2019 Fiscal Year Research-status Report
Business failures prediction by the machine learning
Project/Area Number |
19K01843
|
Research Institution | Nihon University |
Principal Investigator |
大槻 明 日本大学, 経済学部, 教授 (30527833)
|
Project Period (FY) |
2019-04-01 – 2022-03-31
|
Keywords | 企業倒産予測 / 時系列データ分析 / 機械学習 |
Outline of Annual Research Achievements |
本研究の目的は,倒産企業の時系列財務データを分析することにより特徴量を抽出し,その特徴量を機械学習に応用することで企業倒産予測を行うモデルを作成し,スクリプトとして実装することである. 2019年度の主な研究実績は以下に示す通りである.第1に帝国データバンク及び株主プロサイトから倒産企業の直近5年分の財務諸表データを取得し,倒産企業の財務諸表データベース(DB)を構築した.第2にこのDBの財務時系列推移データから特徴量を抽出するモデルを研究した.具体的に,時系列データを対象とした場合は対数変化率(対数収益率)を用いることが一般的であるが,自然対数を求める際にマイナス値が含まれていた場合は対数変化率を求めることができない.ゆえに,本研究では対数でなく5年間の財務情報の変化率を求めることとした.そして,5年間の変化率について,「算術平均」,「最小変化率」,「最大変化率」,「合計」及び「4年前と最終年の年換算の変化率」をダミーデータを用いて比較検証した.この結果,財務時系列推移データから特徴量を抽出するモデルとして「最大変化率」を採用することとした. 次年度は,この抽出された特徴量を機械学習に応用するモデルについて研究する.そして,評価実験を通じてこのモデルの有効性を確認したうえで,学会発表や論文投稿を目指す.
|
Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
当初予定していた2019年度の研究計画は2つの事項に大別される.1つ目は倒産企業の財務諸表データを収集してDBを構築することであり,2つ目はこのDBの財務時系列推移データから特徴量を抽出するモデルを研究することである.2019年度はこれら2つの事項についておおむね予定通り研究を進めることができたため,「おおむね順調に進展している」と評価した.
|
Strategy for Future Research Activity |
今後は,財務時系列推移データから抽出された特徴量を機械学習に応用するモデルについて研究する.そして,評価実験を通じてこのモデルの有効性を確認したうえで,学会発表や論文投稿を行い研究成果を外部に公表する方針である.
|
Causes of Carryover |
次年度(2020年度)使用額に計上した14,000円は,2019年度に購入した財務諸表データの残額分である.つまり,財務諸表データは,業種や地域,さらには財務指標などを指定(組み合わせ)することで金額が決定されるが,予定していた50万円に可能な限り近づける形で条件を組み合わせて財務諸表データを購入した結果の残額であり,この残額は次年度の財務諸表データなどの購入に使用する予定である.
|