JP2022160785A - エンゲージメント型ファンド介入リスク予測装置 - Google Patents
エンゲージメント型ファンド介入リスク予測装置 Download PDFInfo
- Publication number
- JP2022160785A JP2022160785A JP2021065197A JP2021065197A JP2022160785A JP 2022160785 A JP2022160785 A JP 2022160785A JP 2021065197 A JP2021065197 A JP 2021065197A JP 2021065197 A JP2021065197 A JP 2021065197A JP 2022160785 A JP2022160785 A JP 2022160785A
- Authority
- JP
- Japan
- Prior art keywords
- engagement
- intervention
- type fund
- company
- risk
- 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.)
- Granted
Links
- 238000004088 simulation Methods 0.000 claims description 20
- 238000000034 method Methods 0.000 claims description 16
- 230000004044 response Effects 0.000 claims description 8
- 230000007423 decrease Effects 0.000 claims description 3
- 238000007726 management method Methods 0.000 description 66
- 238000012545 processing Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 16
- 230000008569 process Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 4
- 239000000470 constituent Substances 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002301 combined effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
Description
Xa=cxa (式1)
Xb=cxb (式2)
Y=α0logXc+β0 (式3)
(式3)では、Xcに基づいて総合スコアが算出される。これに対し、以下の(式4)に示すように、xaとxbの積に基づいて総合スコアが算出されてもよい。ここで、α1、β1は、ディスプレイの表示の際に画面上でスコアの分布を見やすく調整するための定数である。
Y=α1log(xaxb)+β1 (式4)
以下、実施形態の変形例を説明する。実施形態において教師データとして投入されるエンゲージメント型ファンド介入実績データ303は、特定のエンゲージメント型ファンドの介入実績データだけに限定されてよい。エンゲージメント型ファンド介入実績データ303が特定のエンゲージメント型ファンドの介入実績データだけに限定されることにより、予測モデル201は、特定のエンゲージメント型ファンドの介入リスクを予測するように学習を実施し得る。
Claims (12)
- 企業の財務状況及びガバナンスを含む前記企業の第1の情報に関わる第1の指標群とバリュエーションの観点から見た株式の割安さを含む前記企業の第2の情報に関わる第2の指標群との入力に対し、前記企業に対してエンゲージメント型ファンドが介入するリスクを表す介入リスクの予測値を出力するように構成され、前記エンゲージメント型ファンドの実際の介入実績のデータを教師データとして用いて、前記企業の第1の情報及び前記企業の第2の情報と前記エンゲージメント型ファンドが介入するリスクとの関係が学習された予測モデルに、前記企業の財務状況及びガバナンスを含む情報に関わるデータと前記企業の株価を含むデータとを入力して前記予測値を予測する予測部を具備するエンゲージメント型ファンド介入リスク予測装置。
- 前記予測値は、前記第1の指標群の総和に基づいて予測される前記企業の前記第1の情報に関わる第1のスコアと、前記第2の指標群の総和に基づいて予測される前記第2の情報に関わる第2のスコアとに基づいて予測される請求項1に記載のエンゲージメント型ファンド介入リスク予測装置。
- 前記第1のスコアと前記第2のスコアとは、前記企業の脆弱性を表すカテゴリ毎のスコアに基づいて予測される請求項2に記載のエンゲージメント型ファンド介入リスク予測装置。
- 前記予測部は、前記予測値、前記第1のスコア、前記第2のスコア、前記企業の脆弱性を表すカテゴリ毎のスコアのうちの少なくとも1つを出力する請求項3に記載のエンゲージメント型ファンド介入リスク予測装置。
- 前記第1の指標群及び前記第2の指標群に含まれる指標は、それぞれ、大きいほどに前記エンゲージメント型ファンドの介入リスクが高まる正の指標と、小さいほどに前記エンゲージメント型ファンドの介入リスクが高まる負の指標と、前記正の指標と前記負の指標の何れにも該当しない指標とに分類されている請求項1乃至4の何れか1項に記載のエンゲージメント型ファンド介入リスク予測装置。
- 前記第1の指標群及び前記第2の指標群は、前記企業の脆弱性を表すカテゴリ毎に分類され、
前記第1の指標群及び前記第2の指標群に含まれる指標は、前記予測値の出力に際して前記カテゴリ毎に重みが付けられ、
前記カテゴリ毎の重みには下限値と上限値が設定されている請求項1乃至5の何れか1項に記載のエンゲージメント型ファンド介入リスク予測装置。 - 前記予測値が閾値を超えたときにユーザに対して前記企業に対する前記エンゲージメント型ファンドの介入のリスクがあることを通知する通知部をさらに具備する請求項1乃至6の何れか1項に記載のエンゲージメント型ファンド介入リスク予測装置。
- 前記通知部は、前記予測値に代えて、又は前記予測値に加えて、前記第1の指標群の総和に基づいて予測される第1のスコア又は前記第2の指標群の総和に基づいて予測される第2のスコアが閾値を超えたときにユーザに対して前記企業に対する前記エンゲージメント型ファンドの介入のリスクがあることを通知する請求項7に記載のエンゲージメント型ファンド介入リスク予測装置。
- 前記予測モデルは、エンゲージメント型ファンドの要求種別毎に構成されている請求項1乃至8の何れか1項に記載のエンゲージメント型ファンド介入リスク予測装置。
- 前記エンゲージメント型ファンドの実際の介入実績のデータは、特定のエンゲージメント型ファンドの介入実績のデータである請求項1乃至9の何れか1項に記載のエンゲージメント型ファンド介入リスク予測装置。
- 前記企業の財務状況及びガバナンスを含む情報に関わるデータと前記企業の株価を含むデータとのうちの少なくとも1つがシミュレーションデータである請求項1乃至10の何れか1項に記載のエンゲージメント型ファンド介入リスク予測装置。
- 企業の財務状況及びガバナンスを含む前記企業の第1の情報に関わる第1の指標群とバリュエーションの観点から見た株式の割安さを含む前記企業の第2の情報に関わる第2の指標群との入力に対し、前記企業に対してエンゲージメント型ファンドが介入するリスクを表す介入リスクの予測値を出力するように構成され、前記エンゲージメント型ファンドの実際の介入実績のデータを教師データとして用いて、前記第1の情報及び前記第2の情報と前記エンゲージメント型ファンドが介入するリスクとの関係が学習された予測モデルに、前記企業の財務状況及びガバナンスを含む情報に関わるデータと前記企業の株価を含むデータとを入力して前記予測値を予測すること、
をコンピュータに実行させるためのエンゲージメント型ファンド介入リスク予測プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021065197A JP7023472B1 (ja) | 2021-04-07 | 2021-04-07 | エンゲージメント型ファンド介入リスク予測装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021065197A JP7023472B1 (ja) | 2021-04-07 | 2021-04-07 | エンゲージメント型ファンド介入リスク予測装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP7023472B1 JP7023472B1 (ja) | 2022-02-22 |
JP2022160785A true JP2022160785A (ja) | 2022-10-20 |
Family
ID=81079713
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021065197A Active JP7023472B1 (ja) | 2021-04-07 | 2021-04-07 | エンゲージメント型ファンド介入リスク予測装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7023472B1 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000348015A (ja) * | 1999-06-07 | 2000-12-15 | Ibm Japan Ltd | 経時的に変動しうる評価対象の評価項目を評価するためのシステム、方法および記録媒体 |
