表示データ生成装置及びプログラム
【課題】要素値の変動による要素間の影響度合いを表示することができるようにする。
【解決手段】ユーザによって複数の要素のうちの少なくとも１つの要素の要素値の変動が指示された変動指示を受け付ける。ベイズ推定によって推定されたパラメータに基づいて、ターゲットとなる要素と関係のある各要素の変動後の要素値の事後分布を予想する。予想された各要素の事後分布に基づいて、事後分布の平均値に応じた高さにおいて、事後分布に応じた変動幅で高さ方向に、ベイジアンネットワークの対応するノードが変動するように表示した３次元画像を、表示装置に表示させるための表示データを生成する。
【解決手段】ユーザによって複数の要素のうちの少なくとも１つの要素の要素値の変動が指示された変動指示を受け付ける。ベイズ推定によって推定されたパラメータに基づいて、ターゲットとなる要素と関係のある各要素の変動後の要素値の事後分布を予想する。予想された各要素の事後分布に基づいて、事後分布の平均値に応じた高さにおいて、事後分布に応じた変動幅で高さ方向に、ベイジアンネットワークの対応するノードが変動するように表示した３次元画像を、表示装置に表示させるための表示データを生成する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、表示データ生成装置及びプログラムに係り、特に、複数の要素の関係を表示するための表示データを生成する表示データ生成装置及びプログラムに関する。
【背景技術】
【０００２】
従来より、ベイジアンネットワークを用いた発明が知られている。例えば、ベイジアンネットワークを用いて、金融取引に関連するリスクおよび／またはエクスポージャを評価する方法が知られている（特許文献１）。この方法では、ベイジアン・ビリーフ・ネットワークを、リスク評価システムにおける入力／出力間およびこれらと他の外部因子との関係をモデル化する規範的診断ツールとして使用することにより、金融リスク評価システムに入力されたデータにおけるエラーの尤らしい情報源を割出している。
【０００３】
また、ある事象が発生した場合に、ベイジアンネットワークによる処理を用いて、その事象が発生する原因を推測し、最適と思われる対処方法を出力する事象分析対処システムが知られている（特許文献２）。この事象分析対処システムでは、確率テーブルと、事象情報を受信し、事象に対する対処の組合せを作成し、原因の確率分布データを出力し、予め定められた評価関数に基づいて、その対処に対する評価値を算出し、算出した対処に対する評価値から、有効性の高い対処案データを対処案リストとして出力している。
【０００４】
また、小売店や飲食店等の店舗の来客数を、ベイジアンネットワークを用いて予測する来客数予測システムが知られている（特許文献３）。来客数予測システムでは、記憶した経験データを抽出し、その経験データに基づいて、事象とそれに対応する来客数予測の確率分布とからなる確率テーブルを作成し、作成した確率テーブルと、外部情報入力手段から受信した事象を示す情報とに基づいて、来客数予測データを算出している。
【先行技術文献】
【特許文献】
【０００５】
【特許文献１】特開２００１−１８４４３０号公報
【特許文献２】特開２００５−２２２１１５号公報
【特許文献３】特開２００５−２２８０１４号公報
【発明の概要】
【発明が解決しようとする課題】
【０００６】
しかしながら、上記の特許文献１〜３に記載の技術では、ベイジアンネットワークを表示する場合、ファクタ間のつながりとその強さ（期待値）情報を可視化することができても、予測分布に関する、より高次のモーメント（分散、歪度、尖度等）を表すことはできないため、要素値の変動による要素間の影響度合いを表示することができない、という問題がある。
【０００７】
本発明は、上記の問題点を解決するためになされたもので、要素値の変動による要素間の影響度合いを表示することができる表示データ生成装置及びプログラムを提供することを目的とする。
【課題を解決するための手段】
【０００８】
上記の目的を達成するために第１の発明に係る表示データ生成装置は、複数の要素の関係をモデル化した要素関係モデルにおける前記複数の要素の要素値を取得する取得手段と、前記取得した前記複数の要素の要素値から、ベイズ推定を用いて、前記要素関係モデルにおける前記複数の要素の関係を表わすパラメータを推定する推定手段と、前記推定手段によって推定された前記パラメータに基づいて、前記複数の要素の要素値の期待値を算出する期待値算出手段と、前記要素関係モデルを、前記複数の要素を複数のノードで表した２次元のベイジアンネットワークにより表現し、かつ、前記複数の要素の要素値の期待値を前記複数のノードの高さとして表現した３次元画像を、表示装置に表示させるための表示データを生成する表示データ生成手段と、ユーザによって前記複数の要素のうちの少なくとも１つの要素の要素値の変動が指示された変動指示を受け付ける変動指示受付手段と、前記推定手段によって推定された前記パラメータと、前記変動指示受付手段によって受け付けた前記変動指示により指示された前記要素の要素値の変動とに基づいて、前記少なくとも１つの要素以外であって、かつ、該要素と関係のある各要素の変動後の要素値の事後分布を算出する事後分布算出手段と、前記事後分布算出手段によって算出された各要素の事後分布に基づいて、前記事後分布の平均値に応じた高さにおいて、前記事後分布に応じた変動幅で高さ方向に、対応するノードが変動するように表示した３次元画像を、前記表示装置に表示させるための表示データを生成する変動表示データ生成手段と、を含んで構成されている。
【０００９】
第２の発明に係るプログラムは、コンピュータを、複数の要素の関係をモデル化した要素関係モデルにおける前記複数の要素の要素値を取得する取得手段、前記取得した前記複数の要素の要素値から、ベイズ推定を用いて、前記要素関係モデルにおける前記複数の要素の関係を表わすパラメータを推定する推定手段、前記推定手段によって推定された前記パラメータに基づいて、前記複数の要素の要素値の期待値を算出する期待値算出手段、前記要素関係モデルを、前記複数の要素を複数のノードで表した２次元のベイジアンネットワークにより表現し、かつ、前記複数の要素の要素値の期待値を前記複数のノードの高さとして表現した３次元画像を、表示装置に表示させるための表示データを生成する表示データ生成手段、ユーザによって前記複数の要素のうちの少なくとも１つの要素の要素値の変動が指示された変動指示を受け付ける変動指示受付手段、前記推定手段によって推定された前記パラメータと、前記変動指示受付手段によって受け付けた前記変動指示により指示された前記要素の要素値の変動とに基づいて、前記少なくとも１つの要素以外であって、かつ、該要素と関係のある各要素の変動後の要素値の事後分布を算出する事後分布算出手段、及び前記事後分布算出手段によって算出された各要素の事後分布に基づいて、前記事後分布の平均値に応じた高さにおいて、前記事後分布に応じた変動幅で高さ方向に、対応するノードが変動するように表示した３次元画像を、前記表示装置に表示させるための表示データを生成する変動表示データ生成手段として機能させるためのプログラムである。
【００１０】
第１の発明及び第２の発明によれば、取得手段によって、複数の要素の関係をモデル化した要素関係モデルにおける前記複数の要素の要素値を取得し、推定手段によって、取得した複数の要素の要素値から、ベイズ推定を用いて、要素関係モデルにおける複数の要素の関係を表わすパラメータを推定する。
【００１１】
そして、期待値算出手段によって、推定手段によって推定されたパラメータに基づいて、複数の要素の要素値の期待値を算出する。表示データ生成手段によって、要素関係モデルを、複数の要素を複数のノードで表した２次元のベイジアンネットワークにより表現し、かつ、複数の要素の要素値の期待値を複数のノードの高さとして表現した３次元画像を、表示装置に表示させるための表示データを生成する。
【００１２】
そして、変動指示受付手段によって、ユーザによって複数の要素のうちの少なくとも１つの要素の要素値の変動が指示された変動指示を受け付ける。事後分布算出手段によって、推定手段によって推定されたパラメータと、変動指示受付手段によって受け付けた変動指示により指示された要素の要素値の変動とに基づいて、少なくとも１つの要素以外であって、かつ、該要素と関係のある各要素の変動後の要素値の事後分布を算出する。
【００１３】
そして、変動表示データ生成手段によって、事後分布算出手段によって算出された各要素の事後分布に基づいて、事後分布の平均値に応じた高さにおいて、事後分布に応じた変動幅で高さ方向に、対応するノードが変動するように表示した３次元画像を、表示装置に表示させるための表示データを生成する。
【００１４】
このように、受け付けた変動指示による要素の要素値の変動に基づいて、各要素の変動後の要素値の事後分布を算出し、事後分布の平均値に応じた高さにおいて、事後分布に応じた変動幅で高さ方向に、ベイジアンネットワークの対応するノードが変動するように表示した３次元画像を、表示装置に表示させることにより、要素値の変動による要素間の影響度合いを表示することができる。
【００１５】
第３の発明に係る表示データ生成装置は、複数の要素の関係をモデル化した要素関係モデルにおける前記複数の要素の要素値を取得する取得手段と、前記取得した前記複数の要素の要素値から、ベイズ推定を用いて、前記要素関係モデルにおける前記複数の要素の関係を表わすパラメータを推定する推定手段と、前記推定手段によって推定された前記パラメータに基づいて、前記複数の要素の要素値の期待値を算出する期待値算出手段と、前記要素関係モデルを、前記複数の要素を複数のノードで表した２次元のベイジアンネットワークにより表現し、かつ、前記複数の要素の要素値の期待値を前記複数のノードの高さとして表現した３次元画像を、表示装置に表示させるための表示データを生成する表示データ生成手段と、ユーザによって前記複数の要素のうちの少なくとも１つの要素の要素値の変動が指示された変動指示を受け付ける変動指示受付手段と、前記推定手段によって推定された前記パラメータと、前記変動指示受付手段によって受け付けた前記変動指示により指示された前記要素の要素値の変動とに基づいて、前記少なくとも１つの要素以外であって、かつ、該要素と関係のある各要素の変動後の要素値の事後分布を算出する事後分布算出手段と、前記事後分布算出手段によって算出された各要素の事後分布に基づいて、前記事後分布の平均値に応じた高さにおいて、対応するノードが、前記事後分布に応じた形状又は色で表されるように表示した３次元画像を、前記表示装置に表示させるための表示データを生成する変動表示データ生成手段と、を含んで構成されている。
【００１６】
第４の発明に係るプログラムは、コンピュータを、複数の要素の関係をモデル化した要素関係モデルにおける前記複数の要素の要素値を取得する取得手段、前記取得した前記複数の要素の要素値から、ベイズ推定を用いて、前記要素関係モデルにおける前記複数の要素の関係を表わすパラメータを推定する推定手段、前記推定手段によって推定された前記パラメータに基づいて、前記複数の要素の要素値の期待値を算出する期待値算出手段、前記要素関係モデルを、前記複数の要素を複数のノードで表した２次元のベイジアンネットワークにより表現し、かつ、前記複数の要素の要素値の期待値を前記複数のノードの高さとして表現した３次元画像を、表示装置に表示させるための表示データを生成する表示データ生成手段、ユーザによって前記複数の要素のうちの少なくとも１つの要素の要素値の変動が指示された変動指示を受け付ける変動指示受付手段、前記推定手段によって推定された前記パラメータと、前記変動指示受付手段によって受け付けた前記変動指示により指示された前記要素の要素値の変動とに基づいて、前記少なくとも１つの要素以外であって、かつ、該要素と関係のある各要素の変動後の要素値の事後分布を算出する事後分布算出手段、及び前記事後分布算出手段によって算出された各要素の事後分布に基づいて、前記事後分布の平均値に応じた高さにおいて、対応するノードが、前記事後分布に応じた形状又は色で表されるように表示した３次元画像を、前記表示装置に表示させるための表示データを生成する変動表示データ生成手段として機能させるためのプログラムである。
【００１７】
第３の発明及び第４の発明によれば、変動表示データ生成手段によって、事後分布算出手段によって算出された各要素の事後分布に基づいて、事後分布の平均値に応じた高さにおいて、対応するノードが、事後分布に応じた形状又は色で表されるように表示した３次元画像を、表示装置に表示させるための表示データを生成する。
【００１８】
このように、受け付けた変動指示による要素の要素値の変動に基づいて、各要素の変動後の要素値の事後分布を算出し、事後分布の平均値に応じた高さにおいて、ベイジアンネットワークの対応するノードが、事後分布に応じた形状又は色で表されるように表示した３次元画像を、表示装置に表示させることにより、要素値の変動による要素間の影響度合いを表示することができる。
【００１９】
上記の表示データ生成装置は、ユーザによるモデル化の対象となる複数の要素の選択を受け付ける要素選択受付手段を更に含み、取得手段は、複数の要素の各々の要素値を記憶した記憶手段から、要素選択受付手段によって受け付けた対象となる複数の要素の選択に対する要素値を取得することができる。
【００２０】
上記の表示データ生成装置は、ユーザによる前記モデル化の対象となる要素の選択を受け付ける要素選択受付手段と、複数の要素の各々の要素値を記憶した記憶手段から、複数の要素の各々の要素値を取得し、取得した各要素に対して、前記対象となる要素と関係があるか否かを判定することにより、前記対象となる要素と関係がある複数の要素を選択する要素選択手段と、を更に含み、取得手段は、要素選択手段によって選択された複数の要素の各々の要素値を取得することができる。これによって、ターゲットとする要素と関係がある要素を自動的に選択することができる。
【００２１】
上記のベイジアンネットワークでは、要素の要素値の相互情報量に基づく要素間の関係に強さに応じて、対応するノード間の線を太くするように表現することができる。
【００２２】
上記の要素を、金融資産又は金融情報とすることができる。
【００２３】
また、ユーザによってノードが指示されたとき、複数の金融資産又は金融情報に関する詳細情報を記憶した記憶手段から、ノードに対応する金融資産又は金融情報に関する詳細情報を取得し、取得した金融資産又は金融情報に関する詳細情報を、表示装置に更に表示させるための表示データを生成する詳細表示データ生成手段を更に含むことができる。
【００２４】
上記の要素を、商品の売上高、商品情報、又は消費者情報とすることができる。
【００２５】
本発明のプログラムは、記憶媒体に格納して提供することができる。
【発明の効果】
【００２６】
以上説明したように、本発明の表示データ生成装置及びプログラムによれば、受け付けた変動指示による要素の要素値の変動に基づいて、各要素の変動後の要素値の事後分布を算出し、事後分布の平均値に応じた高さにおいて、事後分布に応じた変動幅で高さ方向に、ベイジアンネットワークの対応するノードが変動するように表示した３次元画像、又は事後分布の平均値に応じた高さにおいて、ベイジアンネットワークの対応するノードが、事後分布に応じた形状又は色で表されるように表示した３次元画像を、表示装置に表示させることにより、要素値の変動による要素間の影響度合いを表示することができる、という効果が得られる。
【図面の簡単な説明】
【００２７】
【図１】本発明の第１の実施の形態に係る金融資産運用支援システムの構成を示す概略図である。
【図２】本発明の第１の実施の形態に係る金融資産運用支援システムの情報端末の構成を示すブロック図である。
【図３】本発明の第１の実施の形態に係る金融資産運用支援システムのサーバの構成を示すブロック図である。
【図４】ノード間の関係の一例を示す図である。
【図５】ベイジアンネットワークを示すイメージ図である。
【図６】ベイジアンネットワークの３次元表示を示すイメージ図である。
【図７】詳細情報として会社概要を表示した様子を示すイメージ図である。
【図８】詳細情報として株価情報を表示した様子を示すイメージ図である。
【図９】ノードをドラッグ＆ドロップする様子を示すイメージ図である。
【図１０】複数のノードをドラッグ＆ドロップする様子を示すイメージ図である。
【図１１】ノードが変動しているベイジアンネットワークの３次元表示を示すイメージ図である。
【図１２】本発明の第１の実施の形態に係るサーバの金融情報可視化処理ルーチンの内容を示すフローチャートである。
【図１３】本発明の第１の実施の形態に係るサーバの表示データ更新処理ルーチンの内容を示すフローチャートである。
【図１４】本発明の第２の実施の形態に係る金融資産運用支援システムのサーバの構成を示すブロック図である。
【図１５】本発明の第２の実施の形態に係るサーバの金融情報可視化処理ルーチンの内容を示すフローチャートである。
【図１６】本発明の第２の実施の形態に係るサーバの要素選択処理ルーチンの内容を示すフローチャートである。
【図１７】本発明の第３の実施の形態に係る金融資産運用支援システムのサーバの構成を示すブロック図である。
【図１８】本発明の第４の実施の形態に係るマーケティング支援システムのサーバの構成を示すブロック図である。
【発明を実施するための形態】
【００２８】
以下、図面を参照して本発明の実施の形態を詳細に説明する。なお、本実施の形態では、投資家であるユーザによる金融資産の運用を支援するための金融資産運用支援システムに、本発明を適用した場合を例に説明する。
【００２９】
図１に示すように、第１の実施の形態に係る金融資産運用支援システム１０は、ユーザが操作する携帯型の情報端末１２と、情報端末１２に表示させるための表示データを生成するサーバ１４とを備えており、情報端末１２とサーバ１４とは、基地局１６及びインターネットなどのネットワーク１８を介して接続されている。
