| Project/Area Number |
21H00755
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Single-year Grants |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 07080:Business administration-related
|
|---|
| Research Institution | Kwansei Gakuin University |
|---|
Principal Investigator |
Katsuhiko Okada 関西学院大学, 経営戦略研究科, 教授 (90411793)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
藤澤 克樹 九州大学, マス・フォア・インダストリ研究所, 教授 (40303854)
月岡 靖智 関西学院大学, 商学部, 准教授 (50736709)
羽室 行信 関西学院大学, 経営戦略研究科, 准教授 (90268235)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥17,160,000 (Direct Cost: ¥13,200,000、Indirect Cost: ¥3,960,000)
Fiscal Year 2023: ¥5,460,000 (Direct Cost: ¥4,200,000、Indirect Cost: ¥1,260,000)
Fiscal Year 2022: ¥5,070,000 (Direct Cost: ¥3,900,000、Indirect Cost: ¥1,170,000)
Fiscal Year 2021: ¥6,630,000 (Direct Cost: ¥5,100,000、Indirect Cost: ¥1,530,000)
|
|---|
| Keywords | 大規模言語言語モデル / LLM / 行動ファイナンス / 自然言語処理 / 効率的市場仮説 / Stale information / 無形資産価値評価 / 価値評価 / 非財務情報 / テキストマイニング / 大規模言語モデル / 機械学習 / CNN / 資産価格評価 / チャート分析 / 深層学習 / 畳込みニューラルネットワーク / 株価の予測可能性 / 画像判断 / 説明可能AI |
|---|
| Outline of Research at the Start |
理論的には、企業価値は当該企業が生み出す将来期待キャッシュ・フローをその不確実性を考慮して現在価値に引き直したものとして考えられている。しかし現実には、将来キャッシュ・フローの推定や、リスクの推定は、ヒトの予測が市場に反映されているため、様々な非財務情報や行動ファイナンス的要因（Behavioral Factors)に左右されることがわかっている。本研究では、非財務情報と既知のリスク要因を同時に学習させ、予測能力の高い説明可能な機械学習モデルを開発することで、既知のリスク要因と行動ファイナンス的要因がどのように時系列にからみあって株式市場を形成しているのかをあきらかにする。
|
| Outline of Final Research Achievements |
Here is a refined and polished version of your paragraph:
In finance theory, the value of a firm is defined by the discounted present value of the expected cash flows it generates, evaluated at a discount rate that reflects the business's inherent uncertainties. Both expected cash flows and the discount rate encapsulate the expectations and concerns of investors, which may be influenced by diverse types of information. This research project aims to quantitatively elucidate the impact of non-financial information on elements of corporate valuation. Specifically, the study quantifies the information embedded in financial market images, particularly chart images, and textual data, notably the neutral analysts' commentary on corporate quarterly earnings as reported in the SHIKIHO (Japan Corporate Handbook). To accomplish this, we employed a toolkit from the discipline of machine learning.
|
| Academic Significance and Societal Importance of the Research Achievements |
市場における企業価値形成は、投資家が当該企業の将来像をどう捉えるかに依存する。そのため、自社の将来アウトルックに関する情報と市場価値との関連性を知ることは重要である。企業に関する非財務情報は、多くはテキスト情報として存在するが、これまでその解析には技術的制約があった。本研究成果の意義は、最新の自然言語処理技術を援用し、こうした課題を克服したことである。また、大規模言語モデル（LLM）が登場し、一般の研究者間でも最新の自然言語処理技術を利用して様々なテキスト解析が可能になっているが、社会科学において、情報工学の新技術をいち早く援用して成果を出すことができた事例を示せたことは、社会的意義がある。
|
