特許 7216854 情報処理装置およびプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B1)

(11)【特許番号】

(24)【登録日】2023-01-24

(45)【発行日】2023-02-01

(54)【発明の名称】情報処理装置およびプログラム

(51)【国際特許分類】

   G06Q 40/12 20230101AFI20230125BHJP

【ＦＩ】

G06Q40/12 420

【請求項の数】 5

(21)【出願番号】P 2022070830

(22)【出願日】2022-04-22

【審査請求日】2022-05-26

【早期審査対象出願】

(73)【特許権者】

【識別番号】301017433

【氏名又は名称】有限責任監査法人トーマツ

(74)【代理人】

【識別番号】110000752

【氏名又は名称】弁理士法人朝日特許事務所

(72)【発明者】

【氏名】森 孝志

(72)【発明者】

【氏名】今井 伸太郎

(72)【発明者】

【氏名】三浦 伊織

(72)【発明者】

【氏名】吉見 脩平

(72)【発明者】

【氏名】山根 青雲

【審査官】新里 太郎

(56)【参考文献】

【文献】特開２０２１－０４３８４０（ＪＰ，Ａ）

【文献】特開２０１９－０６７０８６（ＪＰ，Ａ）

【文献】不均衡データに対するＣｌａｓｓｉｆｉｃａｔｉｏｎ，Qiita，2017年07月15日，[online]，[2022年6月21日検索]，<URL>https://web.archive.org/web/20170715203402/https://qiita.com/ryouta0506/items/619d9ac0d80f8c0aed92

【文献】辻 孝辰，不均衡データに対する機械学習手法と税関不正検知への応用，令和２年度修士論文，滋賀大学，2021年03月26日，[online]，[2022年6月21日検索]，<URL>https://web.archive.org/web/20170715203402/https://qiita.com/ryouta0506/items/619d9ac0d80f8c0aed92

【文献】宮川 大介，ＡＩによる不正会計検知・予測の可能性 －会計監査の未来を探る，企業会計，株式会社中央経済社，2019年11月01日，第71巻，第11号，第89-96頁，ISSN:0386-4448

【文献】不均衡データ，Qiita，2021年11月05日，[online]，［2022年6月21日検索］，<URL>https://web.archive.org/web/20211105105517/https://qiita.com/tk-tatsuro/items/10e9dbb3f2cf030e2119

【文献】市原 直通，ＦｉｎＴｅｃｈで変わる会計の世界，企業会計，株式会社中央経済社，2017年06月01日，第69巻，第6号，第55-63頁，ISSN:0386-4448

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｑ １０／００－９９／００

(57)【特許請求の範囲】

【請求項1】

一の事業者についての複数の決算期に係る財務データを取得する取得手段と、
該取得した財務データに基づいて生成される勘定科目ごとに、当該勘定科目に係る値の推移を示す推移情報を抽出する抽出手段と、
該生成された情報に基づいて、前記一の事業者による会計処理における不適切性を判定する判定手段と
を有し、
前記判定手段は、
該抽出された推移情報に基づいてアンダーサンプリングを行って複数のデータセットを生成する前処理手段と、
前記前処理手段から出力された複数のデータセットがそれぞれ入力される複数の弱学習器であって、複数の事業者についての前記財務データに基づいて前記不適切性を示す指標を出力するための学習モデルを構築するための弱学習器と、
前記複数の弱学習器からの出力をバギングして前記不適切性を示す指標を算出するバギング手段と
を有し、
各勘定科目について算出された前記指標に基づいて、勘定科目ごとの貢献度を示すＳＨＡＰ値を算出する、
情報処理装置。

【請求項2】

前記前処理手段は、市況データに基づいて前記推移情報を補正する
請求項１に記載の情報処理装置。

【請求項3】

前記複数の弱学習器は、勾配ブースティングに基づいて動作する
請求項１または２に記載の情報処理装置。

【請求項4】

前記前処理手段は、
前記学習モデルとは異なる複数の学習モデルに前記財務データを入力して得られた特徴
量を、該抽出された推移情報に加えたデータを生成し、該生成されたデータに対してアン
ダーサンプリングを行うことによって前記複数のデータセットを生成する
請求項３に記載の情報処理装置。

