|
関連リンク |
|
|
論文 【 表示 ／ 非表示 】
-
Characterizing Healthy Dietary Practices in Japan: Insights from a 2024 Nationwide Survey and Cluster Analysis
Shuhei Nomura, Akifumi Eguchi, Keiko Maruyama-Sakurai, Ruka Higashino, Daisuke Yoneoka, Takayuki Kawashima, Yuta Tanoue, Yumi Kawamura, Rauniyar Santosh Kumar, Takanori Fujita, Hiroaki Miyata , 2024年05月
Nutrients
-
Concentration inequality and the weak law of large numbers for the sum of partly negatively dependent <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" altimg="si5.svg" display="inline" id="d1e23"><mml:mi>φ</mml:mi></mml:math>-subgaussian random variables
Yuta Tanoue , 2024年03月
Statistics & Probability Letters , 206 , 109979 - 109979
-
The Efficacy of an mHealth App in Facilitating Weight Loss Among Japanese Fitness Center Members: Regression Analysis Study
Akifumi Eguchi, Yumi Kawamura, Takayuki Kawashima, Cyrus Ghaznavi, Keiko Ishimura, Shun Kohsaka, Satoru Matsuo, Shinichiro Mizuno, Yuki Sasaki, Arata Takahashi, Yuta Tanoue, Daisuke Yoneoka, Hiroaki Miyata, Shuhei Nomura , 2023年11月
JMIR Formative Research , 7 , e48435 - e48435
-
Understanding factors related to healthcare avoidance for menstrual disorders and menopausal symptoms: a cross-sectional study among women in Japan
Manae Uchibori, Akifumi Eguchi, Cyrus Ghaznavi, Yuta Tanoue, Mami Ueta, Miho Sassa, Shu Suzuki, Sayaka Honda, Yukiko Kawata, Miho Iida, Haruka Sakamoto, Shuhei Nomura , 2023年10月
Preventive Medicine Reports , 102467 - 102467
-
Estimation of the time of exposure based on interval and censored data using the <i>ε</i>‐accelerated EM algorithm
Daisuke Yoneoka, Takayuki Kawashima, Yuta Tanoue, Shuhei Nomura, Akifumi Eguchi , 2023年08月
Statistics in Medicine
科研費（文科省・学振）獲得実績 【 表示 ／ 非表示 】
-
複数の銀行の与信情報によるデフォルト企業の返済能力推計とその機械学習的方法の開発
研究期間: 2022年04月 - 2026年03月 代表者: 山下 智志
基盤研究(B) 研究分担者 23K22160
大手地銀５行の融資全数データを統合し、既存の機械学習を改良しデフォルト確率だけでなくデフォルト後の経営状態の推移や返済能力を評価する方法を構築する。それにより正確な信用リスクの算出や銀行の最適戦略立案、政策の有効性検証を可能とする。
我々は2008年よりに複数の大手地銀の全融資データベースの構造化をしており、これに独自開発した機械学習的アプローチを適用することにより、モデル化を行う。特に金融機関への実装を意識し、返済行動の不連続性や信用スコアに対する説明可能性を重視する。その成果は信用リスク研究の発展、銀行の融資審査の高度化、金融行政の合理化、中小企業金融の円滑化に貢献する。 -
研究期間: 2021年04月 - 2025年03月 代表者: 田上 悠太
若手研究 研究代表者 21K13328
金融ポートフォリオのリスク計量のためには依存するリスクファクターの同時分布を推定し、リスクファクターの和の分布を導出する必要があるが、これまで用いられてきたコピュラによるアプローチでもリスクファクターの同時分布の推定は難しいことが明らかになってきた。本研究では、同時分布推定を仮定せず、重い裾を考慮した、依存性のあるリスクファクターのVaR、Tail VaRの統計的な性質を明らかにすることを目指す。