【００３０】
図２に示すように、情報端末１２は、無線通信を行うための通信部２０と、ユーザによって操作されるキーやタッチパネル等で構成された入力操作部２２と、入力操作部２２による操作に応じて各種の情報処理を行う情報処理部２４と、情報処理部２４から出力される表示データを表示させるためのＬＣＤ等で構成された表示部２６とを備えている。
【００３１】
情報処理部２４では、サーバ１４から送られてきた情報をもとに、金融資産に関する基本情報あるいは詳細情報の表示画面を表示部２６に表示させる。また、ユーザは表示部２６に表示された表示画面上の情報を見ながら、入力操作部２２を操作して、インタラクティブにサーバ１４側に指示をすることができる。例えば、金融資産（例えば、株の銘柄）と、当該金融資産と関連する金融情報の項目（例えば、ＰＥＲ、ＰＢＲ、ＲＯＥなどのファンダメンタル指標）や金融資産（例えば、株の他の銘柄）とを選択するように入力操作部２２を操作して、金融資産及び金融情報の項目の選択と共に、これらの関連性の提示を指示する関連性提示指示を、サーバ１４側へ送信する。
【００３２】
サーバ１４は、ＣＰＵ、ＲＯＭ、ＲＡＭ、及びＨＤＤを備えたコンピュータで構成されており、ＨＤＤには、後述する金融情報可視化処理ルーチン及び表示データ更新処理ルーチンの各々に対するプログラムが記憶されている。
【００３３】
サーバ１４は、機能的には次に示すように構成されている。図３に示すように、サーバ１４は、通信インターフェース部３０、金融情報収集部３２、金融情報データベース３４、入力受付部３６、金融情報取得部３８、ベイズ推定部４２、表示情報生成部４８、詳細情報提示指示受付部５０、詳細情報取得部５２、表示更新部５４、変動指示受付部５６、事後分布算出部５８、表示更新部６０、及び要素削除指示受付部６２を備えている。
【００３４】
通信インターフェース部３０は、ネットワーク１８と接続されており、ネットワーク１８を介したデータの送受信を行う。
【００３５】
金融情報収集部３２は、後述する要素の関連性の推定及び詳細情報の表示のために必要な金融情報を特定し、これをもとにウェブページ、外部金融情報データベースＡＰＩ（Ｂｌｏｏｍｂｅｒｇ, ＲＥＵＴＥＲＳなど）から、必要な金融情報を検索する。また、金融情報収集部３２は、ウェブページおよび外部情報データベースで取得した金融情報を、金融情報データベース３４に適合する形に加工する。例えば、ニュースであればテキストマイニングによるニュース情報の数量化、時系列データのデータベースへの追加等を行う。金融情報収集部３２は、必要な金融情報を定期的に外部から収集し、金融情報データベース３４に登録する。
【００３６】
金融情報データベース３４には、金融情報収集部３２によって収集された各種項目の金融情報を、時系列データとして蓄積する。例えば、過去の株価情報、板情報、ニュース、市場動向、取引量、関連銘柄の動向、ＰＥＲ、ＰＢＲ、ＲＯＥ、当該金融資産を原資産とするデリバティブ価格（オプション等）、ウェブ検索件数と注目率、チャートインデックス（トレンドリバーサル、トレンドからの乖離率、ボラティリティの変化など）、含み損益等などの項目の金融情報が、時系列データとして、金融情報データベース３４に記憶されている。また、株の銘柄毎の金融情報（株価情報やファンダメンタル指標、企業情報など）は、銘柄毎に、金融情報データベース３４に記憶されている。
【００３７】
入力受付部３６は、情報端末１２を持つユーザによって入力されて送信された情報を受け付ける。例えば、ユーザからの入力情報（ターゲットとする株の銘柄や指標などの金融資産の選択、及び当該金融資産との関連を見たい金融情報の項目又は金融資産）を受け付ける。
【００３８】
金融情報取得部３８は、ユーザから受け付けた金融資産（例えば、株の銘柄）や金融情報の項目の選択に応じて、当該銘柄の株価情報の時系列データ、及び選択された金融情報の項目の時系列データを、金融情報データベース３４から取得する。
【００３９】
ベイズ推定部４２は、受け付けた金融資産（例えば、株の銘柄）や金融情報の項目の選択の関係性をモデル化したモデルのモデルパラメータを、ベイズ推定により推定する。
【００４０】
例えば、以下に説明するように、受け付けた金融資産（例えば、株の銘柄）や金融情報の項目の選択の関係性をモデル化した要素関係性モデルのモデルパラメータが推定される。
【００４１】
まず、受け付けた金融資産（例えば、株の銘柄）や金融情報の項目の選択を複数の要素とすると共に、各要素間の関係を線形モデル化して要素関係性モデルとし、各モデルパラメータ（たとえば、線形モデルにおける各係数）の事前分布として、正規分布を仮定する（例えば、平均０分散１の標準正規分布を仮定する）。
【００４２】
そして、モデルパラメータの推定では、ＭＣＭＣ（Ｍａｒｋｏｖ ｃｈａｉｎ Ｍｏｎｔｅ Ｃａｒｌｏ：マルコフ連鎖モンテカルロ）法におけるギブスサンプリング手法を使い、要素とする金融資産（例えば、株の銘柄）や金融情報の項目の時系列データに基づいて、全てのパラメータの同時分布を推定し、パラメータ値を決定する。
【００４３】
より詳細には、以下のようにパラメータを推定する。
【００４４】
まず、図４に示すようなノード間の関係が、次のような線形モデルで表わされると仮定する。
【００４５】
【数１】
ここで、α０、α１の事前分布は、正規分布Ｎ（０，１）に従い、εｔは、誤差とし、ガンマ分布Ｎ（０、σ）に従うとする。ここで、推定すべきパラメータθは、θ＝（α０,α１,σ）となり、観測されたデータをＤ（Ｄ＝（Ａ，Ｂ））とすると、Ｐ（θ｜Ｄ）を求めることによってＡとＢの関係について推定する。具体的には、ギブスサンプリング法を用いて以下のように行う。
Ｓｔｅｐ１. θ０＝（α００，α１０、σ０）を与える（事前分布の平均値で与える）
Ｓｔｅｐ２. Ｐ（α０ｔ｜Ｄ,α１ｔ−１、σｔ−１）を推定する （１≦ｔ≦Ｎ）
Ｓｔｅｐ３. Ｐ（α１ｔ｜Ｄ,α０ｔ−１、σｔ−１）を推定する
Ｓｔｅｐ４. Ｐ（σｔ−１｜Ｄ,α０ｔ−１、α１ｔ）を推定する
Ｓｔｅｐ５. Ｓｔｅｐ２〜Ｓｔｅｐ４をＮ繰り返す
上記でサンプリングされたデータの収束後のデータを平均したものをパラメータの期待値とする。
【００４６】
上記のように、マルコフ連鎖モンテカルロ法を用いてサンプリングを行うことで、パラメータの事後分布を推定すると共に、その期待値をもって、パラメータの推定値とする。
【００４７】
なお、要素の関係性のモデル化として、線形モデルを用いる場合を例に説明したが、これに限定されるものではなく、モデル化としては、離散変数とする方法、線形モデル化＋ガウス分布を仮定する方法、非線形モデル化する方法等が考えられる。また、ギブスサンプリングによるパラメータの推定を行う場合を例に説明したが、これに限定されるものではなく、パラメータ推定手法として、メトロポリス＝ヘイスティングスサンプリングによるパラメータの推定を行ってもよい。
【００４８】
表示情報生成部４８は、図５に示すような、受け付けた金融資産（例えば、株の銘柄）や金融情報の項目の選択を表わす要素をノードとした２次元のベイジアンネットワークと、ノードに対応する要素の期待値に応じた高さとに基づいて、図６に示すような、ベイジアンネットワークを３次元に表示するための表示データを、以下のように生成する。
【００４９】
まず、ターゲットとなる要素と関連する要素との間の要素値の相互情報量を計算し、関係性が強い順に、ターゲットとなる要素の近くに、関連する要素を配置して、ベイジアンネットワークを生成する。例えば、ターゲットの要素を中心とした螺旋状(極座標の方程式, ｒ＝ａθ（ｒ：半径、ａ＞１、θ：偏角）によって表わされる曲線上)に、相互情報量の大きい順に時計回りで、関連する要素を配置する。
【００５０】
また、要素間の因果関係に基づいて、ベイジアンネットワークの要素間の矢印の向きを決定し、要素間の相互情報量の大きさで、要素間の関係の強さを定義し、要素間の矢印の枝の太さを、関係の強さに応じて決定する。
【００５１】
また、ノードに対応する要素について推定された事後分布から、要素の期待値を算出し、ノードの高さを、要素の期待値に応じて決定し、ノードの高さを追加することにより、各ノードの３次元位置を決定し、ベイジアンネットワークを３次元に表示するための表示データを生成する。
【００５２】
表示情報生成部４８は、生成した表示データを、ネットワーク１８を介して、情報端末１２に送信する。これによって、情報端末１２の表示部２６に、ベイジアンネットワークを３次元に表わした表示画面が表示される。
【００５３】
詳細情報提示指示受付部５０は、ユーザによって入力された詳細情報提示指示を、情報端末１２からネットワーク１８を介して受け付ける。
【００５４】
情報端末１２では、ユーザが入力操作部２２を操作することにより、表示部２６に表示された３次元のベイジアンネットワークのノードをクリックしたり、ノードをオンマウス状態とすることができる。上記の操作により、情報端末１２の表示部２６に、当該ノードに対応する要素（金融資産又は金融情報の項目）に関する詳細情報を更に提示するように指示することができる。
【００５５】
なお、詳細情報の提示を指示するためのユーザアクションは、指によるクリック、テキスト入力等であってもよい。
【００５６】
詳細情報取得部５２は、詳細情報提示指示受付部５０によって指示を受け付けた場合、金融情報データベース３４から、要求のあった要素（例えば、株の銘柄）に関する詳細情報（例えば、会社概要、価格時系列データの株価チャートなどの株価情報、ファンダメンタルズデータ、取引量データ、ＲＯＥ、ＲＯＡ、売上高、当該銘柄に関する関連ニュース、ウェブ上の評判など）を取得する。
【００５７】
表示更新部５４は、図７に示すように、取得した詳細情報を、ベイジアンネットワークの３次元表示に重畳させて表示した表示データを生成して更新する。例えば、上記図７に示すように、詳細情報の表示部分には、「会社概要」、「株価情報」（図８参照）、「関連ニュース」、「評価詳細」の各々のタグが設けられており、ユーザによるタグの選択に応じて、各種の詳細情報を表示した表示データを生成する。
【００５８】
なお、詳細情報を表示した表示画面から、株の発注などの管理も可能となるように構成してもよい。
【００５９】
変動指示受付部５６は、ユーザによって入力された要素変動指示を、情報端末１２からネットワーク１８を介して受け付ける。
【００６０】
情報端末１２では、ユーザが入力操作部２２を操作することにより、図９に示すように、表示部２６に表示された３次元のベイジアンネットワークのノードをドラッグ＆ドロップすることができる。上記の操作により、情報端末１２の表示部２６に、当該ノードの要素値を変動させた場合の他の要素の影響度合い（どのように影響が伝搬するか）をシミュレーションさせるように指示することができる。例えば、ノードＡの要素値が下落した時の影響度合いをシミュレーションしたい場合には、ノードＡをクリックして下方向にドラッグし、ドロップする。ここで、ノードＡをドラッグした距離に応じて、ノードＡの要素値の変動値が決定される。
【００６１】
なお、図１０に示すように、要素の変動を指示するためのユーザアクションは、複数のノードに対して行ってもよい。
【００６２】
事後分布算出部５８は、指示された要素の変動を条件とし、各要素についてベイズ推定により推定された事後分布に基づいて、ＭＣＭＣ法によって、予想される各要素の要素値を、事後分布として予想し、予想された事後分布に従って、各要素の要素値をサンプリングする。
【００６３】
例えば、以下に説明するように、要素値をサンプリングする。
【００６４】
ここでは、上記図４においてＡをＡ’に変化させた時のＢへの影響を考える。Ｂへの影響は、以下の（２）式で表される。
【００６５】
【数２】
上記（２）式に従うＢを以下のように可視化する。
【００６６】
まず、上記のギブスサンプリング法を用いたθ＝（α０、α１,σ）のセットの中からＮ／２＋１以降を選択（選択されたインデックスをｉとする）し、上記モデルより、以下の（３）式のように、サンプリングされたパラメータ値を代入することによってＢｔｉを決定する（この値がＢの位置となる）。
【００６７】
【数３】
以上をｉが１からＮ／２まで繰り返す。これによりＡがＡ’に変化したときのＢへの影響（上記（２）式で表わされる分布）が変動として可視化される。無論、上記の線形モデルは一例であり、非線形モデルを仮定したり、通常のベイジアンネットワークのようにモデルを特定せずに求めることも可能である。
【００６８】
また、本実施の形態では、予測分布(事後分布)の特定に、確率サンプリング法 (特にＭＣＭＣ法) を用いた場合を例に説明したが、その他、有名な方法として、ビリーフプロパゲーション（ＢＰ）を採用してもよい。この方法では、親ノードの値をmyu, myu+sigma, myu-sigmaとして、子ノードの条件付き期待値を順に計算する。ただし、ＢＰは単結合（ループがない）でないと収束が保証されないので、複結合（ループがある）の場合はジャンクションツリーアルゴリズムを用いればよい。
【００６９】
また、事後分布算出部５８は、入力された要素の値（変動値）を起点として、矢印（枝）に沿ってベイジアンネットワークの伝承サンプリングを行う（入力された要素の変動値を所与とし、モデルの推定で生成されたパラメータのサンプリングデータを用いる）。サンプリングは例えば２００回行い、サンプリングされた値をメモリ（図示省略）に格納する。
【００７０】
表示更新部６０は、メモリに格納された値をノードの高さとして、例えば、０．０５秒毎に、ベイジアンネットワークを３次元表示した表示データを生成して、表示データを更新する。これによって、情報端末１２の表示部２６に、ベイジアンネットワークを３次元に表わした表示画面が、０．０５秒毎に更新されて表示され、図１１に示すように、各ノードが、変動後の要素値の平均値に応じた高さで表わされ、かつ、ノードの変動の幅により事後分布の分散が表わされる。
【００７１】
また、表示更新部６０は、ノードがスムースに移動するように表示するための表示データを生成する。
【００７２】
例えば、あるノードが、ある要素値から異なる要素値へ変化する場合、以下のシグモイド関数を用いた方程式によって移動割合の時間変化が決定される。
移動割合＝2*((1/(1+exp(-(時間(sec)))))-(1/2))
上記のように決定された移動割合の時間変化で、３次元のベイジアンネットワークのノードが変化するように表示するための表示データが生成される。
【００７３】
要素削除指示受付部６２は、ユーザによって入力された要素削除指示を、情報端末１２からネットワーク１８を介して受け付ける。
【００７４】
情報端末１２では、ユーザが入力操作部２２を操作することにより、表示部２６に表示された３次元のベイジアンネットワークのノードを削除するように、指示することができる。例えば、ターゲットとする要素と相関のない無関係なノードを削除するように指示して、最適な要素関係性モデルを作成する。
【００７５】
要素削除指示を受け付けると、ベイズ推定部４２は、削除するように指示された要素を除いてモデル化した要素関係性モデルのモデルパラメータを、ベイズ推定により再度推定する。
【００７６】
次に、第１の実施の形態に係る金融資産運用支援システム１０の作用について説明する。
【００７７】
まず、ユーザが、情報端末１２において、入力操作部２２を操作して、ターゲットとする金融資産としての株の銘柄を選択すると共に、ターゲットとの関連性を見るための金融資産（例えば、他の株の銘柄）や金融情報の項目を選択すると、情報端末１２から、金融資産や金融情報の項目の選択と共に関連性提示指示が、サーバ１４へ送信される。
【００７８】
サーバ１４において、情報端末１２からの金融資産や金融情報の項目の選択及び関連性提示指示を受け付けると、図１２に示す金融情報可視化処理ルーチンが実行される。
【００７９】
まず、ステップ１００において、入力受付部３６によって受け付けた、ターゲットとする金融資産や関連する金融資産及び金融情報の項目の選択を、要素情報として取得する。
【００８０】
そして、ステップ１０２において、上記ステップ１００で取得した要素情報が示す金融資産の情報（例えば、株の銘柄の株価情報）、及び要素情報が示す金融情報の項目に関する情報を、金融情報データベース３４から取得する。次のステップ１０４では、上記ステップ１００で取得した要素情報を要素として、上記ステップ１０２で取得した金融資産の情報や金融情報の項目に関する情報に基づいて、要素間の関係性をモデル化した要素関係性モデルのモデルパラメータを、ベイズ推定により推定する。
【００８１】
そして、ステップ１０６では、上記ステップ１０６で推定されたパラメータに基づいて、各要素の要素値の期待値を算出し、算出された期待値を、要素に対応するノードの高さとして決定する。
【００８２】
次のステップ１０８では、上記ステップ１０２で取得した金融資産の情報や金融情報の項目に関する情報に基づいて、要素間の要素値の相互情報量を算出して、要素間の強さを定義し、要素間の強さに応じて、要素に対応するノード間の線の太さを決定する。
【００８３】
そして、ステップ１１０において、上記ステップ１０８で得られた要素間の強さに応じて、ターゲットの要素に対応するノード、関連性のある要素に対応するノードを配置すると共に、決定されたノード間の線の太さ、及び要素間の因果関係に基づくノード間の線の矢印の向きに従ってノード間の線（枝）及び矢印を生成したベイジアンネットワークを生成し、上記ステップ１０６で決定されたノードの高さを追加してノードの３次元位置を決定し、ベイジアンネットワークを３次元表示させた表示データを生成して、情報端末１２へ送信する。
【００８４】
次のステップ１１２では、ユーザからの入力を情報端末１２から受け付けたか否かを判定する。ユーザが、情報端末１２の入力操作部２２を操作し、なんらかの指示を、情報端末１２からサーバ１４へ送信すると、ステップ１１４へ進み、表示データを更新して、情報端末１２へ送信し、上記ステップ１１２へ戻る。