【請求項5】

コンピュータに、
一の事業者についての複数の決算期に係る財務データを取得するステップと、
該取得した財務データに基づいて生成される勘定科目ごとに、当該勘定科目に係る値の推移を示す推移情報を抽出するステップと、
該生成された情報に基づいて、前記一の事業者による会計処理における不適切性を判定するステップと
を実行させるためのプログラムであって、
前記判定するステップは、
該抽出された推移情報に基づいてアンダーサンプリングを行って複数のデータセットを生成するステップと、
前記生成された複数のデータセットがそれぞれ入力される複数の弱学習器を用いて、複数の事業者についての前記財務データに基づいて前記不適切性を示す指標を出力するための学習モデルを構築するステップと、
前記複数の弱学習器からの出力をバギングして前記不適切性を示す指標を算出するステップと、
各勘定科目について算出された前記指標に基づいて、勘定科目ごとの貢献度を示すＳＨＡＰ値を算出するステップと
を有する
プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、会計処理の検査を行う情報処理装置に関する。

【背景技術】

【0002】

会計書類の改ざん等、不適切な会計を行っている企業の数は年々増加している。また、新型コロナウイルスの蔓延に起因する業績不振の影響等も加味すると、今後も不適切な会計が生じるリスクの高い状態が継続すると考えられる。このように、会計書類の検査の必要性は年々増している。一方、会計士など会計監査に関わる人手不足が問題となっている。このような状況において、近年では、機械学習またはディープラーニング等の高度なデータ分析技術が一般に普及しつつあることを踏まえ、これらのデータ分析技術を会計監査における財務分析に導入することも提案されている（例えば、特許文献１）。

【先行技術文献】

【特許文献】

【0003】

【文献】特許第６３４５８５６号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

しかし、会計処理において不正がなされたか否かを機械的に判定した場合の精度は十分とはいえないのが現状である。判定精度が上がらない一つの要因としては、不正を行う企業は全体からみればごく一部であり、結果として訓練データとして用いる財務データには不正がなされた財務データ（すなわち本来欲しいデータ）ごく一部しか含まれていないので、これが学習効率を上げるのを困難としている点が挙げられる。加えて、不正ありと判定した場合において、その根拠を客観的に提示することについて課題がある。不正の有無の判定はその企業の死活問題ともなりうる重要に事項であるから、機械学習システムを利用する者（会計監査人や企業内の担当者等）に対する信頼性を向上させることは非常に重要である。

【0005】

本発明は、会計処理上の不正の存在を高い精度で推定するとともに、不正と判定した根拠を客観的に提示できるようにする技術を提供することを目的とする。

【課題を解決するための手段】

【0006】

本発明の一の態様に係る情報処理装置は、取得手段と、抽出手段と、判定手段と、を有する。取得手段は、一の事業者についての複数の決算期に係る財務データを取得する。抽出手段は、取得手段により取得された財務データに基づいて生成される勘定科目ごとに、当該勘定科目に係る値の推移を示す推移情報を抽出する。判定手段は、抽出手段により抽出された推移情報に基づいて、前記一の事業者による会計処理における不適切性を判定する。
この情報処理装置によれば、一の事業者による会計処理に不正がある場合、不正の事実を高い精度で推定できる。加えて、不正と判定する根拠を客観的に提示できるので、その後に人手による検証が効率化する。

【0007】

好ましい態様において、前記判定手段は、前処理手段と、複数の弱学習器と、バギング手段とを有する。前処理手段は、抽出手段により抽出された推移情報に基づいてアンダーサンプリングを行って複数のデータセットを生成する。複数の弱学習器には、前処理手段から出力された複数のデータセットがそれぞれ入力される。これら複数の弱学習器は、複数の事業者についての前記財務データに基づいて前記不適切性を示す指標を出力するための学習モデルを構築する。バギング手段は、複数の弱学習器からの出力をバギングして不適切性を示す指標を算出する。
この態様によれば、不正の事実をさらに高い精度で推定することができる。また、不正をした訓練データを集めるのが困難という状況に適した学習手法を提供することができる。

