JP6229988B1 - Information processing apparatus, information processing method, and information processing program - Google Patents
Information processing apparatus, information processing method, and information processing program Download PDFInfo
- Publication number
- JP6229988B1 JP6229988B1 JP2016233678A JP2016233678A JP6229988B1 JP 6229988 B1 JP6229988 B1 JP 6229988B1 JP 2016233678 A JP2016233678 A JP 2016233678A JP 2016233678 A JP2016233678 A JP 2016233678A JP 6229988 B1 JP6229988 B1 JP 6229988B1
- Authority
- JP
- Japan
- Prior art keywords
- company
- matrix
- information
- similarity
- financial
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【課題】ＷＡＣＣ算出用の類似会社を客観的且つ迅速に選択することが可能な情報処理システムを提供する。
【解決手段】会社の業種を示す業種データと、当該会社の財務状況を示す財務データと、を少なくとも含む会社データを、会社について外部からそれぞれ取得し、その財務データ及び業種データに基づき、既定の基準に基づいて業種が近いとされる複数の会社についての会社・財務数値行列Ｖを、非負値行列因子分解処理により、複数の類似会社群のそれぞれに対する当該各会社の類似度Ｗｎｒを行列要素とする類似度行列Ｗと、財務データに含まれる各財務数値の各類似会社群のそれぞれに対する貢献度Ｈｒｍを行列要素とする貢献度行列Ｈと、に分解し、分解後の類似度行列Ｗに行列要素として含まれる各類似度Ｗｎｒを、類似会社群ごと且つ会社ごとに、使用者端末に出力する。
【選択図】図５An information processing system capable of objectively and quickly selecting a similar company for WACC calculation is provided.
[MEANS FOR SOLVING PROBLEMS] Company data including at least industry data indicating a company's industry and financial data indicating the financial status of the company are respectively acquired from outside the company, and based on the financial data and industry data, a predetermined data is obtained. The company / financial numerical matrix V for a plurality of companies that are considered to be close to each other based on the criteria is subjected to a non-negative matrix factorization process, and the similarity W nr of each company for each of a plurality of similar companies is a matrix element. And a contribution matrix H having matrix elements as contributions H rm of the respective financial values included in the financial data with respect to each similar company group, and the similarity matrix W after decomposition Are output to the user terminal for each similar company group and each company.
[Selection] Figure 5
Description
本発明は、情報処理装置、情報処理方法及び情報処理用プログラムの技術分野に属する。より詳細には、取引に関連する企業としての類似企業の選択に有用な情報処理を行う情報処理装置及び情報処理方法、並びに当該情報処理のためのプログラムの技術分野に属する。 The present invention belongs to the technical fields of an information processing apparatus, an information processing method, and an information processing program. More specifically, it belongs to the technical field of an information processing apparatus and information processing method for performing information processing useful for selecting a similar company as a company related to a transaction, and a program for the information processing.
一般に取引においては、その取引を行う企業の価値を、誤差をなるべく少なくして算定することが求められる。 Generally, in transactions, it is required to calculate the value of a company that performs the transactions with as little error as possible.
ここで、企業価値の算定に当たり、売買取引時に市場価格を持たない資産の売買取引を行う際の価格算定の不確実性の排除又は是正を図ることを目的とした発明について開示している先行技術文献としては、下記特許文献１がある。この特許文献１に開示されている発明では、市場価格を持たない資産の売買取引を行う際に、取引後に、精算時の取引対象資産の理論時価又は市場時価に基づき、割引率を用いて取引時点での取引対象資産の価格として妥当であると推定される推定価格を算出する構成とされている。そして、算出後の推定価格と実際の取引価格とが乖離している場合に、売り方又は買い方に対し、差額分を補填する事後的な精算処理を行う構成とされている。 Here, prior art that discloses an invention for the purpose of eliminating or correcting the uncertainty of price calculation when performing sales transactions of assets that do not have market prices at the time of sales transactions in calculating corporate value As a document, there is the following Patent Document 1. In the invention disclosed in Patent Document 1, when performing a transaction for buying and selling an asset that does not have a market price, the transaction is performed using a discount rate based on the theoretical market price or market price of the transaction target asset at the time of settlement after the transaction. It is configured to calculate an estimated price that is estimated to be appropriate as the price of the transaction target asset at the time. And when the estimated price after calculation and the actual transaction price differ, it is set as the structure which performs the post-settlement process which compensates for the difference with respect to how to sell or buy.
一方、上記企業価値を算定する際の指標（パラメータ）として従来から用いられているものに、加重平均資本コストが挙げられる。なお以下の説明においては、当該加重平均資本コストを「ＷＡＣＣ（Weighted Average Cost of Capital）」と称する。そして、このＷＡＣＣを算出するに当たっては、価値の算定の対象となる会社に類似する会社を、その価値の算定をしようとする使用者が適切に選択する必要がある。なお以下の説明において、価値の算定の対象となる会社を「対象会社」と称し、当該対象会社に類似する会社を「類似会社」と称する。そして従来では、この類似会社の選択は、その類似会社が属する地域間における市場動向の相違等があることにより、自身の経験や専門家の意見を聞くこと等により極めて主観的に選択しなければならかなった。 On the other hand, a weighted average capital cost is one of those conventionally used as an index (parameter) for calculating the corporate value. In the following description, the weighted average cost of capital is referred to as “WACC (Weighted Average Cost of Capital)”. In calculating the WACC, the user who wants to calculate the value needs to appropriately select a company similar to the company whose value is to be calculated. In the following description, a company whose value is to be calculated is referred to as a “target company”, and a company similar to the target company is referred to as a “similar company”. Conventionally, the selection of similar companies must be made very subjectively by listening to their own experiences and expert opinions, etc. due to differences in market trends among the regions to which the similar companies belong. It became strange.
しかしながら、上述したＷＡＣＣの算出に用いられる上記類似会社を上記使用者がその経験や専門家の意見等に基づいて主観的に選ぶ場合には、上記特許文献１に記載されている問題点と同様の、不確実性の問題や算定誤差の問題が内在する結果とならざるを得ないという問題点があった。 However, in the case where the user subjectively selects the similar company used in the calculation of the WACC described above based on the experience, expert opinion, etc., the same as the problem described in Patent Document 1 above. However, there was a problem that the problem of uncertainty and the problem of calculation error were unavoidable.
より具体的には、類似会社の選択に当たっての会社の企業価値計算においては、一般に、業種又は財務的に近い（類似している）企業を比較参照するプロセスが重視されており、いわゆる会社四季報や各種アナリストレポート等で報告される専門家の知識／意見が用いられる。よって、企業価値の算定等を専門としながらも調査時間を削減したい企業等でない、他の多くの企業にとっては企業価値計算を戦略的に繰り返すという業務自体が一般化しづらいという問題点があった。ここで、企業価値計算を伴う類似会社の選択業務の普及を難しくする代表的な障壁・問題点としては、例えば以下の点が挙げられる。
・報告される類似企業の候補が少なく、ごく一部の関係性しか示されないので、一見したところでは類似していないと判断される会社を俯瞰して、その類似性を判断することができない。
・「やや似ている」といった（「類似している」／「類似していない」ではない）「数値としての指標」による候補列挙がないので、当該「やや似ている」会社については、候補として全く提示されない。
・信頼できる機関や専門家からの報告及びその基礎となるデータは、それら自体が非常に高価である。
・いわゆるノウハウに当たる部分が多いため、類似会社についての専門家の選択結果に至るその選択のプロセス（選択結果に対応するその選択の根拠となる論理やデータ等）が明かされない場合が多い。そしてこの場合は、その結果の適否について使用者としての最終的な判断が難しく、例えば類似の判断が難しい（微妙な）場合は、やはり使用者も専門的知識が必要となってしまう。
More specifically, in calculating the corporate value of a company when selecting a similar company, in general, a process of comparing and referring to companies that are close to industry or financially similar (similar) is emphasized. And expert knowledge / opinions reported in various analyst reports. Therefore, there is a problem that it is difficult to generalize the business itself of repeating the corporate value calculation strategically for many other companies that are not companies that want to reduce the survey time while specializing in calculating the corporate value. Here, typical barriers / problems that make it difficult to disseminate the selection of similar companies that involve corporate value calculation include the following points.
・ Since there are few candidates for similar companies to be reported and only a small part of the relationship is shown, it is not possible to judge the similarity of the companies that are judged to be not similar at first glance.
・ There is no candidate listing by “index as a numerical value” such as “similar” (not “similar” / “not similar”). Not presented at all.
• Reports from reliable agencies and experts and the underlying data are themselves very expensive.
-Since there are many parts that correspond to so-called know-how, the selection process (the logic and data that is the basis of the selection corresponding to the selection result) that leads to the selection result of the expert for the similar company is often not revealed. In this case, it is difficult for the user to make a final determination as to whether or not the result is appropriate. For example, if a similar determination is difficult (subtle), the user also needs specialized knowledge.
そこで本発明は、上記の各問題点に鑑みて為されたもので、その課題の一例は、ＷＡＣＣの算出等に用いられる類似会社を客観的且つ迅速に選択することが可能な情報処理システム及び情報処理方法、並びに当該情報処理のためのプログラムを提供することにある。 Therefore, the present invention has been made in view of the above problems, and an example of the problem is an information processing system capable of objectively and quickly selecting a similar company used for WACC calculation and the like. An information processing method and a program for the information processing are provided.