【００８５】
ここで、上記ステップ１１４は、図１３に示す表示データ更新処理ルーチンによって実現される。
【００８６】
まず、ステップ１２０において、上記ステップ１１２で受け付けた入力が、特定要素の変動指示であるか否かを判定する。ユーザが、情報端末１２の入力操作部２２を操作し、ノードをドラッグ＆ドロップして、要素変動指示を、情報端末１２からサーバ１４へ送信した場合には、ステップ１２２へ進み、ユーザアクションがあったノードに対応する要素を特定する。
【００８７】
そして、ステップ１２４において、要素変動指示が示す要素値の変動を特定する。次のステップ１２６では、サンプリング回数を示す変数ｎを初期値の１に設定する。
【００８８】
そして、ステップ１２８において、上記ステップ１２４で特定した要素値の変動を条件として、各要素について上記ステップ１０４のベイズ推定により推定された事後分布に基づいて、ＭＣＭＣ法によって、予想される各要素の要素値を、事後分布として予想し、予想された事後分布に従って、各要素の要素値をサンプリングする。
【００８９】
次のステップ１３０では、サンプリングされた各要素の要素値を、対応するノードの高さとして決定し、ステップ１３２において、上記ステップ１３０で決定されたノードの高さに基づいて、ベイジアンネットワークの３次元表示を表わす表示データを更新して、情報端末１２へ送信する。
【００９０】
そして、ステップ１３４において、変数ｎが、定数Ｎ（例えば、２０００）未満であるか否かを判定し、変数ｎがＮ未満である場合には、ステップ１３６において、変数ｎをインクリメントして、上記ステップ１２８へ戻る。一方、上記ステップ１３４において、変数ｎがＮに到達した場合には、表示データ更新処理ルーチンを終了する。これによって、例えば、０．０５秒毎に、情報端末１２の表示部２６における、ベイジアンネットワークを３次元に表わした表示画面が更新され、各ノードが、変動後の要素値の平均値に応じた高さを中心として表わされ、かつ、ノードの変動の幅により事後分布の分散が表わされる。
【００９１】
上記ステップ１２０において、ユーザからの入力が、要素変動指示でない場合には、ステップ１３８において、ユーザからの入力が、要素削除指示であるか否かを判定する。ユーザが入力操作部２２を操作することにより、表示部２６に表示された３次元のベイジアンネットワークのノードをクリックしたり、ノードをオンマウス状態とした場合には、受け付けた入力が詳細情報提示指示であると判断され、ステップ１４０へ移行する。
【００９２】
ステップ１４０では、操作されたノードに対応する要素である金融資産又は金融情報の項目に関する詳細情報を提示するために必要な情報を、金融情報データベース３４から取得する。
【００９３】
そして、ステップ１４２において、ベイジアンネットワークの３次元表示に、操作されたノードに対応する要素である金融資産又は金融情報の項目に関する詳細情報を表示した表示部分を重畳させて表示するための表示データを生成すると共に、生成された表示データを、情報端末１２へ送信して、表示を更新させ、表示データ更新処理ルーチンを終了する。
【００９４】
一方、上記ステップ１３８において、ユーザが入力操作部２２を操作することにより、表示部２６に表示された３次元のベイジアンネットワークのノードを削除するように指示しており、要素削除指示を、情報端末１２から受け付けたと判定された場合には、ステップ１４４へ移行する。ステップ１４４では、要素の関連性のモデル化の対象となる要素から、削除することが指示された要素を削除して、上記ステップ１０４へ戻り、再び、モデルパラメータを推定する。
【００９５】
以上説明したように、第１の実施の形態に係る金融資産運用支援システムによれば、受け付けた変動指示による要素の要素値の変動に基づいて、各要素の変動後の要素値の事後分布を予想し、事後分布の平均値に応じた高さにおいて、事後分布に応じた変動幅で高さ方向に、ベイジアンネットワークの対応するノードが変動するように表示した３次元画像を、表示装置に表示させることにより、要素値の変動による要素間の影響度合いを表示することができる。
【００９６】
また、複数要素の関係性を一目で把握できるように表示することができると共に、要素の変化による影響の伝播のインタラクティブ・シミュレーションを実現することができる。
【００９７】
また、要素間の関係性や、いくつかの要因が変化した場合の影響の大きさおよびその伝搬をインタラクティブにシミュレーションでき、かつ 期待値だけでなく、予想される実現値の範囲を一定の幅として表現することができる。
【００９８】
また、複数の要素が同時に変動した場合のシミュレーションも行うことができる。
【００９９】
また、表示データに基づく表示画面を、金融資産に関する詳細情報を取得するための窓口として使用することができる。
【０１００】
ベイジアンネットワークの表示方法に代表される従来の技術では、ファクタ間のつながりとその強さ（期待値）情報は可視化できても、予測分布に関する、より高次のモーメント（分散、歪度、尖度等）を表すことはできなかった。ベイズ推定の非常に優れた特徴である予測分布に関する、より高次の情報を可視化することはできなかった。本実施の形態では、事後分布のシミュレーション結果を基に、各要素の値を変化させ、それを高さで表示することによって、これら予測分布に関する、より高次の情報を表示することができる。上記のような期待値だけではなく、予測分布の持つ情報に関して、非常に直感的に把握することが可能になる。このような表示により、予測モデルの精度がどの程度であるか、あるファクタの別のファクタへの影響の大きさはどの程度で、どの程度の幅が存在するのか、などといった情報をユーザは直感的に得ることができる。さらに、ユーザは、このようなシミュレーション結果を見て、試行錯誤的にモデルの選択を行うことも可能になる。
【０１０１】
次に、第２の実施の形態に係る金融資産運用支援システムについて説明する。なお、第１の実施の形態と同様の構成となる部分については、同一符号を付して説明を省略する。
【０１０２】
第２の実施の形態では、ターゲットとなる要素と相関のある要素を自動的に選択している点が、第１の実施の形態と異なっている。
【０１０３】
図１４に示すように、第２の実施の形態に係る金融資産運用支援システムのサーバ２１４は、通信インターフェース部３０、金融情報収集部３２、金融情報データベース３４、入力受付部２３６、金融情報取得部２３８、要素選択部２４０、ベイズ推定部４２、表示情報生成部４８、詳細情報提示指示受付部５０、詳細情報取得部５２、表示更新部５４、変動指示受付部５６、事後分布算出部５８、及び表示更新部６０を備えている。
【０１０４】
入力受付部２３６は、情報端末１２を持つユーザによって入力されて送信された情報（ターゲットとする株の銘柄や指標などの金融資産の選択）を受け付ける。
【０１０５】
金融情報取得部２３８は、ユーザから受け付けたターゲットとする金融資産（例えば、株の銘柄）の選択に応じて、当該株の銘柄と関連するファクタの候補として、他の株の銘柄や、金融情報の各種項目を特定し、ターゲットとする銘柄の株価情報の時系列データ、特定された銘柄の株価情報の時系列データ、及び特定された金融情報の項目の時系列データを、金融情報データベース３４から取得する。
【０１０６】
要素選択部２４０は、金融情報データベース３４から取得した銘柄に関する情報の時系列データ、及び金融情報の項目に関する情報の時系列データに基づいて、ファクタの候補である金融情報集合から、ターゲットとするファクタ（特定銘柄の１期後の収益率）と関係性のあるファクタを選択する。
【０１０７】
例えば、以下に説明するように、ターゲットとするファクタと関係性のあるファクタセットが選択される。
【０１０８】
まず、ファクタセット候補を決定する。例えば、３期前までの各期の収益率、１２期間・６０期間・１２０期間それぞれの移動平均からの乖離率、トレンドリバーサル指標、１０期間の収益率に関するボラティリティ(一般的には、各種チャート指標) 、ＰＥＲ、ＰＢＲ、ＲＯＥ（一般的にはファンダメンタル指標）、ＴＯＰＩＸの１期前までの収益率、１２期間の移動平均からの乖離率、短期国債および長期国債の金利、Ｓ＆Ｐ５００の１期前の収益率、円ドル為替レート（一般的にはマーケットインデックス）をファクタ候補とする(その他にもマーケット参加者に関する情報やニュース、金融派生商品など関連する市場の価格等が考えられる)。それらのデータは全てＺ変換によって規格化される。
【０１０９】
次に、以下のように、ネットワーク構造を決定する。
【０１１０】
まず、ファクタとファクタとを結ぶ直線を枝と呼び、枝を結ぶか否かを０、１で表した遺伝子を作成する。ファクタ候補の数を例えば１５個として、１５＊１４／２（一般的には（ｎ＊（ｎ−１））／２、ｎはファクタ候補の数）通りの全ての組み合わせに関する０、１の組み合わせをランダムに与えた遺伝子を２５組作成する。
【０１１１】
それぞれの組について、ベイジアンネットワークのモデルパラメータの推定を行う。具体的には、各要素間の関係を線形モデル化した要素関係性モデルにおいて、各ファクタの事前分布としてガウス分布を仮定する（例えば、平均０分散１の標準正規分布を仮定する）。
【０１１２】
パラメータの推定はマルコフ連鎖モンテカルロ法におけるギブスサンプリング手法を使い、パラメータの同時分布を推定し、パラメータ値を決定する（一般的には、モデル化として、離散変数とする方法、線形モデル化とガウス分布を仮定する方法との組み合わせ、非線形モデル化する方法等が考えられる。パラメータ推定手法としては、ベイズ法ではＭＣＭＣ法（ギブスサンプリング、メトロポリス＝ヘイスティングス サンプリング）によるパラメータの推定が考えられる)。
【０１１３】
次に、説明変数、被説明変数の標本データと、パラメータ値のサンプリングデータとをモンテカルロ積分し、赤池のベイズ情報量基準を推定する。この情報量基準値を遺伝子の適応度とする。なお、シュワルツのベイズ基準を用いて、情報量基準値を求めてもよい。
【０１１４】
そして、この適応度に従って、ルーレットルールによって次世代に引き継ぐ遺伝子を２５組作成する。また、交叉と突然変異の処理を行う。交叉の手法は２点交叉とし、交叉確率を例えば０．０５とし、突然変異確率を例えば０．０５とする。以上の処理を例えば２０回繰り返す (ただし、回数はユーザの時間制限による。回数を増やす程精度が向上するが、長時間を必要とする)。
【０１１５】
そして、最終世代に残った各遺伝子を染色体毎に平均し、その値が０．５を超えるものを、ターゲットするファクタと関係があるファクタであると判定して選択し、ターゲットとするファクタとの間を枝で結ぶことによって、ネットワーク構造を決定する。
【０１１６】
ベイズ推定部４２は、ネットワーク構造として選択されたファクタセットである要素の関係性をモデル化したモデルのモデルパラメータをベイズ推定により推定する。
【０１１７】
次に、第２の実施の形態に係る金融情報可視化処理ルーチンについて、図１５を用いて説明する。なお、第１の実施の形態と同様の処理については、同一符号を付して詳細な説明を省略する。
【０１１８】
まず、ステップ２５０において、入力受付部３６によって受け付けた、ターゲットとする金融資産の選択を、ターゲットの要素情報として取得する。そして、ステップ２５２において、上記ステップ２５０で取得した要素情報が示す金融資産の情報（例えば、株の銘柄の株価情報）、及びターゲットの金融情報に関連する金融情報及び金融情報の項目に関する情報を、金融情報データベース３４から取得する。
【０１１９】
そして、ステップ２５４において、上記ステップ２５２で取得した金融情報に基づいて、ターゲットとなる要素と相関のある要素を、ネットワーク構造の要素として選択する。
【０１２０】
次のステップ２５６では、上記ステップ２５０で取得した要素情報をターゲットの要素とし、上記ステップ２５４で選択した要素を、関係性のある要素として、上記ステップ２５２で取得した金融資産の情報や金融情報の項目に関する情報に基づいて、要素間の関係性をモデル化した要素関係性モデルにおけるモデルパラメータを、ベイズ推定により推定する。
【０１２１】
そして、ステップ１０６では、各要素の要素値の期待値を算出して、要素に対応するノードの高さとして決定し、次のステップ１０８では、要素間の要素値の相互情報量を算出して、要素間の強さを定義し、要素に対応するノード間の線の太さを決定する。
【０１２２】
そして、ステップ１１０において、ベイジアンネットワークを生成し、ベイジアンネットワークを３次元表示させた表示データを生成して、情報端末１２へ送信する。
【０１２３】
次のステップ１１２では、ユーザからの入力を情報端末１２から受け付けたか否かを判定する。ユーザが、情報端末１２の入力操作部２２を操作し、なんらかの指示を、情報端末１２からサーバ１４へ送信すると、ステップ１１４へ進み、表示データを更新して、情報端末１２へ送信し、上記ステップ１１２へ戻る。
【０１２４】
上記ステップ２５４は、図１６に示す要素選択処理ルーチンによって実現される。
【０１２５】
まず、ステップ２６０において、ターゲットと関連のあるファクタの候補全てを要素とし、各要素同士を結合するか否かを０、１で表わしたベクトルを、ネットワークの遺伝子として定義する。そして、ステップ２６２において、上記ステップ２６０で定義されたネットワークの遺伝子をランダムに複数組作成する。
【０１２６】
次のステップ２６４では、処理回数を示す変数ｇを初期値の１に設定し、ステップ２６６において、生成された現在の世代の各遺伝子について、遺伝子が示すネットワークのモデルパラメータをベイズ推定により推定し、推定されたパラメータを用いて、情報量基準値を計算する。
【０１２７】
そして、ステップ２６８では、上記ステップ２６６で計算された情報量基準値を、各遺伝子の適応度として決定する。次のステップ２７０では、上記ステップ２６８で決定された各遺伝子の適応度に基づいて、遺伝的アルゴリズムによって、次世代に生き残る遺伝子を決定し、ステップ２７２において、上記ステップ２７０で決定された遺伝子に対して、交叉及び突然変異処理を行い、得られた各遺伝子を、次世代の遺伝子とする。
【０１２８】
次に、ステップ２７４で、変数ｇが、定数Ｇ未満であるか否かを判定し、変数ｇが、Ｇ未満である場合には、ステップ２７６で、変数ｇをインクリメントして、ステップ２６６へ戻る。一方、上記ステップ２７４で、変数ｇが定数Ｇに到達した場合には、ステップ２７８へ移行する。
【０１２９】
ステップ２７８では、現在の世代を最終世代とし、最終世代に残った各遺伝子を染色体毎に平均し、その値が０．５を超えるものを、ファクタとして選択して、要素選択処理ルーチンを終了する。
【０１３０】
なお、第２の実施の形態に係る金融資産運用支援システムの他の構成及び作用については第１の実施の形態と同様であるため、説明を省略する。
【０１３１】
以上説明したように、第２の実施の形態に係る金融資産運用支援システムによれば、ターゲットとするファクタと関係があるファクタを自動的に選択することができ、これらの要素間の影響度合いを表示することができる。
【０１３２】
なお、上記の実施の形態では、最終世代に残った各遺伝子を染色体毎に平均し、その値に基づいて、ターゲットするファクタと関係があるファクタを選択する場合を例に説明したが、これに限定されるものでない。例えば、最終世代において、決定された適応度に基づいて、最も適応度の高い遺伝子を、ネットワーク構造として採用し、遺伝子を表わすベクトルのうち、１となっている要素を、ターゲットのファクタと相関のあるファクタとして選択するようにしてもよい。
【０１３３】
また、ターゲットのファクタと候補となる全てのファクタとの相関を計算し、相関係数の絶対値が一定値以上のファクタを、ターゲットのファクタと相関のあるファクタとして選択するようにしてもよい。また、サポートベクターマシーン（ＳＶＭ）等のパターン認識技術を用いて、ターゲットのファクタと関係があるファクタであるか否かを、各要素の候補毎に判定して選択するようにしてもよい。
【０１３４】
また、ターゲットとするファクタ（被説明変数）とファクタセット候補（説明変数）との関係について、全ての連続な関係を表現することのできるベイジアン３層パーセプトロンを用いて、ターゲットするファクタとファクタセット候補との間の複雑な非線形関係な関係も考慮したモデル化を行い、ベイズ推定を用いて、モデルパラメータを推定し、赤池のベイズ情報量基準に基づいて、有意なファクタを選択するようにしてもよい。
【０１３５】
また、遺伝的アルゴリズムを用いて、ネットワーク構造を決定する場合を例に説明したが、これに限定されるものではなく、Ｃｏｏｐｅｒ１９９２のＫ２法や、相互情報量を用いたＣｈｏｗ１９６８のＭＷＳＴ（Ｍａｘｉｍｕｍ Ｗｅｉｇｈｔ Ｓｐａｎｎｉｎｇ Ｔｒｅｅ）法を用いて、ネットワーク構造を決定してもよい。
【０１３６】
次に、第３の実施の形態に係る金融資産運用支援システムについて説明する。なお、第１の実施の形態と同様の構成となる部分については、同一符号を付して説明を省略する。
【０１３７】
第３の実施の形態では、サーバによる当該金融資産の運用支援サービスを利用している全ての投資家の情報を収集し、投資家情報としてユーザに提供している点が、第１の実施の形態と異なっている。
【０１３８】
図１７に示すように、第３の実施の形態に係る金融資産運用支援システムのサーバ３１４は、更に、投資家情報収集部３２０と、投資家情報データベース３２２と、投資家情報生成部３２４とを備えている。
【０１３９】
投資家情報収集部３２０は、全ての投資家からの要求に応じて生成された情報（採用された要素、シミュレーションの履歴等）を、表示情報生成部４８から取得して収集し、投資家情報データベース３２２に格納する。
【０１４０】
投資家情報データベース３２２には、収集された情報（採用された要素、シミュレーションの履歴等）が、投資家からの要求毎に記憶されている。
【０１４１】