【0008】

好ましい態様において、本発明に係る情報処理装置は、複数の弱学習器が勾配ブースティングに基づいて動作する。
この態様によれば、会計処理における不正の有無の判定精度が向上する。

【0009】

好ましい態様において、前記前処理手段は、前記学習モデルとは異なる複数の学習モデルに前記財務データを入力して得られた特徴量を、抽出手段により抽出された推移情報に加えたデータを生成する。そして、前記前処理手段は、該生成されたデータに対してアンダーサンプリングを行うことによって前記複数のデータセットを生成する。
この態様によれば、会計処理における不正の有無の判定精度が向上する。

【0010】

好ましい態様において、前記判定手段は、各勘定科目について算出された前記指標に基づいて、勘定科目ごとの貢献度を示すＳＨＡＰ値を算出することを特徴とする。
この態様によれば、不正と判定する根拠が可視化される。

【0011】

好ましい態様において、前記前処理手段は、市況データに基づいて前記推移情報を補正することを特徴とする。
この態様によれば、会計処理における不適切性を判定する際の基準となる推移情報が市況データに基づいて補正されるので、判定精度が向上する。
本発明は、他の観点において、コンピュータに、一の事業者についての複数の決算期に係る財務データを取得するステップと、該取得した財務データに基づいて生成される勘定科目ごとに、当該勘定科目に係る値の推移を示す推移情報を抽出するステップと、該生成された情報に基づいて、前記一の事業者による会計処理における不適切性を判定するステップとを実行させるためのプログラムを提供する。

【図面の簡単な説明】

【0012】

【図1】本発明の一実施形態による情報処理装置１０の構成例を示す図である。

【図2】情報処理装置１０の制御部１００が財務分析プログラムＰＡに従って実現する機能を示す機能ブロック図である。

【図3】情報処理装置１０の制御部１００が財務分析プログラムＰＡに従って実行する財務分析方法の流れを示すフローチャートである。

【図4】情報処理装置１０の表示部１３０に表示されるＳＨＡＰ値の例を示す図である。

【発明を実施するための形態】

【0013】

以下に述べる各実施形態には技術的に好ましい種々の限定が付されている。しかし、本発明の実施形態は、以下に述べる形態に限られるものではない。

【0014】

Ａ．実施形態
図１は、本発明の一実施形態による情報処理装置１０の構成例を示す図である。情報処理装置１０は、例えば監査法人によって所有・管理されるコンピュータ装置であるが、コンピュータ装置の管理者や使用者は問わない。本実施形態における情報処理装置１０は、例えばパーソナルコンピュータである。図１に示されるように、情報処理装置１０は、制御部１００、通信Ｉ／Ｆ部１１０、操作入力部１２０、表示部１３０、記憶部１４０、およびこれら構成要素間のデータ授受を仲介するバス１５０を備える。

【0015】

制御部１００は、例えばＣＰＵ（Central Processing Unit）である。制御部１００は、記憶部１４０に記憶されている財務分析プログラムＰＡを実行することにより、情報処理装置１０の制御中枢として機能する。

【0016】

通信Ｉ／Ｆ部１１０は、インターネット等の電気通信回線に無線または有線で接続される。通信Ｉ／Ｆ部１１０は、電気通信回線経由で送られてくるデータを受信し、受信したデータを制御部１００へ引き渡す。また、通信Ｉ／Ｆ部１１０は、制御部１００から与えられたデータを電気通信回線へ送出する。

【0017】

操作入力部１２０は、マウス等のポインティングデバイスとキーボードとのいずれか一方、または両方を含む。操作入力部１２０に対して情報処理装置１０のユーザによる操作が為されると、操作入力部１２０は、ユーザの操作内容を示す操作内容データを制御部１００へ出力する。これにより、ユーザの操作内容が制御部１００へ伝達される。