上記の課題を解決するために、請求項１に記載の発明は、会社の業種を示す業種情報と、当該会社の財務状況を示す財務情報と、を少なくとも含む会社情報を、前記会社について外部からそれぞれ取得する通信部等の取得手段と、前記取得した財務情報及び業種情報に基づき、予め設定された基準に基づいて業種が近いとされる複数の会社についての会社・財務数値行列を、非負値行列因子分解（Nonnegative Matrix Factorization）処理により、複数の類似会社群のそれぞれに対する当該各会社の類似度を行列要素とする類似度行列と、前記財務情報に含まれる各財務数値の各前記類似会社群のそれぞれに対する貢献度を行列要素とする貢献度行列と、に分解する処理部等の処理手段と、当該分解後の類似度行列に行列要素として含まれる各前記類似度を、前記類似会社群ごと且つ前記会社ごとに、前記類似度を利用する者が使用する端末装置に出力する通信部等の出力手段と、を備える。 In order to solve the above-mentioned problem, the invention described in claim 1 is characterized in that company information including at least business type information indicating a business type of a company and financial information indicating a financial status of the company is provided from outside the company. Non-negative values of company / financial numerical matrices for multiple companies that are considered to be close to each other based on preset criteria based on the acquisition means such as the communication unit and the acquired financial information and industry information. By a matrix factorization (Nonnegative Matrix Factorization) process, a similarity matrix having the similarity of each company as a matrix element for each of a plurality of similar companies, and each similar company group of each financial value included in the financial information Each of the similarities included in the dissimilarity matrix as a matrix element And wherein each each peer company group and the company, and an output means such as a communication unit that outputs to the terminal device who uses the similarity is used.
上記の課題を解決するために、請求項７に記載の発明は、通信部等の取得手段と、処理部等の処理手段と、通信部等の出力手段と、を備える情報処理装置において実行される情報処理方法であって、会社の業種を示す業種情報と、当該会社の財務状況を示す財務情報と、を少なくとも含む会社情報を、前記会社について外部から前記取得手段によりそれぞれ取得する取得工程と、前記処理手段により、前記取得した財務情報及び業種情報に基づき、予め設定された基準に基づいて業種が近いとされる複数の会社についての会社・財務数値行列を、非負値行列因子分解処理により、複数の類似会社群のそれぞれに対する当該各会社の類似度を行列要素とする類似度行列と、前記財務情報に含まれる各財務数値の各前記類似会社群のそれぞれに対する貢献度を行列要素とする貢献度行列と、に分解する処理工程と、当該分解後の類似度行列に行列要素として含まれる各前記類似度を、前記類似会社群ごと且つ前記会社ごとに、前記類似度を利用する者が使用する前記出力手段により端末装置に出力する出力工程と、を含む。 In order to solve the above problem, the invention according to claim 7 is executed in an information processing apparatus including an acquisition unit such as a communication unit, a processing unit such as a processing unit, and an output unit such as a communication unit. An information processing method for acquiring company information including at least business type information indicating a business type of a company and financial information indicating a financial status of the company, respectively, from the outside with respect to the company by the acquisition unit; Based on the acquired financial information and business type information by the processing means, a company / financial numerical matrix for a plurality of companies whose business types are considered to be close based on a preset criterion is obtained by non-negative matrix factorization processing. A similarity matrix having the similarity of each company to each of a plurality of similar company groups as a matrix element, and each of the similar company groups of each financial value included in the financial information. A process of decomposing into a contribution matrix having a contribution level as a matrix element, and each similarity included as a matrix element in the similarity matrix after the decomposition for each similar company group and each company, An output step of outputting to the terminal device by the output means used by a person using the similarity.
上記の課題を解決するために、請求項８に記載の発明は、コンピュータを、会社の業種を示す業種情報と、当該会社の財務状況を示す財務情報と、を少なくとも含む会社情報を、前記会社について外部からそれぞれ取得する取得手段、前記取得した財務情報及び業種情報に基づき、予め設定された基準に基づいて業種が近いとされる複数の会社についての会社・財務数値行列を、非負値行列因子分解処理により、複数の類似会社群のそれぞれに対する当該各会社の類似度を行列要素とする類似度行列と、前記財務情報に含まれる各財務数値の各前記類似会社群のそれぞれに対する貢献度を行列要素とする貢献度行列と、に分解する処理手段、及び、当該分解後の類似度行列に行列要素として含まれる各前記類似度を、前記類似会社群ごと且つ前記会社ごとに、前記類似度を利用する者が使用する端末装置に出力する出力手段、として機能させる。 In order to solve the above-mentioned problem, the invention described in claim 8 is characterized in that the computer includes company information including at least business type information indicating a business type of a company and financial information indicating a financial status of the company. Non-negative matrix factor for the company / financial numerical matrix for a plurality of companies that are considered to be close to the industry based on the preset criteria, based on the acquisition means for acquiring each from the outside, the acquired financial information and the industry information By the decomposition process, a similarity matrix having the similarity of each company to each of a plurality of similar company groups as a matrix element, and a contribution degree of each financial value included in the financial information to each of the similar company groups is matrixed A contribution matrix that is an element, a processing unit that decomposes into the matrix, and each similarity included as a matrix element in the similarity matrix after the decomposition for each similar company group and For each serial company, output means for outputting to the terminal device a person uses the similarity is used to function as a.
請求項１、請求項７又は請求項８のいずれか一項に記載の発明によれば、業種情報及び財務情報を少なくとも含む会社情報を会社ごとに取得し、それら財務情報及び業種情報に基づき、業種が近いとされる複数の会社についての会社・財務数値行列を、非負値行列因子分解処理により類似度行列と貢献度行列とに分解する。そして、分割後の類似度行列に行列要素として含まれる各類似度を、類似会社群ごと且つ会社ごとに、類似度を利用する者が使用する端末装置に出力する。よって、当該利用者に対して、財務情報及び業種情報に少なくとも基づいた類似会社群に対する客観的な類似度を自動的に提供することができる。 According to the invention according to claim 1, claim 7 or claim 8, company information including at least industry information and financial information is acquired for each company, and based on the financial information and industry information, A company / financial numerical matrix for a plurality of companies that are considered to be close to the industry is decomposed into a similarity matrix and a contribution matrix by non-negative matrix factorization processing. And each similarity included as a matrix element in the similarity matrix after a division | segmentation is output to the terminal device which the person using similarity uses for every similar company group and every company. Therefore, it is possible to automatically provide the user with an objective similarity to a similar company group based at least on the financial information and the business type information.
上記の課題を解決するために、請求項２に記載の発明は、請求項１に記載の情報処理装置において、前記出力手段は、三以上の類似会社群に対する前記会社ごとの前記類似度を二次元のグラフに変換して前記端末装置に出力するように構成される。 In order to solve the above-mentioned problem, the invention according to claim 2 is the information processing apparatus according to claim 1, wherein the output means sets the similarity for each company to three or more similar company groups. A dimensional graph is converted and output to the terminal device.
請求項２に記載の発明によれば、請求項１に記載の発明の作用に加えて、三以上の類似会社群に対する会社ごとの類似度を二次元のグラフに変換して端末装置に出力するので、端末装置の利用者に対して見易い状況で客観的な類似度を自動的に提供することができる。 According to the invention described in claim 2, in addition to the operation of the invention described in claim 1, the similarity for each company for three or more similar company groups is converted into a two-dimensional graph and output to the terminal device. Therefore, the objective similarity can be automatically provided in a situation that is easy to see for the user of the terminal device.
上記の課題を解決するために、請求項３に記載の発明は、請求項１又は請求項２に記載の情報処理装置において、前記出力手段は更に、前記分解後の貢献度行列に行列要素として含まれる各前記貢献度を、前記財務情報の種類ごと且つ前記類似会社群ごとに前記端末装置に出力するように構成される。 In order to solve the above-mentioned problem, the invention according to claim 3 is the information processing apparatus according to claim 1 or 2, wherein the output means further includes a matrix element in the decomposition degree contribution matrix. Each of the included contributions is configured to be output to the terminal device for each type of financial information and for each similar company group.
請求項３に記載の発明によれば、請求項１又は請求項２に記載の発明の作用に加えて、貢献度行列に行列要素として含まれる各貢献度を、財務情報の種類ごと且つ類似会社群ごとに端末装置に更に出力するので、類似会社の自動選択の際に参照された財務情報の類似度の算出に対する貢献度を、類似会社群ごと且つ財務情報の種類ごとに利用者に提供することができる。 According to the invention described in claim 3, in addition to the operation of the invention described in claim 1 or 2, each contribution included in the contribution matrix as a matrix element is determined for each type of financial information and similar companies. Since it is further output to the terminal device for each group, the degree of contribution to the calculation of the similarity of the financial information referred to when the similar company is automatically selected is provided to the user for each similar company group and for each type of financial information. be able to.
上記の課題を解決するために、請求項４に記載の発明は、請求項１から請求項３のいずれか一項に記載の情報処理装置において、前記取得手段は、各前記会社間の予め設定された類似度を示す類似会社情報を前記会社情報として更に取得し、前記出力手段は、前記分解後の類似度行列に行列要素として含まれる各前記類似度に加えて、前記更に取得された類似会社情報を前記端末装置に出力するように構成される。 In order to solve the above-mentioned problem, the invention according to claim 4 is the information processing apparatus according to any one of claims 1 to 3, wherein the acquisition unit is preset between the companies. The similar information is further obtained as the company information, and the output means adds the similarities obtained in addition to the similarities included as matrix elements in the decomposed similarity matrix. The company information is output to the terminal device.
請求項４に記載の発明によれば、請求項１から請求項３のいずれか一項に記載の発明の作用に加えて、各会社間の既定の類似度を示す類似会社情報を会社情報として更に取得し、分解後の類似度行列に行列要素として含まれる各類似度に加えて、当該更に取得された類似会社情報を端末装置に出力するので、例えば当該利用者における検証用として類似会社情報を提供することができる。 According to the invention described in claim 4, in addition to the operation of the invention described in any one of claims 1 to 3, similar company information indicating a predetermined similarity between each company is used as company information. Furthermore, in addition to each similarity included as a matrix element in the similarity matrix after being acquired and disassembled, the further acquired similar company information is output to the terminal device. For example, similar company information for verification by the user Can be provided.