投資家情報生成部３２４は、サーバ１４による当該金融資産の運用支援サービスを利用している全ての投資家について収集した情報を投資家情報データベース３２２から取得して、投資家情報をユーザに提供するための表示データを生成する。投資家情報の具体的な内容としては、例えば以下の２つがある。
【０１４２】
第１の内容では、各投資家について収集した情報（採用された要素、シミュレーションの履歴等）をユーザグループ全体での分布を計算して、計算した分布を表わす情報を投資家情報として提供する。
【０１４３】
第２の内容では、パフォーマンスの優れた各投資家について収集した情報（採用された要素、シミュレーションの履歴等）を、投資家情報として提供する。
【０１４４】
表示情報生成部４８は、ベイジアンネットワークの３次元表示を表わすと共に、投資家情報を表わす表示データを生成し、生成した表示データを、ネットワーク１８を介して、情報端末１２に送信する。
【０１４５】
なお、第３の実施の形態に係る金融資産運用支援システムの他の構成及び作用については第１の実施の形態と同様であるため、説明を省略する。
【０１４６】
以上説明したように、第３の実施の形態に係る金融資産運用支援システムによれば、サーバによるサービスの使用状況やフィードバックを、ユーザ間で共有することで、サーバによる当該サービスを利用している各投資家に、ユーザグループ全体が注目している関係性などの情報を、新たな付加的な情報として提供することができる。
【０１４７】
次に、第４の実施の形態について説明する。なお、第４の実施の形態では、マーケティングを支援するマーケティング支援システムに、本発明を適用した場合を例に説明する。なお、第１の実施の形態及び第２の実施の形態と同様の構成となる部分については同一符号を付して説明を省略する。
【０１４８】
図１８に示すように、第４の実施の形態に係るマーケティング支援システムのサーバ４１４では、マーケティング情報収集部４３２によって、後述する要素の関連性の推定及び詳細情報の表示のために必要なマーケティング情報を特定し、これをもとにウェブページ、外部マーケティング情報データベースＡＰＩによって、必要なマーケティング情報を検索し、マーケティング情報データベース４３４に登録する。
【０１４９】
マーケティング情報データベース４３４には、収集された各種項目のマーケティング情報を、商品毎に蓄積する。例えば、商品の売上高（食料品の売上高など）、消費者属性（年齢、性別、居住地、未既婚、子有無、職業など）、商品属性（色、味、種類(和・洋・中、肉・魚・野菜・果物・飲み物・菓子類)など）、アンケート結果（趣味、消費傾向(食べ物の好み等)など）などの項目のマーケティング情報が、商品毎に、マーケティング情報データベース４３４に記憶されている。
【０１５０】
入力受付部２３６は、情報端末１２を持つユーザによって入力されて送信された情報（ターゲットとする商品の売上高や、個人の購買行動を表わす指標の選択）を受け付ける。
【０１５１】
マーケティング情報取得部４３８は、ユーザから受け付けたターゲットとする商品やマーケティング情報の項目の選択に応じて、関連するファクタの候補として、マーケティング情報の各種項目を特定し、特定されたマーケティング情報の項目に関する情報を、マーケティング情報データベース４３４から取得する。
【０１５２】
要素選択部２４０は、マーケティング情報データベース４３４から取得した商品に関する情報、及びマーケティング情報の項目に関する情報に基づいて、ファクタの候補であるマーケティング情報集合から、ターゲットとするファクタ（特定商品の売上高）と関係性のあるファクタを選択する。また、要素選択部２４０は、ネットワーク構造を決定する。
【０１５３】
例えば、年齢、性別、居住地、未既婚、子有無、職業などの消費者属性、色、味、種類(和・洋・中、肉・魚・野菜・果物・飲み物・菓子類)などの商品属性（食料品の購買分析でない場合は素材の種類、サービスの質等も含む）、趣味、消費傾向(食べ物の好み等)などのアンケートから得られた結果などの各種項目のマーケティング情報を、ファクタ候補とし、ターゲットするファクタと関係性のあるファクタを選択する。
【０１５４】
ベイズ推定部４２は、ネットワーク構造として選択されたファクタセットである要素の関係性をモデル化したモデルのモデルパラメータをベイズ推定により推定する。
【０１５５】
表示情報生成部４８は、受け付けた商品やマーケティング情報の項目の選択を表わす要素をノードとした２次元のベイジアンネットワークと、ノードに対応する要素の期待値に応じて高さとに基づいて、ベイジアンネットワークを３次元に表示するための表示データを生成する。
【０１５６】
詳細情報取得部５２は、詳細情報提示指示受付部５０によって指示を受け付けた場合、マーケティング情報データベース４３４から、要求のあった要素（例えば、商品の売上高）に関する詳細情報を取得する。
【０１５７】
表示更新部５４は、取得した詳細情報を、ベイジアンネットワークの３次元表示に重畳させて表示した表示データを生成して更新する。
【０１５８】
変動指示受付部５６は、ユーザによって入力された要素変動指示を、情報端末１２からネットワーク１８を介して受け付ける。
【０１５９】
事後分布算出部５８は、指示された要素の変動を条件とし、各要素についてベイズ推定により推定された事後分布に基づいて、ＭＣＭＣ法によって、予想される各要素の要素値を、事後分布として予想し、予想された事後分布に従って、各要素の要素値をサンプリングし、サンプリングされた値をメモリ（図示省略）に格納する。
【０１６０】
表示更新部６０は、メモリに格納された値をノードの高さとして、例えば、０．０５秒毎に、ベイジアンネットワークを３次元表示した表示データを生成して、表示データを更新する。また、表示更新部６０は、ノードがスムースに移動するように表示するための表示データを生成する。
【０１６１】
なお、第４の実施の形態に係るマーケティング支援システムの作用については第２の実施の形態と同様であるため、説明を省略する。
【０１６２】
以上説明したように、第４の実施の形態に係るマーケティング支援システムによれば、マーケティング分野における販売要因の可視化を行うと共に、インタラクティブ・シミュレーションを行うことができる。
【０１６３】
なお、上記の実施の形態では、マーケティング分野における販売要因の可視化を行う場合を例に説明したが、これに限定されるものではなく、他の分野における要素の可視化を行うようにしてもよい。例えば、市場間関係の可視化およびインタラクティブ・シミュレーションを行うシステムに、本発明を適用してもよい。
【０１６４】
次に、第５の実施の形態について説明する。なお、第５の実施の形態に係る金融資産運用支援システムの構成は、第１の実施の形態と同様の構成となるため、同一符号を付して説明を省略する。
【０１６５】
第５の実施の形態では、表示更新部６０によって、各ノードについて、メモリに格納された全ての値を含む幅を、ノードの縦の長さとした楕円形で表わしたベイジアンネットワークを、３次元表示した表示データを生成して、表示データを更新する。これによって、情報端末１２の表示部２６に、各ノードが、変動後の要素値の平均値を中心とし、かつ、ノードの高さ方向の幅により事後分布の分散が表わされる。
【０１６６】
なお、第５の実施の形態に係る金融資産運用支援システムの他の構成及び作用については、第１の実施の形態と同様であるため、説明を省略する。
【０１６７】
上記の実施の形態では、ノードの形状によって、予想された事後分布の分散を表わす場合を例に説明したが、これに限定されるものではなく、ノードの色によって、事後分布の分散を表わすようにしてもよい。
【０１６８】
次に、第６の実施の形態について説明する。なお、第６の実施の形態に係る金融資産運用支援システムの構成は、第１の実施の形態と同様の構成となるため、同一符号を付して説明を省略する。
【０１６９】
第６の実施の形態では、表示更新部６０によって、各ノードについて、メモリに格納された全ての値を含む幅を、ノードの振動幅として、ベイジアンネットワークの各ノードを振動させるように３次元表示した表示データを生成して、表示データを更新する。これによって、情報端末１２の表示部２６に、各ノードが、変動後の要素値の平均値を中心とし、かつ、ノードの高さ方向の振動幅により事後分布の分散が表わされる。
【０１７０】
なお、第６の実施の形態に係る金融資産運用支援システムの他の構成及び作用については、第１の実施の形態と同様であるため、説明を省略する。
【０１７１】
上記の第１の実施の形態〜第６の実施の形態では、相互情報量に基づいて、ノード間の線の太さを決定する場合を例に説明したが、これに限定されるものではなく、短相関係数に基づいて、ノード間の線の太さを決定するようにしてもよい。
【０１７２】
また、変動が指示された要素を含む全ての要素について、事後分布を予想し、要素値をサンプリングする場合を例に説明したが、これに限定されるものではなく、変動が指示された要素以外の要素についてのみ、事後分布を予想し、要素値をサンプリングするようにしてもよい。
【０１７３】
また、上記の第１の実施の形態〜第３の実施の形態、第５の実施の形態、第６の実施の形態では、金融資産の運用支援のために、金融資産や金融情報の項目の関係性を可視化する場合を例に説明したが、これに限定されるものではない。例えば、クレジットリスクの可視化およびインタラクティブ・シミュレーションや、カントリーリスクの可視化およびインタラクティブ・シミュレーションを行うシステムに、本発明を適用してもよい。
【符号の説明】
【０１７４】
１０ 金融資産運用支援システム
１２ 情報端末
１４、２１４、３１４、４１４サーバ
１８ ネットワーク
２２ 入力操作部
２６ 表示部
３４ 金融情報データベース
３６、２３６ 入力受付部
３８、２３８ 金融情報取得部
４２ ベイズ推定部
４８ 表示情報生成部
５０ 詳細情報提示指示受付部
５２ 詳細情報取得部
５４、６０ 表示更新部
５６ 変動指示受付部
５８ 事後分布算出部
６２ 要素削除指示受付部
２４０ 要素選択部
３２０ 投資家情報収集部
３２２ 投資家情報データベース
３２４ 投資家情報生成部
４３２ マーケティング情報収集部
４３４ マーケティング情報データベース
４３８ マーケティング情報取得部
【技術分野】
【０００１】
本発明は、表示データ生成装置及びプログラムに係り、特に、複数の要素の関係を表示するための表示データを生成する表示データ生成装置及びプログラムに関する。
【背景技術】
【０００２】
従来より、ベイジアンネットワークを用いた発明が知られている。例えば、ベイジアンネットワークを用いて、金融取引に関連するリスクおよび／またはエクスポージャを評価する方法が知られている（特許文献１）。この方法では、ベイジアン・ビリーフ・ネットワークを、リスク評価システムにおける入力／出力間およびこれらと他の外部因子との関係をモデル化する規範的診断ツールとして使用することにより、金融リスク評価システムに入力されたデータにおけるエラーの尤らしい情報源を割出している。
【０００３】
また、ある事象が発生した場合に、ベイジアンネットワークによる処理を用いて、その事象が発生する原因を推測し、最適と思われる対処方法を出力する事象分析対処システムが知られている（特許文献２）。この事象分析対処システムでは、確率テーブルと、事象情報を受信し、事象に対する対処の組合せを作成し、原因の確率分布データを出力し、予め定められた評価関数に基づいて、その対処に対する評価値を算出し、算出した対処に対する評価値から、有効性の高い対処案データを対処案リストとして出力している。
【０００４】
また、小売店や飲食店等の店舗の来客数を、ベイジアンネットワークを用いて予測する来客数予測システムが知られている（特許文献３）。来客数予測システムでは、記憶した経験データを抽出し、その経験データに基づいて、事象とそれに対応する来客数予測の確率分布とからなる確率テーブルを作成し、作成した確率テーブルと、外部情報入力手段から受信した事象を示す情報とに基づいて、来客数予測データを算出している。
【先行技術文献】
【特許文献】
【０００５】
【特許文献１】特開２００１−１８４４３０号公報
【特許文献２】特開２００５−２２２１１５号公報
【特許文献３】特開２００５−２２８０１４号公報
【発明の概要】
【発明が解決しようとする課題】
【０００６】
しかしながら、上記の特許文献１〜３に記載の技術では、ベイジアンネットワークを表示する場合、ファクタ間のつながりとその強さ（期待値）情報を可視化することができても、予測分布に関する、より高次のモーメント（分散、歪度、尖度等）を表すことはできないため、要素値の変動による要素間の影響度合いを表示することができない、という問題がある。
【０００７】
本発明は、上記の問題点を解決するためになされたもので、要素値の変動による要素間の影響度合いを表示することができる表示データ生成装置及びプログラムを提供することを目的とする。
【課題を解決するための手段】
【０００８】
上記の目的を達成するために第１の発明に係る表示データ生成装置は、複数の要素の関係をモデル化した要素関係モデルにおける前記複数の要素の要素値を取得する取得手段と、前記取得した前記複数の要素の要素値から、ベイズ推定を用いて、前記要素関係モデルにおける前記複数の要素の関係を表わすパラメータを推定する推定手段と、前記推定手段によって推定された前記パラメータに基づいて、前記複数の要素の要素値の期待値を算出する期待値算出手段と、前記要素関係モデルを、前記複数の要素を複数のノードで表した２次元のベイジアンネットワークにより表現し、かつ、前記複数の要素の要素値の期待値を前記複数のノードの高さとして表現した３次元画像を、表示装置に表示させるための表示データを生成する表示データ生成手段と、ユーザによって前記複数の要素のうちの少なくとも１つの要素の要素値の変動が指示された変動指示を受け付ける変動指示受付手段と、前記推定手段によって推定された前記パラメータと、前記変動指示受付手段によって受け付けた前記変動指示により指示された前記要素の要素値の変動とに基づいて、前記少なくとも１つの要素以外であって、かつ、該要素と関係のある各要素の変動後の要素値の事後分布を算出する事後分布算出手段と、前記事後分布算出手段によって算出された各要素の事後分布に基づいて、前記事後分布の平均値に応じた高さにおいて、前記事後分布に応じた変動幅で高さ方向に、対応するノードが変動するように表示した３次元画像を、前記表示装置に表示させるための表示データを生成する変動表示データ生成手段と、を含んで構成されている。
【０００９】
第２の発明に係るプログラムは、コンピュータを、複数の要素の関係をモデル化した要素関係モデルにおける前記複数の要素の要素値を取得する取得手段、前記取得した前記複数の要素の要素値から、ベイズ推定を用いて、前記要素関係モデルにおける前記複数の要素の関係を表わすパラメータを推定する推定手段、前記推定手段によって推定された前記パラメータに基づいて、前記複数の要素の要素値の期待値を算出する期待値算出手段、前記要素関係モデルを、前記複数の要素を複数のノードで表した２次元のベイジアンネットワークにより表現し、かつ、前記複数の要素の要素値の期待値を前記複数のノードの高さとして表現した３次元画像を、表示装置に表示させるための表示データを生成する表示データ生成手段、ユーザによって前記複数の要素のうちの少なくとも１つの要素の要素値の変動が指示された変動指示を受け付ける変動指示受付手段、前記推定手段によって推定された前記パラメータと、前記変動指示受付手段によって受け付けた前記変動指示により指示された前記要素の要素値の変動とに基づいて、前記少なくとも１つの要素以外であって、かつ、該要素と関係のある各要素の変動後の要素値の事後分布を算出する事後分布算出手段、及び前記事後分布算出手段によって算出された各要素の事後分布に基づいて、前記事後分布の平均値に応じた高さにおいて、前記事後分布に応じた変動幅で高さ方向に、対応するノードが変動するように表示した３次元画像を、前記表示装置に表示させるための表示データを生成する変動表示データ生成手段として機能させるためのプログラムである。
【００１０】
第１の発明及び第２の発明によれば、取得手段によって、複数の要素の関係をモデル化した要素関係モデルにおける前記複数の要素の要素値を取得し、推定手段によって、取得した複数の要素の要素値から、ベイズ推定を用いて、要素関係モデルにおける複数の要素の関係を表わすパラメータを推定する。
【００１１】
そして、期待値算出手段によって、推定手段によって推定されたパラメータに基づいて、複数の要素の要素値の期待値を算出する。表示データ生成手段によって、要素関係モデルを、複数の要素を複数のノードで表した２次元のベイジアンネットワークにより表現し、かつ、複数の要素の要素値の期待値を複数のノードの高さとして表現した３次元画像を、表示装置に表示させるための表示データを生成する。
【００１２】
そして、変動指示受付手段によって、ユーザによって複数の要素のうちの少なくとも１つの要素の要素値の変動が指示された変動指示を受け付ける。事後分布算出手段によって、推定手段によって推定されたパラメータと、変動指示受付手段によって受け付けた変動指示により指示された要素の要素値の変動とに基づいて、少なくとも１つの要素以外であって、かつ、該要素と関係のある各要素の変動後の要素値の事後分布を算出する。
【００１３】
そして、変動表示データ生成手段によって、事後分布算出手段によって算出された各要素の事後分布に基づいて、事後分布の平均値に応じた高さにおいて、事後分布に応じた変動幅で高さ方向に、対応するノードが変動するように表示した３次元画像を、表示装置に表示させるための表示データを生成する。
【００１４】
このように、受け付けた変動指示による要素の要素値の変動に基づいて、各要素の変動後の要素値の事後分布を算出し、事後分布の平均値に応じた高さにおいて、事後分布に応じた変動幅で高さ方向に、ベイジアンネットワークの対応するノードが変動するように表示した３次元画像を、表示装置に表示させることにより、要素値の変動による要素間の影響度合いを表示することができる。
