| 研究課題/領域番号 |
22K04609
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分25010:社会システム工学関連
|
|---|
| 研究機関 | 金沢学院大学 |
|---|
研究代表者 |
藤本 祥二 金沢学院大学, 経済情報学部, 教授 (10756026)
|
|---|
| 研究分担者 |
石川 温 金沢学院大学, 経済情報学部, 教授 (90308627)
|
|---|
| 研究期間 (年度) |
2022-04-01 – 2026-03-31
|
| 研究課題ステータス |
交付 (2022年度)
|
| 配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2025年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2024年度: 2,210千円 (直接経費: 1,700千円、間接経費: 510千円)
2023年度: 520千円 (直接経費: 400千円、間接経費: 120千円)
2022年度: 390千円 (直接経費: 300千円、間接経費: 90千円)
|
|---|
| キーワード | 企業財務データ / 機械学習 / レプリケート |
|---|
| 研究開始時の研究の概要 |
不完全性/非代表性/多ノイズ性などビッグデータ科学の問題解決のため、申請者らがこれまで培ってきた統計性の知見により内挿だけでなく外挿が可能となる企業財務データの、機械学習によるレプリケート技術を開発する。
この目的達成のため「財務ビッグデータの欠損値の統計性の調査による、データの網羅性の明確化」「欠損値補完モデルの機械学習を用いた構築による高精度化」「欠損を補完した網羅性の高いデータの統計性を確認することによる整合性の確認」「欠損値補完モデルのライブラリ、および作成したレプリカデータの公開」を段階的に行う。
|
| 研究実績の概要 |
本研究ではビッグデータ科学におけるデータの不完全性（研究に必要なデータがしばしば欠けている）・非代表性（母集団からのランダムサンプルではない）・多ノイズ性（様々なノイズが含まれていてクリーニングが容易でない）・センシティブ（個人情報ななどど取り扱いが難しいデータがある）などの問題解決を図るため、企業財務ビッグデータを用いて内挿だけでなく外挿が可能となるデータのレプリケート技術を開発する。
この目的を達成するために、財務ビッグデータの欠損値の統計性の調査によってデータの網羅性を明らかにし、機械学習を用いた欠損値補完モデルを構築しモデルの精度を高め、欠損を補完したデータの整合性を網羅性の高いデータの統計性で確認し、最終的には欠損値補完モデルのライブラリおよび作成したレプリカデータの公開を行う。
令和4年度は欠損値の統計性の調査するために現在保有している財務ビッグデータでるORBISの2016年版と2021年版を結合し、全企業毎に決算年に関する通年データとなるようにデータの整備を行った。そのうえで欠損値の統計性の調査を行いデータの網羅性を調査した結果、欠損値の統計性の国による違いを明らかにした。
また同時に、決定木系の回帰モデルの一つであるCatBoostアルゴリズムの機械学習を用いた欠損値補完モデルの構築を行い。さらに構築したモデルを用いて財務諸表の売上と利益に関する欠損値の補間を実行し、補完後の分布の性質を調査し、結果を学術論文として発表した。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
研究成果を査読付き論文にまとめており、当初の研究計画通りに進展している。
|
| 今後の研究の推進方策 |
モデルの寄与率を上げる重要な説明変数の特定し、モデルの精度を高めるとともに主要説明変数のみを用いた欠損値補完モデルを開発する。
|
