权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

大規模企業財務データの網羅性向上に向けた機械学習によるレプリケート技術の開発

利用机器学习开发复制技术，提高大规模企业财务数据的全面性

基本信息

批准号：
22K04609
负责人：
藤本祥二
金额：
$ 2.66万
依托单位：
Kanazawa Gakuin University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2026-03-31
项目状态：
未结题

来源：
https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22K04609/
关键词：
企業財務データ機械学習レプリケート

项目摘要

本研究ではビッグデータ科学におけるデータの不完全性（研究に必要なデータがしばしば欠けている）・非代表性（母集団からのランダムサンプルではない）・多ノイズ性（様々なノイズが含まれていてクリーニングが容易でない）・センシティブ（個人情報ななどど取り扱いが難しいデータがある）などの問題解決を図るため、企業財務ビッグデータを用いて内挿だけでなく外挿が可能となるデータのレプリケート技術を開発する。この目的を達成するために、財務ビッグデータの欠損値の統計性の調査によってデータの網羅性を明らかにし、機械学習を用いた欠損値補完モデルを構築しモデルの精度を高め、欠損を補完したデータの整合性を網羅性の高いデータの統計性で確認し、最終的には欠損値補完モデルのライブラリおよび作成したレプリカデータの公開を行う。令和4年度は欠損値の統計性の調査するために現在保有している財務ビッグデータでるORBISの2016年版と2021年版を結合し、全企業毎に決算年に関する通年データとなるようにデータの整備を行った。そのうえで欠損値の統計性の調査を行いデータの網羅性を調査した結果、欠損値の統計性の国による違いを明らかにした。また同時に、決定木系の回帰モデルの一つであるCatBoostアルゴリズムの機械学習を用いた欠損値補完モデルの構築を行い。さらに構築したモデルを用いて財務諸表の売上と利益に関する欠損値の補間を実行し、補完後の分布の性質を調査し、結果を学術論文として発表した。

This research is incomplete due to the scientific nature of the research (research is necessary and necessary) and non Representative (parent set団からのランダムサンプルではない)多ノイズ性（様々なノイズが恾れていてクリーニングがEASY でない)・センシティブ(Personal information ななどど取り扱いがDIFFICULT しいデータがある) などのProblem Solving を図るため、Corporate financial management is possible with いて interpolation and external interpolation.このObjective achieved するために、Financial ビッグデータのLoss のStatistical のinvestigation によってデータのNetwork を明らかにし, Mechanical learning を Use いたlack value to make up for モデルをconstruct しモデルのprecisionを高め、undoubted をcompleted したデータのintegration をnetworking の高いデータのstatistical confirmationし、most The final shortcomings are made up for the shortcomings of the モデルのライブラリおよび and the したレプリカデータのOpen を行う. Statistical survey of debt losses in 2017 and 2017 The 6-year version and the 2021 version are combined, and the company-wide annual final accounting year is closed and the year is completed.そのうえで怤のstatistical survey を行いデータのNetwork をsurvey した results, owed loss のstatistical の国によるviolation いを明らかにした.またsimultaneously, determine the wood type's return to モデルの一つであるCatBoost アルゴリズムのMechanical LearningをUse いた's missing value to complete the モデルのconstructed を行い.さらにconstructs the したモデルを Uses the いてFinancial statements の売上と interest にする owed loss 値 tweenを実行し, the completed distribution of the properties of を investigation し, the results of the academic paper とし発 table した.