【0018】

表示部１３０は、液晶パネルとその駆動回路とを含む表示装置である。表示部１３０は、制御部１００による制御の下、各種画像を表示する。

【0019】

記憶部１４０は、揮発性記憶部１４２と不揮発性記憶部１４４とを含む記憶装置である。揮発性記憶部１４２は、例えばＲＡＭ（Random Access Memory）である。揮発性記憶部１４２は、各種プログラムを実行する際のワークエリアとして制御部１００によって利用される。不揮発性記憶部１４４は、例えばハードディスクである。不揮発性記憶部１４４には、各種プログラムおよび各種データが予め記憶（インストール）されている。

【0020】

不揮発性記憶部１４４に記憶されているプログラムの一例としては、ＯＳ（Operating System）を制御部１００に実現させるためのカーネルプログラム、および財務分析プログラムＰＡが予め記憶されている。なお、図１では、カーネルプログラムの図示は省略されている。財務分析プログラムＰＡは、本発明に係る財務分析方法を制御部１００に実行させるプログラムである。

【0021】

情報処理装置１０の電源（図１では図示略）が投入されると、制御部１００は、カーネルプログラムを不揮発性記憶部１４４から揮発性記憶部１４２に読み出し、当該カーネルプログラムの実行を開始する。カーネルプログラムに従って作動している制御部１００は、他のプログラムの実行開始を指示する操作内容データを操作入力部１２０から受け取ったことを契機として、当該他のプログラムを不揮発性記憶部１４４から揮発性記憶部１４２に読み出してその実行を開始する。以下では、財務分析プログラムＰＡの実行を指示する操作が操作入力部１２０に為された場合を中心に説明する。

【0022】

財務分析プログラムＰＡの実行開始を指示する操作内容データを操作入力部１２０から受け取ると、制御部１００は、財務分析プログラムＰＡを不揮発性記憶部１４４から揮発性記憶部１４２に読み出してその実行を開始する。財務分析プログラムＰＡに従って作動している制御部１００は、本発明の機能を実現する。

【0023】

図２は、制御部１００が財務分析プログラムＰＡに従って実現する機能を示す機能ブロック図である。図２に示されるように、財務分析プログラムＰＡに従って作動している制御部１００は、取得手段１００２、抽出手段１００４、および判定手段１００６として機能する。つまり、図２に示される取得手段１００２、抽出手段１００４、および判定手段１００６は、ＣＰＵ等のコンピュータをソフトウェア（財務分析プログラムＰＡ）に従って作動させることにより実現されるソフトウェアモジュールである。取得手段１００２、抽出手段１００４、および判定手段１００６の各々の機能は次の通りである。

【0024】

取得手段１００２は、リスク管理の対象となる一の事業者（以下、対象事業者）について、例えば５期分などの複数の決算期に係る財務データＤ１を取得する。なお、事業者とは、法人その他の団体、個人事業主など、何らかの事業活動を行い、会計情報を作成・管理するものであればよく、法律上の定義や区分とは必ずしも一致する必要はない。連結子会等を含むいわゆるグループ企業を一つの事業者とみなしてもよいし。要するに、一つの財務データＤ１に記載された取引に関係する事業体を一つの事業者であるとみなすことができる。

【0025】

取得手段１００２は、対象事業者において財務管理を司るサーバと通信Ｉ／Ｆ部１１０を介して通信することにより、当該サーバから財務データＤ１を取得する。一決算期の財務データは、典型的には、売上原価、売上高、および棚卸資産といった勘定科目ごとに決算期における値を記載した決算書を表す。換言すると、財務データＤ１は、複数の決算期の各々における決算書を表す。ただし、財務データＤ１その事業者が作成した帳簿ないし決算書の内容そのものを示す必要はなく、当該決算書ないし帳簿などの記録に基づいて作成されたものであればよい。例えば、決算書上は売上高と利益額という勘定しか存在しない場合に、財務データＤ１売上高利益率という複数の勘定科目の情報を用いて生成される情報が含まれていてもよい。