本年度は金融リスク、様々な統計モデルの分析で用いられる裾の重い確率変数の和の集中不等式の導出に関して研究を行った。また、得られた集中不等式を応用することで金融ポートフォリオのValue-at-Riskの上限の導出を行った。確率変数の和の集中不等式に関しての研究は様々行われてきている。多くの研究は確率変数の間に独立性を仮定した場合の集中不等式の導出が行われているが、確率変数間に依存性を仮定した場合の集中不等式に関しての研究もなされている。Lampert (2018)はアルファ依存係数を仮定した場合、Janson(2004)はlocal dependenceという確率変数間の依存性を仮定した場合のboundedな確率変数に関しての和の集中不等式を導出している。Janson(2004)の結果はboundedな確率変数に関しての結果であるが、金融リスクを考える場合にはboundedな確率変数では不十分な場合が多く、より裾の重い確率変数に関しての結果が必要である。そこで、本研究ではJanson(2004)のlocal dependenceを仮定した場合のboundedな確率変数の和の集中不等式の研究の拡張を行い、劣指数型確率変数に関しての結果を得た。さらに、得られたlocal dependenceを仮定した場合の確率変数の和の集中不等式に関しての結果をピアソンのファイという依存性を表す尺度を用いて確率変数間の依存性を記述した場合の結果に拡張した。結果を用いてポートフォリオのvalue-at-riskの上限の導出を行うための不等式を得た。
当初の研究計画を達成できたため。今後のより拡張的な研究の礎になる基礎的な結果を得ることができたため。
来年度は、本年度に得られた結果をより一般的な場合に拡張することを計画している。劣指数型確率変数の一般化である、劣ウェイブル型確率変数やアルファ指数型確率変数などに結果を拡張することやベクトル、行列に結果を拡張すること等を計画している。 -
地銀統合データベースを用いた実務利用可能な高精度LGD推定モデルの開発
研究期間: 2018年04月 - 2022年03月 代表者: 田上 悠太
若手研究 研究代表者 18K12873
国際的な金融システムの健全性の強化を目的にしたバーゼル規制は、銀行に対して様々なリスクを推定し、それに備えた自己資本を積み立てることを義務付けている。本研究では銀行債権の信用リスク、特にLGD推定の推定精度向上のための研究を行った。その結果、LGD推定における非線形モデルの有用性を確認した。また、転移学習、マクロ経済変数、業歴の有効性に関しての検証を行った。さらに、膨大な量の説明変数が含まれるLGD推定における変数選択方法に関しての研究も行った。
1.海外においては様々なLGD研究は行われてきたが、これまでは日本においてはほとんどLGD研究が行われてこなかった。特に地方銀行の債権のLGD研究は殆ど行われておらず、日本の債権のLGD推定の要因分析に関して検証が十分に行われてこなかった背景がある。本研究は様々な要因の分析が初めて行われた研究である。また、機械学習モデルや転移学習等、信用リスクの分野においてこれまであまり用いられてこなかった方法に関して検証したことに意義があると考えられる。これらの成果を応用することで日本、海外問わず、研究者や実務家がより推定精度の高いLGD推定モデルの開発が可能となり、リスク管理の高度化に資すると考えられる。 -
地銀統合データベースを用いた高精度LGD推定モデルとシステム実装
研究期間: 2017年08月 - 2019年03月 代表者: 田上 悠太
研究活動スタート支援 研究代表者 17H07322
IFRS9(国際財務報告基準)では健全な信用リスク管理のために予想信用損失会計が導入され、その精緻な推定が求められている。また、国際的な金融システムの健全性の強化を目的にしたバーゼル規制は、銀行に対して様々なリスクを推定し、それに備えた自己資本を積み立てることを義務付けている。信用リスク(銀行の貸付債権から生じる損失)は銀行の抱えるリスクの大部分を占めており、その正確な推定が求められる。近年、信用リスク研究の中でも特にLGD（デフォルト時損失率）という、「貸出に占める損失の割合（= 1-回収率）」の推定が重要になっている。
29年度の研究計画は、①機械学習等の手法に関して、統計学、機械学習分野で用いられる方法によってLGDと説明変数の関係を分析する、②日本固有の特徴の解明、特に銀行は規制産業であり、国による規制に伴って各国に特徴があるため、国際比較を通して、日本特有の特徴を明らかにする、③貸出データに含まれる大量の説明変数の洗濯方法に関しての研究を行う、ことである。
本年は①、②に関しての研究を行った。①に関して。これまでの研究で作成した2段階LGD推定モデルの推定精度改良を試みた。具体的には、医療分野で用いられている機械学習を用いた確率分岐モデルが複数提案されているが、それらを2段階LGD推定モデルに組み込み、その推定精度に関しての比較研究を行った。②に関して。符号制約付き回帰モデルに関する研究を行った。効率的に膨大な説明変数の中からモデルに組み込む説明変数を選択する方法に関しての知見を獲得した。
29年度が最終年度であるため、記入しない。
29年度が最終年度であるため、記入しない。