| 講演名 | 2018-02-19 深層学習による企業の実質破綻予知 保坂 忠明(東京理科大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 深層学習が様々な分野で応用されて，問題によっては従来法を大きく凌ぐ精度を示している．しかし，経営・財務分析における深層学習の応用例としては，少数の研究が報告されている程度であり，今後の発展に期待がされている．そこで本研究では，企業の実質破綻予知に対して深層学習の適用を試みる．これまでに東証一部・二部に上場し実質破綻をした102社の財務諸表および，現在も上場している2062社の継続企業の財務諸表を4期に渡って収集し，さらに任意の2期の財務諸表に対して内挿・外挿処理を施すことでサンプル数を増やす．提案手法では，ひとつのサンプルから計算される財務比率群をグレイスケール画像で表現し，それを画像サンプルとして扱う．実質破綻企業，継続企業としてそれぞれ7520の画像サンプルを用いてGoogLeNetに基づく畳み込みニューラルネットワークを学習させる．学習により生成されたネットワークを用いた実質破綻予知は，CART，判別分析，SVM，AdaBoostを用いた手法と比較して高い精度を示した． |
| 抄録(英) | In this research, deep learning is applied to the prediction of corporate de facto bankruptcy. We collect financial statements over four fiscal years for 102 companies delisted from Japanese stock markets due to de facto bankruptcy and 2062 continuing companies. In addition, the number of samples is increased by interpolating and extrapolating the financial statements of arbitrary two fiscal years. The key point in our method is to transform a set of financial ratios calculated from the financial statements of one sample into a gray-scale image, and treat it as one image sample. Eventually, we generate 7520 samples for each class and use them as learning data of a convolutional neural network based on GoogLeNet. Obtained network indicates higher accuracy in bankruptcy prediction than the traditional methods using CART, linear discriminant analysis, SVM, and AdaBoost. |
| キーワード(和) | 実質破綻 / 財務比率 / 画像化 / 畳み込みニューラルネットワーク |
| キーワード(英) | de facto bankruptcy / financial ratio / imaging / convolutional neural network |
| 資料番号 | PRMU2017-156,CNR2017-34 |
| 発行日 | 2018-02-12 (PRMU, CNR) |
| 研究会情報 | |
| 研究会 | PRMU / CNR |
|---|---|
| 開催期間 | 2018/2/19(から2日開催) |
| 開催地（和） | 和歌山大学 |
| 開催地（英） | |
| テーマ（和） | 実世界情報処理、3D点群処理およびその応用 |
| テーマ（英） | |
| 委員長氏名（和） | 佐藤 真一(NII) / 小野 哲雄(北大) |
| 委員長氏名（英） | Shinichi Sato(NII) / Tetsuo Ono(Hokkaido Univ.) |
| 副委員長氏名（和） | 藤吉 弘亘(中部大) / 井尻 善久(オムロン) / 神原 誠之(奈良先端大) / 高汐 一紀(慶大) |
| 副委員長氏名（英） | Hironobu Fujiyoshi(Chubu Univ.) / Yoshihisa Ijiri(Omron) / Masayuki Kanbara(NAIST) / Kazunori Takashio(Keio Univ.) |
| 幹事氏名（和） | 大西 正輝(産総研) / 舩冨 卓哉(奈良先端大) / 坂本 大介(北大) / 吉岡 康介(パナソニック) |
| 幹事氏名（英） | Masaki Oonishi(AIST) / Takuya Funatomi(NAIST) / Daisuke Sakamoto(Hokkaido Univ.) / Kosuke Yoshioka(Panasonic) |
| 幹事補佐氏名（和） | 石井 雅人(NEC) / 菅野 裕介(阪大) / 水戸 和(セコム) / 小林 優佳(東芝) / 石原 達也(NTT) |
| 幹事補佐氏名（英） | Masato Ishii(NEC) / Yusuke Sugano(Osaka Univ.) / Wataru Mito(SECOM) / Yuka Kobayashi(Toshiba) / Tatsuya Ishihara(NTT) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Pattern Recognition and Media Understanding / Technical Committee on Cloud Network Robotics |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 深層学習による企業の実質破綻予知 |
| サブタイトル（和） | |
| タイトル（英） | De facto bankruptcy prediction by deep learning |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 実質破綻 / de facto bankruptcy |
| キーワード(2)（和/英） | 財務比率 / financial ratio |
| キーワード(3)（和/英） | 画像化 / imaging |
| キーワード(4)（和/英） | 畳み込みニューラルネットワーク / convolutional neural network |
| 第 1 著者 氏名（和/英） | 保坂 忠明 / Tadaaki Hosaka |
| 第 1 著者 所属（和/英） | 東京理科大学(略称：東京理科大) Tokyo University of Science(略称：Tokyo Univ. Sci.) |
| 発表年月日 | 2018-02-19 |
| 資料番号 | PRMU2017-156,CNR2017-34 |
| 巻番号（vol） | vol.117 |
| 号番号（no） | PRMU-442,CNR-443 |
| ページ範囲 | pp.65-70(PRMU), pp.65-70(CNR), |
| ページ数 | 6 |
| 発行日 | 2018-02-12 (PRMU, CNR) |