【0026】

なお、財務データＤ１は、金融庁などの監督官庁や証券取引所等の法律で定められている機関によって要請された形式のものであってもよいし、当該対象企業独自の形式のものであってもよい。要するに、財務データＤ１とは、その事業者が行った過去の取引の内容が記載された帳簿であって、見出し（勘定科目、表示科目）とその内容とで構成されたものであればよく、公開・非公開であるかも問わない。なお、財務データＤ１には、実際に不正が発覚したか否か示す情報が紐づけられていてもいなくてもよい。
また、決算期とは、必ずしもその事業者の定款や法律等で要求されたものと一致する必要はなく、上記の帳簿の区切りとして定められたものであればよい。
なお、財務データＤ１が監督官庁や証券取引所にて公開されている場合、取得手段１００２は、対象事業者のサーバからではなく、監督官庁や証券取引所等から財務データＤ１を取得してもよい。

【0027】

抽出手段１００４は、取得手段１００２により取得した財務データＤ１に基づいて抽出される勘定科目ごとに、複数の決算期に亙る値の推移を示す推移情報Ｄ２を財務データＤ１から抽出する。例えば、対象事業者における決算書にＭ（Ｍは２以上の整数）個の勘定科目が含まれている場合、抽出手段１００４は、最大でＭ個の勘定科目を抽出する。Ｍ個の勘定科目が抽出された場合、推移情報Ｄ２は、Ｍ個の勘定科目の各々について複数の決算期に亙る値の推移を表す。
なお、抽出手段１００４は、不正と判定する根拠を後日提示できるようにするため、抽出した推移情報Ｄ２を不揮発性記憶部１４４に記憶させてもよく、制御部１００は、不揮発性記憶部１４４に記憶された推移情報に基づいて、対象事業者の複数の決算期に亙る勘定科目ごとの値の推移を示すグラフ等を表示部１３０に表示させてもよい。

【0028】

判定手段１００６は、抽出手段１００４により生成された推移情報Ｄ２に基づいて、対象事業者の会計処理における不適切性を判定する。図２に示されるように、本実施形態における判定手段１００６は、前処理手段１００６ａと、弱学習器１００６ｂ（１）～１００６ｂ（Ｎ）と、バギング（bagging）手段１００６ｃとを有する。なお、Ｎは２以上の整数である。以下では、弱学習器１００６ｂ（１）～１００６ｂ（Ｎ）の各々を区別する必要がない場合には、弱学習器１００６ｂ（１）～１００６ｂ（Ｎ）は弱学習器１００６ｂと表記される。

【0029】

上記の通り、判定手段１００６は複数の弱学習器１００６ｂを有する。弱学習器とは、単体では高い予測精度を期待できないＡＩことをいう。弱学習器の具体例としては、決定木が挙げられる。決定木とは、ある事項に対する観察結果から、その事項の目標値に関する結論を導くための木構造のことをいう。本実施形態では、対象事業者とは異なる複数の事業者についての財務データに基づいて会計処理の不適切性を示す指標を勘定科目ごとに出力するための学習モデル（予測モデル）が、弱学習器１００６ｂ（１）～１００６ｂ（Ｎ）のアンサンブルの形で構築される。

【0030】

より詳細には、本実施形態における弱学習器１００６ｂ（１）～１００６ｂ（Ｎ）は勾配ブースティングに基づいて動作することで上記学習モデルとして機能する。勾配ブースティングとは、学習データからランダムに部分データを取得してモデル（決定木）を逐次的に構築し、各モデルの予測値の重み付き多数決で最終的な予測値とする手法のことをいう。