上記の課題を解決するために、請求項５に記載の発明は、請求項１から請求項４のいずれか一項に記載の情報処理装置において、前記取得手段は、前記取得した会社情報に対応する前記会社との前記類似度が算出されるべき対象会社についての前記業種情報及び前記財務情報を更に取得し、前記処理手段は、前記対象会社について前記取得された業種情報及び財務情報に更に基づいて、前記会社・財務数値行列を、前記非負値行列因子分解処理により、前記対象会社を含む各前記会社の前記類似度を行列要素とする前記類似度行列と、前記貢献度行列と、に分解し、前記出力手段は、当該分解後の類似度行列に行列要素として含まれる各前記類似度を、前記対象会社を含む前記会社ごと且つ前記類似会社群ごとに前記端末装置に出力するように構成される。 In order to solve the above problem, the invention according to claim 5 is the information processing apparatus according to any one of claims 1 to 4, wherein the acquisition unit corresponds to the acquired company information. The business information and the financial information about the target company whose similarity to the company to be calculated is further acquired, and the processing means is further based on the business type information and financial information acquired for the target company The company / financial numerical matrix is decomposed into the similarity matrix having the similarity of each company including the target company as a matrix element and the contribution matrix by the non-negative matrix factorization process. The output means outputs the similarities included as matrix elements in the decomposed similarity matrix to the terminal device for each company including the target company and for each similar company group. Constructed.
請求項５に記載の発明によれば、請求項１から請求項４のいずれか一項に記載の発明の作用に加えて、会社情報に対応する会社との類似度が算出されるべき対象会社についての業種情報及び財務情報を更に取得し、当該対象会社についての業種情報及び財務情報に更に基づいて、会社・財務数値行列を、非負値行列因子分解処理により、対象会社を含む各会社の類似度を行列要素とする類似度行列と、貢献度行列と、に分解する。そして、当該分解後の類似度行列に行列要素として含まれる各類似度を、対象会社を含む会社ごと且つ類似会社群ごとに端末装置に出力する。よって、各会社とのあいだの類似度を認識したい対象会社の客観的な当該類似度を、当該利用者に対して自動的に提供することができる。 According to the invention described in claim 5, in addition to the operation of the invention described in any one of claims 1 to 4, the target company whose similarity with the company corresponding to the company information is to be calculated Further acquisition of industry information and financial information about the company, and further based on the industry information and financial information of the target company, the company / financial numerical matrix is similar to each company including the target company by non-negative matrix factorization processing The degree matrix is decomposed into a similarity matrix and a contribution matrix. Then, each similarity included as a matrix element in the decomposed similarity matrix is output to the terminal device for each company including the target company and for each similar company group. Therefore, the objective similarity of the target company that wants to recognize the similarity between each company can be automatically provided to the user.
上記の課題を解決するために、請求項６に記載の発明は、請求項１から請求項５のいずれか一項に記載の情報処理装置において、前記取得手段は、前記類似会社群の数を指定する指定情報を更に取得し、前記処理手段は、前記取得された指定情報により指定される数の前記類似会社群について、前記取得した財務情報及び業種情報に基づき、前記会社・財務数値行列を、前記非負値行列因子分解処理により前記類似度行列と前記貢献度行列とに分解するように構成される。 In order to solve the above-mentioned problem, the invention according to claim 6 is the information processing apparatus according to any one of claims 1 to 5, wherein the acquisition means calculates the number of the similar company groups. Further specifying designation information to be designated, the processing means, for the number of similar companies specified by the obtained designation information, based on the obtained financial information and industry information, the company-financial numerical matrix The non-negative matrix factorization process is configured to decompose the similarity matrix and the contribution matrix.
請求項６に記載の発明によれば、請求項１から請求項５のいずれか一項に記載の発明の作用に加えて、指定情報により指定される数の類似会社群について、財務情報及び業種情報に基づき、会社・財務数値行列を、非負値行列因子分解処理により類似度行列と貢献度行列とに分解するので、類似会社群の数を任意とした類似度を提供することができる。 According to the invention described in claim 6, in addition to the operation of the invention described in any one of claims 1 to 5, the financial information and the business type of the number of similar companies specified by the specified information Based on the information, the company / financial numerical matrix is decomposed into the similarity matrix and the contribution matrix by the non-negative matrix factorization process, so that it is possible to provide a similarity with an arbitrary number of similar company groups.
本発明によれば、業種情報及び財務情報を少なくとも含む会社情報を会社ごとに取得し、それら財務情報及び業種情報に基づき、業種が近いとされる複数の会社についての会社・財務数値行列を、非負値行列因子分解処理により類似度行列と貢献度行列とに分解する。そして、分割後の類似度行列に行列要素として含まれる各類似度を、類似会社群ごと且つ会社ごとに、類似度を利用する者が使用する端末装置に出力する。 According to the present invention, company information including at least industry information and financial information is obtained for each company, and based on those financial information and industry information, company / financial numerical matrices for a plurality of companies that are considered to be close to the industry, It decomposes into a similarity matrix and a contribution matrix by non-negative matrix factorization processing. And each similarity included as a matrix element in the similarity matrix after a division | segmentation is output to the terminal device which the person using similarity uses for every similar company group and every company.
従って、当該利用者に対して、財務情報及び業種情報に少なくとも基づいた類似会社群に対する客観的な類似度を自動的に提供することができる。 Therefore, it is possible to automatically provide the user with an objective similarity to a similar company group based at least on the financial information and the business type information.
次に、本発明を実施するための形態について、図面に基づいて説明する。なお以下に説明する実施形態は、対象会社に類似する類似会社の選択を行う使用者に対して当該選択のための各種データを提供する情報処理システムに対して本発明を適用した場合の実施の形態である。 Next, modes for carrying out the present invention will be described based on the drawings. Note that the embodiment described below is an embodiment in which the present invention is applied to an information processing system that provides various data for selection to a user who selects a similar company similar to the target company. It is a form.
また、図１は実施形態に係る情報処理システムの概要構成を示すブロック図であり、図２は実施形態に係る類似会社の選択処理を示すフローチャートであり、図３は実施形態に係る業種データの内容を例示する図であり、図４は実施形態に係る類似会社データの内容を例示する図である。また、図５は実施形態に係る類似会社の選択処理を示す図であり、図６は実施形態に係る類似会社群の数の算出を示す図であり、図７乃至図１０は実施形態に係る類似会社の選択結果の表示例をそれぞれ示す図である。 FIG. 1 is a block diagram showing a schematic configuration of the information processing system according to the embodiment, FIG. 2 is a flowchart showing selection processing of a similar company according to the embodiment, and FIG. FIG. 4 is a diagram illustrating the content, and FIG. 4 is a diagram illustrating the content of similar company data according to the embodiment. FIG. 5 is a diagram illustrating the selection process of similar companies according to the embodiment, FIG. 6 is a diagram illustrating calculation of the number of similar companies according to the embodiment, and FIGS. 7 to 10 are related to the embodiment. It is a figure which shows the example of a display of the selection result of a similar company, respectively.
（Ｉ）実施形態に係る情報処理システムの構成及び動作の概要について
図１に示すように、実施形態に係る情報処理システムＳは、使用者が使用する使用者端末ＵＴと、実施形態に係るサーバ装置ＳＶと、例えば会社四季報又は金融庁（ＥＤＩＮＥＴ（Electronic Disclosure for Investors’ NETwork））の有価証券報告書或いはＸＢＲＬ（eXtensible Business Reporting Language）ファイル等のデータをサーバ装置ＳＶに送信可能な複数の情報サービスサーバＥＴ１、情報サービスサーバＥＴ２、…、情報サービスサーバＥＴｎ（ｎは自然数）と、インターネット等のネットワークＮＷと、を備えて構成されている。なお以下の説明において、情報サービスサーバＥＴ１、情報サービスサーバＥＴ２、…、情報サービスサーバＥＴｎに共通の事項を説明する場合、これらを纏めて単に「情報サービスサーバＥＴ」と称する。そして、各情報サービスサーバＥＴと、使用者端末ＵＴと、サーバ装置ＳＶと、は、ネットワークＮＷを介して種々のデータの授受が可能に接続されている。このとき使用者端末ＵＴは、具体的には、使用者が操作するパーソナルコンピュータ等により実現される。そして、上記使用者が本発明に係る「利用する者」の一例に相当する。また、サーバ装置ＳＶが本発明に係る「情報処理装置」の一例に相当する。更に、実施形態に係る類似会社の選択処理はサーバ装置ＳＶを中心として実行される。
(I) Outline of Configuration and Operation of Information Processing System According to Embodiment As shown in FIG. 1, an information processing system S according to the embodiment includes a user terminal UT used by a user and a server according to the embodiment. A plurality of pieces of information that can be transmitted to the server SV, such as a device SV and data such as a company's quarterly report or a financial report (EDINET (Electronic Disclosure for Investors' NETwork)) or an XBRL (eXtensible Business Reporting Language) file. A service server ET1, an information service server ET2,..., An information service server ETn (n is a natural number), and a network NW such as the Internet. In the following description, when items common to the information service server ET1, the information service server ET2,..., The information service server ETn are described, these are collectively referred to simply as “information service server ET”. Each information service server ET, the user terminal UT, and the server device SV are connected to each other via a network NW so as to be able to exchange various data. At this time, the user terminal UT is specifically realized by a personal computer or the like operated by the user. The user corresponds to an example of a “user” according to the present invention. The server apparatus SV corresponds to an example of an “information processing apparatus” according to the present invention. Furthermore, the similar company selection process according to the embodiment is executed centering on the server apparatus SV.