【００１５】
第３の発明に係る表示データ生成装置は、複数の要素の関係をモデル化した要素関係モデルにおける前記複数の要素の要素値を取得する取得手段と、前記取得した前記複数の要素の要素値から、ベイズ推定を用いて、前記要素関係モデルにおける前記複数の要素の関係を表わすパラメータを推定する推定手段と、前記推定手段によって推定された前記パラメータに基づいて、前記複数の要素の要素値の期待値を算出する期待値算出手段と、前記要素関係モデルを、前記複数の要素を複数のノードで表した２次元のベイジアンネットワークにより表現し、かつ、前記複数の要素の要素値の期待値を前記複数のノードの高さとして表現した３次元画像を、表示装置に表示させるための表示データを生成する表示データ生成手段と、ユーザによって前記複数の要素のうちの少なくとも１つの要素の要素値の変動が指示された変動指示を受け付ける変動指示受付手段と、前記推定手段によって推定された前記パラメータと、前記変動指示受付手段によって受け付けた前記変動指示により指示された前記要素の要素値の変動とに基づいて、前記少なくとも１つの要素以外であって、かつ、該要素と関係のある各要素の変動後の要素値の事後分布を算出する事後分布算出手段と、前記事後分布算出手段によって算出された各要素の事後分布に基づいて、前記事後分布の平均値に応じた高さにおいて、対応するノードが、前記事後分布に応じた形状又は色で表されるように表示した３次元画像を、前記表示装置に表示させるための表示データを生成する変動表示データ生成手段と、を含んで構成されている。
【００１６】
第４の発明に係るプログラムは、コンピュータを、複数の要素の関係をモデル化した要素関係モデルにおける前記複数の要素の要素値を取得する取得手段、前記取得した前記複数の要素の要素値から、ベイズ推定を用いて、前記要素関係モデルにおける前記複数の要素の関係を表わすパラメータを推定する推定手段、前記推定手段によって推定された前記パラメータに基づいて、前記複数の要素の要素値の期待値を算出する期待値算出手段、前記要素関係モデルを、前記複数の要素を複数のノードで表した２次元のベイジアンネットワークにより表現し、かつ、前記複数の要素の要素値の期待値を前記複数のノードの高さとして表現した３次元画像を、表示装置に表示させるための表示データを生成する表示データ生成手段、ユーザによって前記複数の要素のうちの少なくとも１つの要素の要素値の変動が指示された変動指示を受け付ける変動指示受付手段、前記推定手段によって推定された前記パラメータと、前記変動指示受付手段によって受け付けた前記変動指示により指示された前記要素の要素値の変動とに基づいて、前記少なくとも１つの要素以外であって、かつ、該要素と関係のある各要素の変動後の要素値の事後分布を算出する事後分布算出手段、及び前記事後分布算出手段によって算出された各要素の事後分布に基づいて、前記事後分布の平均値に応じた高さにおいて、対応するノードが、前記事後分布に応じた形状又は色で表されるように表示した３次元画像を、前記表示装置に表示させるための表示データを生成する変動表示データ生成手段として機能させるためのプログラムである。
【００１７】
第３の発明及び第４の発明によれば、変動表示データ生成手段によって、事後分布算出手段によって算出された各要素の事後分布に基づいて、事後分布の平均値に応じた高さにおいて、対応するノードが、事後分布に応じた形状又は色で表されるように表示した３次元画像を、表示装置に表示させるための表示データを生成する。
【００１８】
このように、受け付けた変動指示による要素の要素値の変動に基づいて、各要素の変動後の要素値の事後分布を算出し、事後分布の平均値に応じた高さにおいて、ベイジアンネットワークの対応するノードが、事後分布に応じた形状又は色で表されるように表示した３次元画像を、表示装置に表示させることにより、要素値の変動による要素間の影響度合いを表示することができる。
【００１９】
上記の表示データ生成装置は、ユーザによるモデル化の対象となる複数の要素の選択を受け付ける要素選択受付手段を更に含み、取得手段は、複数の要素の各々の要素値を記憶した記憶手段から、要素選択受付手段によって受け付けた対象となる複数の要素の選択に対する要素値を取得することができる。
【００２０】
上記の表示データ生成装置は、ユーザによる前記モデル化の対象となる要素の選択を受け付ける要素選択受付手段と、複数の要素の各々の要素値を記憶した記憶手段から、複数の要素の各々の要素値を取得し、取得した各要素に対して、前記対象となる要素と関係があるか否かを判定することにより、前記対象となる要素と関係がある複数の要素を選択する要素選択手段と、を更に含み、取得手段は、要素選択手段によって選択された複数の要素の各々の要素値を取得することができる。これによって、ターゲットとする要素と関係がある要素を自動的に選択することができる。
【００２１】
上記のベイジアンネットワークでは、要素の要素値の相互情報量に基づく要素間の関係に強さに応じて、対応するノード間の線を太くするように表現することができる。
【００２２】
上記の要素を、金融資産又は金融情報とすることができる。
【００２３】
また、ユーザによってノードが指示されたとき、複数の金融資産又は金融情報に関する詳細情報を記憶した記憶手段から、ノードに対応する金融資産又は金融情報に関する詳細情報を取得し、取得した金融資産又は金融情報に関する詳細情報を、表示装置に更に表示させるための表示データを生成する詳細表示データ生成手段を更に含むことができる。
【００２４】
上記の要素を、商品の売上高、商品情報、又は消費者情報とすることができる。
【００２５】
本発明のプログラムは、記憶媒体に格納して提供することができる。
【発明の効果】
【００２６】
以上説明したように、本発明の表示データ生成装置及びプログラムによれば、受け付けた変動指示による要素の要素値の変動に基づいて、各要素の変動後の要素値の事後分布を算出し、事後分布の平均値に応じた高さにおいて、事後分布に応じた変動幅で高さ方向に、ベイジアンネットワークの対応するノードが変動するように表示した３次元画像、又は事後分布の平均値に応じた高さにおいて、ベイジアンネットワークの対応するノードが、事後分布に応じた形状又は色で表されるように表示した３次元画像を、表示装置に表示させることにより、要素値の変動による要素間の影響度合いを表示することができる、という効果が得られる。
【図面の簡単な説明】
【００２７】
【図１】本発明の第１の実施の形態に係る金融資産運用支援システムの構成を示す概略図である。
【図２】本発明の第１の実施の形態に係る金融資産運用支援システムの情報端末の構成を示すブロック図である。
【図３】本発明の第１の実施の形態に係る金融資産運用支援システムのサーバの構成を示すブロック図である。
【図４】ノード間の関係の一例を示す図である。
【図５】ベイジアンネットワークを示すイメージ図である。
【図６】ベイジアンネットワークの３次元表示を示すイメージ図である。
【図７】詳細情報として会社概要を表示した様子を示すイメージ図である。
【図８】詳細情報として株価情報を表示した様子を示すイメージ図である。
【図９】ノードをドラッグ＆ドロップする様子を示すイメージ図である。
【図１０】複数のノードをドラッグ＆ドロップする様子を示すイメージ図である。
【図１１】ノードが変動しているベイジアンネットワークの３次元表示を示すイメージ図である。
【図１２】本発明の第１の実施の形態に係るサーバの金融情報可視化処理ルーチンの内容を示すフローチャートである。
【図１３】本発明の第１の実施の形態に係るサーバの表示データ更新処理ルーチンの内容を示すフローチャートである。
【図１４】本発明の第２の実施の形態に係る金融資産運用支援システムのサーバの構成を示すブロック図である。
【図１５】本発明の第２の実施の形態に係るサーバの金融情報可視化処理ルーチンの内容を示すフローチャートである。
【図１６】本発明の第２の実施の形態に係るサーバの要素選択処理ルーチンの内容を示すフローチャートである。
【図１７】本発明の第３の実施の形態に係る金融資産運用支援システムのサーバの構成を示すブロック図である。
【図１８】本発明の第４の実施の形態に係るマーケティング支援システムのサーバの構成を示すブロック図である。
【発明を実施するための形態】
【００２８】
以下、図面を参照して本発明の実施の形態を詳細に説明する。なお、本実施の形態では、投資家であるユーザによる金融資産の運用を支援するための金融資産運用支援システムに、本発明を適用した場合を例に説明する。
【００２９】
図１に示すように、第１の実施の形態に係る金融資産運用支援システム１０は、ユーザが操作する携帯型の情報端末１２と、情報端末１２に表示させるための表示データを生成するサーバ１４とを備えており、情報端末１２とサーバ１４とは、基地局１６及びインターネットなどのネットワーク１８を介して接続されている。
【００３０】
図２に示すように、情報端末１２は、無線通信を行うための通信部２０と、ユーザによって操作されるキーやタッチパネル等で構成された入力操作部２２と、入力操作部２２による操作に応じて各種の情報処理を行う情報処理部２４と、情報処理部２４から出力される表示データを表示させるためのＬＣＤ等で構成された表示部２６とを備えている。
【００３１】
情報処理部２４では、サーバ１４から送られてきた情報をもとに、金融資産に関する基本情報あるいは詳細情報の表示画面を表示部２６に表示させる。また、ユーザは表示部２６に表示された表示画面上の情報を見ながら、入力操作部２２を操作して、インタラクティブにサーバ１４側に指示をすることができる。例えば、金融資産（例えば、株の銘柄）と、当該金融資産と関連する金融情報の項目（例えば、ＰＥＲ、ＰＢＲ、ＲＯＥなどのファンダメンタル指標）や金融資産（例えば、株の他の銘柄）とを選択するように入力操作部２２を操作して、金融資産及び金融情報の項目の選択と共に、これらの関連性の提示を指示する関連性提示指示を、サーバ１４側へ送信する。
【００３２】
サーバ１４は、ＣＰＵ、ＲＯＭ、ＲＡＭ、及びＨＤＤを備えたコンピュータで構成されており、ＨＤＤには、後述する金融情報可視化処理ルーチン及び表示データ更新処理ルーチンの各々に対するプログラムが記憶されている。
【００３３】
サーバ１４は、機能的には次に示すように構成されている。図３に示すように、サーバ１４は、通信インターフェース部３０、金融情報収集部３２、金融情報データベース３４、入力受付部３６、金融情報取得部３８、ベイズ推定部４２、表示情報生成部４８、詳細情報提示指示受付部５０、詳細情報取得部５２、表示更新部５４、変動指示受付部５６、事後分布算出部５８、表示更新部６０、及び要素削除指示受付部６２を備えている。
【００３４】
通信インターフェース部３０は、ネットワーク１８と接続されており、ネットワーク１８を介したデータの送受信を行う。
【００３５】
金融情報収集部３２は、後述する要素の関連性の推定及び詳細情報の表示のために必要な金融情報を特定し、これをもとにウェブページ、外部金融情報データベースＡＰＩ（Ｂｌｏｏｍｂｅｒｇ, ＲＥＵＴＥＲＳなど）から、必要な金融情報を検索する。また、金融情報収集部３２は、ウェブページおよび外部情報データベースで取得した金融情報を、金融情報データベース３４に適合する形に加工する。例えば、ニュースであればテキストマイニングによるニュース情報の数量化、時系列データのデータベースへの追加等を行う。金融情報収集部３２は、必要な金融情報を定期的に外部から収集し、金融情報データベース３４に登録する。
【００３６】
金融情報データベース３４には、金融情報収集部３２によって収集された各種項目の金融情報を、時系列データとして蓄積する。例えば、過去の株価情報、板情報、ニュース、市場動向、取引量、関連銘柄の動向、ＰＥＲ、ＰＢＲ、ＲＯＥ、当該金融資産を原資産とするデリバティブ価格（オプション等）、ウェブ検索件数と注目率、チャートインデックス（トレンドリバーサル、トレンドからの乖離率、ボラティリティの変化など）、含み損益等などの項目の金融情報が、時系列データとして、金融情報データベース３４に記憶されている。また、株の銘柄毎の金融情報（株価情報やファンダメンタル指標、企業情報など）は、銘柄毎に、金融情報データベース３４に記憶されている。
【００３７】
入力受付部３６は、情報端末１２を持つユーザによって入力されて送信された情報を受け付ける。例えば、ユーザからの入力情報（ターゲットとする株の銘柄や指標などの金融資産の選択、及び当該金融資産との関連を見たい金融情報の項目又は金融資産）を受け付ける。
【００３８】
金融情報取得部３８は、ユーザから受け付けた金融資産（例えば、株の銘柄）や金融情報の項目の選択に応じて、当該銘柄の株価情報の時系列データ、及び選択された金融情報の項目の時系列データを、金融情報データベース３４から取得する。
【００３９】
ベイズ推定部４２は、受け付けた金融資産（例えば、株の銘柄）や金融情報の項目の選択の関係性をモデル化したモデルのモデルパラメータを、ベイズ推定により推定する。
【００４０】
例えば、以下に説明するように、受け付けた金融資産（例えば、株の銘柄）や金融情報の項目の選択の関係性をモデル化した要素関係性モデルのモデルパラメータが推定される。
【００４１】
まず、受け付けた金融資産（例えば、株の銘柄）や金融情報の項目の選択を複数の要素とすると共に、各要素間の関係を線形モデル化して要素関係性モデルとし、各モデルパラメータ（たとえば、線形モデルにおける各係数）の事前分布として、正規分布を仮定する（例えば、平均０分散１の標準正規分布を仮定する）。
【００４２】
そして、モデルパラメータの推定では、ＭＣＭＣ（Ｍａｒｋｏｖ ｃｈａｉｎ Ｍｏｎｔｅ Ｃａｒｌｏ：マルコフ連鎖モンテカルロ）法におけるギブスサンプリング手法を使い、要素とする金融資産（例えば、株の銘柄）や金融情報の項目の時系列データに基づいて、全てのパラメータの同時分布を推定し、パラメータ値を決定する。
【００４３】
より詳細には、以下のようにパラメータを推定する。
【００４４】
まず、図４に示すようなノード間の関係が、次のような線形モデルで表わされると仮定する。
【００４５】
【数１】
ここで、α０、α１の事前分布は、正規分布Ｎ（０，１）に従い、εｔは、誤差とし、ガンマ分布Ｎ（０、σ）に従うとする。ここで、推定すべきパラメータθは、θ＝（α０,α１,σ）となり、観測されたデータをＤ（Ｄ＝（Ａ，Ｂ））とすると、Ｐ（θ｜Ｄ）を求めることによってＡとＢの関係について推定する。具体的には、ギブスサンプリング法を用いて以下のように行う。
Ｓｔｅｐ１. θ０＝（α００，α１０、σ０）を与える（事前分布の平均値で与える）
Ｓｔｅｐ２. Ｐ（α０ｔ｜Ｄ,α１ｔ−１、σｔ−１）を推定する （１≦ｔ≦Ｎ）
Ｓｔｅｐ３. Ｐ（α１ｔ｜Ｄ,α０ｔ−１、σｔ−１）を推定する
Ｓｔｅｐ４. Ｐ（σｔ−１｜Ｄ,α０ｔ−１、α１ｔ）を推定する
Ｓｔｅｐ５. Ｓｔｅｐ２〜Ｓｔｅｐ４をＮ繰り返す
上記でサンプリングされたデータの収束後のデータを平均したものをパラメータの期待値とする。
【００４６】
上記のように、マルコフ連鎖モンテカルロ法を用いてサンプリングを行うことで、パラメータの事後分布を推定すると共に、その期待値をもって、パラメータの推定値とする。
【００４７】
なお、要素の関係性のモデル化として、線形モデルを用いる場合を例に説明したが、これに限定されるものではなく、モデル化としては、離散変数とする方法、線形モデル化＋ガウス分布を仮定する方法、非線形モデル化する方法等が考えられる。また、ギブスサンプリングによるパラメータの推定を行う場合を例に説明したが、これに限定されるものではなく、パラメータ推定手法として、メトロポリス＝ヘイスティングスサンプリングによるパラメータの推定を行ってもよい。
【００４８】
表示情報生成部４８は、図５に示すような、受け付けた金融資産（例えば、株の銘柄）や金融情報の項目の選択を表わす要素をノードとした２次元のベイジアンネットワークと、ノードに対応する要素の期待値に応じた高さとに基づいて、図６に示すような、ベイジアンネットワークを３次元に表示するための表示データを、以下のように生成する。
【００４９】
まず、ターゲットとなる要素と関連する要素との間の要素値の相互情報量を計算し、関係性が強い順に、ターゲットとなる要素の近くに、関連する要素を配置して、ベイジアンネットワークを生成する。例えば、ターゲットの要素を中心とした螺旋状(極座標の方程式, ｒ＝ａθ（ｒ：半径、ａ＞１、θ：偏角）によって表わされる曲線上)に、相互情報量の大きい順に時計回りで、関連する要素を配置する。
【００５０】
また、要素間の因果関係に基づいて、ベイジアンネットワークの要素間の矢印の向きを決定し、要素間の相互情報量の大きさで、要素間の関係の強さを定義し、要素間の矢印の枝の太さを、関係の強さに応じて決定する。
【００５１】
また、ノードに対応する要素について推定された事後分布から、要素の期待値を算出し、ノードの高さを、要素の期待値に応じて決定し、ノードの高さを追加することにより、各ノードの３次元位置を決定し、ベイジアンネットワークを３次元に表示するための表示データを生成する。
【００５２】
表示情報生成部４８は、生成した表示データを、ネットワーク１８を介して、情報端末１２に送信する。これによって、情報端末１２の表示部２６に、ベイジアンネットワークを３次元に表わした表示画面が表示される。
【００５３】
詳細情報提示指示受付部５０は、ユーザによって入力された詳細情報提示指示を、情報端末１２からネットワーク１８を介して受け付ける。
【００５４】
情報端末１２では、ユーザが入力操作部２２を操作することにより、表示部２６に表示された３次元のベイジアンネットワークのノードをクリックしたり、ノードをオンマウス状態とすることができる。上記の操作により、情報端末１２の表示部２６に、当該ノードに対応する要素（金融資産又は金融情報の項目）に関する詳細情報を更に提示するように指示することができる。
