2019 Fiscal Year Annual Research Report
AI技術の展開とビッグデータ環境下の情報開示・監査制度に関する理論・実証研究
| Project/Area Number |
19H01553
|
|---|
| Research Institution | Waseda University |
|---|
Principal Investigator |
薄井 彰 早稲田大学, 商学学術院(経営管理研究科), 教授 (90193870)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
池田 昌幸 早稲田大学, 商学学術院(経営管理研究科), 教授 (20222903)
鈴木 智英 早稲田大学, 商学学術院, 教授 (50813648)
田中 宗 早稲田大学, グリーン・コンピューティング・システム研究機構, 主任研究員(研究院准教授) (40507836)
町田 祥弘 青山学院大学, 会計プロフェッション研究科, 教授 (50267431)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Keywords | 会計 |
|---|
| Outline of Annual Research Achievements |
本研究の主要な目的は、限られたデータ利用を前提とした従来の実証研究に対して、ビッグデータ利用を前提とした会計理論の研究枠組みを提唱し、会計制度設計に貢献することである。また、本研究では、デファクトスタンダード化の要因や構造を分析・総合し、その理解に基づき、制度設計の原理を応用して、社会的に合意されうる望ましい経営・経済データシステムの在り方を提案することを目的とする。会計領域では、世界各国でAIおよびビッグデータに関連して生じている様々な事象に関するデータ収集と分類を行った。また、日本の監査事務所に対するヒアリング調査を実施し、監査法人におけるビッグデータの利用に係る監査技法の準備状況を把握した。さらに、主規制団体である日本公認会計士協会に対するヒアリングも行い、IT委員会における取組みの現状を把握した。ファイナンス領域では、東京証券取引所の株価データを用いて、等金額ポートフォリオを作成し、10年間以上の長期にわたって、投資比率を一定に維持するための自己充足的リバランシングをさまざまなリバランシング・インターバルを設定し、標本数の増大がベータ等の母数推定の精度向上と投資成果の改善に及ぼす影響を推計した。データサイエンス領域では、種々の組合せ最適化問題に対応するため、次世代コンピュータのうち、特にイジングマシンと呼ばれる組合せ最適化処理専用ハードウェアに着目し、それを用いたブラックボックス最適化の新しい手法を提案した。また、提案手法を実問題に適用し、目的関数が陽に与えられない場合の組合せ最適化問題（ブラックボックス組合せ最適化）に対する提案手法の有効性を確認した。さらに、会計およびファイナンスの領域で、ビッグデータが解析可能な環境における意思決定モデルを検討した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
計画していたデータおよび文献収集、ならびに監査事務所のヒアリングは、おおむね順調に実施できた。また、大量データの利用と証券投資の成果の関係に関しても一定の推論が得られた。さらに、イジングマシンと呼ばれる組合せ最適化処理専用ハードウェアが対象としてきた問題群は、目的関数が陽に与えられる場合の組合せ最適化問題であったのに対し、本年度提案した手法はその適用範囲を拡大することに成功した。
|
| Strategy for Future Research Activity |
会計領域では、データ収集および文献調査、ならびに監査実務におけるITおよびAIの問題への取り組みの実態調査を進めると同時に、テクノロジー・ドリブンで進められるデファクトスタンダード化の社会倫理および政策過程論における問題点を議論する。ファイナンス領域では、大規模なデータベースを構築し、投資期間と投資成果の関連、ならびに長期の投資戦略を理論的、実証的に調査する。データサイエンスの領域では、ブラックボックス組合せ最適化に対するイジングマシンの利用方法の理論的妥当性、ならびに組合せ最適化処理性能を向上させるため、提案手法における適切なハイパーパラメータチューニングの方法を検討する。また、ビッグデータが解析可能な環境における意思決定モデルの調査を継続する。
|
