JP7184040B2 - 現金需要予測システム、現金需要予測方法および現金需要予測プログラム - Google Patents

Description

本発明は、現金の需要を予測する現金需要予測システム、現金需要予測方法および現金需要予測プログラムに関する。

近年、顧客の利便性の観点から、現金自動預け払い機（以下、ＡＴＭ：Automated teller machine）が、銀行だけでなく、コンビニエンスストアなどの店舗や、駅構内に設置されている。ＡＴＭは、その内部の金庫に万券および千券などの現金を格納しているが、入金取引および出金取引に応じて現金が流入および流出する。そのため、現金の需要に応じた流入および流出を予測して、適切に現金の格納および回収を行うことが必要である。

例えば、特許文献１には、複数の金種における補充と回収とを総合的に計画して、補充と回収とに掛かる費用を削減する情報処理装置が記載されている。特許文献１に記載された情報処理装置は、前年同月の流出入枚数に基づいて、将来の流出入枚を予測する。具体的には、特許文献１に記載された情報処理装置は、対象日の前年同月の取引データから、前年同月の日々の営業開始時の有高枚数を金種毎に抽出し、前年同月における対象日当日の営業開始時の有高枚数から前年同月における対象日翌日の営業開始時の有高枚数を減算した値を、対象日当日の流出入枚数として算出する。

特開２０１５－０６９２６３号公報

現金の補充や回収には一定のコストがかかるため、現金の需要予測の精度をより向上させることが望まれている。特許文献１に記載されているように、前年同月の流出入枚数と対象日の流出入枚数の傾向とは類似するとも考えられるため、その傾向に即して現金の需要予測を行うことも考えられる。しかし、特許文献１に記載された情報処理装置では、月単位の大まかな傾向しか予測できず、対象日の有する傾向を考慮した予測を行うことは困難である。

一方、現金の需要は、現金授受が行われる日の特性に応じて変化すると考えられる。そのため、予測日の特性に応じて、用いる予測式を変化させることが好ましい。しかし、変化させる予測式の内容がブラックボックスでは、予測処理の検証は困難であり、予測結果の解釈も困難になってしまう。

そこで、本発明では、現金需要の予測結果の解釈性を向上させることができる現金需要予測システム、現金需要予測方法および現金需要予測プログラムを提供することを目的とする。

本発明による現金需要予測システムは、現金授受が行われる日として予め定められた日付に該当するか否かを示す説明変数の値が付加された予測用データを予測日に基づいて生成する予測用データ生成部と、説明変数の値に応じて予測式が決定される学習済モデルに予測用データを適用して、現金需要を予測する予測器と、予測式が線形回帰式で表され、その予測式を表す棒グラフの一方の軸に説明変数の内容を配し、その説明変数に対応する棒グラフの値がその説明変数の係数を表すように、選択され得る予測式を出力する出力部とを備え、予測器が、予測用データに含まれる説明変数の値に応じて、学習済モデルが示す複数の予測式の中から予測に用いる予測式を選択し、選択された予測式に予測用データを適用して現金需要を予測することを特徴とする。

本発明による現金需要予測方法は、コンピュータが、現金授受が行われる日として予め定められた日付に該当するか否かを示す説明変数の値が付加された予測用データを予測日に基づいて生成し、コンピュータが、説明変数の値に応じて予測式が決定される学習済モデルに予測用データを適用して、現金需要を予測し、コンピュータが、予測の際、予測用データに含まれる説明変数の値に応じて、学習済モデルが示す複数の予測式の中から予測に用いる予測式を選択し、選択された予測式に予測用データを適用して現金需要を予測し、コンピュータが、予測式が線形回帰式で表され、その予測式を表す棒グラフの一方の軸に説明変数の内容を配し、その説明変数に対応する棒グラフの値がその説明変数の係数を表すように、選択され得る予測式を出力することを特徴とする。