【００５５】
なお、詳細情報の提示を指示するためのユーザアクションは、指によるクリック、テキスト入力等であってもよい。
【００５６】
詳細情報取得部５２は、詳細情報提示指示受付部５０によって指示を受け付けた場合、金融情報データベース３４から、要求のあった要素（例えば、株の銘柄）に関する詳細情報（例えば、会社概要、価格時系列データの株価チャートなどの株価情報、ファンダメンタルズデータ、取引量データ、ＲＯＥ、ＲＯＡ、売上高、当該銘柄に関する関連ニュース、ウェブ上の評判など）を取得する。
【００５７】
表示更新部５４は、図７に示すように、取得した詳細情報を、ベイジアンネットワークの３次元表示に重畳させて表示した表示データを生成して更新する。例えば、上記図７に示すように、詳細情報の表示部分には、「会社概要」、「株価情報」（図８参照）、「関連ニュース」、「評価詳細」の各々のタグが設けられており、ユーザによるタグの選択に応じて、各種の詳細情報を表示した表示データを生成する。
【００５８】
なお、詳細情報を表示した表示画面から、株の発注などの管理も可能となるように構成してもよい。
【００５９】
変動指示受付部５６は、ユーザによって入力された要素変動指示を、情報端末１２からネットワーク１８を介して受け付ける。
【００６０】
情報端末１２では、ユーザが入力操作部２２を操作することにより、図９に示すように、表示部２６に表示された３次元のベイジアンネットワークのノードをドラッグ＆ドロップすることができる。上記の操作により、情報端末１２の表示部２６に、当該ノードの要素値を変動させた場合の他の要素の影響度合い（どのように影響が伝搬するか）をシミュレーションさせるように指示することができる。例えば、ノードＡの要素値が下落した時の影響度合いをシミュレーションしたい場合には、ノードＡをクリックして下方向にドラッグし、ドロップする。ここで、ノードＡをドラッグした距離に応じて、ノードＡの要素値の変動値が決定される。
【００６１】
なお、図１０に示すように、要素の変動を指示するためのユーザアクションは、複数のノードに対して行ってもよい。
【００６２】
事後分布算出部５８は、指示された要素の変動を条件とし、各要素についてベイズ推定により推定された事後分布に基づいて、ＭＣＭＣ法によって、予想される各要素の要素値を、事後分布として予想し、予想された事後分布に従って、各要素の要素値をサンプリングする。
【００６３】
例えば、以下に説明するように、要素値をサンプリングする。
【００６４】
ここでは、上記図４においてＡをＡ’に変化させた時のＢへの影響を考える。Ｂへの影響は、以下の（２）式で表される。
【００６５】
【数２】
上記（２）式に従うＢを以下のように可視化する。
【００６６】
まず、上記のギブスサンプリング法を用いたθ＝（α０、α１,σ）のセットの中からＮ／２＋１以降を選択（選択されたインデックスをｉとする）し、上記モデルより、以下の（３）式のように、サンプリングされたパラメータ値を代入することによってＢｔｉを決定する（この値がＢの位置となる）。
【００６７】
【数３】
以上をｉが１からＮ／２まで繰り返す。これによりＡがＡ’に変化したときのＢへの影響（上記（２）式で表わされる分布）が変動として可視化される。無論、上記の線形モデルは一例であり、非線形モデルを仮定したり、通常のベイジアンネットワークのようにモデルを特定せずに求めることも可能である。
【００６８】
また、本実施の形態では、予測分布(事後分布)の特定に、確率サンプリング法 (特にＭＣＭＣ法) を用いた場合を例に説明したが、その他、有名な方法として、ビリーフプロパゲーション（ＢＰ）を採用してもよい。この方法では、親ノードの値をmyu, myu+sigma, myu-sigmaとして、子ノードの条件付き期待値を順に計算する。ただし、ＢＰは単結合（ループがない）でないと収束が保証されないので、複結合（ループがある）の場合はジャンクションツリーアルゴリズムを用いればよい。
【００６９】
また、事後分布算出部５８は、入力された要素の値（変動値）を起点として、矢印（枝）に沿ってベイジアンネットワークの伝承サンプリングを行う（入力された要素の変動値を所与とし、モデルの推定で生成されたパラメータのサンプリングデータを用いる）。サンプリングは例えば２００回行い、サンプリングされた値をメモリ（図示省略）に格納する。
【００７０】
表示更新部６０は、メモリに格納された値をノードの高さとして、例えば、０．０５秒毎に、ベイジアンネットワークを３次元表示した表示データを生成して、表示データを更新する。これによって、情報端末１２の表示部２６に、ベイジアンネットワークを３次元に表わした表示画面が、０．０５秒毎に更新されて表示され、図１１に示すように、各ノードが、変動後の要素値の平均値に応じた高さで表わされ、かつ、ノードの変動の幅により事後分布の分散が表わされる。
【００７１】
また、表示更新部６０は、ノードがスムースに移動するように表示するための表示データを生成する。
【００７２】
例えば、あるノードが、ある要素値から異なる要素値へ変化する場合、以下のシグモイド関数を用いた方程式によって移動割合の時間変化が決定される。
移動割合＝2*((1/(1+exp(-(時間(sec)))))-(1/2))
上記のように決定された移動割合の時間変化で、３次元のベイジアンネットワークのノードが変化するように表示するための表示データが生成される。
【００７３】
要素削除指示受付部６２は、ユーザによって入力された要素削除指示を、情報端末１２からネットワーク１８を介して受け付ける。
【００７４】
情報端末１２では、ユーザが入力操作部２２を操作することにより、表示部２６に表示された３次元のベイジアンネットワークのノードを削除するように、指示することができる。例えば、ターゲットとする要素と相関のない無関係なノードを削除するように指示して、最適な要素関係性モデルを作成する。
【００７５】
要素削除指示を受け付けると、ベイズ推定部４２は、削除するように指示された要素を除いてモデル化した要素関係性モデルのモデルパラメータを、ベイズ推定により再度推定する。
【００７６】
次に、第１の実施の形態に係る金融資産運用支援システム１０の作用について説明する。
【００７７】
まず、ユーザが、情報端末１２において、入力操作部２２を操作して、ターゲットとする金融資産としての株の銘柄を選択すると共に、ターゲットとの関連性を見るための金融資産（例えば、他の株の銘柄）や金融情報の項目を選択すると、情報端末１２から、金融資産や金融情報の項目の選択と共に関連性提示指示が、サーバ１４へ送信される。
【００７８】
サーバ１４において、情報端末１２からの金融資産や金融情報の項目の選択及び関連性提示指示を受け付けると、図１２に示す金融情報可視化処理ルーチンが実行される。
【００７９】
まず、ステップ１００において、入力受付部３６によって受け付けた、ターゲットとする金融資産や関連する金融資産及び金融情報の項目の選択を、要素情報として取得する。
【００８０】
そして、ステップ１０２において、上記ステップ１００で取得した要素情報が示す金融資産の情報（例えば、株の銘柄の株価情報）、及び要素情報が示す金融情報の項目に関する情報を、金融情報データベース３４から取得する。次のステップ１０４では、上記ステップ１００で取得した要素情報を要素として、上記ステップ１０２で取得した金融資産の情報や金融情報の項目に関する情報に基づいて、要素間の関係性をモデル化した要素関係性モデルのモデルパラメータを、ベイズ推定により推定する。
【００８１】
そして、ステップ１０６では、上記ステップ１０６で推定されたパラメータに基づいて、各要素の要素値の期待値を算出し、算出された期待値を、要素に対応するノードの高さとして決定する。
【００８２】
次のステップ１０８では、上記ステップ１０２で取得した金融資産の情報や金融情報の項目に関する情報に基づいて、要素間の要素値の相互情報量を算出して、要素間の強さを定義し、要素間の強さに応じて、要素に対応するノード間の線の太さを決定する。
【００８３】
そして、ステップ１１０において、上記ステップ１０８で得られた要素間の強さに応じて、ターゲットの要素に対応するノード、関連性のある要素に対応するノードを配置すると共に、決定されたノード間の線の太さ、及び要素間の因果関係に基づくノード間の線の矢印の向きに従ってノード間の線（枝）及び矢印を生成したベイジアンネットワークを生成し、上記ステップ１０６で決定されたノードの高さを追加してノードの３次元位置を決定し、ベイジアンネットワークを３次元表示させた表示データを生成して、情報端末１２へ送信する。
【００８４】
次のステップ１１２では、ユーザからの入力を情報端末１２から受け付けたか否かを判定する。ユーザが、情報端末１２の入力操作部２２を操作し、なんらかの指示を、情報端末１２からサーバ１４へ送信すると、ステップ１１４へ進み、表示データを更新して、情報端末１２へ送信し、上記ステップ１１２へ戻る。
【００８５】
ここで、上記ステップ１１４は、図１３に示す表示データ更新処理ルーチンによって実現される。
【００８６】
まず、ステップ１２０において、上記ステップ１１２で受け付けた入力が、特定要素の変動指示であるか否かを判定する。ユーザが、情報端末１２の入力操作部２２を操作し、ノードをドラッグ＆ドロップして、要素変動指示を、情報端末１２からサーバ１４へ送信した場合には、ステップ１２２へ進み、ユーザアクションがあったノードに対応する要素を特定する。
【００８７】
そして、ステップ１２４において、要素変動指示が示す要素値の変動を特定する。次のステップ１２６では、サンプリング回数を示す変数ｎを初期値の１に設定する。
【００８８】
そして、ステップ１２８において、上記ステップ１２４で特定した要素値の変動を条件として、各要素について上記ステップ１０４のベイズ推定により推定された事後分布に基づいて、ＭＣＭＣ法によって、予想される各要素の要素値を、事後分布として予想し、予想された事後分布に従って、各要素の要素値をサンプリングする。
【００８９】
次のステップ１３０では、サンプリングされた各要素の要素値を、対応するノードの高さとして決定し、ステップ１３２において、上記ステップ１３０で決定されたノードの高さに基づいて、ベイジアンネットワークの３次元表示を表わす表示データを更新して、情報端末１２へ送信する。
【００９０】
そして、ステップ１３４において、変数ｎが、定数Ｎ（例えば、２０００）未満であるか否かを判定し、変数ｎがＮ未満である場合には、ステップ１３６において、変数ｎをインクリメントして、上記ステップ１２８へ戻る。一方、上記ステップ１３４において、変数ｎがＮに到達した場合には、表示データ更新処理ルーチンを終了する。これによって、例えば、０．０５秒毎に、情報端末１２の表示部２６における、ベイジアンネットワークを３次元に表わした表示画面が更新され、各ノードが、変動後の要素値の平均値に応じた高さを中心として表わされ、かつ、ノードの変動の幅により事後分布の分散が表わされる。
【００９１】
上記ステップ１２０において、ユーザからの入力が、要素変動指示でない場合には、ステップ１３８において、ユーザからの入力が、要素削除指示であるか否かを判定する。ユーザが入力操作部２２を操作することにより、表示部２６に表示された３次元のベイジアンネットワークのノードをクリックしたり、ノードをオンマウス状態とした場合には、受け付けた入力が詳細情報提示指示であると判断され、ステップ１４０へ移行する。
【００９２】
ステップ１４０では、操作されたノードに対応する要素である金融資産又は金融情報の項目に関する詳細情報を提示するために必要な情報を、金融情報データベース３４から取得する。
【００９３】
そして、ステップ１４２において、ベイジアンネットワークの３次元表示に、操作されたノードに対応する要素である金融資産又は金融情報の項目に関する詳細情報を表示した表示部分を重畳させて表示するための表示データを生成すると共に、生成された表示データを、情報端末１２へ送信して、表示を更新させ、表示データ更新処理ルーチンを終了する。
【００９４】
一方、上記ステップ１３８において、ユーザが入力操作部２２を操作することにより、表示部２６に表示された３次元のベイジアンネットワークのノードを削除するように指示しており、要素削除指示を、情報端末１２から受け付けたと判定された場合には、ステップ１４４へ移行する。ステップ１４４では、要素の関連性のモデル化の対象となる要素から、削除することが指示された要素を削除して、上記ステップ１０４へ戻り、再び、モデルパラメータを推定する。
【００９５】
以上説明したように、第１の実施の形態に係る金融資産運用支援システムによれば、受け付けた変動指示による要素の要素値の変動に基づいて、各要素の変動後の要素値の事後分布を予想し、事後分布の平均値に応じた高さにおいて、事後分布に応じた変動幅で高さ方向に、ベイジアンネットワークの対応するノードが変動するように表示した３次元画像を、表示装置に表示させることにより、要素値の変動による要素間の影響度合いを表示することができる。
【００９６】
また、複数要素の関係性を一目で把握できるように表示することができると共に、要素の変化による影響の伝播のインタラクティブ・シミュレーションを実現することができる。
【００９７】
また、要素間の関係性や、いくつかの要因が変化した場合の影響の大きさおよびその伝搬をインタラクティブにシミュレーションでき、かつ 期待値だけでなく、予想される実現値の範囲を一定の幅として表現することができる。
【００９８】
また、複数の要素が同時に変動した場合のシミュレーションも行うことができる。
【００９９】
また、表示データに基づく表示画面を、金融資産に関する詳細情報を取得するための窓口として使用することができる。
【０１００】
ベイジアンネットワークの表示方法に代表される従来の技術では、ファクタ間のつながりとその強さ（期待値）情報は可視化できても、予測分布に関する、より高次のモーメント（分散、歪度、尖度等）を表すことはできなかった。ベイズ推定の非常に優れた特徴である予測分布に関する、より高次の情報を可視化することはできなかった。本実施の形態では、事後分布のシミュレーション結果を基に、各要素の値を変化させ、それを高さで表示することによって、これら予測分布に関する、より高次の情報を表示することができる。上記のような期待値だけではなく、予測分布の持つ情報に関して、非常に直感的に把握することが可能になる。このような表示により、予測モデルの精度がどの程度であるか、あるファクタの別のファクタへの影響の大きさはどの程度で、どの程度の幅が存在するのか、などといった情報をユーザは直感的に得ることができる。さらに、ユーザは、このようなシミュレーション結果を見て、試行錯誤的にモデルの選択を行うことも可能になる。
【０１０１】
次に、第２の実施の形態に係る金融資産運用支援システムについて説明する。なお、第１の実施の形態と同様の構成となる部分については、同一符号を付して説明を省略する。
【０１０２】
第２の実施の形態では、ターゲットとなる要素と相関のある要素を自動的に選択している点が、第１の実施の形態と異なっている。
【０１０３】
図１４に示すように、第２の実施の形態に係る金融資産運用支援システムのサーバ２１４は、通信インターフェース部３０、金融情報収集部３２、金融情報データベース３４、入力受付部２３６、金融情報取得部２３８、要素選択部２４０、ベイズ推定部４２、表示情報生成部４８、詳細情報提示指示受付部５０、詳細情報取得部５２、表示更新部５４、変動指示受付部５６、事後分布算出部５８、及び表示更新部６０を備えている。
【０１０４】
入力受付部２３６は、情報端末１２を持つユーザによって入力されて送信された情報（ターゲットとする株の銘柄や指標などの金融資産の選択）を受け付ける。
【０１０５】
金融情報取得部２３８は、ユーザから受け付けたターゲットとする金融資産（例えば、株の銘柄）の選択に応じて、当該株の銘柄と関連するファクタの候補として、他の株の銘柄や、金融情報の各種項目を特定し、ターゲットとする銘柄の株価情報の時系列データ、特定された銘柄の株価情報の時系列データ、及び特定された金融情報の項目の時系列データを、金融情報データベース３４から取得する。
【０１０６】
要素選択部２４０は、金融情報データベース３４から取得した銘柄に関する情報の時系列データ、及び金融情報の項目に関する情報の時系列データに基づいて、ファクタの候補である金融情報集合から、ターゲットとするファクタ（特定銘柄の１期後の収益率）と関係性のあるファクタを選択する。
【０１０７】
例えば、以下に説明するように、ターゲットとするファクタと関係性のあるファクタセットが選択される。
【０１０８】
まず、ファクタセット候補を決定する。例えば、３期前までの各期の収益率、１２期間・６０期間・１２０期間それぞれの移動平均からの乖離率、トレンドリバーサル指標、１０期間の収益率に関するボラティリティ(一般的には、各種チャート指標) 、ＰＥＲ、ＰＢＲ、ＲＯＥ（一般的にはファンダメンタル指標）、ＴＯＰＩＸの１期前までの収益率、１２期間の移動平均からの乖離率、短期国債および長期国債の金利、Ｓ＆Ｐ５００の１期前の収益率、円ドル為替レート（一般的にはマーケットインデックス）をファクタ候補とする(その他にもマーケット参加者に関する情報やニュース、金融派生商品など関連する市場の価格等が考えられる)。それらのデータは全てＺ変換によって規格化される。
【０１０９】
次に、以下のように、ネットワーク構造を決定する。
【０１１０】
まず、ファクタとファクタとを結ぶ直線を枝と呼び、枝を結ぶか否かを０、１で表した遺伝子を作成する。ファクタ候補の数を例えば１５個として、１５＊１４／２（一般的には（ｎ＊（ｎ−１））／２、ｎはファクタ候補の数）通りの全ての組み合わせに関する０、１の組み合わせをランダムに与えた遺伝子を２５組作成する。
【０１１１】