次にサーバ装置ＳＶは、通信部１と、ＣＰＵ、ＲＯＭ（Read Only Memory）及びＲＡＭ（Random Access Memory）等からなる処理部２と、キーボード及びマウス等からなる操作部３と、液晶ディスプレイ等からなるディスプレイ４と、ＨＤＤ（Hard Disc Drive）又はＳＳＤ（Solid State Drive）等からなる記録部５と、を備えて構成されている。このとき、上記通信部１が本発明に係る「取得手段」の一例及び「出力手段」の一例にそれぞれ相当し、処理部２が、本発明に係る「処理手段」の一例に相当する。 Next, the server SV includes a communication unit 1, a processing unit 2 including a CPU, a ROM (Read Only Memory) and a RAM (Random Access Memory), an operation unit 3 including a keyboard and a mouse, a liquid crystal display, and the like. And a recording unit 5 made up of HDD (Hard Disc Drive), SSD (Solid State Drive), or the like. At this time, the communication unit 1 corresponds to an example of an “acquisition unit” and an example of an “output unit” according to the present invention, and the processing unit 2 corresponds to an example of a “processing unit” according to the present invention.
以上の構成において通信部１は、処理部２の制御の下、ネットワークＮＷを介した使用者端末ＵＴ及び情報サービスサーバＥＴそれぞれとの間のデータの授受を制御する。また記録部５は、後述する実施形態に係る非負値行列因子分解処理の実行に必要なプログラム等を不揮発性に記録する。一方操作部３は、当該操作部３においてサーバ装置ＳＶの管理者等により必要な操作が行われると、当該操作に対応した操作信号を生成して処理部２に出力する。これにより処理部２は、操作部３からの操作信号に基づいて、実施形態に係る類似会社の選択処理を主として実行する。このとき処理部２は、必要な情報をディスプレイ４に表示して上記管理者等に提示する。 In the above configuration, the communication unit 1 controls the exchange of data between the user terminal UT and the information service server ET via the network NW under the control of the processing unit 2. The recording unit 5 records a program or the like necessary for executing a non-negative matrix factorization process according to an embodiment described later in a nonvolatile manner. On the other hand, the operation unit 3 generates an operation signal corresponding to the operation and outputs the operation signal to the processing unit 2 when a necessary operation is performed on the operation unit 3 by an administrator of the server apparatus SV. Thereby, the processing unit 2 mainly executes the similar company selection process according to the embodiment based on the operation signal from the operation unit 3. At this time, the processing unit 2 displays necessary information on the display 4 and presents it to the administrator or the like.
一方使用者端末ＵＴは、通信部１０と、ＣＰＵ、ＲＯＭ及びＲＡＭ等からなる処理部１１と、キーボード及びマウス等からなる操作部１２と、液晶ディスプレイ等からなるディスプレイ１３と、ＨＤＤ又はＳＳＤ等からなる記録部１４と、を備えて構成されている。 On the other hand, the user terminal UT includes a communication unit 10, a processing unit 11 including a CPU, a ROM, and a RAM, an operation unit 12 including a keyboard and a mouse, a display 13 including a liquid crystal display, and an HDD or SSD. And a recording unit 14.
以上の構成において通信部１０は、ネットワークＮＷを介したサーバ装置ＳＶとの間のデータの授受を制御する。また記録部１４は、使用者端末ＵＴとしての実施形態に係る処理に必要なプログラム等を記録する。一方操作部１２は、当該操作部１２において上記使用者により必要な操作が行われると、当該操作に対応した操作信号を生成して処理部１１に出力する。これにより処理部１１は、操作部１２からの操作信号に基づいて、使用者端末ＵＴとしての実施形態に係る処理を主として実行する。 In the above configuration, the communication unit 10 controls data exchange with the server apparatus SV via the network NW. The recording unit 14 records a program and the like necessary for processing according to the embodiment as the user terminal UT. On the other hand, when a necessary operation is performed by the user on the operation unit 12, the operation unit 12 generates an operation signal corresponding to the operation and outputs the operation signal to the processing unit 11. Accordingly, the processing unit 11 mainly executes processing according to the embodiment as the user terminal UT based on the operation signal from the operation unit 12.
（II）実施形態に係る類似会社の選択処理について
次に、主としてサーバ装置ＳＶの処理部２を中心として実行される、実施形態に係る類似会社の選択処理について、図２乃至図１０を用いて説明する。なお、実施形態に係る類似会社の選択処理は、例えば実施形態に係るサーバ装置ＳＶの電源がオンとされたタイミングから開始される。
(II) Similar company selection process according to the embodiment Next, similar company selection process according to the embodiment, which is mainly performed by the processing unit 2 of the server apparatus SV, will be described with reference to FIGS. 2 to 10. explain. Note that the similar company selection process according to the embodiment is started, for example, from the timing when the power of the server apparatus SV according to the embodiment is turned on.
図２に示すように、実施形態に係る類似会社の選択処理においてサーバ装置ＳＶの処理部２は初めに、情報サービスサーバＥＴのいずれかから、類似会社の選択の対象となる会社（企業）についての業種データを取得する（ステップＳ１）。このステップＳ１により取得される業種データとは、例えば図３に示すように、「上場企業（上場会社）」を頂点として、大分類から細分類に至る階層的な業種データであり、その最下層がその直上の業種に属する具体的な会社の名称（「Ｏバック」、「ＳＳ情報システム」等）となっている。このような業種データの取得元の情報サービスサーバＥＴに記録されているデータには、例えば東洋経済新報社（固有名詞）の業種細分類のデータや、上記金融庁（ＥＤＩＮＥＴ）の業種分類又はセグメント情報等が含まれている。 As illustrated in FIG. 2, in the similar company selection process according to the embodiment, the processing unit 2 of the server apparatus SV first selects a company (company) to be selected as a similar company from one of the information service servers ET. Is acquired (step S1). For example, as shown in FIG. 3, the industry data acquired in this step S1 is hierarchical industry data from a large classification to a fine classification with “listed company (listed company)” as the apex. Is the name of a specific company (“O-back”, “SS information system”, etc.) belonging to the industry immediately above. The data recorded in the information service server ET from which the industry data is obtained includes, for example, the industry subcategory data of Toyo Keizai Shinposha (proprietary nouns), the industry classification or segment of the Financial Services Agency (EDINET), etc. Information etc. are included.
次に処理部２は、情報サービスサーバＥＴのいずれかから、類似会社の選択の対象となる会社（企業）についての財務データを、当該会社ごとに取得する（ステップＳ２）。このステップＳ２により取得される会社ごとの財務データには、例えば、過去５年分の主な経営指標のデータの一部又は全部の項目を会社ごとに示すデータ、過去２年分の損益計算書の一部又は全部の項目を会社ごとに示すデータ、及び過去２年分のキャッシュフロー計算書の一部又は全部を示すデータが含まれている。このような財務データの取得元の情報サービスサーバＥＴに記録されているデータには、例えば上記金融庁（ＥＤＩＮＥＴ）の有価証券報告書或いはＸＢＲＬファイル等のデータ含まれている。 Next, the processing unit 2 acquires, for each company, financial data about the company (company) that is the target of selection of the similar company from any of the information service servers ET (step S2). The financial data for each company acquired in this step S2 includes, for example, data indicating some or all items of main management index data for the past five years for each company, and profit and loss statements for the past two years. Data indicating some or all of the items for each company and data indicating some or all of the cash flow statements for the past two years. The data recorded in the information service server ET from which the financial data is obtained includes, for example, data such as a securities report of the above-mentioned Financial Agency (EDINET) or an XBRL file.
次に処理部２は、情報サービスサーバＥＴのいずれかから、対象となる会社（企業）が類似する類似会社を示す類似会社データを、当該会社ごとに取得する（ステップＳ３）。このステップＳ３により取得される会社ごとの類似会社データには、例えば図４に示すように、対象となる会社ごとに、例えばその業種の小分類に基づいて選択された類似会社（図４においては「比較会社」と示している）を示す既存のデータが含まれている。またこの類似会社データには、いわゆる有向ネットワーク関係（即ちどの会社Ａから見てどの会社が類似していると判定されているのか）を示すデータも含まれている。このような類似会社データの取得元の情報サービスサーバＥＴに記録されているデータには、例えば上記東洋経済新報社（固有名詞）の会社四季報のデータや、各金融機関のいわゆるアナリストデータ等が含まれている。 Next, the processing unit 2 acquires similar company data indicating a similar company with a similar target company (company) from any of the information service servers ET (step S3). In the similar company data for each company acquired in step S3, for example, as shown in FIG. 4, for each target company, for example, a similar company selected based on the subcategory of the type of business (in FIG. 4, Existing data indicating "comparative company"). The similar company data also includes data indicating a so-called directed network relationship (that is, which company is determined to be similar as viewed from which company A). The data recorded in the information service server ET from which similar company data is obtained include, for example, the company quarterly data of Toyo Keizai Shinposha (proprietary noun), so-called analyst data of each financial institution, etc. It is included.