【0031】

前処理手段１００６ａは、抽出手段１００４にて抽出された推移情報Ｄ２に基づいて、複数のデータセットを生成する。より詳細に説明すると、前処理手段１００６ａは、まず、弱学習器１００６ｂ（１）～弱学習器１００６ｂ（Ｎ）により構築される学習モデルとは異なる複数の学習モデルに財務データを入力して得られた特徴量を推移情報Ｄ２に加えたデータを生成する。本実施形態における複数の学習モデルの具体例としては、Isolation forest、またはCFO修正Jonesモデル等が挙げられる。次いで、前処理手段１００６ａは、複数の学習モデルに財務データＤ１を入力して得られた特徴量を推移情報Ｄ２に加えたデータに対してアンダーサンプリングを行うことによって複数のデータセット、即ちデータセットＤ３（１）～Ｄ３（Ｎ）を生成する。アンダーサンプリングとは、Ｘ（Ｘは２以上の整数）個のデータからランダムにＹ（Ｘ以下の正の整数）個のデータを抽出することをいう。本実施形態では、前処理手段１００６ａは、Ｎ回のアンダーサンプリングを行ってデータセットＤ３（１）～Ｄ３（Ｎ）を生成するが、各アンダーサンプリングにおいて抽出されるデータは互いに一部が重複してもよい。なお、アンダーサンプリングの際には、データセットＤ３（１）～Ｄ３（Ｎ）の中に、必ず過年度の不正事例の推移情報Ｄ２が全量含まれるようにする。

【0032】

次いで、前処理手段１００６ａは、データセットＤ３（１）～Ｄ３（Ｎ）を弱学習器１００６ｂ（１）～弱学習器１００６ｂ（Ｎ）に一つずつ入力する。具体的には、前処理手段１００６ａは、データセットＤ３（ｎ）を弱学習器１００６ｂ（ｎ）に入力する。

【0033】

バギング手段１００６ｃは、データセットＤ３（１）～Ｄ３（Ｎ）の入力に応じた弱学習器１００６ｂ（１）～弱学習器１００６ｂ（Ｎ）の各々の出力についてバギング（本実施形態では、重み付き多数決）を行うことにより、不適切性を示す指標Ｖ１を勘定科目ごとに算出する。財務データＤ１からＭ個に勘定科目が抽出される場合、バギング手段１００６ｃは、Ｍ個の勘定科目の各々について一つずつ、即ちＭ個の指標Ｖ１を算出する。判定手段１００６は、指標Ｖ１に基づいて対象事業者及び勘定科目ごとに会計処理における不適切性を判定する。例えば、判定手段１００６は、バギング手段１００６ｃにより算出された指標が所定の閾値を上回れば、不適切な会計処理が行われている可能性が高いと判定する。なお、判定手段１００６は、指標Ｖ１および指標Ｖ１に基づく判定結果を示すデータを不揮発性記憶部１４４に記憶させてもよく、また、指標Ｖ１および指標Ｖ１に基づく判定結果を表示部１３０に表示させてもよい。

【0034】

また、財務分析プログラムＰＡに従って作動している制御部１００は、本発明に係る財務分析方法を実行する。図３は、この財務分析方法の流れを示すフローチャートである。図３に示されるように、この財務分析方法は、取得処理ＳＡ１１０、抽出処理ＳＡ１２０、および判定処理ＳＡ１３０を含む。

【0035】

取得処理ＳＡ１１０では、制御部１００は、取得手段１００２として機能する。取得処理ＳＡ１１０では、制御部１００は、対象事業者について複数の決算期に係る財務データを取得する。

【0036】

取得処理ＳＡ１１０に後続する抽出処理ＳＡ１２０では、制御部１００は、抽出手段１００４として機能する。抽出処理ＳＡ１２０では、制御部１００は、取得処理ＳＡ１１０にて取得した財務データに基づいて抽出される勘定科目ごとに、複数の決算期に亙る当該勘定科目に係る値の推移を示す推移情報を生成する。

