多変量解析を用いた無形資産価格を見積もるソフトウェアの開発

开发利用多元分析估算无形资产价格的软件

• 批准号: 21K01819
• 负责人: 吉岡 剛志
• 金额: $ 1.58万
• 依托单位: Teikyo Heisei University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21K01819/
• 关键词: 無形資産; 機械学習; 回帰分析; 重回帰分析

企業の総資産に占める無形資産の比率は年々上昇し，その重要性は増している。無形資産の評価方法は広く研究されているが，明確なルールがないため無形資産価値を正確に評価することは困難である。その結果，貸借対照表に計上されていない潜在的な無形固定資産が存在し，貸借対照表は資産価値を正確に表していない。本研究では，会計学の観点からではなく，機械学習を用いた無形資産の評価方法を確立し，それを実装したソフトウェアを開発することを目的としている。本年度は，機械学習を用いて無形固定資産の予測値を算出する手法を開発し，無形固定資産の予測値と貸借対照表に計上されている無形固定資産の価値の乖離率から，未計上の無形固定資産が存在する可能性の高い企業・業種を抽出する手法を提案・検証した。まず初めに，日経225を構成する銘柄の無形固定資産と会計情報のデータセットを準備し，自動機械学習を用いて複数の回帰系アルゴリズムを比較しながら，高精度な無形固定資産の予測を行う機械学習モデルを構築した。次に，決定係数，残差プロット，学習曲線を用いて，構築したモデルを評価した。また，構築したモデルの予測値と貸借対照表に計上されている無形固定資産額との乖離率から，貸借対照表に計上されていない無形固定資産が存在する可能性が高い企業を抽出した。最後に，業種別に乖離率の平均値を算出することにより，未計上の無形固定資産が潜在している確率が相対的に高い業種を特定することに成功した。

The proportion of enterprises' income to invisible data is on the rise every year, and the importance of income is very important. The invisible information method is not valid for research purposes, and it is clear that the information is correct and correct. According to the results of the simulation, the potential amorphous fixed data is not available on the table, and the data in the table is correct. In the course of this study, we will learn how to make sure that the system is established by using the method of monitoring the information of the machine, and that we will be able to do so. This year, mechanical engineering has used the shapeless fixed data to calculate the operating method, and the shapeless fixed data has been calculated on the table. There is a significant difference in the rate of failure in this year's mechanics. there is a possibility that there is a high possibility for high-end enterprises to draw out a lot of money on the table. At the beginning of the day, 225-year-old non-shaped fixed data will be used to prepare the automatic mechanical engineering system, and the automatic mechanical science will use the complex number to compare the data of the automatic mechanical mechanics. the high-precision fixed data will be transferred to the bank of mechanical engineering. Second, determine the number of times, the residual error, learn how to use the curve, and learn to use the curve to determine the number of errors. According to the statistics of the license table, there is a high probability that there is a high probability that there is a high probability of failure in fixed data. At the end of the day, the average of each kind of bad rate calculates the accuracy rate of each kind of fixed data, but does not calculate the success rate of each kind of high-grade specific class which has the same potential assurance rate of fixed data.

项目成果

Using Machine Learning to Identify Industries with a Relatively High Probability of Having Unrecorded Intangible Fixed Assets

使用机器学习来识别拥有未记录无形固定资产的可能性相对较高的行业

• DOI: 10.57548/jms.12.0_9
• 发表时间: 2023
• 期刊: Journal of Management Science
• 作者: Sugahara Satoshi;Kano Keita;Ushio Sumitaka;鈴木一水・奥田真也・櫻田譲・高橋隆幸・松浦総一;木村晃久;内藤周子;YOSHIOKA Tsuyoshi
• 通讯作者: YOSHIOKA Tsuyoshi

A Method to Extract Companies Likely to Have Intangible Assets That Are Not Recorded on Their Balance Sheets

一种提取可能拥有未记录在资产负债表上的无形资产的公司的方法

• 发表时间: 2022
• 期刊: Journal of Management Science
• 作者: Sugahara Satoshi;Kano Keita;Ushio Sumitaka;鈴木一水・奥田真也・櫻田譲・高橋隆幸・松浦総一;木村晃久;内藤周子;YOSHIOKA Tsuyoshi;菱山淳;佐久間義浩;徳賀芳弘;奥田真也・田中優希;木村晃久;加納慶太;YOSHIOKA Tsuyoshi
• 通讯作者: YOSHIOKA Tsuyoshi

機械学習を用いた無形固定資産評価の試みとその可能性

利用机器学习评估无形固定资产的尝试和可能性

• 发表时间: 2022
• 作者: Sugahara Satoshi;Kano Keita;Ushio Sumitaka;鈴木一水・奥田真也・櫻田譲・高橋隆幸・松浦総一;木村晃久;内藤周子;YOSHIOKA Tsuyoshi;菱山淳;佐久間義浩;徳賀芳弘;奥田真也・田中優希;木村晃久;加納慶太;YOSHIOKA Tsuyoshi;加納慶太;佐久間義浩;木村晃久;吉岡剛志
• 通讯作者: 吉岡剛志