それぞれの組について、ベイジアンネットワークのモデルパラメータの推定を行う。具体的には、各要素間の関係を線形モデル化した要素関係性モデルにおいて、各ファクタの事前分布としてガウス分布を仮定する（例えば、平均０分散１の標準正規分布を仮定する）。
【０１１２】
パラメータの推定はマルコフ連鎖モンテカルロ法におけるギブスサンプリング手法を使い、パラメータの同時分布を推定し、パラメータ値を決定する（一般的には、モデル化として、離散変数とする方法、線形モデル化とガウス分布を仮定する方法との組み合わせ、非線形モデル化する方法等が考えられる。パラメータ推定手法としては、ベイズ法ではＭＣＭＣ法（ギブスサンプリング、メトロポリス＝ヘイスティングス サンプリング）によるパラメータの推定が考えられる)。
【０１１３】
次に、説明変数、被説明変数の標本データと、パラメータ値のサンプリングデータとをモンテカルロ積分し、赤池のベイズ情報量基準を推定する。この情報量基準値を遺伝子の適応度とする。なお、シュワルツのベイズ基準を用いて、情報量基準値を求めてもよい。
【０１１４】
そして、この適応度に従って、ルーレットルールによって次世代に引き継ぐ遺伝子を２５組作成する。また、交叉と突然変異の処理を行う。交叉の手法は２点交叉とし、交叉確率を例えば０．０５とし、突然変異確率を例えば０．０５とする。以上の処理を例えば２０回繰り返す (ただし、回数はユーザの時間制限による。回数を増やす程精度が向上するが、長時間を必要とする)。
【０１１５】
そして、最終世代に残った各遺伝子を染色体毎に平均し、その値が０．５を超えるものを、ターゲットするファクタと関係があるファクタであると判定して選択し、ターゲットとするファクタとの間を枝で結ぶことによって、ネットワーク構造を決定する。
【０１１６】
ベイズ推定部４２は、ネットワーク構造として選択されたファクタセットである要素の関係性をモデル化したモデルのモデルパラメータをベイズ推定により推定する。
【０１１７】
次に、第２の実施の形態に係る金融情報可視化処理ルーチンについて、図１５を用いて説明する。なお、第１の実施の形態と同様の処理については、同一符号を付して詳細な説明を省略する。
【０１１８】
まず、ステップ２５０において、入力受付部３６によって受け付けた、ターゲットとする金融資産の選択を、ターゲットの要素情報として取得する。そして、ステップ２５２において、上記ステップ２５０で取得した要素情報が示す金融資産の情報（例えば、株の銘柄の株価情報）、及びターゲットの金融情報に関連する金融情報及び金融情報の項目に関する情報を、金融情報データベース３４から取得する。
【０１１９】
そして、ステップ２５４において、上記ステップ２５２で取得した金融情報に基づいて、ターゲットとなる要素と相関のある要素を、ネットワーク構造の要素として選択する。
【０１２０】
次のステップ２５６では、上記ステップ２５０で取得した要素情報をターゲットの要素とし、上記ステップ２５４で選択した要素を、関係性のある要素として、上記ステップ２５２で取得した金融資産の情報や金融情報の項目に関する情報に基づいて、要素間の関係性をモデル化した要素関係性モデルにおけるモデルパラメータを、ベイズ推定により推定する。
【０１２１】
そして、ステップ１０６では、各要素の要素値の期待値を算出して、要素に対応するノードの高さとして決定し、次のステップ１０８では、要素間の要素値の相互情報量を算出して、要素間の強さを定義し、要素に対応するノード間の線の太さを決定する。
【０１２２】
そして、ステップ１１０において、ベイジアンネットワークを生成し、ベイジアンネットワークを３次元表示させた表示データを生成して、情報端末１２へ送信する。
【０１２３】
次のステップ１１２では、ユーザからの入力を情報端末１２から受け付けたか否かを判定する。ユーザが、情報端末１２の入力操作部２２を操作し、なんらかの指示を、情報端末１２からサーバ１４へ送信すると、ステップ１１４へ進み、表示データを更新して、情報端末１２へ送信し、上記ステップ１１２へ戻る。
【０１２４】
上記ステップ２５４は、図１６に示す要素選択処理ルーチンによって実現される。
【０１２５】
まず、ステップ２６０において、ターゲットと関連のあるファクタの候補全てを要素とし、各要素同士を結合するか否かを０、１で表わしたベクトルを、ネットワークの遺伝子として定義する。そして、ステップ２６２において、上記ステップ２６０で定義されたネットワークの遺伝子をランダムに複数組作成する。
【０１２６】
次のステップ２６４では、処理回数を示す変数ｇを初期値の１に設定し、ステップ２６６において、生成された現在の世代の各遺伝子について、遺伝子が示すネットワークのモデルパラメータをベイズ推定により推定し、推定されたパラメータを用いて、情報量基準値を計算する。
【０１２７】
そして、ステップ２６８では、上記ステップ２６６で計算された情報量基準値を、各遺伝子の適応度として決定する。次のステップ２７０では、上記ステップ２６８で決定された各遺伝子の適応度に基づいて、遺伝的アルゴリズムによって、次世代に生き残る遺伝子を決定し、ステップ２７２において、上記ステップ２７０で決定された遺伝子に対して、交叉及び突然変異処理を行い、得られた各遺伝子を、次世代の遺伝子とする。
【０１２８】
次に、ステップ２７４で、変数ｇが、定数Ｇ未満であるか否かを判定し、変数ｇが、Ｇ未満である場合には、ステップ２７６で、変数ｇをインクリメントして、ステップ２６６へ戻る。一方、上記ステップ２７４で、変数ｇが定数Ｇに到達した場合には、ステップ２７８へ移行する。
【０１２９】
ステップ２７８では、現在の世代を最終世代とし、最終世代に残った各遺伝子を染色体毎に平均し、その値が０．５を超えるものを、ファクタとして選択して、要素選択処理ルーチンを終了する。
【０１３０】
なお、第２の実施の形態に係る金融資産運用支援システムの他の構成及び作用については第１の実施の形態と同様であるため、説明を省略する。
【０１３１】
以上説明したように、第２の実施の形態に係る金融資産運用支援システムによれば、ターゲットとするファクタと関係があるファクタを自動的に選択することができ、これらの要素間の影響度合いを表示することができる。
【０１３２】
なお、上記の実施の形態では、最終世代に残った各遺伝子を染色体毎に平均し、その値に基づいて、ターゲットするファクタと関係があるファクタを選択する場合を例に説明したが、これに限定されるものでない。例えば、最終世代において、決定された適応度に基づいて、最も適応度の高い遺伝子を、ネットワーク構造として採用し、遺伝子を表わすベクトルのうち、１となっている要素を、ターゲットのファクタと相関のあるファクタとして選択するようにしてもよい。
【０１３３】
また、ターゲットのファクタと候補となる全てのファクタとの相関を計算し、相関係数の絶対値が一定値以上のファクタを、ターゲットのファクタと相関のあるファクタとして選択するようにしてもよい。また、サポートベクターマシーン（ＳＶＭ）等のパターン認識技術を用いて、ターゲットのファクタと関係があるファクタであるか否かを、各要素の候補毎に判定して選択するようにしてもよい。
【０１３４】
また、ターゲットとするファクタ（被説明変数）とファクタセット候補（説明変数）との関係について、全ての連続な関係を表現することのできるベイジアン３層パーセプトロンを用いて、ターゲットするファクタとファクタセット候補との間の複雑な非線形関係な関係も考慮したモデル化を行い、ベイズ推定を用いて、モデルパラメータを推定し、赤池のベイズ情報量基準に基づいて、有意なファクタを選択するようにしてもよい。
【０１３５】
また、遺伝的アルゴリズムを用いて、ネットワーク構造を決定する場合を例に説明したが、これに限定されるものではなく、Ｃｏｏｐｅｒ１９９２のＫ２法や、相互情報量を用いたＣｈｏｗ１９６８のＭＷＳＴ（Ｍａｘｉｍｕｍ Ｗｅｉｇｈｔ Ｓｐａｎｎｉｎｇ Ｔｒｅｅ）法を用いて、ネットワーク構造を決定してもよい。
【０１３６】
次に、第３の実施の形態に係る金融資産運用支援システムについて説明する。なお、第１の実施の形態と同様の構成となる部分については、同一符号を付して説明を省略する。
【０１３７】
第３の実施の形態では、サーバによる当該金融資産の運用支援サービスを利用している全ての投資家の情報を収集し、投資家情報としてユーザに提供している点が、第１の実施の形態と異なっている。
【０１３８】
図１７に示すように、第３の実施の形態に係る金融資産運用支援システムのサーバ３１４は、更に、投資家情報収集部３２０と、投資家情報データベース３２２と、投資家情報生成部３２４とを備えている。
【０１３９】
投資家情報収集部３２０は、全ての投資家からの要求に応じて生成された情報（採用された要素、シミュレーションの履歴等）を、表示情報生成部４８から取得して収集し、投資家情報データベース３２２に格納する。
【０１４０】
投資家情報データベース３２２には、収集された情報（採用された要素、シミュレーションの履歴等）が、投資家からの要求毎に記憶されている。
【０１４１】
投資家情報生成部３２４は、サーバ１４による当該金融資産の運用支援サービスを利用している全ての投資家について収集した情報を投資家情報データベース３２２から取得して、投資家情報をユーザに提供するための表示データを生成する。投資家情報の具体的な内容としては、例えば以下の２つがある。
【０１４２】
第１の内容では、各投資家について収集した情報（採用された要素、シミュレーションの履歴等）をユーザグループ全体での分布を計算して、計算した分布を表わす情報を投資家情報として提供する。
【０１４３】
第２の内容では、パフォーマンスの優れた各投資家について収集した情報（採用された要素、シミュレーションの履歴等）を、投資家情報として提供する。
【０１４４】
表示情報生成部４８は、ベイジアンネットワークの３次元表示を表わすと共に、投資家情報を表わす表示データを生成し、生成した表示データを、ネットワーク１８を介して、情報端末１２に送信する。
【０１４５】
なお、第３の実施の形態に係る金融資産運用支援システムの他の構成及び作用については第１の実施の形態と同様であるため、説明を省略する。
【０１４６】
以上説明したように、第３の実施の形態に係る金融資産運用支援システムによれば、サーバによるサービスの使用状況やフィードバックを、ユーザ間で共有することで、サーバによる当該サービスを利用している各投資家に、ユーザグループ全体が注目している関係性などの情報を、新たな付加的な情報として提供することができる。
【０１４７】
次に、第４の実施の形態について説明する。なお、第４の実施の形態では、マーケティングを支援するマーケティング支援システムに、本発明を適用した場合を例に説明する。なお、第１の実施の形態及び第２の実施の形態と同様の構成となる部分については同一符号を付して説明を省略する。
【０１４８】
図１８に示すように、第４の実施の形態に係るマーケティング支援システムのサーバ４１４では、マーケティング情報収集部４３２によって、後述する要素の関連性の推定及び詳細情報の表示のために必要なマーケティング情報を特定し、これをもとにウェブページ、外部マーケティング情報データベースＡＰＩによって、必要なマーケティング情報を検索し、マーケティング情報データベース４３４に登録する。
【０１４９】
マーケティング情報データベース４３４には、収集された各種項目のマーケティング情報を、商品毎に蓄積する。例えば、商品の売上高（食料品の売上高など）、消費者属性（年齢、性別、居住地、未既婚、子有無、職業など）、商品属性（色、味、種類(和・洋・中、肉・魚・野菜・果物・飲み物・菓子類)など）、アンケート結果（趣味、消費傾向(食べ物の好み等)など）などの項目のマーケティング情報が、商品毎に、マーケティング情報データベース４３４に記憶されている。
【０１５０】
入力受付部２３６は、情報端末１２を持つユーザによって入力されて送信された情報（ターゲットとする商品の売上高や、個人の購買行動を表わす指標の選択）を受け付ける。
【０１５１】
マーケティング情報取得部４３８は、ユーザから受け付けたターゲットとする商品やマーケティング情報の項目の選択に応じて、関連するファクタの候補として、マーケティング情報の各種項目を特定し、特定されたマーケティング情報の項目に関する情報を、マーケティング情報データベース４３４から取得する。
【０１５２】
要素選択部２４０は、マーケティング情報データベース４３４から取得した商品に関する情報、及びマーケティング情報の項目に関する情報に基づいて、ファクタの候補であるマーケティング情報集合から、ターゲットとするファクタ（特定商品の売上高）と関係性のあるファクタを選択する。また、要素選択部２４０は、ネットワーク構造を決定する。
【０１５３】
例えば、年齢、性別、居住地、未既婚、子有無、職業などの消費者属性、色、味、種類(和・洋・中、肉・魚・野菜・果物・飲み物・菓子類)などの商品属性（食料品の購買分析でない場合は素材の種類、サービスの質等も含む）、趣味、消費傾向(食べ物の好み等)などのアンケートから得られた結果などの各種項目のマーケティング情報を、ファクタ候補とし、ターゲットするファクタと関係性のあるファクタを選択する。
【０１５４】
ベイズ推定部４２は、ネットワーク構造として選択されたファクタセットである要素の関係性をモデル化したモデルのモデルパラメータをベイズ推定により推定する。
【０１５５】
表示情報生成部４８は、受け付けた商品やマーケティング情報の項目の選択を表わす要素をノードとした２次元のベイジアンネットワークと、ノードに対応する要素の期待値に応じて高さとに基づいて、ベイジアンネットワークを３次元に表示するための表示データを生成する。
【０１５６】
詳細情報取得部５２は、詳細情報提示指示受付部５０によって指示を受け付けた場合、マーケティング情報データベース４３４から、要求のあった要素（例えば、商品の売上高）に関する詳細情報を取得する。
【０１５７】
表示更新部５４は、取得した詳細情報を、ベイジアンネットワークの３次元表示に重畳させて表示した表示データを生成して更新する。
【０１５８】
変動指示受付部５６は、ユーザによって入力された要素変動指示を、情報端末１２からネットワーク１８を介して受け付ける。
【０１５９】
事後分布算出部５８は、指示された要素の変動を条件とし、各要素についてベイズ推定により推定された事後分布に基づいて、ＭＣＭＣ法によって、予想される各要素の要素値を、事後分布として予想し、予想された事後分布に従って、各要素の要素値をサンプリングし、サンプリングされた値をメモリ（図示省略）に格納する。
【０１６０】
表示更新部６０は、メモリに格納された値をノードの高さとして、例えば、０．０５秒毎に、ベイジアンネットワークを３次元表示した表示データを生成して、表示データを更新する。また、表示更新部６０は、ノードがスムースに移動するように表示するための表示データを生成する。
【０１６１】
なお、第４の実施の形態に係るマーケティング支援システムの作用については第２の実施の形態と同様であるため、説明を省略する。
【０１６２】
以上説明したように、第４の実施の形態に係るマーケティング支援システムによれば、マーケティング分野における販売要因の可視化を行うと共に、インタラクティブ・シミュレーションを行うことができる。
【０１６３】
なお、上記の実施の形態では、マーケティング分野における販売要因の可視化を行う場合を例に説明したが、これに限定されるものではなく、他の分野における要素の可視化を行うようにしてもよい。例えば、市場間関係の可視化およびインタラクティブ・シミュレーションを行うシステムに、本発明を適用してもよい。
【０１６４】
次に、第５の実施の形態について説明する。なお、第５の実施の形態に係る金融資産運用支援システムの構成は、第１の実施の形態と同様の構成となるため、同一符号を付して説明を省略する。
【０１６５】
第５の実施の形態では、表示更新部６０によって、各ノードについて、メモリに格納された全ての値を含む幅を、ノードの縦の長さとした楕円形で表わしたベイジアンネットワークを、３次元表示した表示データを生成して、表示データを更新する。これによって、情報端末１２の表示部２６に、各ノードが、変動後の要素値の平均値を中心とし、かつ、ノードの高さ方向の幅により事後分布の分散が表わされる。
【０１６６】
なお、第５の実施の形態に係る金融資産運用支援システムの他の構成及び作用については、第１の実施の形態と同様であるため、説明を省略する。
【０１６７】
上記の実施の形態では、ノードの形状によって、予想された事後分布の分散を表わす場合を例に説明したが、これに限定されるものではなく、ノードの色によって、事後分布の分散を表わすようにしてもよい。
【０１６８】
次に、第６の実施の形態について説明する。なお、第６の実施の形態に係る金融資産運用支援システムの構成は、第１の実施の形態と同様の構成となるため、同一符号を付して説明を省略する。
【０１６９】
第６の実施の形態では、表示更新部６０によって、各ノードについて、メモリに格納された全ての値を含む幅を、ノードの振動幅として、ベイジアンネットワークの各ノードを振動させるように３次元表示した表示データを生成して、表示データを更新する。これによって、情報端末１２の表示部２６に、各ノードが、変動後の要素値の平均値を中心とし、かつ、ノードの高さ方向の振動幅により事後分布の分散が表わされる。
【０１７０】
なお、第６の実施の形態に係る金融資産運用支援システムの他の構成及び作用については、第１の実施の形態と同様であるため、説明を省略する。
【０１７１】
上記の第１の実施の形態〜第６の実施の形態では、相互情報量に基づいて、ノード間の線の太さを決定する場合を例に説明したが、これに限定されるものではなく、短相関係数に基づいて、ノード間の線の太さを決定するようにしてもよい。
【０１７２】
また、変動が指示された要素を含む全ての要素について、事後分布を予想し、要素値をサンプリングする場合を例に説明したが、これに限定されるものではなく、変動が指示された要素以外の要素についてのみ、事後分布を予想し、要素値をサンプリングするようにしてもよい。
【０１７３】
