係提示部１５０は、実績財務業績指標４５１の算出対象期間と、推定財務業績指標４５０の算出対象期間とを一致させて、各指標を算出する。このように構成された推定情報生成装置１０によれば、実績財務業績指標４５１と推定財務業績指標４５０との相関関係の算出精度を向上させることができる。
【0060】
また、推定情報生成装置１０は、指標の算出対象期間ごとに、実績財務業績指標４５１と推定財務業績指標４５０との相関関係を算出してもよい。例えば、推定情報生成装置１０は、直近１０年間の決算期ごとに、相関関係を算出してもよい。また、推定情報生成装置１０は、相関関係を算出する対象期間を利用者が指定可能に構成されていてもよい。
【0061】
（ステップＳ１６０）図４に戻り、操作受付部１６０は、操作装置４０を介して、利用者の操作結果を取得する。利用者が他のモデルボタン５０４を操作した場合には、操作受付部１６０は、相関関係提示部１５０に対して、他の予測モデル４００による推定財務業績指標４５０を算出させる。相関関係提示部１５０は、他の予測モデル４００による推定財務業績指標４５０と実績財務業績指標４５１との相関関係を提示する。
また、利用者が承認ボタン５０３を操作した場合には、操作受付部１６０は、利用者の承認操作を受け付ける。
また、利用者が承認ボタン５０３を操作した場合には、操作受付部１６０は、利用者の承認操作を受け付ける。
【0062】
すなわち、操作受付部１６０は、提示された相関関係に対する承認操作を受け付ける。
【0063】
（ステップＳ１７０）モデル確定部１７０は、操作受付部１６０が承認操作を受け付けると、当該予測モデル４００（つまり、承認操作が受け付けられた相関関係を算出した予測モデル４００）を承認済み予測モデル４１０として、記憶部５０に記憶させる。
また、モデル確定部１７０は、ステップＳ１２０において生成された因子関数３１０を記憶部５０に記憶させる。
また、モデル確定部１７０は、ステップＳ１２０において生成された因子関数３１０を記憶部５０に記憶させる。
【0064】
この結果、記憶部５０には、図９に例示した指標テーブル３００と、図５に例示した因子関数３１０とが記憶される。ここで、図９に例示した指標テーブル３００には、承認済み予測モデル４１０を示す予測モデルＩＤが含まれている。
すなわち、推定情報生成装置１０は、企業の非財務指標２２１を与えることにより、当該企業の財務業績指標２１１の推定値、つまり推定財務業績指標４５０を算出する承認済み予測モデル４１０を生成する。
この承認済み予測モデル４１０は、複数の種類の機械学習モデルを順次試行して得られた推定財務業績指標４５０と実績財務業績指標４５１との相関関係について、利用者が妥当であると判定した（つまり、承認した）予測モデル４００である。
すなわち、推定情報生成装置１０は、企業の非財務指標２２１を与えることにより、当該企業の財務業績指標２１１の推定値、つまり推定財務業績指標４５０を算出する承認済み予測モデル４１０を生成する。
この承認済み予測モデル４１０は、複数の種類の機械学習モデルを順次試行して得られた推定財務業績指標４５０と実績財務業績指標４５１との相関関係について、利用者が妥当であると判定した（つまり、承認した）予測モデル４００である。
【0065】
一般に、新規の投資先や取引先の選定過程では、取引先候補企業との意見交換や交渉を通じて、非財務的な情報（例えば、社外取締役・女性管理職の割合、ＣＯ２排出量削減等の環境対策の状況）を得る機会がありうる。
【0066】
本実施形態の推定情報生成装置１０によれば、財務データや事業運営データが開示されていない企業であっても、非財務指標２２１が得られる企業であれば、その財務業績指標（例えば、ROIC）の推定値を算出することができる。さらに、本実施形態の推定情報生成装置１０によれば、財務業績指標（例えば、ROIC）の推定値の算出に用いる予測モデル４００が、複数の種類の予測モデル４００の中から利用者が妥当であると判定した承認済み予測モデル４１０であるため、企業の経営状況を示す客観的な指標として妥当な指標を提供することができる。すなわち、本実施形態の推定情報生成装置１０によれば、財務データや事業運営データが開示されていない企業の経営状況の客観的な把握を支援することができる。
【0067】
【0068】
図１１は、本実施形態の財務指標提示装置６０の動作の流れの一例を示す図である。
財務指標提示装置６０は、推定情報生成装置１０によって生成された因子関数３１０と承認済み予測モデル４１０とに基づいて、利用者が評価の対象とする企業の推定財務業績指標４５０を算出する。
