機械学習モデルで、破産を予測(ブラジル)【AI論文】

ブラジルにあるウベルランジア大学のBarbozaら研究者たちは、機械学習の破産予測精度の向上に着目し、多様なアルゴリズムの精度検証を行った。

その研究のポイントはこうだ。

✔️課題
企業の与信審査においても機械学習による破産予測のニーズに高まりがある

✔️解決手法
従来手法である統計分析や初期人工知能によるニューラルネットワークと新手法であるランダムフォレストやバギングを比較検証する

✔️結果
従来手法に比べて新手法の精度は高い結果となった。(ランダムフォレストへの変更で50%から最大87%への精度向上)

では研究の詳細を見てみよう。

破産予測と機械学習

企業などの融資対象の与信管理に関わるニーズの高まりから、機械学習の予測モデルの研究が盛んに行われている。学術研究においては従来の統計手法とニューラルネットワークを駆使した破産評価に取り組んでいる。

従来手法で得られていた破産予測の数値は
・ロジスティクス回帰分析:69%
・線形判別分析:50%
となっており、精度の向上による与信管理の正確さを求める声は高い。

新手法と6つの要素を加えた精度向上

Barbozaら研究者は、従来手法である統計分析やの新しい手法を評価検証してその精度確認を行う
・support vector machine(サポートベクターマシン)
・bagging(バギング)
・boosting(ブースティング)
・random forest(ランダムフォレスト)
データセットには、1985年〜2013年の北米企業の情報を用いた。

機械学習にはアルトマンのZスコア変数に加えて、6つの補完的な財務指標(営業利益率、資本利益率の変化、帳簿価格の変化、資産、売上、従業員数に関連する成長指標)を新たに予測変数として使用する。結論として、機械学習モデルは従来のモデルより平均で約10%高い精度を示した。前述の従来手法による精度が50~60%前後だったのに対して、ランダムフォレストを用いたテストの精度は87%と高い確度を記録した。

与信管理の予測は今後どうあるべきか

さらなる精度向上として、前述の6つのパラメータを的確に設定することで、企業の財務予測(破産予測)は飛躍的に向上するものと考えられている。従来の統計的手法から機械学習法への切り替えを行う議論は継続している。とりわけ、サポートベクターマシンによる機械学習が従来の統計手法にもたらす影響についてはさらなる研究が必要であると考えられている。

統計か、機械学習か
企業経済に大きく影響する与信分野での研究に期待がかかる

参照論文

Flavio Barboza, Herbert Kimura, Edward Altman “Machine learning models and bankruptcy prediction”, ScienceDirect, 83, 405-417

DOI

◎ライター募集◎

AIの最新論文を読んで、要約記事を書いてみませんか?

アイブンでは、一緒に記事を作ってくださるライターさんを募集しています(有償)。アイブンは、日本最大のAI論文要約データベースを目指しています。今後データベースを充実させていくには、多くのライターさんのご協力が必要です。

AIや情報系・工学系のバックグラウンドをお持ちの方、AI関連のお仕事をされている方、AIを学習中の方など、AIに関心がおありの方なら、どなたでもウェルカムです!

少しでも興味を持たれましたら、お気軽にご連絡ください。お待ちしております!

詳細はこちら。

PAGE TOP