また、上記の第１の実施の形態〜第３の実施の形態、第５の実施の形態、第６の実施の形態では、金融資産の運用支援のために、金融資産や金融情報の項目の関係性を可視化する場合を例に説明したが、これに限定されるものではない。例えば、クレジットリスクの可視化およびインタラクティブ・シミュレーションや、カントリーリスクの可視化およびインタラクティブ・シミュレーションを行うシステムに、本発明を適用してもよい。
【符号の説明】
【０１７４】
１０ 金融資産運用支援システム
１２ 情報端末
１４、２１４、３１４、４１４サーバ
１８ ネットワーク
２２ 入力操作部
２６ 表示部
３４ 金融情報データベース
３６、２３６ 入力受付部
３８、２３８ 金融情報取得部
４２ ベイズ推定部
４８ 表示情報生成部
５０ 詳細情報提示指示受付部
５２ 詳細情報取得部
５４、６０ 表示更新部
５６ 変動指示受付部
５８ 事後分布算出部
６２ 要素削除指示受付部
２４０ 要素選択部
３２０ 投資家情報収集部
３２２ 投資家情報データベース
３２４ 投資家情報生成部
４３２ マーケティング情報収集部
４３４ マーケティング情報データベース
４３８ マーケティング情報取得部
【特許請求の範囲】
【請求項１】
複数の要素の関係をモデル化した要素関係モデルにおける前記複数の要素の要素値を取得する取得手段と、
前記取得した前記複数の要素の要素値から、ベイズ推定を用いて、前記要素関係モデルにおける前記複数の要素の関係を表わすパラメータを推定する推定手段と、
前記推定手段によって推定された前記パラメータに基づいて、前記複数の要素の要素値の期待値を算出する期待値算出手段と、
前記要素関係モデルを、前記複数の要素を複数のノードで表した２次元のベイジアンネットワークにより表現し、かつ、前記複数の要素の要素値の期待値を前記複数のノードの高さとして表現した３次元画像を、表示装置に表示させるための表示データを生成する表示データ生成手段と、
ユーザによって前記複数の要素のうちの少なくとも１つの要素の要素値の変動が指示された変動指示を受け付ける変動指示受付手段と、
前記推定手段によって推定された前記パラメータと、前記変動指示受付手段によって受け付けた前記変動指示により指示された前記要素の要素値の変動とに基づいて、前記少なくとも１つの要素以外であって、かつ、該要素と関係のある各要素の変動後の要素値の事後分布を算出する事後分布算出手段と、
前記事後分布算出手段によって算出された各要素の事後分布に基づいて、前記事後分布の平均値に応じた高さにおいて、前記事後分布に応じた変動幅で高さ方向に、対応するノードが変動するように表示した３次元画像を、前記表示装置に表示させるための表示データを生成する変動表示データ生成手段と、
を含む表示データ生成装置。
【請求項２】
複数の要素の関係をモデル化した要素関係モデルにおける前記複数の要素の要素値を取得する取得手段と、
前記取得した前記複数の要素の要素値から、ベイズ推定を用いて、前記要素関係モデルにおける前記複数の要素の関係を表わすパラメータを推定する推定手段と、
前記推定手段によって推定された前記パラメータに基づいて、前記複数の要素の要素値の期待値を算出する期待値算出手段と、
前記要素関係モデルを、前記複数の要素を複数のノードで表した２次元のベイジアンネットワークにより表現し、かつ、前記複数の要素の要素値の期待値を前記複数のノードの高さとして表現した３次元画像を、表示装置に表示させるための表示データを生成する表示データ生成手段と、
ユーザによって前記複数の要素のうちの少なくとも１つの要素の要素値の変動が指示された変動指示を受け付ける変動指示受付手段と、
前記推定手段によって推定された前記パラメータと、前記変動指示受付手段によって受け付けた前記変動指示により指示された前記要素の要素値の変動とに基づいて、前記少なくとも１つの要素以外であって、かつ、該要素と関係のある各要素の変動後の要素値の事後分布を算出する事後分布算出手段と、
前記事後分布算出手段によって算出された各要素の事後分布に基づいて、前記事後分布の平均値に応じた高さにおいて、対応するノードが、前記事後分布に応じた形状又は色で表されるように表示した３次元画像を、前記表示装置に表示させるための表示データを生成する変動表示データ生成手段と、
を含む表示データ生成装置。
【請求項３】
ユーザによる前記モデル化の対象となる前記複数の要素の選択を受け付ける要素選択受付手段を更に含み、
前記取得手段は、複数の要素の各々の要素値を記憶した記憶手段から、前記要素選択受付手段によって受け付けた前記対象となる前記複数の要素の選択に対する要素値を取得する請求項１又は２記載の表示データ生成装置。
【請求項４】
ユーザによる前記モデル化の対象となる要素の選択を受け付ける要素選択受付手段と、
複数の要素の各々の要素値を記憶した記憶手段から、複数の要素の各々の要素値を取得し、取得した各要素に対して、前記対象となる要素と関係があるか否かを判定することにより、前記対象となる要素と関係がある複数の要素を選択する要素選択手段と、を更に含み、
前記取得手段は、前記要素選択手段によって選択された前記複数の要素の各々の要素値を取得する請求項１又は２記載の表示データ生成装置。
【請求項５】
前記ベイジアンネットワークでは、前記要素の要素値の相互情報量に基づく前記要素間の関係に強さに応じて、対応するノード間の線を太くするように表現した請求項１〜請求項４の何れか１項記載の表示データ生成装置。
【請求項６】
前記要素を、金融資産又は金融情報とした請求項１〜請求項５の何れか１項記載の表示データ生成装置。
【請求項７】
ユーザによって前記ノードが指示されたとき、複数の金融資産又は金融情報に関する詳細情報を記憶した記憶手段から、前記ノードに対応する金融資産又は金融情報に関する詳細情報を取得し、前記取得した前記金融資産又は金融情報に関する詳細情報を、表示装置に更に表示させるための表示データを生成する詳細表示データ生成手段を更に含む請求項６記載の表示データ生成装置。
【請求項８】
前記要素を、商品の売上高、商品情報、又は消費者情報とした請求項１〜請求項５の何れか１項記載の表示データ生成装置。
【請求項９】
コンピュータを、
複数の要素の関係をモデル化した要素関係モデルにおける前記複数の要素の要素値を取得する取得手段、
前記取得した前記複数の要素の要素値から、ベイズ推定を用いて、前記要素関係モデルにおける前記複数の要素の関係を表わすパラメータを推定する推定手段、
前記推定手段によって推定された前記パラメータに基づいて、前記複数の要素の要素値の期待値を算出する期待値算出手段、
前記要素関係モデルを、前記複数の要素を複数のノードで表した２次元のベイジアンネットワークにより表現し、かつ、前記複数の要素の要素値の期待値を前記複数のノードの高さとして表現した３次元画像を、表示装置に表示させるための表示データを生成する表示データ生成手段、
ユーザによって前記複数の要素のうちの少なくとも１つの要素の要素値の変動が指示された変動指示を受け付ける変動指示受付手段、
前記推定手段によって推定された前記パラメータと、前記変動指示受付手段によって受け付けた前記変動指示により指示された前記要素の要素値の変動とに基づいて、前記少なくとも１つの要素以外であって、かつ、該要素と関係のある各要素の変動後の要素値の事後分布を算出する事後分布算出手段、及び
前記事後分布算出手段によって算出された各要素の事後分布に基づいて、前記事後分布の平均値に応じた高さにおいて、前記事後分布に応じた変動幅で高さ方向に、対応するノードが変動するように表示した３次元画像を、前記表示装置に表示させるための表示データを生成する変動表示データ生成手段
として機能させるためのプログラム。
【請求項１０】
コンピュータを、
複数の要素の関係をモデル化した要素関係モデルにおける前記複数の要素の要素値を取得する取得手段、
前記取得した前記複数の要素の要素値から、ベイズ推定を用いて、前記要素関係モデルにおける前記複数の要素の関係を表わすパラメータを推定する推定手段、
前記推定手段によって推定された前記パラメータに基づいて、前記複数の要素の要素値の期待値を算出する期待値算出手段、
前記要素関係モデルを、前記複数の要素を複数のノードで表した２次元のベイジアンネットワークにより表現し、かつ、前記複数の要素の要素値の期待値を前記複数のノードの高さとして表現した３次元画像を、表示装置に表示させるための表示データを生成する表示データ生成手段、
ユーザによって前記複数の要素のうちの少なくとも１つの要素の要素値の変動が指示された変動指示を受け付ける変動指示受付手段、
前記推定手段によって推定された前記パラメータと、前記変動指示受付手段によって受け付けた前記変動指示により指示された前記要素の要素値の変動とに基づいて、前記少なくとも１つの要素以外であって、かつ、該要素と関係のある各要素の変動後の要素値の事後分布を算出する事後分布算出手段、及び
前記事後分布算出手段によって算出された各要素の事後分布に基づいて、前記事後分布の平均値に応じた高さにおいて、対応するノードが、前記事後分布に応じた形状又は色で表されるように表示した３次元画像を、前記表示装置に表示させるための表示データを生成する変動表示データ生成手段
として機能させるためのプログラム。
【請求項１】
複数の要素の関係をモデル化した要素関係モデルにおける前記複数の要素の要素値を取得する取得手段と、
前記取得した前記複数の要素の要素値から、ベイズ推定を用いて、前記要素関係モデルにおける前記複数の要素の関係を表わすパラメータを推定する推定手段と、
前記推定手段によって推定された前記パラメータに基づいて、前記複数の要素の要素値の期待値を算出する期待値算出手段と、
前記要素関係モデルを、前記複数の要素を複数のノードで表した２次元のベイジアンネットワークにより表現し、かつ、前記複数の要素の要素値の期待値を前記複数のノードの高さとして表現した３次元画像を、表示装置に表示させるための表示データを生成する表示データ生成手段と、
ユーザによって前記複数の要素のうちの少なくとも１つの要素の要素値の変動が指示された変動指示を受け付ける変動指示受付手段と、
前記推定手段によって推定された前記パラメータと、前記変動指示受付手段によって受け付けた前記変動指示により指示された前記要素の要素値の変動とに基づいて、前記少なくとも１つの要素以外であって、かつ、該要素と関係のある各要素の変動後の要素値の事後分布を算出する事後分布算出手段と、
前記事後分布算出手段によって算出された各要素の事後分布に基づいて、前記事後分布の平均値に応じた高さにおいて、前記事後分布に応じた変動幅で高さ方向に、対応するノードが変動するように表示した３次元画像を、前記表示装置に表示させるための表示データを生成する変動表示データ生成手段と、
を含む表示データ生成装置。
【請求項２】
複数の要素の関係をモデル化した要素関係モデルにおける前記複数の要素の要素値を取得する取得手段と、
前記取得した前記複数の要素の要素値から、ベイズ推定を用いて、前記要素関係モデルにおける前記複数の要素の関係を表わすパラメータを推定する推定手段と、
前記推定手段によって推定された前記パラメータに基づいて、前記複数の要素の要素値の期待値を算出する期待値算出手段と、
前記要素関係モデルを、前記複数の要素を複数のノードで表した２次元のベイジアンネットワークにより表現し、かつ、前記複数の要素の要素値の期待値を前記複数のノードの高さとして表現した３次元画像を、表示装置に表示させるための表示データを生成する表示データ生成手段と、
ユーザによって前記複数の要素のうちの少なくとも１つの要素の要素値の変動が指示された変動指示を受け付ける変動指示受付手段と、
前記推定手段によって推定された前記パラメータと、前記変動指示受付手段によって受け付けた前記変動指示により指示された前記要素の要素値の変動とに基づいて、前記少なくとも１つの要素以外であって、かつ、該要素と関係のある各要素の変動後の要素値の事後分布を算出する事後分布算出手段と、
前記事後分布算出手段によって算出された各要素の事後分布に基づいて、前記事後分布の平均値に応じた高さにおいて、対応するノードが、前記事後分布に応じた形状又は色で表されるように表示した３次元画像を、前記表示装置に表示させるための表示データを生成する変動表示データ生成手段と、
を含む表示データ生成装置。
【請求項３】
ユーザによる前記モデル化の対象となる前記複数の要素の選択を受け付ける要素選択受付手段を更に含み、
前記取得手段は、複数の要素の各々の要素値を記憶した記憶手段から、前記要素選択受付手段によって受け付けた前記対象となる前記複数の要素の選択に対する要素値を取得する請求項１又は２記載の表示データ生成装置。
【請求項４】
ユーザによる前記モデル化の対象となる要素の選択を受け付ける要素選択受付手段と、
複数の要素の各々の要素値を記憶した記憶手段から、複数の要素の各々の要素値を取得し、取得した各要素に対して、前記対象となる要素と関係があるか否かを判定することにより、前記対象となる要素と関係がある複数の要素を選択する要素選択手段と、を更に含み、
前記取得手段は、前記要素選択手段によって選択された前記複数の要素の各々の要素値を取得する請求項１又は２記載の表示データ生成装置。
【請求項５】
前記ベイジアンネットワークでは、前記要素の要素値の相互情報量に基づく前記要素間の関係に強さに応じて、対応するノード間の線を太くするように表現した請求項１〜請求項４の何れか１項記載の表示データ生成装置。
【請求項６】
前記要素を、金融資産又は金融情報とした請求項１〜請求項５の何れか１項記載の表示データ生成装置。
【請求項７】
ユーザによって前記ノードが指示されたとき、複数の金融資産又は金融情報に関する詳細情報を記憶した記憶手段から、前記ノードに対応する金融資産又は金融情報に関する詳細情報を取得し、前記取得した前記金融資産又は金融情報に関する詳細情報を、表示装置に更に表示させるための表示データを生成する詳細表示データ生成手段を更に含む請求項６記載の表示データ生成装置。
【請求項８】
前記要素を、商品の売上高、商品情報、又は消費者情報とした請求項１〜請求項５の何れか１項記載の表示データ生成装置。
【請求項９】
コンピュータを、
複数の要素の関係をモデル化した要素関係モデルにおける前記複数の要素の要素値を取得する取得手段、
前記取得した前記複数の要素の要素値から、ベイズ推定を用いて、前記要素関係モデルにおける前記複数の要素の関係を表わすパラメータを推定する推定手段、
前記推定手段によって推定された前記パラメータに基づいて、前記複数の要素の要素値の期待値を算出する期待値算出手段、
前記要素関係モデルを、前記複数の要素を複数のノードで表した２次元のベイジアンネットワークにより表現し、かつ、前記複数の要素の要素値の期待値を前記複数のノードの高さとして表現した３次元画像を、表示装置に表示させるための表示データを生成する表示データ生成手段、
ユーザによって前記複数の要素のうちの少なくとも１つの要素の要素値の変動が指示された変動指示を受け付ける変動指示受付手段、
前記推定手段によって推定された前記パラメータと、前記変動指示受付手段によって受け付けた前記変動指示により指示された前記要素の要素値の変動とに基づいて、前記少なくとも１つの要素以外であって、かつ、該要素と関係のある各要素の変動後の要素値の事後分布を算出する事後分布算出手段、及び
前記事後分布算出手段によって算出された各要素の事後分布に基づいて、前記事後分布の平均値に応じた高さにおいて、前記事後分布に応じた変動幅で高さ方向に、対応するノードが変動するように表示した３次元画像を、前記表示装置に表示させるための表示データを生成する変動表示データ生成手段
として機能させるためのプログラム。
【請求項１０】
コンピュータを、
複数の要素の関係をモデル化した要素関係モデルにおける前記複数の要素の要素値を取得する取得手段、
前記取得した前記複数の要素の要素値から、ベイズ推定を用いて、前記要素関係モデルにおける前記複数の要素の関係を表わすパラメータを推定する推定手段、
前記推定手段によって推定された前記パラメータに基づいて、前記複数の要素の要素値の期待値を算出する期待値算出手段、
前記要素関係モデルを、前記複数の要素を複数のノードで表した２次元のベイジアンネットワークにより表現し、かつ、前記複数の要素の要素値の期待値を前記複数のノードの高さとして表現した３次元画像を、表示装置に表示させるための表示データを生成する表示データ生成手段、
ユーザによって前記複数の要素のうちの少なくとも１つの要素の要素値の変動が指示された変動指示を受け付ける変動指示受付手段、
前記推定手段によって推定された前記パラメータと、前記変動指示受付手段によって受け付けた前記変動指示により指示された前記要素の要素値の変動とに基づいて、前記少なくとも１つの要素以外であって、かつ、該要素と関係のある各要素の変動後の要素値の事後分布を算出する事後分布算出手段、及び
前記事後分布算出手段によって算出された各要素の事後分布に基づいて、前記事後分布の平均値に応じた高さにおいて、対応するノードが、前記事後分布に応じた形状又は色で表されるように表示した３次元画像を、前記表示装置に表示させるための表示データを生成する変動表示データ生成手段
として機能させるためのプログラム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【公開番号】特開２０１１−８１４５１（Ｐ２０１１−８１４５１Ａ）
【公開日】平成２３年４月２１日（２０１１．４．２１）
【国際特許分類】
【出願番号】特願２００９−２３０９００（Ｐ２００９−２３０９００）
【出願日】平成２１年１０月２日（２００９．１０．２）
【出願人】（８０３０００１１５）学校法人東京理科大学 (545)
【Ｆターム（参考）】
【公開日】平成２３年４月２１日（２０１１．４．２１）
【国際特許分類】
【出願日】平成２１年１０月２日（２００９．１０．２）
【出願人】（８０３０００１１５）学校法人東京理科大学 (545)
【Ｆターム（参考）】
[ Back to top ]