財務指標提示装置６０は、推定情報生成装置１０によって生成された因子関数３１０と承認済み予測モデル４１０とに基づいて、利用者が評価の対象とする企業の推定財務業績指標４５０を算出する。
【0069】
財務指標提示装置６０は、例えば、パーソナルコンピュータ（ＰＣ）やクラウドサーバとして実装される。財務指標提示装置６０は、そのソフトウエア機能部として、非財務情報取得部６１０と、因子関数取得部６２０と、予測モデル取得部６３０と、判定対象因子スコア算出部６４０と、財務業績指標算出部６５０と、結果提示部６６０とを備える。
これら各部は、例えば、財務指標提示装置６０が備える記憶装置（不図示）や、クラウドサーバ内の記憶装置（不図示）に記憶されたソフトウエア（コンピュータプログラム）として実装される。
これら各部は、例えば、財務指標提示装置６０が備える記憶装置（不図示）や、クラウドサーバ内の記憶装置（不図示）に記憶されたソフトウエア（コンピュータプログラム）として実装される。
【0070】
（ステップＳ６１０）非財務情報取得部６１０は、非財務情報データベース７０から非財務指標２２１を取得する。
非財務情報データベース７０とは、例えば、信用調査企業などが運営する商用のデータベースや、財務指標提示システム１を導入する組織が自前で用意したデータベースである。
上述した企業情報データベース２０とは異なり、非財務情報データベース７０には、財務諸表などの経営状況を示す情報を開示していない企業の非財務指標２２１を含んだ、判定候補非財務情報７００が記憶されている。
非財務情報データベース７０とは、例えば、信用調査企業などが運営する商用のデータベースや、財務指標提示システム１を導入する組織が自前で用意したデータベースである。
上述した企業情報データベース２０とは異なり、非財務情報データベース７０には、財務諸表などの経営状況を示す情報を開示していない企業の非財務指標２２１を含んだ、判定候補非財務情報７００が記憶されている。
【0071】
図１２は、本実施形態の非財務情報データベース７０に記憶されている判定候補非財務情報７００の一例を示す図である。同図には、財務諸表などの経営状況を示す情報を開示していない企業の一例として、企業ＩＤ“２４５２”の企業の非財務指標２２１が記憶されている。
【0072】
財務指標提示装置６０の利用者は、非財務情報データベース７０に記憶されている複数の企業の中から、判定対象の企業を選択する。例えば、利用者は、財務指標提示装置６０の操作部（例えば、タッチパネル、キーボード、マウスなど。不図示）を使用して、判定対象の企業の企業名や企業ＩＤを入力する。
非財務情報取得部６１０は、入力された企業名や企業ＩＤを検索キーにして、非財務情報データベース７０の非財務指標２２１を検索する。非財務情報取得部６１０は検索の結果、ヒットした非財務指標２２１を取得する。
非財務情報取得部６１０は、入力された企業名や企業ＩＤを検索キーにして、非財務情報データベース７０の非財務指標２２１を検索する。非財務情報取得部６１０は検索の結果、ヒットした非財務指標２２１を取得する。
【0073】
一例として、利用者が企業ＩＤ“２４５２”の企業を判定対象の企業として非財務情報データベース７０を検索した場合、企業ＩＤ“２４５２”の企業が判定対象の企業であり、企業ＩＤ“２４５２”の企業の非財務指標２２１が、対象企業非財務指標７０１となる。
非財務情報取得部６１０は、検索の結果、ヒットした企業ＩＤ“２４５２”の企業の非財務指標２２１を、対象企業非財務指標７０１として取得する。
非財務情報取得部６１０は、検索の結果、ヒットした企業ＩＤ“２４５２”の企業の非財務指標２２１を、対象企業非財務指標７０１として取得する。
【0074】
すなわち、非財務情報取得部６１０は、判定対象の企業の経営状況を数値で示す数値情報２００のうち、財務諸表に掲載される情報である財務情報２１０以外の非財務情報２２０である判定候補非財務情報７００を、判定対象の企業ごとに取得する。
【0075】
非財務情報取得部６１０は、取得した対象企業非財務指標７０１を、判定結果情報８００として、財務指標提示装置６０の記憶部（不図示）に記憶させる。
【0076】
図１３は、本実施形態の判定結果情報８００の一例を示す図である。同図の一例において、判定結果情報８００には、企業ＩＤ“２４５２”と、当該企業の対象企業非財務指標７０１とが対応付けられて記憶されている。
【0077】