本発明による現金需要予測プログラムは、コンピュータに、現金授受が行われる日として予め定められた日付に該当するか否かを示す説明変数の値が付加された予測用データを予測日に基づいて生成する予測用データ生成処理、説明変数の値に応じて予測式が決定される学習済モデルに予測用データを適用して、現金需要を予測する予測処理、および、予測式が線形回帰式で表され、その予測式を表す棒グラフの一方の軸に説明変数の内容を配し、その説明変数に対応する棒グラフの値がその説明変数の係数を表すように、選択され得る予測式を出力する出力処理を実行させ、予測処理で、予測用データに含まれる説明変数の値に応じて、学習済モデルが示す複数の予測式の中から予測に用いる予測式を選択させ、選択された予測式に予測用データを適用して現金需要を予測させることを特徴とする。

本発明によれば、現金需要の予測結果の解釈性を向上させることができる。

本発明による現金需要予測システムの第１の実施形態の構成例を示すブロック図である。 実績データの一例を示す説明図である。 説明変数の値に応じて予測式が決定されるモデルの例を示す説明図である。 予測用データを生成する処理の例を示す説明図である。 選択される予測式の例を示す説明図である。 現金需要予測システムの動作例を示すフローチャートである。 予測用データを生成する処理の他の例を示す説明図である。 本発明による現金需要予測システムの概要を示すブロック図である。

以下、本発明の実施形態を図面を参照して説明する。なお、以下の説明では、現金需要の予測対象をＡＴＭの場合を例示して説明する。ただし、現金需要の予測対象はＡＴＭに限定されず、例えば、無人店舗や、現金の警送を必要とする店舗などであってもよい。

実施形態１．
図１は、本発明による現金需要予測システムの第１の実施形態の構成例を示すブロック図である。本実施形態の現金需要予測システム１００は、記憶部１０と、学習用データ生成部２０と、学習部３０と、予測用データ生成部４０と、予測部５０と、出力部６０とを備えている。

記憶部１０は、過去の日々の現金需要の実績データを記憶する。図２は、実績データの一例を示す説明図である。図２に例示する実績データは、あるＡＴＭの日単位の実績データであり、入出金枚数の差分だけでなく、カレンダーから取得できる情報（曜日、土日祝日フラグ、年初からの経過日数）が含まれる。

また、本実施形態の実績データは、その日が給料日か否かを示すフラグ（以下、給料日フラグと記す。）、その日が年金支給日か否かを示すフラグ（以下、年金支給日フラグと記す。）、給料日からの経過日数、および、年金支給日からの経過日数を含む。また、他にも、本実施形態の実績データは、その日が月末最終営業日か否かを示すフラグ（以下、月末最終営業日フラグと記す。）、その日が月初第一営業日か否かを示すフラグ（以下、月初第一営業日フラグと記す。）を含む。また、図２に例示するように、実績データは、賞与日からの経過日数など、他の情報を含んでいてもよい。

学習用データ生成部２０は、後述する学習部３０がモデルの生成に用いる学習用データを、実績データに基づいて生成する。学習用データ生成部２０は、例えば、図２に例示するテーブルの各列が示す内容を説明変数とするモデル（以下、学習済モデルと記す）を生成してもよい。

また、例えば、説明変数として、過去の実績データ（例えば、三カ月前の入出金枚数差分）を使用する場合、学習用データ生成部２０は、過去の実績データを結合した学習用データを生成してもよい。また、学習用データ生成部２０は、例えば、過去の実績データの集計データ（例えば、三カ月前の同じ日付を起点としたときの過去三か月の平均を算出したデータ）を説明変数として生成し、その集計データを結合した学習用データを生成してもよい。

学習部３０は、学習用データ生成部２０が生成した学習用データに基づいて学習済モデルを生成する。本実施形態では、学習部３０は、少なくとも上述する給料日フラグと年金支給日フラグのいずれか一方、または、両方を説明変数として含む学習済モデルを生成する。

学習部３０が生成する学習済モデルの内容は任意である。学習部３０は、学習済モデルとして、例えば、ロジスティック回帰、サポートベクターマシン（ＳＶＭ：Support Vector Machine）などのモデルを生成してもよい。

また、モデルの解釈容易性の観点から、学習部３０は、説明変数の値に応じて予測式が決定される学習済モデルを生成してもよい。図３は、選択される予測式が木構造で表され、説明変数の値に応じて予測式が決定されるモデルの例を示す説明図である。図３に例示するモデルは、各葉ノードに予測式が配され、各ノードが説明変数の値に応じて分岐する。