【0037】

抽出処理ＳＡ１２０に後続する判定処理ＳＡ１３０では、制御部１００は、判定手段１００６として機能する。判定処理ＳＡ１３０では、制御部１００は、まず、弱学習器１００６ｂ（１）～弱学習器１００６ｂ（Ｎ）の各々に一つずつ入力するデータセット（即ちＮ個のデータセット）を、抽出処理ＳＡ１２０にて生成した推移情報に基づいて生成する。次いで、制御部１００は、Ｎ個のデータセットの各々を弱学習器１００６ｂ（１）～弱学習器１００６ｂ（Ｎ）の各々に一つずつ入力し、弱学習器１００６ｂ（１）～弱学習器１００６ｂ（Ｎ）の各々からの出力をバギングして不適切性を示す指標を勘定科目ごとに算出する。算出された勘定科目ごとの指標および指標の合計値（不正が推定される確度示す推定値）の例を図４に示す。

【0038】

同図において、勘定科目ごとのＳＨＡＰ値はその値が大きいほど、過去の不正事例と類似した動きを示している。また、SHAP値の合計値は、ロジット変換することでトータルのリスクスコアとして0～１の間で算出され、その値が大きいほど、対象事業者の会計処理が不適切である可能性が大きいことを示す。同図から、指標の合計を押し上げる要因として、「棚卸資産回転期間」や「棚卸資産純資産比率」等、棚卸資産と関係する指標に対する不適切性が高いことはわかる。よって、この結果をみた監査人等は、棚卸資産の過大計上が疑われるので、これらの項目を重点的にチェックするという判断をすることができる。加えて、棚卸資産の過大計上は利益水増しに繋がるが、実際、この例では利益関連の指標もＳＨＡＰ値も高くなっていることが確認でき、棚卸資産の過大計上があるかもしれないという判断の根拠が示されている。

【0039】

上記実施形態によれば、複数の決算期に亙る勘定科目ごとの値の推移を機械学習により分析することで、会計処理の不適切性を示す指標が勘定科目ごとに算出される。例えば、直近の一年で特定の勘定科目の値が急減に（例えば前年比で所定の閾値以上）変化している場合、あるいは逆に、複数の決算期において特定の勘定科目が不自然と思われるほど一定であるような場合、当該勘定科目にかかるＳＨＡＰ値に反映されることになる。

【0040】

具体的には、アンダーサンプリングと弱学習によるアンサンブル学習（バギング）を組み合わせることで、訓練データとして用いる大量の財務データのうち不正が行われた財務データはごく少数であるという本件分野に特有な状況においても、学習効率を向上させることができる。この結果、高い精度で会計処理の不適切性を推定することができる。加えて、不正と判定した根拠が勘定科目ごとのＳＨＡＰ値として提示されるから、客観性および信頼性が向上する。

【0041】

財務データＤ１について、本発明に係るシステムの結果を監査人等があらためて検証を行う場合、事前に本発明に係るシステムを使用しない場合に比べて、チェックのポイント（どの勘定科目を優先的にチェックすべきか）を絞りこむことができるので、検証作業の効率化が期待される。

【0042】

Ｂ．その他の実施例
以上説明した実施形態は、以下のように変形されてもよい。
前処理手段１００６ａは、抽出手段１００４により抽出された推移情報に基づいて複数のデータセットを生成する際に、市況を表す市況データに基づいて推移情報を補正し、補正後の推移情報に基づいて複数のデータセットを生成してもよい。市況とは、株式市場または商品市場等の各種市場における売買の状況のことをいう。
市況データは、株価指数、国内企業物価指数、アメリカドルに対する為替レート（或いは当該為替レートの平均値）、与信の伸び率、現金通貨（銀行券発行高＋貨幣流通高）と国内銀行等に預けられた預金の合計、貸出利率、および長期債券利回り、のうちのいずれか一つ、または複数を表すデータである。株価指数とは、株価の対前年増減率のことである。国内企業物価指数とは、国内で新しく生産された商品およびサービスの付加価値の総計の増減比率のことである。