次に処理部２は、上記ステップＳ１及びステップＳ２によりそれぞれ取得された業種データ及び財務データを用いて、類似性の判断の対象となる各会社について、その会社がいずれの類似会社群に属しており、且つ、その類似会社群自体に対してその会社がどの程度類似しているかを算出する（ステップＳ４）。このステップＳ４についてより具体的に図５及び図６を用いて説明すると、先ず処理部２は、上記業種データ及び財務データに基づき、例えば経験的に予め設定された基準に基づいて業種が近いとされる複数（ｎ個）の比較会社（類似会社として比較される会社）について、その比較会社ごとの財務データに含まれるｍ種類の財務数値を各行列要素とする会社・財務数値行列Ｖを生成する（図５左参照）。このとき、当該会社・財務数値行列Ｖの各行列要素Ｖｎｍはそれぞれ、「会社ｎの財務数値ｍの値」を示している。なお、実際の数としては、例えば「ｎ」は３，５００（即ち上場会社の数）、「ｍ」は１００（即ち、注目すべき財務数値の数）とされる。次に処理部２は、上記生成された会社・財務数値行列Ｖを、非負値行列因子分解処理により、複数の類似会社群のそれぞれに対する当該各会社の類似度Ｗｎｒを行列要素とする類似度行列Ｗ（図５中央参照）と、財務データに含まれる各財務数値の各類似会社群のそれぞれに対する貢献度Ｈｒｍを行列要素とする貢献度行列Ｈ（図５右参照）と、分解する。このとき、類似度行列Ｗの各行列要素Ｗｎｒはそれぞれ、「企業ｎの類似会社群ｒに対する類似度」を示しており、その値が大きいほど、その会社がその類似会社群内でよりその中央に近いことを意味している。また、貢献度行列Ｈの各行列要素Ｈｒｍはそれぞれ、「類似会社群ｒへの財務数値ｍの貢献度」を示しており、その値が大きいほどその類似会社群への貢献度が大きいことを意味している。なお、実施形態に係る非負値行列因子分解処理自体は従来の比較又は推薦等の手法であり、より具体的には、例えば、「Lee DD, Seung HS. (1999) “Learning the parts of objects by non-negative matrix factorization”, Nature, 401, 788-791」に詳しい。また、当該非負値行列因子分解処理の高速化手法については、例えば、「Hsieh CJ, Dhillon IS. (2011) “Fast coordinate descent methods with variable selection for non-negative matrix factorization”, KDD, 1064-1072」に詳しい。 Next, the processing unit 2 uses the industry data and financial data acquired in steps S1 and S2 respectively, and for each company that is the target of similarity determination, the company belongs to any similar company group. And how similar the company is to the similar company group itself is calculated (step S4). This step S4 will be described more specifically with reference to FIG. 5 and FIG. 6. First, the processing unit 2 is based on the industry data and financial data, for example, if the industry is close based on empirically preset criteria. A company / financial numerical matrix V is generated for each of the multiple (n) comparative companies (companies that are compared as similar companies) with m types of financial values included in the financial data of each comparative company as matrix elements. (Refer to the left of FIG. 5). At this time, each matrix element V nm of the company / financial numerical matrix V indicates “the value of the financial numerical value m of company n”. As actual numbers, for example, “n” is 3,500 (that is, the number of listed companies), and “m” is 100 (that is, the number of financial values to be noted). Next, the processing unit 2 performs a non-negative matrix factorization process on the generated company / financial numerical matrix V and uses the similarity W nr of each company for each of a plurality of similar company groups as a matrix element. The matrix W (see the center of FIG. 5) and the contribution matrix H (see the right of FIG. 5) having the matrix H as the contribution H rm of each financial value included in the financial data to each similar company group are decomposed. At this time, each matrix element W nr of the similarity matrix W indicates “similarity of the company n with respect to the similar company group r”, and the larger the value, the more the company is within the similar company group. It means close to the center. Each matrix element H rm of the contribution matrix H indicates “the contribution of the financial value m to the similar company group r”, and the greater the value, the greater the contribution to the similar company group. Means. The non-negative matrix factorization process itself according to the embodiment itself is a conventional method such as comparison or recommendation. More specifically, for example, “Lee DD, Seung HS. (1999)“ Learning the parts of objects by Non-negative matrix factorization ”, Nature, 401, 788-791”. In addition, for example, “Hsieh CJ, Dhillon IS. (2011)“ Fast coordinate descent methods with variable selection for non-negative matrix factorization ”, KDD, 1064-1072” Be familiar with.
ここで、上記類似会社群ｒの数は、例えば類似会社を選択する使用者がその使用者端末ＵＴにおいて入力した値をサーバ装置ＳＶにおいて受信して上記類似度行列Ｗ等の生成に用いてもよいし、当該類似会社群ｒの数自体を処理部２が自動的に決定してもよい。そこで、当該類似会社群数ｒの自動による決定方法について、図６を用いて説明する。 Here, the number of the similar company group r may be obtained by, for example, receiving a value input by the user who selects a similar company at the user terminal UT at the server device SV and generating the similarity matrix W or the like. Alternatively, the processing unit 2 may automatically determine the number of the similar company group r itself. Therefore, a method for automatically determining the number r of similar companies will be described with reference to FIG.
先ず、図５に示した非負値行列因子分解処理による会社・財務数値行列Ｖの分解は、ランダムな初期値を用いた最適化計算を行うこととなるため、複数回行った場合にそれらが同じ解（上記類似度行列Ｗ及び上記貢献度行列Ｈ）に収束するとは限らない。そこで、類似企業群の数等の安定性を確認すべく、上記会社・財務数値行列Ｖの分解を複数回試行する。即ち、類似会社群の数ｒを自動で決定する場合、処理部２は先ず、図５に示す会社・財務数値行列Ｖの分解の一試行（一回行うこと）による分類結果を「０」／「１」で表現した隣接行列を図６（ａ）に例示するように生成する。このとき、右下向きの対角線上の行列要素は全て「１」となる。そして処理部２は、上記会社・財務数値行列Ｖの分解を百回行い（百回試行し）、その結果を合計して「１００」で除することにより、その行列要素が「０」から「１」の間で連続値となるコンセンサス行列（図６（ｂ）参照）を生成する。なお図６（ｂ）は、各行列要素を「１００」で除する前のコンセンサス行列を示している。ここで図６（ｂ）に例示する場合、例えばＡ社とＢ社の類似度は「０．８３（８３）」であり、Ａ社とＣ社の類似度は「０．１７（１７）」であり、Ａ社とＺ社の類似度は「０．６２（６２）」であるため、結果として、Ａ社も最も類似している会社はＢ社であり、次に類似している会社はＺ社であり、一方Ａ社とＣ社とは類似度が低い、ということになる。次に処理部２は、類似会社群の数を手動ではなく自動で決定すべく、いわゆる「階層的クラスタリング」等の結果を事前知識の一種とすることで、コンセンサス行列の内容を定量的に評価する。例えば図６（ｃ）に例示するように、図６（ｂ）に例示するコンセンサス行列を階層的クラスタリングすると、Ａ社とＢ社が最も類似しており、次にはＺ社がＡ社に類似しており、一方Ｃ社とＡ社との間の類似度はかなり低いということになる。そして、このようなクラスタリングを類似会社群数ｒについて繰り返し、両者のいわゆるCophenetic相関係数を算出することで、最適な類似会社群数（クラスタ数）ｒが得られる。例えば比較会社の数が１５の場合について図６（ｄ）に例示するように、横軸に取った類似会社群数（rank数）に対して縦軸の値「１．０」のとき会社同士が最も類似していることを示しているので、この例では、類似会社群数ｒとして「６」が採用される。このとき、当該６個の類似会社群をそれぞれ半分ずつにした１２個の類似会社群数が二番目に適切な類似会社群数ｒであると考えることもできる。なお、図６において説明した類似会社群の数の決定手法は、例えば、「Brunet JP, Tamayo P, Golub TR, Mesirov JP. (2004) “Metagenes and molecular pattern discovery using matrix factorization”, Proc Natl Acad Sci USA, 101(12), 4164-4169」に記載されている。 First, since the decomposition of the company / financial numerical matrix V by the non-negative matrix factorization processing shown in FIG. 5 performs optimization calculation using random initial values, they are the same when performed multiple times. It does not necessarily converge to the solution (the similarity matrix W and the contribution matrix H). Therefore, in order to confirm the stability such as the number of similar enterprise groups, the company / financial numerical matrix V is decomposed a plurality of times. That is, when the number r of similar company groups is automatically determined, the processing unit 2 first sets the classification result by one trial (one time) of the company / financial numerical matrix V shown in FIG. An adjacency matrix expressed by “1” is generated as illustrated in FIG. At this time, all the matrix elements on the diagonal line pointing downward to the right are “1”. Then, the processing unit 2 performs the decomposition of the company / financial numerical matrix V 100 times (trials 100 times), sums the results and divides them by “100”, so that the matrix elements are changed from “0” to “0”. A consensus matrix (see FIG. 6B) that is a continuous value between “1” is generated. FIG. 6B shows a consensus matrix before each matrix element is divided by “100”. 6B, for example, the similarity between company A and company B is “0.83 (83)”, and the similarity between company A and company C is “0.17 (17)”. Since the similarity between Company A and Company Z is “0.62 (62)”, as a result, Company A is also the most similar company, Company B is the next similar company, Company Z, while Company A and Company C have low similarity. Next, the processing unit 2 evaluates the contents of the consensus matrix quantitatively by using a result such as “hierarchical clustering” as a kind of prior knowledge so as to automatically determine the number of similar company groups instead of manually. To do. For example, as illustrated in FIG. 6C, when the consensus matrix illustrated in FIG. 6B is hierarchically clustered, Company A and Company B are most similar, and then Company Z is similar to Company A. On the other hand, the similarity between company C and company A is quite low. Then, by repeating such clustering for the similar company group number r and calculating the so-called Cophenetic correlation coefficient between them, the optimum similar company group number (cluster number) r can be obtained. For example, in the case where the number of comparison companies is 15, as illustrated in FIG. 6D, when the value of the vertical axis is “1.0” with respect to the number of similar company groups (number of ranks) on the horizontal axis, In this example, “6” is adopted as the number r of similar companies. At this time, the number of 12 similar company groups obtained by halving the 6 similar company groups can be considered to be the second most suitable similar company group number r. The method for determining the number of similar companies described in FIG. 6 is, for example, “Brunet JP, Tamayo P, Golub TR, Mesirov JP. (2004)“ Metagenes and molecular pattern discovery using matrix factorization ”, Proc Natl Acad Sci. USA, 101 (12), 4164-4169 ”.
以上の図５及び図６を用いて説明した実施形態に係る非負値行列因子分解処理による類似渡行列Ｗに含まれる行列要素として、各比較会社の各類似会社群における類似度Ｗｎｒが自動的に算出される。 As the matrix elements included in the similarity matrix W by the non-negative matrix factorization processing according to the embodiment described above with reference to FIGS. 5 and 6, the similarity W nr in each similar company group of each comparison company is automatically set. Is calculated.
