日本語タイトル:機械学習手法を用いた企業パフォーマンス予測

Forecasting Firm Performance with Machine Learning: Evidence from Japanese firm-level data

執筆者 宮川 大介 (一橋大学)/宮内 悠平 (マサチューセッツ工科大学)/Christian PEREZ (カーネギーメロン大学)
発行日/NO. 2017年5月  17-E-068
研究プロジェクト 企業金融・企業行動ダイナミクス研究会
ダウンロード/関連リンク

概要

本研究は、170万社に及ぶ日本の企業レベルデータと機械学習手法を用いて、企業の将来パフォーマンス(退出、売上高成長率、利益成長率)を対象とした予測モデルを構築したものである。我々のモデルは、多岐に亘る企業情報と詳細な信用調査の結果に基づいて計算され広く実務で参照されている「評点」を大きく上回る予測力を示している。具体的には、実際に生じた企業の退出についてベンチマークたる評点が11%しか正確に予測出来てない一方で、我々のモデルは16%を予測出来た。同様に、売上高や利益の成長率予測においても、我々のモデル(各25%、22%)と評点に基づく予測(各8%、13%)との間には大きな差がある。これらの結果は、ビッグデータを用いた企業の将来パフォーマンス予測において、機械学習手法が極めて有効であることを示唆している。

概要(英語)

The goal of this paper is to forecast future firm performance with machine learning techniques. Using data on over one million Japanese firms with supply-chain linkage information provided by a credit reporting agency, we show high performance in the prediction of exit, sales growth, and profit growth. In particular, our constructed proxies far outperform the credit score assigned by the credit reporting agency based on a detailed survey and interviews of firms. Against such baseline score, our models are able to ex-ante identify 16% of exiting firms (baseline: 11%), 25% of firms experiencing growth in sales (baseline: 8%), and 22% of firms exhibiting positive profit growth (baseline: 13%). The proof of concept of this paper provides practical usage of machine learning methods in firm performance prediction.