（ステップＳ６２０）図１１に戻り、因子関数取得部６２０は、記憶部５０から因子関数３１０を取得する。上述したように、因子関数３１０は、推定情報生成装置１０の因子分析部１２０が生成する（図５を参照）。記憶部５０には、因子分析部１２０が生成した因子関数３１０が記憶されている。因子関数３１０とは、非財務情報２２０を因子分析して得られる因子の値である因子スコア３１１を、非財務情報２２０の項目ごとに重みづけされた多項式によって示す関数として生成された関数である。
【0078】
すなわち、因子関数取得部６２０は、非財務情報２２０を因子分析して得られる因子の値である因子スコア３１１を、非財務情報２２０の項目ごとに重みづけされた多項式によって示す関数である因子関数３１０が記憶されている記憶部５０から、因子関数３１０を取得する。
【0079】
（ステップＳ６３０）予測モデル取得部６３０は、記憶部５０から承認済み予測モデル４１０を取得する。上述したように、推定情報生成装置１０の予測モデル生成部１４０は、因子スコア３１１を説明変数とし財務業績指標２１１を目的変数として予測モデル４００を生成する。承認済み予測モデル４１０は、予測モデル生成部１４０が生成した予測モデル４００について、利用者が承認操作を行った後、モデル確定部１７０によって記憶部５０に記憶される（図９を参照）。つまり、記憶部５０には、承認済み予測モデル４１０が記憶されている。
【0080】
すなわち、予測モデル取得部６３０は、因子スコア３１１と、財務情報２１０が示す財務業績指標２１１との関係を示す予測モデル４００であって、因子スコア３１１を説明変数とし財務業績指標２１１を目的変数として所定の種類の機械学習モデルを適用して予め生成された承認済み予測モデル４１０が記憶されている記憶部５０から、承認済み予測モデル４１０を取得する。
【0081】
（ステップＳ６４０）判定対象因子スコア算出部６４０は、ステップＳ６１０で取得した対象企業非財務指標７０１と、ステップＳ６２０で取得した因子関数３１０とに基づいて、因子スコア３１１を算出する。
【0082】
すなわち、判定対象因子スコア算出部６４０は、取得された判定候補非財務情報７００と、取得された因子関数３１０とに基づいて、判定対象の企業ごとの因子スコア３１１である判定対象因子スコア７０２を算出する。なお、因子スコア３１１の算出の具体的な手順については、ステップＳ１３０において説明した手順と同様であるので、その説明を省略する。
【0083】
判定対象因子スコア算出部６４０は、算出した因子スコア３１１を、判定対象因子スコア７０２として、上述した判定結果情報８００に対応付けて不図示の記憶部に記憶させる。この結果、図１３に示すように、判定結果情報８００は、企業ＩＤ“２４５２”と、当該企業の対象企業非財務指標７０１と、当該企業の判定対象因子スコア７０２とが対応付けられた状態に更新される。
【0084】
（ステップＳ６５０）図１１に戻り、財務業績指標算出部６５０は、判定結果情報８００に記憶されている、判定対象企業の判定対象因子スコア７０２と、ステップＳ６３０において取得された承認済み予測モデル４１０とに基づいて、企業の財務業績指標２１１の推定値である判定対象財務業績指標８０１（例えば、ROIC）を算出する。なお、判定対象財務業績指標８０１の算出の具体的な手順については、ステップＳ１５０において説明した財務業績指標２１１の算出手順と同様であるので、その説明を省略する。
【0085】
財務業績指標算出部６５０は、算出した判定対象財務業績指標８０１を、上述した判定結果情報８００に対応付けて不図示の記憶部に記憶させる。
この結果、図１３に示すように、判定結果情報８００は、企業ＩＤ“２４５２”と、当該企業の対象企業非財務指標７０１と、当該企業の判定対象因子スコア７０２と、判定対象財務業績指標８０１とが対応付けられた状態に更新される。
この結果、図１３に示すように、判定結果情報８００は、企業ＩＤ“２４５２”と、当該企業の対象企業非財務指標７０１と、当該企業の判定対象因子スコア７０２と、判定対象財務業績指標８０１とが対応付けられた状態に更新される。
【0086】
（ステップＳ６６０）図１１に戻り、結果提示部６６０は、判定結果情報８００に含まれる判定対象財務業績指標８０１を、表示装置８０に出力することにより、利用者に提示して、一連の動作を終了する。
【0087】
以上説明したように、本実施形態の財務指標提示装置６０は、経営状況の判定対象の企業が財務情報２１０を開示していない企業であったとしても、当該企業の非財務情報２２０と、上述した承認済み予測モデル４１０とに基づいて財務指標（例えば、ROIC）を推定する。
【0088】