その後処理部２は、上記ステップＳ４の算出結果としての上記類似度Ｗｎｒ等を、ネットワークＮＷを介して使用者端末ＵＴに出力し（ステップＳ５）、当該使用者端末ＵＴにおける表示等に供させる。その後処理部２は、例えばサーバ装置ＳＶの電源がオフとされる等により、実施形態に係る類似会社の選択処理を終了するか否かを判定する（ステップＳ６）。ステップＳ６の判定において当該選択処理を終了する場合（ステップＳ６：ＹＥＳ）、処理部２はそのまま当該選択処理を終了する。一方ステップＳ６の判定において、当該選択処理を終了しない場合（ステップＳ６：ＮＯ）、処理部２は、上記ステップＳ１に戻って上述してきた一連の処理を繰り返す。 Thereafter, the processing unit 2 outputs the similarity W nr or the like as the calculation result of the step S4 to the user terminal UT via the network NW (step S5), and provides the display or the like on the user terminal UT. . Thereafter, the processing unit 2 determines whether or not the similar company selection processing according to the embodiment is to be ended, for example, when the server device SV is powered off (step S6). When the selection process ends in the determination in step S6 (step S6: YES), the processing unit 2 ends the selection process as it is. On the other hand, if it is determined in step S6 that the selection process is not terminated (step S6: NO), the processing unit 2 returns to step S1 and repeats the series of processes described above.
次に、使用者端末ＵＴのディスプレイ１３における上記ステップＳ５に係る各種結果の表示例について、図７乃至図１０を用いて説明する。なお、図７乃至図１０においては、上記類似会社群を便宜上「Group」と称しており、類似会社群の数ｒは「４」とされている。 Next, display examples of various results according to step S5 on the display 13 of the user terminal UT will be described with reference to FIGS. 7 to 10, the similar company group is referred to as “Group” for convenience, and the number r of similar company groups is “4”.
先ず、上記ステップＳ２で取得した財務データに含まれる財務数値に基づいて類似会社群を形成した場合、その結果としては、例えば図７に示す一覧表が使用者端末ＵＴのディスプレイ１３に表示される。このとき、類似会社群の数が４となっているが、上記財務数値で見た場合は「オ社」なる会社には、類似会社がないことになる。 First, when a similar company group is formed based on the financial values included in the financial data acquired in step S2, the list shown in FIG. 7, for example, is displayed on the display 13 of the user terminal UT. . At this time, the number of similar company groups is four. However, in terms of the above financial figures, the company “O” has no similar company.
次に、上記ステップＳ４で算出された類似度Ｗｎｒは、例えば図８に例示する態様でディスプレイ１３に表示される。このとき、各会社の各類似会社群に対する類似度Ｗｎｒ自体が具体的な数値として表されている。なお図８において、空白部分は値「０」（即ち全く類似しないこと）を意味している。図８に例示する場合、各会社は、最も類似度Ｗｎｒの類似会社群（Group）に分類されている。そして、類似会社群１（Group 1）に属する五社の中で当該類似会社群１に対して最も類似度が高い会社は「シ社」なる会社であり、類似会社群２（Group 2）については「オ社」なる会社のみが類似性があるとされている。また、類似会社群３（Group 3）に属する四社の中で当該類似会社群３に対して最も類似度が高い会社は「カ社」なる会社であり、類似会社群４（Group 4）に属する五社の中で当該類似会社群４に対して最も類似度が高い会社は「コ社」なる会社であることが判る。一方、例えば「ウ社」なる会社については、類似会社群１に対する類似度Ｗｎｒが「１．７５」で最も高いが、類似会社群３に対する類似度Ｗｎｒ（１．７０）とは僅差と言える。よって「ウ社」としては、類似会社群３に分類されるとも考えられる。 Next, the similarity W nr calculated in step S4 is displayed on the display 13 in the manner illustrated in FIG. 8, for example. At this time, the similarity W nr itself for each similar company group of each company is represented as a specific numerical value. In FIG. 8, the blank portion means the value “0” (that is, not similar at all). In the case illustrated in FIG. 8, each company is classified into a similar company group (Group) having the highest similarity W nr . Of the five companies belonging to the similar company group 1 (Group 1), the company having the highest similarity to the similar company group 1 is the company “Shi company”, and the similar company group 2 (Group 2) It is said that only the company “O Company” is similar. In addition, among the four companies belonging to the similar company group 3 (Group 3), the company having the highest similarity to the similar company group 3 is the company “K”, and the similar company group 4 (Group 4) It can be seen that the company having the highest degree of similarity with respect to the similar company group 4 among the five companies to which the company belongs is the company “Kosha”. On the other hand, for the company “U”, for example, the similarity W nr for the similar company group 1 is the highest at “1.75”, but it is slightly different from the similarity W nr (1.70) for the similar company group 3. I can say that. Therefore, it is considered that “U” is classified into the similar company group 3.
次に、上記ステップＳ４で算出された貢献度Ｈｒｍは、例えば図９に例示する態様でディスプレイ１３に表示される。このとき、財務データに含まれる各財務数値の各類似会社群のそれぞれに対する貢献度Ｈｒｍ自体が具体的な数値として表されている。なお図９においては、空白部分は値「０」（即ち全く貢献していないこと）を意味している。また、図９の各図においては、財務数値の一部のみを示している。図９にそれぞれ例示するように、各類似会社群（Group）ごとに、その類似度に貢献する財務数値の種類が異なっていることが表示される。そして、図９（ａ）には類似会社群１（Group 1）に対する貢献度Ｈｒｍが高い財務数値の種類が示されており、図９（ｂ）には類似会社群２（Group 2）に対する貢献度Ｈｒｍが高い財務数値の種類が示されており、図９（ｃ）には類似会社群３（Group 3）に対する貢献度Ｈｒｍが高い財務数値の種類が示されており、図９（ｄ）には類似会社群４（Group 4）に対する貢献度Ｈｒｍが高い財務数値の種類が示されている。 Next, the contribution degree H rm calculated in step S4 is displayed on the display 13 in the manner illustrated in FIG. 9, for example. At this time, the contribution degree H rm itself of each financial numerical value included in the financial data to each similar company group is represented as a specific numerical value. In FIG. 9, the blank portion means the value “0” (that is, no contribution is made). Moreover, in each figure of FIG. 9, only a part of financial figure is shown. As illustrated in FIG. 9, for each similar company group (Group), it is displayed that the types of financial numerical values contributing to the similarity are different. FIG. 9A shows the types of financial values having a high contribution Hrm to the similar company group 1 (Group 1), and FIG. 9B shows the similar company group 2 (Group 2). contribution H rm is shown the kind of high financial data, contribution H rm is shown the kind of high financial figures for similar companies group 3 (group 3) in FIG. 9 (c), the FIG. 9 (D) shows the types of financial values having a high contribution Hrm to the similar company group 4 (Group 4).
以上図７乃至図９を用いて説明した態様で上記類似度Ｗｎｒ等が使用者端末ＵＴのディスプレイ１３に表示されるため、使用者端末ＵＴを使用する使用者が、それを確認した上でいずれかの会社を類似会社として選択することができる。なお、図８に示した類似度Ｗｎｒについては、例えば図１０に示すように、四つの類似会社群に分けて（つまり四次元的に）表示される類似度Ｗｎｒをｔ−ＳＮＥ（t-distributed stochastic neighbor embedding）法なる手法を用いて二次元のグラフとして表示してもよい。なおこの手法については、例えば「van der Maaten LJP, Hinton GE. (2008) "Visualizing high-dimensional data using t-SNE", J Machine Learning Research, 9, 2579-2605.」等に詳しい。図１０に例示する表示態様の場合、図８に示した類似度の値に基づき、各会社の表示位置が決定される。このように二次元的に表示することで、不慣れな使用者であっても、類似会社群に対する各社の類似度を認識することができる。 Since the similarity W nr and the like are displayed on the display 13 of the user terminal UT in the manner described with reference to FIGS. 7 to 9, the user using the user terminal UT has confirmed that Any company can be selected as a similar company. For example, as shown in FIG. 10, the similarity W nr shown in FIG. 8 is divided into four similar company groups (that is, four-dimensionally) and the similarity W nr is displayed as t-SNE (t -distributed stochastic neighbor embedding) method may be used to display a two-dimensional graph. This method is detailed in, for example, “van der Maaten LJP, Hinton GE. (2008)“ Visualizing high-dimensional data using t-SNE ”, J Machine Learning Research, 9, 2579-2605. In the case of the display mode illustrated in FIG. 10, the display position of each company is determined based on the similarity value shown in FIG. By displaying two-dimensionally in this way, even unskilled users can recognize the similarity of each company with respect to a similar company group.
以上それぞれ説明したように、実施形態に係る類似会社の選択処理によれば、業種データ及び財務データを少なくとも含む会社データを会社ごとに取得し、それら財務データ及び業種データに基づき、業種が近いとされる複数の会社についての会社・財務数値行列Ｖを、非負値行列因子分解処理により類似度行列Ｗと貢献度行列Ｈとに分解する。そして、分割後の類似度行列Ｗに行列要素として含まれる各類似度Ｗｎｒを、類似会社群ごと且つ会社ごとに、類似度Ｗｎｒを利用する者が使用する使用者端末ＵＴに出力する。よって、当該利用者に対して、財務データ及び業種データに少なくとも基づいた類似会社群に対する客観的な類似度Ｗｎｒを自動的に提供することができる。 As described above, according to the similar company selection process according to the embodiment, company data including at least industry data and financial data is obtained for each company, and based on the financial data and industry data, The company / financial numerical matrix V for a plurality of companies is decomposed into a similarity matrix W and a contribution matrix H by non-negative matrix factorization processing. Then, each similarity W nr included as a matrix element in the similarity matrix W after division is output to the user terminal UT used by the person using the similarity W nr for each similar company group and for each company. Therefore, it is possible to automatically provide the user with an objective similarity W nr for a similar company group based at least on the financial data and the industry data.