【0043】

市況を会計処理の不適切性を示す指標に反映させることで、例えば、財務データＤ１において売上高が直近１年で極端に落ち込んでいる一方でここ１年は景気が急激に悪化している場合、学習結果から、この売上高の落ち込みは景気の悪化に起因するものであって不正の直接証拠とはいえないとの結果を導くことができる。他方、仮にここ１年の景気が好調であった場合、売上高の落ち込みは、帳簿の改ざん、虚偽の申告といった不正会計処理が行われたことに起因するものであるとの結果が得られることが想定される。

【0044】

前処理手段１００６ａは、市況データに替えてまたは加えて、事業者の業種、業態、属する業界その他の属性に基づいて、推移情報を補正してもよい。事業内容に応じて財務データの特徴・傾向は異なりうるから、判定精度の向上が期待される。

【0045】

判定手段１００６は、各勘定科目について算出された指標に基づいて、不適切性に対する各勘定科目の寄与の程度（貢献度）を示すＳＨＡＰ値を勘定科目ごとに算出してもよい。この場合、ＳＨＡＰ値を不揮発性記憶部１４４へ記憶するとともに表示部１３０に表示してもよい。

【0046】

上記実施形態における取得手段１００２、抽出手段１００４、および判定手段１００６はソフトウェアモジュールであったが、取得手段１００２、抽出手段１００４、および判定手段１００６のうちのいずれか一つ、複数、または全部はＡＳＩＣ等のハードウェアモジュールであってもよい。取得手段１００２、抽出手段１００４、および判定手段１００６のうちのいずれか一つ、複数、または全部がハードウェアモジュールであっても、上記実施形態と同一の効果が奏される。

【0047】

上記実施形態では、本発明の財務分析方法をＣＰＵ等のコンピュータに実行させる財務分析プログラムＰＡが情報処理装置１０の記憶部１４０に予め記憶させていた。しかし、財務分析プログラムＰＡが単体で製造、または、有償或いは無償で譲渡（即ち、提供）されてもよい。財務分析プログラムＰＡを提供する際の具体的な態様としては、フラッシュＲＯＭ等のコンピュータ読み取り可能な記録媒体に財務分析プログラムＰＡを書き込んで配布する態様、またはインターネット等の電気通信回線経由のダウンロードにより配布する態様が挙げられる。これらの態様により配布される財務分析プログラムＰＡに従って一般的なコンピュータを作動させることで、当該コンピュータに本発明の財務分析方法を実行させることが可能になり、上記実施形態と同一の効果が得られる。

【0048】

要するに、本発明に係る情報処理システムにおいて、一の事業者についての複数の決算期に係る財務データを取得するステップと、該取得した財務データに基づいて生成される勘定科目ごとに、当該勘定科目に係る値の推移を示す推移情報を抽出するステップと、該生成された情報に基づいて、前記一の事業者による会計処理における不適切性を判定するステップとが実行されていればよい。

【符号の説明】

【0049】

１０…情報処理装置、１００…制御部、１１０…通信Ｉ／Ｆ部、１２０…操作入力部、１３０…表示部、１４０…記憶部、１５０…バス、１００２…取得手段、１００４…抽出手段、１００６…判定手段、１００６ａ…前処理手段、１００６ｂ，１００６ｂ（１）～１００６ｂ（Ｎ）…弱学習器、１００６ｃ…バギング手段、ＰＡ…財務分析プログラム。

【要約】

【課題】会計処理に不正がある場合に不正の事実を高い精度で推定することを可能にし、且つ、不正と判定する根拠を客観的に提示できるようにする。
【解決手段】情報処理装置１０は、取得手段１００２と、抽出手段１００４と、判定手段１００６と、を有する。取得手段１００２は、対象事業者についての複数の決算期に係る財務データを取得する。抽出手段１００４は、取得手段１００２により取得した財務データに基づいて生成される勘定科目ごとに、当該勘定科目に係る値の推移を示す推移情報を抽出する。判定手段１００６は、抽出手段１００４により抽出された推移情報に基づいて、対象事業者による会計処理における不適切性を判定する。
【選択図】図２

【図1】

【図2】

【図3】

【図4】