| 研究課題/領域番号 |
21310095
|
|---|
| 研究機関 | 慶應義塾大学 |
|---|
研究代表者 |
松川 弘明 慶應義塾大学, 理工学部, 教授 (30242275)
|
|---|
| 研究分担者 |
金沢 孝 慶應義塾大学, 理工学部, 教授 (60129393)
稲田 周平 慶應義塾大学, 理工学部, 専任講師 (60327715)
|
|---|
| キーワード | 需要予測 / 革新的製品 / 予測市場 / SVR / システム |
|---|
| 研究概要 |
本年度は専門家の需要予測に関する知識をより正確に引き出す方法として、予測市場手法についてシステム構築をし、システムの有効性を確認するための実験を行った。また、近年機械学習に用いられる新しい分析手法であるSVMを用いた回帰分析モデル、すなわちSVR(Support Vector Regression)モデルを構築し、RBFカーネルおよび多項式カーネルを用いたデータ分析を行った。これら二つの研究は、従来から行われているHistoricalデータ分析、および革新的製品のようなHistoricalデータがない製品に対する専門家の潜在知識を引き出すことを目的とした研究であり、それぞれ日々の生産管理および新製品の初期生産量を決定する一発勝負的な戦略的意思決定に用いることができる。
予測市場手法を用いた需要予測では、研究室に専用サーバーを設置し、専門家データベース、ミクロマクロループを形成するモジュール、予測値入力(予測証券売買)、手持ちストック(予測証券)検索機能、関連情報リンクなどをベースとしたシステムを構築した。このシステムの有効性を検証するために、学生被験者を対象に実験を行った。実験では予測市場手法が有効であるといわれる株価の変動を対象とし、学生5名、社会人5名を対象に毎日の特定株に対して売買を行い、価格がおおむね市場価格と同じようなトレンドを持って形成されていくことを確認した。今後はこれを用いて新製品の需要予測を行うことにする。一方、SVRを用いた実験では需要を加法モデル、乗法モデル、混合モデルを用いて生成し、RBFカーネルと多項式カーネルをそれぞれ独立に用いた実験を行い、構築したモデルの有効性を確認し、コンビニエンスストアの販売実績に対して、RBFカーネル、多項式カーネル、および二つのカーネルの線形結合を用いたSVRを適用し、SVRモデルを用いて日常商品の日別売り上げ予測を行うことが十分可能である(誤差5%、寄与率0.6)ことを確認した。特に、多項式カーネルを用いる場合は過学習が発生するので、注意が必要である。このような過学習は入力次元を大きくしたときに発生し、コンビニエンスストアにおける日常商品の場合、入力次元はおおむね4-9が妥当である.
|