また、三以上の類似会社群に対する会社ごとの類似度Ｗｎｒを二次元のグラフ（図１０参照）に変換して使用者端末ＵＴに出力する場合は、使用者端末ＵＴの使用者に対して見易い状況で客観的な類似度Ｗｎｒを自動的に提供することができる。 In addition, when the similarity W nr for each company with respect to three or more similar company groups is converted into a two-dimensional graph (see FIG. 10) and output to the user terminal UT, the user of the user terminal UT is notified. An objective similarity W nr can be automatically provided in an easily viewable situation.
更に、貢献度行列Ｈに行列要素として含まれる各貢献度Ｈｒｍを、財務データの種類ごと且つ類似会社群ごとに使用者端末ＵＴに更に出力するので、類似会社の自動選択の際に参照された財務データの類似度Ｗｎｒの算出に対する貢献度Ｈｒｍを、類似会社群ごと且つ財務データの種類ごとに利用者に提供することができる。 Further, since each contribution Hrm included in the contribution matrix H as a matrix element is further output to the user terminal UT for each type of financial data and for each similar company group, it is referred to when automatically selecting a similar company. The degree of contribution H rm to the calculation of the similarity W nr of the financial data can be provided to the user for each similar company group and for each type of financial data.
更にまた、使用者端末ＵＴにより指定される数の類似会社群について、財務データ及び業種データに基づき、会社・財務数値行列Ｖを、非負値行列因子分解処理により類似度行列Ｗと貢献度行列Ｈとに分解するので、類似会社群の数を任意とした類似度を提供することができる。 Furthermore, for the number of similar companies specified by the user terminal UT, based on the financial data and industry data, the company / financial numerical matrix V is converted into a similarity matrix W and a contribution matrix H by non-negative matrix factorization processing. Therefore, it is possible to provide a degree of similarity with an arbitrary number of similar company groups.
なお上述した実施形態では、類似度Ｗｎｒの算出に上記ステップＳ３で取得した類似会社データを使用することはなかったが、当該既定の類似会社データを分解後の類似度行列Ｗに行列要素として含まれる各類似度Ｗｎｒに加えて使用者端末ＵＴに出力することとすれば、例えば当該使用者における検証用として当該類似会社データを提供することができる。 In the embodiment described above, the similar company data acquired in step S3 is not used to calculate the similarity W nr . However, the predetermined similar company data is used as a matrix element in the similarity matrix W after decomposition. If output to the user terminal UT in addition to each included similarity W nr , the similar company data can be provided for verification by the user, for example.
また、上述した実施形態に係る構成に加えて、外部から取得された上記各会社データに対応する会社との類似度が算出されるべき対象会社の、使用者端末ＵＴを用いた使用者による指定により、当該対象会社についての業種データ及び財務データを更に取得し、当該対象会社についての業種データ及び財務データに更に基づいて、会社・財務数値行列Ｖを、非負値行列因子分解処理により、対象会社を含む各会社の類似度Ｗｎｒを行列要素とする類似度行列Ｗと、貢献度行列Ｈと、に分解するように構成してもよい。そして処理部２は、当該分解後の類似度行列Ｗに行列要素として含まれる各類似度Ｗｎｒを、対象会社を含む会社ごと且つ類似会社群ごとに使用者端末ＵＴに出力するように構成してもよい。この場合には、各会社とのあいだの類似度Ｗｎｒを認識したい対象会社の客観的な当該類似度Ｗｎｒを、当該使用者に対して自動的に提供することができる。 Further, in addition to the configuration according to the embodiment described above, designation by the user using the user terminal UT of the target company whose similarity with the company corresponding to each company data acquired from the outside should be calculated To further obtain the industry data and financial data for the target company, and further, based on the industry data and financial data for the target company, the company / financial numerical matrix V is subjected to non-negative matrix factorization processing. It may be configured to decompose into a similarity matrix W having a similarity W nr of each company including a matrix element and a contribution matrix H. The processing unit 2 is configured to output each similarity W nr included as a matrix element in the decomposed similarity matrix W to the user terminal UT for each company including the target company and for each similar company group. May be. In this case, it is possible to automatically provide the user with the objective similarity W nr of the target company that wants to recognize the similarity W nr between each company.
更に、上述した実施形態に係る類似度Ｗｎｒは上記ＷＡＣＣの算出に用いられるものである例について説明したが、当該類似度Ｗｎｒ自体は、これ以外にも種々の用途がある。より具体的に例えば業績予測の算出に用いてもよい。 Furthermore, although the example in which the similarity W nr according to the above-described embodiment is used for the calculation of the WACC has been described, the similarity W nr itself has various uses other than this. More specifically, for example, it may be used for calculation of performance forecasts.
更に上述した実施形態では、一のサーバ装置ＳＶを用いて類似会社の選択処理を実行する場合について説明したが、これ以外に、ネットワークＮＷ上に複数のサーバ装置を設置し、それら機能を分割して担当することで、情報処理システムＳとしての冗長性及び抗堪性を高めることができる。 Furthermore, in the above-described embodiment, the case where a similar company selection process is executed using one server device SV has been described. However, in addition to this, a plurality of server devices are installed on the network NW and their functions are divided. Therefore, the redundancy and tolerability of the information processing system S can be increased.
更にまた、図２に示すフローチャートに相当するプログラムを、光ディスク等の記録媒体に記録しておき、或いはネットワークＮＷを介して取得して記録しておき、それらを汎用のマイクロコンピュータ等により読み出して実行することにより、当該マイクロコンピュータ等を、実施形態に係る処理部２として機能させることも可能である。 Furthermore, a program corresponding to the flowchart shown in FIG. 2 is recorded on a recording medium such as an optical disk, or acquired and recorded via a network NW, and read and executed by a general-purpose microcomputer or the like. By doing so, it is possible to cause the microcomputer or the like to function as the processing unit 2 according to the embodiment.
以上それぞれ説明したように、本発明は情報処理システムの分野に利用することが可能であり、特に特に商品の取引に関連する企業の企業価値又は株式価値を算定する情報処理システムの分野に適用すれば、特に顕著な効果が得られる。 As described above, the present invention can be used in the field of information processing systems, and is particularly applied to the field of information processing systems for calculating the corporate value or stock value of a company related to product transactions. In particular, a particularly remarkable effect can be obtained.
１、１０ 通信部
２、１１ 処理部
３、１２ 操作部
４、１３ ディスプレイ
５、１４ 記録部
Ｓ 情報処理システム
ＵＴ 使用者端末
ＥＴ、ＥＴ１、ＥＴ２、ＥＴｎ 情報サービスサーバ
ＳＶ サーバ装置
ＮＷ ネットワーク
DESCRIPTION OF SYMBOLS 1,10 Communication part 2,11 Processing part 3,12 Operation part 4,13 Display 5,14 Recording part S Information processing system UT User terminal ET, ET1, ET2, ETn Information service server SV server apparatus NW network
Claims (8)
前記取得した財務情報及び業種情報に基づき、予め設定された基準に基づいて業種が近いとされる複数の会社についての会社・財務数値行列を、非負値行列因子分解（Nonnegative Matrix Factorization）処理により、複数の類似会社群のそれぞれに対する当該各会社の類似度を行列要素とする類似度行列と、前記財務情報に含まれる各財務数値の各前記類似会社群のそれぞれに対する貢献度を行列要素とする貢献度行列と、に分解する処理手段と、
当該分解後の類似度行列に行列要素として含まれる各前記類似度を、前記類似会社群ごと且つ前記会社ごとに、前記類似度を利用する者が使用する端末装置に出力する出力手段と、
を備えることを特徴とする情報処理装置。 Acquisition means for acquiring, from outside the company, company information including at least the industry information indicating the industry of the company and the financial information indicating the financial status of the company;
Based on the acquired financial information and industry information, a company / financial numerical matrix for a plurality of companies that are considered to be close to the industry based on a preset standard, by a nonnegative matrix factorization process, A similarity matrix with the similarity of each company to each of a plurality of similar companies as a matrix element, and a contribution with a matrix element as the contribution of each financial value included in the financial information to each of the similar companies Processing means for decomposing into a degree matrix,
Output means for outputting each similarity included as a matrix element in the decomposed similarity matrix for each similar company group and each company to a terminal device used by a person using the similarity;
An information processing apparatus comprising:
前記出力手段は、三以上の類似会社群に対する前記会社ごとの前記類似度を二次元のグラフに変換して前記端末装置に出力することを特徴とする情報処理装置。 The information processing apparatus according to claim 1,
The information processing apparatus, wherein the output unit converts the similarity for each of the three or more similar company groups into a two-dimensional graph and outputs the two-dimensional graph to the terminal device.
前記出力手段は更に、前記分解後の貢献度行列に行列要素として含まれる各前記貢献度を、前記財務情報の種類ごと且つ前記類似会社群ごとに前記端末装置に出力することを特徴とする情報処理装置。 The information processing apparatus according to claim 1 or 2,
The output means further outputs each contribution included as a matrix element in the decomposed contribution matrix to the terminal device for each type of the financial information and for each similar company group. Processing equipment.
前記取得手段は、各前記会社間の予め設定された類似度を示す類似会社情報を前記会社情報として更に取得し、
前記出力手段は、前記分解後の類似度行列に行列要素として含まれる各前記類似度に加えて、前記更に取得された類似会社情報を前記端末装置に出力することを特徴とする情報処理装置。 In the information processing apparatus according to any one of claims 1 to 3,
The acquisition means further acquires similar company information indicating a preset similarity between the companies as the company information,
The output device outputs the further acquired similar company information to the terminal device in addition to the similarities included as matrix elements in the decomposed similarity matrix.