JP2001125962A (ja) * | 1999-10-25 | 2001-05-11 | Nri & Ncc Co Ltd | 企業診断及び経営意思決定支援システム |
JP2009251938A (ja) * | 2008-04-07 | 2009-10-29 | Value Resource Design Inc | 評価システム、評価方法および評価プログラム |
-
2021
- 2021-04-07 JP JP2021065197A patent/JP7023472B1/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000348015A (ja) * | 1999-06-07 | 2000-12-15 | Ibm Japan Ltd | 経時的に変動しうる評価対象の評価項目を評価するためのシステム、方法および記録媒体 |
JP2001125962A (ja) * | 1999-10-25 | 2001-05-11 | Nri & Ncc Co Ltd | 企業診断及び経営意思決定支援システム |
JP2009251938A (ja) * | 2008-04-07 | 2009-10-29 | Value Resource Design Inc | 評価システム、評価方法および評価プログラム |
Also Published As
Publication number | Publication date |
---|---|
JP7023472B1 (ja) | 2022-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Alsabah et al. | Robo-advising: Learning investors’ risk preferences via portfolio choices | |
US10453142B2 (en) | System and method for modeling and quantifying regulatory capital, key risk indicators, probability of default, exposure at default, loss given default, liquidity ratios, and value at risk, within the areas of asset liability management, credit risk, market risk, operational risk, and liquidity risk for banks | |
Kuzey et al. | The impact of multinationality on firm value: A comparative analysis of machine learning techniques | |
Amoroso et al. | R&D profitability: the role of risk and Knightian uncertainty | |
Höglund | Tax payment default prediction using genetic algorithm-based variable selection | |
WO2015094545A1 (en) | System and method for modeling and quantifying regulatory capital, key risk indicators, probability of default, exposure at default, loss given default, liquidity ratios, and value at risk, within the areas of asset liability management, credit risk, market risk, operational risk, and liquidity risk for banks | |
van der Hoog | Surrogate modelling in (and of) agent-based models: A prospectus | |
Chinco et al. | Estimating the anomaly base rate | |
Dixon | A high‐frequency trade execution model for supervised learning | |
Karminsky et al. | Increase of banks’ credit risks forecasting power by the usage of the set of alternative models | |
Marti | From data to trade: A machine learning approach to quantitative trading | |
EP2662820A1 (en) | A robust position detection, cause-and-effect and rule determinants to govern excessive risks for global regulatory compliance | |
US20230377044A1 (en) | Systems and methods for impact assessment | |
Dehghani et al. | Crude oil price forecasting: a biogeography-based optimization approach | |
Prata et al. | Lob-based deep learning models for stock price trend prediction: a benchmark study | |
Mitra et al. | Early warning prediction system for high inflation: an elitist neuro-genetic network model for the Indian economy | |
Zhou | A comparison of dynamic hazard models and static models for predicting the special treatment of stocks in China with comprehensive variables | |
Ghandar et al. | The relationship between model complexity and forecasting performance for computer intelligence optimization in finance | |
JP7023472B1 (ja) | エンゲージメント型ファンド介入リスク予測装置 | |
KR20230000411A (ko) | 투자 가이드를 제공하는 서버, 방법 및 컴퓨터 프로그램 | |
Beale et al. | Dynamics of value-tracking in financial markets | |
Mehlawat et al. | An integrated fuzzy-grey relational analysis approach to portfolio optimization | |
Rajkumar | Predicting surprises to GDP: a comparison of econometric and machine learning techniques | |
Pham et al. | Credit Rating Models for Firms in Vietnam Using Artificial Neural Networks (ANN) | |
US20210133880A1 (en) | System for Automated Investment Advice and Execution |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210407 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20210413 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210729 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211005 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211028 |
|
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: 20220125 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220201 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7023472 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313117 |
|
R360 | Written notification for declining of transfer of rights |
Free format text: JAPANESE INTERMEDIATE CODE: R360 |