すなわち、本実施形態の財務指標提示装置６０によれば、財務データや事業運営データが開示されていない企業であっても、非財務指標２２１が得られる企業であれば、その財務業績指標（例えば、ROIC）の推定値を算出することができる。さらに、本実施形態の財務指標提示装置６０によれば、財務業績指標（例えば、ROIC）の推定値の算出に用いる予測モデル４００が、複数の種類の予測モデル４００の中から利用者が妥当であると判定した承認済み予測モデル４１０であるため、企業の経営状況を示す客観的な指標として妥当な指標を提供することができる。すなわち、本実施形態の財務指標提示装置６０によれば、財務データや事業運営データが開示されていない企業の経営状況の客観的な把握を支援することができる。
【0089】
なお、推定情報生成装置１０と財務指標提示装置６０とは、一体化されたコンピュータ装置あるいは同一のコンピュータ装置として構成されてもよいし、別々のコンピュータ装置として構成されてもよい。
例えば、推定情報生成装置１０は財務指標提示システム１のサービス提供者（運営者）が操作するコンピュータ装置であり、財務指標提示装置６０は財務指標提示システム１のサービス受益者が操作するコンピュータ装置であってもよい。
例えば、推定情報生成装置１０は財務指標提示システム１のサービス提供者（運営者）が操作するコンピュータ装置であり、財務指標提示装置６０は財務指標提示システム１のサービス受益者が操作するコンピュータ装置であってもよい。
【0090】
以上、本発明の実施形態を図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、本発明の趣旨を逸脱しない範囲で適宜変更を加えることができる。上述した各実施形態に記載の構成を組み合わせてもよい。
【0091】
なお、上記の実施形態における各装置が備える各部は、専用のハードウェアにより実現されるものであってもよく、また、メモリおよびマイクロプロセッサにより実現させるものであってもよい。
【0092】
なお、各装置が備える各部は、メモリおよびＣＰＵ（中央演算装置）により構成され、各装置が備える各部の機能を実現するためのプログラムをメモリにロードして実行することによりその機能を実現させるものであってもよい。
【0093】
また、各装置が備える各部の機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより、制御部が備える各部による処理を行ってもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。
【0094】
また、「コンピュータシステム」は、ＷＷＷシステムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ－ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時間の間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含むものとする。また上記プログラムは、前述した機能の一部を実現するためのものであってもよく、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであってもよい。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ－ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時間の間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含むものとする。また上記プログラムは、前述した機能の一部を実現するためのものであってもよく、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであってもよい。
【符号の説明】
【0095】
１…財務指標提示システム、１０…推定情報生成装置、１１０…数値情報取得部、１２０…因子分析部、１３０…因子スコア算出部、１４０…予測モデル生成部、１５０…相関関係提示部、１６０…操作受付部、１７０…モデル確定部、６０…財務指標提示装置、６１０…非財務情報取得部、６２０…因子関数取得部、６３０…予測モデル取得部、６４０…判定対象因子スコア算出部、６５０…財務業績指標算出部、６６０…結果提示部
３１０…因子関数、４００…予測モデル、４１０…承認済み予測モデル、８０１…判定対象財務業績指標
３１０…因子関数、４００…予測モデル、４１０…承認済み予測モデル、８０１…判定対象財務業績指標
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】