前記取得手段は、前記取得した会社情報に対応する前記会社との前記類似度が算出されるべき対象会社についての前記業種情報及び前記財務情報を更に取得し、
前記処理手段は、前記対象会社について前記取得された業種情報及び財務情報に更に基づいて、前記会社・財務数値行列を、前記非負値行列因子分解処理により、前記対象会社を含む各前記会社の前記類似度を行列要素とする前記類似度行列と、前記貢献度行列と、に分解し、
前記出力手段は、当該分解後の類似度行列に行列要素として含まれる各前記類似度を、前記対象会社を含む前記会社ごと且つ前記類似会社群ごとに前記端末装置に出力することを特徴とする情報処理装置。 In the information processing apparatus according to any one of claims 1 to 4,
The acquisition means further acquires the industry information and the financial information about a target company whose similarity with the company corresponding to the acquired company information is to be calculated,
The processing means is further based on the acquired industry information and financial information for the target company, the company / financial numerical matrix by the non-negative matrix factorization process, the said of each company including the target company Decomposing the similarity matrix having the similarity as a matrix element and the contribution matrix,
The output means outputs each similarity included as a matrix element in the decomposed similarity matrix to the terminal device for each company including the target company and for each similar company group. Information processing device.
前記取得手段は、前記類似会社群の数を指定する指定情報を更に取得し、
前記処理手段は、前記取得された指定情報により指定される数の前記類似会社群について、前記取得した財務情報及び業種情報に基づき、前記会社・財務数値行列を、前記非負値行列因子分解処理により前記類似度行列と前記貢献度行列とに分解することを特徴とする情報処理装置。 In the information processing apparatus according to any one of claims 1 to 5,
The acquisition means further acquires designation information for designating the number of similar company groups,
The processing means, for the number of similar companies specified by the acquired designation information, based on the obtained financial information and industry information, the company-financial numerical matrix is obtained by the non-negative matrix factorization process An information processing apparatus, wherein the information processing apparatus decomposes the similarity matrix and the contribution matrix.
会社の業種を示す業種情報と、当該会社の財務状況を示す財務情報と、を少なくとも含む会社情報を、前記会社について外部から前記取得手段によりそれぞれ取得する取得工程と、
前記処理手段により、前記取得した財務情報及び業種情報に基づき、予め設定された基準に基づいて業種が近いとされる複数の会社についての会社・財務数値行列を、非負値行列因子分解処理により、複数の類似会社群のそれぞれに対する当該各会社の類似度を行列要素とする類似度行列と、前記財務情報に含まれる各財務数値の各前記類似会社群のそれぞれに対する貢献度を行列要素とする貢献度行列と、に分解する処理工程と、
当該分解後の類似度行列に行列要素として含まれる各前記類似度を、前記類似会社群ごと且つ前記会社ごとに、前記類似度を利用する者が使用する前記出力手段により端末装置に出力する出力工程と、
を含むことを特徴とする情報処理方法。 An information processing method executed in an information processing apparatus including an acquisition unit, a processing unit, and an output unit,
An acquisition step of acquiring company information including at least industry information indicating the industry of the company and financial information indicating the financial status of the company from the outside with respect to the company by the acquisition means;
Based on the acquired financial information and business type information by the processing means, the company / financial numerical matrix for a plurality of companies that are close to the business type based on preset criteria, by non-negative matrix factorization processing, A similarity matrix with the similarity of each company to each of a plurality of similar companies as a matrix element, and a contribution with a matrix element as the contribution of each financial value included in the financial information to each of the similar companies A process that decomposes into a degree matrix,
Output to the terminal device by the output means used by the person using the similarity for each similar company group and for each company, the similarity included in the similarity matrix after the decomposition Process,
An information processing method comprising:
会社の業種を示す業種情報と、当該会社の財務状況を示す財務情報と、を少なくとも含む会社情報を、前記会社について外部からそれぞれ取得する取得手段、
前記取得した財務情報及び業種情報に基づき、予め設定された基準に基づいて業種が近いとされる複数の会社についての会社・財務数値行列を、非負値行列因子分解処理により、複数の類似会社群のそれぞれに対する当該各会社の類似度を行列要素とする類似度行列と、前記財務情報に含まれる各財務数値の各前記類似会社群のそれぞれに対する貢献度を行列要素とする貢献度行列と、に分解する処理手段、及び、
当該分解後の類似度行列に行列要素として含まれる各前記類似度を、前記類似会社群ごと且つ前記会社ごとに、前記類似度を利用する者が使用する端末装置に出力する出力手段、
として機能させることを特徴とする情報処理用プログラム。 Computer
Acquisition means for acquiring, from outside the company, company information including at least the industry information indicating the industry of the company and the financial information indicating the financial status of the company;
Based on the acquired financial information and industry information, a company / financial numerical matrix for a plurality of companies whose industries are considered to be close based on a preset standard is obtained by performing a non-negative matrix factorization process to obtain a plurality of similar company groups. A similarity matrix having a matrix element that is the similarity of each company to each of the above, and a contribution matrix having a matrix element that is the contribution of each financial value included in the financial information to each of the similar companies. Disassembling means, and
An output means for outputting each similarity included as a matrix element in the decomposed similarity matrix for each similar company group and for each company to a terminal device used by a person using the similarity;
An information processing program characterized by functioning as
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2016233678A JP6229988B1 (en) | 2016-11-30 | 2016-11-30 | Information processing apparatus, information processing method, and information processing program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2016233678A JP6229988B1 (en) | 2016-11-30 | 2016-11-30 | Information processing apparatus, information processing method, and information processing program |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP6229988B1 true JP6229988B1 (en) | 2017-11-15 |
| JP2018092284A JP2018092284A (en) | 2018-06-14 |
Family
ID=60321180
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2016233678A Active JP6229988B1 (en) | 2016-11-30 | 2016-11-30 | Information processing apparatus, information processing method, and information processing program |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6229988B1 (en) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111782806A (en) * | 2020-06-16 | 2020-10-16 | 上海简答数据科技有限公司 | A search and classification method and system for similar listed companies based on artificial intelligence algorithm |
| CN118410461A (en) * | 2024-07-04 | 2024-07-30 | 中国烟草总公司四川省公司 | Financial data information extraction system and tax and profit forecasting system based on machine learning |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7065718B2 (en) * | 2018-07-19 | 2022-05-12 | 株式会社日立製作所 | Judgment support device and judgment support method |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4429814B2 (en) * | 2004-06-09 | 2010-03-10 | 株式会社エヌ・ティ・ティ・データ | Evaluation apparatus, evaluation method, and program |
| WO2006004131A1 (en) * | 2004-07-05 | 2006-01-12 | Intellectual Property Bank Corp. | Company evaluation device, company evaluation program, and company evaluation method |
| JP4937608B2 (en) * | 2006-03-14 | 2012-05-23 | 株式会社エヌ・ティ・ティ・データ | INDICATOR ESTIMATION DEVICE, INDICATOR ESTIMATION METHOD, AND INDICATOR ESTIMATION PROGRAM |
| US7788264B2 (en) * | 2006-11-29 | 2010-08-31 | Nec Laboratories America, Inc. | Systems and methods for classifying content using matrix factorization |
| JP4925917B2 (en) * | 2007-05-15 | 2012-05-09 | 株式会社エヌ・ティ・ティ・データ | Evaluation apparatus and method, and computer program |
-
2016
- 2016-11-30 JP JP2016233678A patent/JP6229988B1/en active Active
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111782806A (en) * | 2020-06-16 | 2020-10-16 | 上海简答数据科技有限公司 | A search and classification method and system for similar listed companies based on artificial intelligence algorithm |
| CN118410461A (en) * | 2024-07-04 | 2024-07-30 | 中国烟草总公司四川省公司 | Financial data information extraction system and tax and profit forecasting system based on machine learning |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2018092284A (en) | 2018-06-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Matsunaga et al. | Exploring graph neural networks for stock market predictions with rolling window analysis | |
| US10235425B2 (en) | Entity fingerprints | |
| Kotu et al. | Predictive analytics and data mining: concepts and practice with rapidminer | |
| US8214251B2 (en) | Methods and systems of organizing vendors of production print services by ratings | |
| CN104025130A (en) | Association Significance | |
| JP7261095B2 (en) | BUSINESS MATCHING SUPPORT DEVICE AND BUSINESS MATCHING SUPPORT METHOD | |
| CN103827895B (en) | entity fingerprint | |
| Mak et al. | A financial data mining model for extracting customer behavior | |
| Pranata et al. | Development clustering system IDX company with k-means algorithm and DBSCAN based on fundamental indicator and ESG | |
| JP6229988B1 (en) | Information processing apparatus, information processing method, and information processing program | |
| US20230101510A1 (en) | Information processing system, method for processing information, and non-transitory computer-readable recording medium | |
| Mahfuza et al. | LRFMV: An efficient customer segmentation model for superstores | |
| CN116523301A (en) | System for predicting risk rating based on big data of electronic commerce | |
| US12394123B2 (en) | Data interpolation platform for generating predictive and interpolated pricing data | |
| US10217115B2 (en) | Apparatus, methods, and articles of manufacture for business analysis | |
| Gyamerah | Two‐Stage Hybrid Machine Learning Model for High‐Frequency Intraday Bitcoin Price Prediction Based on Technical Indicators, Variational Mode Decomposition, and Support Vector Regression | |
| US20040098271A1 (en) | Method and system for tracking the lifecycles of technology items | |
| Guan et al. | Tokenomics in the Metaverse: understanding the lead-lag effect among emerging crypto tokens | |
| Li et al. | An improved SMOTE algorithm for enhanced imbalanced data classification by expanding sample generation space | |
| Reiners et al. | Lead time prediction for inventory optimization with machine learning | |
| CN113792749A (en) | Time series data abnormity detection method, device, equipment and storage medium | |
| Carbery et al. | Missingness analysis of manufacturing systems: A case study | |
| Chen et al. | Application of a 3NN+ 1 based CBR system to segmentation of the notebook computers market | |
| Palacio | The Art of Data-Driven Business | |
| ALQAHTANI | Market Basket Analysis in Polymers Industry: Power BI Case |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20170906 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20170912 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20171006 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6229988 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |