JP4777941B2 - 需要予測方法および装置 - Google Patents
需要予測方法および装置 Download PDFInfo
- Publication number
- JP4777941B2 JP4777941B2 JP2007152587A JP2007152587A JP4777941B2 JP 4777941 B2 JP4777941 B2 JP 4777941B2 JP 2007152587 A JP2007152587 A JP 2007152587A JP 2007152587 A JP2007152587 A JP 2007152587A JP 4777941 B2 JP4777941 B2 JP 4777941B2
- Authority
- JP
- Japan
- Prior art keywords
- time
- demand
- series data
- value
- unit
- 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
- 238000013277 forecasting method Methods 0.000 title claims description 8
- 238000004364 calculation method Methods 0.000 claims description 67
- 238000012545 processing Methods 0.000 claims description 48
- 238000000034 method Methods 0.000 claims description 46
- 238000013500 data storage Methods 0.000 claims description 29
- 230000008859 change Effects 0.000 claims description 25
- 238000006243 chemical reaction Methods 0.000 claims description 25
- 238000011157 data evaluation Methods 0.000 claims description 15
- 238000006073 displacement reaction Methods 0.000 claims description 12
- 238000000611 regression analysis Methods 0.000 claims description 8
- 230000002123 temporal effect Effects 0.000 claims description 5
- 230000007812 deficiency Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 description 84
- 230000008569 process Effects 0.000 description 24
- 238000011156 evaluation Methods 0.000 description 17
- 230000007774 longterm Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 7
- 238000007796 conventional method Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000013439 planning Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000002688 persistence Effects 0.000 description 2
- 101150012579 ADSL gene Proteins 0.000 description 1
- 102100020775 Adenylosuccinate lyase Human genes 0.000 description 1
- 108700040193 Adenylosuccinate lyases Proteins 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013479 data entry Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000003999 initiator Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007858 starting material Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
これは、直接的には、データと関数系とがマッチしていないことによると見られ、短期的な予測に留まることが少なくない。さらに、需要の分析と推定において、データ欠損の検出や、商品が質的に変化することの市場への影響の検出などは、基本的な問題であり、これらについて警告を出す技術も産業上の利用価値が高い。しかし従来の技術は、これを峻別できる精度や理論的裏づけを持っていない。
具体的には、演算処理部により、需要成長曲線が直線をなす区間において、予測値算出ステップで得られた需要予測値と時系列データの実績購入値とを比較し、需要予測値が実績購入値を下回る方向への変位を示す場合、商品の質的な変化を示す警告を出力してもよい。
具体的には、需要成長曲線が直線をなす区間において、予測値算出部で得られた需要予測値と時系列データの実績購入値とを比較し、需要予測値が実績購入値を下回る方向への変位を示す場合、商品の質的な変化を示す警告を出力するようにしてもよい。
まず、図1を参照して、本発明の一実施の形態にかかる需要予測装置について説明する。図1は、本発明の一実施の形態にかかる需要予測装置の構成を示すブロック図である。
まず、本発明で用いる需要成長の構造的理論について説明する。
複雑なシステムでは、スケール不変となる冪関数で特性量が得られることがある。商品の需要成長現象においても、ADSLやFTTHなどの様々なブロードバンドアクセスサービスや、ソーシャルネットワーキングサービス(Social Networking Service)の契約者数について、ある時期までこのような性質が見られる。図2は、ブロードバンドサービスの契約者数に関する需要成長曲線を示す説明図である。需要成長現象が単一の正冪関数で表現できるという性質は、需要成長現象の前半のある時期までである。そこで、増分に正に限らない冪性を要求しつつデータフィッティングを施すと、ある時期から後半は、その前半の正冪成長とは関数クラスとして双対的なものである負冪増大に適合する。そして、その増分の冪指数として「−1」がよく適合する。
これが解決できれば、逆転時点以後の時系列データから対数関数または負冪積分関数の定数倍と定数和を決定して、予測曲線を算出できる。実際、理論は統計的な構造を基盤としており、実際に出現するデータは変動を伴う。そのため、曲線のパラメータを決定するには、十分に後発ユーザからなると見られる新しいデータだけでなく、逆転時点直後からのデータが利用できることが望ましい。また出来るだけ早期に予測するためにも、逆転時点を知ることが重要である。
したがって、需要成長曲線を時間軸のみ片側対数または片側負冪積分関数で表示した際、逆転時点までの区間において、時間の経過とともに単調増加する下方に凸の曲線であり、逆転時点を過ぎると正の傾きを持った時間の経過とともに単調増加する直線となる。図3は、時間軸変換後の需要成長曲線を示す説明図である。このため、逆転時点手前から各時点での右側半直線上にある需要成長曲線に対する回帰直線は、各時点を増加させたとき、傾きを増加させ、逆転時点以降では需要成長曲線の直線成分に一致する。よって、時系列データから回帰直線族を構成することで、逆転時点、および後発型利用開始者からなる需要成長曲線を決定することができる。
次に、図1を参照して、本発明の一実施の形態にかかる需要予測装置の構成について詳細に説明する。
操作入力部11は、キーボードやマウスなどの操作入力装置からなり、オペレータによる需要予測処理の開始操作やデータ入力操作などの各種操作を検出して演算処理部20へ出力する機能を有している。
画面表示部12は、LCDやPDPなどの画面表示装置からなり、演算処理部20からの処理メニュー、あるいは需要予測値や需要予測グラフなどの出力結果を画面表示する機能を有している。
主記憶部13は、メモリやハードディスクなどの記憶装置からなり、演算処理部20での処理に用いるパラメータや指定要求などの処理データに対するデフォルト値(初期値)やプログラムを記憶する機能を有している。
処理データ記録部15は、メモリやハードディスクなどの記憶装置からなり、需要予測処理の実行時に生成される、変換後時系列データ、回帰直線の関数式、収束判定値、データ評価値などの各種処理データを記録する機能を有している。
データ入出力部17は、専用の通信インターフェース回路からなり、通信回線を介して外部装置と接続してデータ通信を行う機能と、外部装置から時系列データを読み込んで時系列データ記憶部14へ保存する機能と、出力データ保存部16から出力結果を読み込んで外部データへ出力する機能と、外部装置からプログラムを読み込んで主記憶部13へ格納する機能とを有している。
デフォルト設定部22は、需要予測処理における各部の様々なパラメータや指定要求などの処理データに対するデフォルト値(初期値)を設定する機能と、デフォルト値の設定要求表に対する表示、入力、ファイル保存の各種処理を実行する機能とを有している。ここでは、需要成長の開始を示す初期時点、収束判定に利用する各種収束条件値(閾値)の設定、回帰直線族算出時間区間、回帰直線の距離を評価する距離評価時間区間、負冪指数、負冪値チューニングの実行の有無、負冪値チューニングシナリオなどのデフォルト値が設定される。
回帰直線列算出部32は、時間軸変換部31で得られた変換後時系列データのうち、デフォルト設定部22で設定された回帰直線族算出時間区間内のデータ時点列について、回帰直線の関数式とその誤差評価値の列を算出する機能を有している。
角度コサイン値算出部33Aは、回帰直線列算出部32で得られた回帰直線の関数式に基づき、任意の2つの回帰直線間の角度コサイン値を算出する機能を有している。
コーシー型判定部33Cは、デフォルト設定部22で設定された各種収束条件値に基づいて、角度コサイン値算出部33Aおよび直線間距離算出部33Bで得られた角度コサイン値と直線間最小距離に対してコーシー型の判定を実行する機能と、この判定結果に基づき収束状況の数値列、収束判定、逆転時点存在区間、収束直線を算出する機能とを有している。
次に、図4を参照して、本発明の一実施の形態にかかる需要予測装置の動作について説明する。図4は、本発明の一実施の形態にかかる需要予測装置の需要予測処理を示すフローチャートである。ここでは、データ入出力部17を介して外部装置から時系列データ記憶部14へ、需要予測の対象となる商品の実績購入数(販売数)を示す時系列データが予め保存されているものとする。
演算処理部20は、まず、デフォルト設定部22により、需要予測処理における各部の様々なパラメータや指定要求などの処理データに対するデフォルト値(初期値)を設定する(ステップ100)。
次に、演算処理部20は、需要成長曲線特定部23の時間軸変換部31により、時系列データ記憶部14から時系列データを読み出し、デフォルト設定部22で設定された負冪指数と初期時点に基づき、時系列データの時間軸変換を行う(ステップ101)。
図5は、回帰直線列算出過程を示す説明図である。ここでは、デフォルト設定部22で設定された時点taからtb、すなわち回帰直線族算出時間区間(収束判定区間)のデータ時点列t(1)〜t(3)について、それぞれ回帰直線L(1)〜L(3)を求めている。
この際、収束評価値は、例えば直線間の成す角のコサイン値と、デフォルト設定部22で設定された関心のある距離評価時間区間における直線間の最小距離の和によって定義する。時系列データが前述した需要成長の構造的理論に沿ったものであれば、直線は傾きを上げつつ次第にある直線、すなわち収束直線へ近づいていき、逆転時点で収束直線となる。
図6は、収束評価値算出過程を示す説明図である。ここでは、回帰直線La,Lbの関数式に基づいて、回帰直線La,Lbが成す角θの角度コサイン値cos(θ)が算出されるとともに、距離評価時間区間S内における回帰直線La,Lbの最小距離dminが算出される。
ここでは、デフォルト設定部22で設定された回帰直線族算出時間区間(収束判定区間)内において収束条件値を満足する回帰直線L(i)が見つかった場合、その最小時点t(j)を逆転時点txとし、このときの収束状況の数値列、収束判定、逆転時点存在区間、収束直線を算出し、これら判定結果を出力データ保存部16へ保存する(ステップ107)。この収束直線が、逆転時点tx以後の直線関数区間Sbにおける需要成長曲線G(t)、すなわち中長期的に需要予測に用いられる予測曲線として用いられる。
ここでは、負冪積分関数の冪指数aを、デフォルト設定部22で設定された刻み値ごとに−1の近傍において変化させ、収束直線の平均二乗誤差が最小となる冪指数aを選択するシナリオと、回帰直線の誤差評価値を冪指数aに関して微分して得た微分値を用いた勾配法によるシナリオがあり、デフォルト設定部22で設定されたシナリオを用いる。
また、負冪指数のチューニングは不要と判定された場合(ステップ108:NO)、演算処理部20は、予測値算出部24により、需要成長曲線特定部23で算出された需要成長曲線に基づいて任意の時点における商品の需要予測値を算出する(ステップ110)。
具体的には、
収束傾向が見られるにもかかわらず、逆転時点があらかじめ想定しうる範囲内を超える、もしくは誤差や決定係数が小さくならない場合、データの欠損、商品の質的変化、そして、最終的には、需要成長理論の仮説の破綻を意味する。したがって、回帰直線からの誤差の大きい時点列と想定される原因を警告して出力する。
また、中盤が回帰直線より下回りその後偏差が戻る傾向がある場合、データ欠損の可能性がある。なお、価格、制度、社会の変化などが大きい場合はこれが優先するので、警告や推奨内容の表現は、これらを考慮したものとする、
このように、本実施の形態は、時系列データ記憶部14により、商品に関する実績購入数の時間的変化を示し、かつ逆転時点を含む時系列データを記憶し、需要成長曲線特定部23により、時系列データ記憶部14から時系列データを読み出し、当該時系列データに対して時間軸変換処理および回帰分析処理を行うことにより逆転時点以降における商品の需要成長曲線を特定し、予測値算出部24により、需要成長曲線に基づいて逆転時点以降の任意の時点における商品の需要予測値を算出し、需要成長曲線として、商品の購入数の単位時間あたりの増加数が、所定の基準時点からの時間長の負冪に比例する関数を用いるようにしたので、商品あるいは市場に関する需要について、需要成長の構造的理論に基づいた需要予測を実現でき、中長期において十分な精度で予測することができる。
これにより、十分な市場サイズと商品の継続的な利用に十分な定着性がある場合、予測時点が逆転時点を超えているか否かを判定し、超えていれば中長期の予測値を、需要成長の理論に基づいて算出し表示することができる。
これにより、需要成長理論を基盤として、データの欠損や商品の質的な変化の可能性のある時期を警告することも可能となる。
Claims (10)
- 記憶部と演算処理部とを有し、商品に関する実績購入数に基づいて、市場における商品の需要のうち当該需要を形成する先行者と後発者の需要が逆転する逆転時点以降の需要を予測する需要予測装置で用いられる需要予測方法であって、
前記記憶部により、前記商品に関する実績購入数の時間的変化を示し、かつ前記逆転時点を含む時系列データを記憶する時系列データ記憶ステップと、
前記演算処理部により、前記時系列データ記憶部から前記時系列データを読み出し、当該時系列データに対して時間軸変換処理および回帰分析処理を行うことにより前記逆転時点以降における前記商品の需要成長曲線を特定する需要成長曲線算出ステップと、
前記演算処理部により、前記需要成長曲線に基づいて前記逆転時点以降の任意の時点における前記商品の需要予測値を算出して出力する需要予測ステップと
を備え、
前記需要成長曲線は、縦軸を前記商品の購入数で示すとともに横軸を対数または負冪積分関数の時間軸で示した場合、前記逆転時点以前の区間において時間の経過とともに単調増加する曲線であって、かつ前記逆転時点以降の区間において時間の経過とともに単調増加する直線となる関数からなり、
前記需要成長曲線算出ステップは、
前記時系列データの時間軸を対数または負冪積分関数の時間軸に変換する時間軸変換ステップと、
この時間軸変換ステップで得られた変換後時系列データのうち任意の開始時点以降の変換時系列データの回帰直線を複数の開始時点列ごとに求める回帰直線列算出ステップと、
この回帰直線列算出ステップで得られた回帰直線列について所定の収束条件に基づき所定の収束直線への収束有無を判定する収束判定ステップと
を有し、
前記収束判定ステップで収束有りと判定された最小の開始時点を前記逆転時点とし、前記収束直線を前記逆転時点以降の区間における前記需要成長曲線を示す関数とする
ことを特徴とする需要予測方法。 - 請求項1に記載の需要予測方法において、
前記演算処理部により、前記予測値算出ステップで得られた需要予測値と前記時系列データの実績購入値とを比較し、その比較結果に基づいて前記商品の質的な変化または前記時系列データの欠損を示す警告を出力するデータ評価ステップをさらに備えることを特徴とする需要予測方法。 - 請求項1に記載の需要予測方法において、
前記演算処理部により、前記需要成長曲線が直線をなす区間において、前記予測値算出ステップで得られた需要予測値と前記時系列データの実績購入値とを比較し、前記需要予測値が前記実績購入値を下回る方向への変位を示す場合、前記商品の質的な変化を示す警告を出力するデータ評価ステップをさらに備えることを特徴とする需要予測方法。 - 請求項1に記載の需要予測方法において、
前記演算処理部により、前記需要成長曲線が直線をなす区間において、前記予測値算出ステップで得られた需要予測値と前記時系列データの実績購入値とを比較し、前記需要予測値が前記実績購入値を上回る方向への変位を示す場合、前記時系列データの欠損を示す警告を出力するデータ評価ステップをさらに備えることを特徴とする需要予測方法。 - 請求項1に記載の需要予測方法において、
前記収束条件は、任意の2つの回帰直線間の角度コサイン値の許容値と、所定時間軸区間におけるこれら回帰直線間の距離の許容値とからなることを特徴とする需要予測方法。 - 商品に関する実績購入数に基づいて、市場における商品の需要のうち当該需要を形成する先行者と後発者の需要が逆転する逆転時点以降の需要を予測する需要予測装置であって、
商品に関する実績購入数の時間的変化を示し、かつ前記逆転時点を含む時系列データを記憶する時系列データ記憶部と、
この時系列データ記憶部から前記時系列データを読み出し、当該時系列データに対して時間軸変換処理および回帰分析処理を行うことにより前記逆転時点以降における前記商品の需要成長曲線を特定する需要成長曲線特定部と、
前記需要成長曲線に基づいて前記逆転時点以降の任意の時点における前記商品の需要予測値を算出して出力する予測値算出部と
を備え、
前記需要成長曲線は、縦軸を前記商品の購入数で示すとともに横軸を対数または負冪積分関数の時間軸で示した場合、前記逆転時点以前の区間において時間の経過とともに単調増加する曲線であって、かつ前記逆転時点以降の区間において時間の経過とともに単調増加する直線となる関数からなり、
前記需要成長曲線特定部は、
前記時系列データの時間軸を対数または負冪積分関数の時間軸に変換する時間軸変換部と、
前記時間軸変換部で得られた変換後時系列データのうち任意の開始時点以降の変換時系列データの回帰直線を複数の開始時点列ごとに求める回帰直線列算出部と、
前記回帰直線列算出部で得られた回帰直線列について所定の収束条件に基づき所定の収束直線への収束有無を判定する収束判定部と
を有し、
前記収束判定部で収束有りと判定された最小の開始時点を前記逆転時点とし、前記収束直線を前記逆転時点以降の区間における前記需要成長曲線を示す関数とする
ことを特徴とする需要予測装置。 - 請求項6に記載の需要予測装置において、
前記予測値算出部で得られた需要予測値と前記時系列データの実績購入値とを比較し、その比較結果に基づいて前記商品の質的な変化または前記時系列データの欠損を示す警告を出力するデータ評価部をさらに備えることを特徴とする需要予測装置。 - 請求項6に記載の需要予測装置において、
前記需要成長曲線が直線をなす区間において、前記予測値算出部で得られた需要予測値と前記時系列データの実績購入値とを比較し、前記需要予測値が前記実績購入値を下回る方向への変位を示す場合、前記商品の質的な変化を示す警告を出力するデータ評価部をさらに備えることを特徴とする需要予測装置。 - 請求項6に記載の需要予測装置において、
前記需要成長曲線が直線をなす区間において、前記予測値算出部で得られた需要予測値と前記時系列データの実績購入値とを比較し、前記需要予測値が前記実績購入値を上回る方向への変位を示す場合、前記時系列データの欠損を示す警告を出力するデータ評価部をさらに備えることを特徴とする需要予測装置。 - 請求項6に記載の需要予測装置において、
前記収束条件は、任意の2つの回帰直線間の角度コサイン値の許容値と、所定時間軸区間におけるこれら回帰直線間の距離の許容値とからなることを特徴とする需要予測装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007152587A JP4777941B2 (ja) | 2007-06-08 | 2007-06-08 | 需要予測方法および装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007152587A JP4777941B2 (ja) | 2007-06-08 | 2007-06-08 | 需要予測方法および装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2008305229A JP2008305229A (ja) | 2008-12-18 |
JP4777941B2 true JP4777941B2 (ja) | 2011-09-21 |
Family
ID=40233886
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2007152587A Active JP4777941B2 (ja) | 2007-06-08 | 2007-06-08 | 需要予測方法および装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP4777941B2 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5001347B2 (ja) * | 2009-12-22 | 2012-08-15 | 日本電信電話株式会社 | 需要予測装置、需要予測方法およびプログラム |
JP5437887B2 (ja) * | 2010-04-01 | 2014-03-12 | 日本電信電話株式会社 | 需要予測装置、需要予測方法およびプログラム |
JP5758852B2 (ja) * | 2012-06-18 | 2015-08-05 | 日本電信電話株式会社 | 需要成長構造分析方法および需要成長構造分析装置 |
CN103413178A (zh) * | 2013-07-13 | 2013-11-27 | 北京工业大学 | 基于抽样的停车换乘设施吸引需求量化分级计算方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000250888A (ja) * | 1999-02-26 | 2000-09-14 | Hitachi Ltd | 予測目的別モデル選定型需要予測方式 |
JP2006155432A (ja) * | 2004-11-30 | 2006-06-15 | Hitachi Ltd | 在庫補充方法、在庫補充プログラムおよび在庫補充量管理装置 |
JP4589182B2 (ja) * | 2005-06-24 | 2010-12-01 | 日本電信電話株式会社 | 市場特性予測支援方法および装置 |
-
2007
- 2007-06-08 JP JP2007152587A patent/JP4777941B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2008305229A (ja) | 2008-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wu et al. | A prediction method using the grey model GMC (1, n) combined with the grey relational analysis: a case study on Internet access population forecast | |
JP5963709B2 (ja) | 計算機、予測方法、及び、予測プログラム | |
US12002063B2 (en) | Method and system for generating ensemble demand forecasts | |
JP5960887B1 (ja) | 算出装置、算出方法及び算出プログラム | |
JP2020123401A (ja) | 資産情報のディスプレイ方法 | |
US11017330B2 (en) | Method and system for analysing data | |
US20150142520A1 (en) | Crowd-based sentiment indices | |
WO2011127206A2 (en) | Trust rating metric for future event prediction of an outcome | |
Verstraeten et al. | The impact of sample bias on consumer credit scoring performance and profitability | |
KR101860457B1 (ko) | 기상 영향 분석 방법 및 이를 수행하기 위한 장치 | |
CN112562863A (zh) | 流行病监测预警方法、装置、电子设备 | |
JP4777941B2 (ja) | 需要予測方法および装置 | |
JP4386973B2 (ja) | 階層的予測モデル構築装置及びその方法 | |
JP5416811B2 (ja) | 予測装置、予測方法及びコンピュータプログラム | |
Hayden | Estimation of a rating model for corporate exposures | |
Hong | Optimal threshold from ROC and CAP curves | |
WO2016187504A1 (en) | Crowd-based sentiment indices | |
CN114925275A (zh) | 产品推荐方法、装置、计算机设备及存储介质 | |
Bao et al. | Dynamic financial distress prediction based on Kalman filtering | |
CA3160715A1 (en) | Systems and methods for business analytics model scoring and selection | |
Mata et al. | Alignment and Identification of the Relationships between Key Performance Indicators in a Multilevel Tree Structure to Support Transportation Agency Decisions | |
JP6067169B2 (ja) | 算出装置、算出方法及び算出プログラム | |
Bhaumik et al. | A note on a semiparametric approach to estimating financing constraints in firms | |
WO2021140957A1 (ja) | 情報処理装置、情報処理方法、及び、プログラム | |
JP2017054554A (ja) | 算出装置、算出方法及び算出プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20090202 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20110315 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20110405 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20110603 |
|
TRDD | Decision of grant or rejection written | ||
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20110603 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20110628 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20110630 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 4777941 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140708 Year of fee payment: 3 |
|
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 |