| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2018-02-19 13:50 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）  PRMU2017-156 CNR2017-34 |
|
| 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． |
| （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 / / / / |
| （英） | de facto bankruptcy / financial ratio / imaging / convolutional neural network / / / / | |
| 文献情報 | 信学技報, vol. 117, no. 442, PRMU2017-156, pp. 65-70, 2018年2月. | |
| 資料番号 | PRMU2017-156 | |
| 発行日 | 2018-02-12 (PRMU, CNR) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | PRMU2017-156 CNR2017-34 |
|
| 研究会情報 | |
| 研究会 | PRMU CNR |
| 開催期間 | 2018-02-19 - 2018-02-20 |
| 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） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | PRMU |
| 会議コード | 2018-02-PRMU-CNR |
| 本文の言語 | 日本語 |
| 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（英） | |
| 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 |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 保坂 忠明 / Tadaaki Hosaka / ホサカ タダアキ |
| 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.) |
| 講演者 | 第1著者 |
| 発表日時 | 2018-02-19 13:50:00 |
| 発表時間 | 30分 |
| 申込先研究会 | PRMU |
| 資料番号 | PRMU2017-156, CNR2017-34 |
| 巻番号（vol） | vol.117 |
| 号番号（no） | no.442(PRMU), no.443(CNR) |
| ページ範囲 | pp.65-70 |
| ページ数 | 6 |
| 発行日 | 2018-02-12 (PRMU, CNR) |
[研究会発表申込システムのトップページに戻る]