図３に示す例では、まず、予測日が給料支給日か否かで予測式の候補が選択される。以降、例えば、予測日が給料支給日でない場合であって、予測日が年金支給日である場合、予測式１が選択される。図３に例示するモデルが学習された場合、後述する予測部５０は、予測する予測日や、予測対象の属性に応じて予測式を選択し、予測を行う。

学習部３０は、生成した学習済モデルを記憶部１０に記憶してもよい。なお、学習済モデルがすでに生成されている場合、現金需要予測システム１００は、学習用データ生成部２０および学習部３０を備えていなくてもよい。

予測用データ生成部４０は、後述する予測部５０が予測を行う際に用いる予測用データを生成する。具体的には、予測用データ生成部４０は、現金授受が行われる日として予め定められた日付に該当するか否かを示す説明変数の値が付加された予測用データを予測日に基づいて生成する。このとき、予測用データ生成部４０は、学習済モデルに含まれる説明変数の値を含む予測用データを生成することになる。

上述するように、本実施形態では、学習済モデルは、少なくとも上述する給料日フラグと年金支給日フラグのいずれか一方、または、両方を説明変数として含む。そこで、予測用データ生成部４０は、予測日に応じて給料日フラグおよび年金支給日フラグの値を決定し、決定された給料日フラグおよび年金支給日フラグの値が付加された予測用データを生成する。

なお、予測用データ生成部４０は、給料日フラグと年金支給日フラグのいずれか一方の値のみを決定し、決定したフラグの値を付加した予測用データを生成してもよい。

以下、給料日フラグの設定方法を具体的に説明する。給料日は、一般に、毎月決まった日に設定される。そこで、予測用データ生成部４０は、毎月の給料日を特定する。例えば、給料日は、毎月２５日に設定されることが多いため、給料日として「２５日」を予め定めておき、予測用データ生成部４０は、その定められた「２５日」を毎月の給料日と特定してもよい。

なお、毎月の給料日は、地域に応じて変化することがある。そこで、予測用データ生成部４０は、現金需要を予測する地域に応じて、毎月の給料日の値を変化させてもよい。以下、予測用データ生成部４０が毎月の給料日として特定した日を給料所定日と記す。

予測用データ生成部４０は、予測日の日付が給料所定日に該当する場合、給料日フラグの値を給料日であることを示す値（例えば、１）と決定し、予測日の日付が給料所定日に該当しない場合、給料日フラグの値を給料日でないことを示す値（例えば、０）と決定する。なお、予測日の日付が給料所定日に該当するとは、予測日から年および月を除いた日にちの部分が、給料所定日と一致することを示す。

ただし、給料所定日が土日祝日（具体的には、土曜日、日曜日、または、祝日）に該当する場合、その日は給料日には通常設定されない。そこで、予測用データ生成部４０は、予測日の日付が給料所定日に該当する場合であって、その予測日が土日祝日に該当する場合、給料日フラグの値を給料日でないことを示す値（例えば、０）と決定する。

この場合、給料所定日の直近の平日が給料日に設定されることになる。そこで、予測用データ生成部４０は、予測日が給料所定日に該当しない場合であっても、その予測日が示す月の給料所定日が土日祝日に該当する場合、その予測日が、土日祝日に該当しないその月の給料所定日の直前の日である場合、給料日フラグの値を給料日であることを示す値（例えば、１）と決定する。

そして、予測用データ生成部４０は、予測日に基づいて決定した給料日フラグの値を付加した予測用データを生成する。

図４は、予測用データを生成する処理の例を示す説明図である。ここでは、予測用データ生成部４０は、入出金枚数差分（万券）を予測する予測日に対し、曜日、土日祝日フラグ、年初からの経過日数および給料日フラグを設定した予測用データを生成するものとする。なお、給料所定日は「２５日」であるとする。

まず、予測日Ｄ１が「２０１７年８月２５日」であるとする。図４に例示する曜日、土日祝日フラグおよび年初からの経過日数は、カレンダー情報から取得可能である。そこで、予測用データ生成部４０は、２０１７年８月２５日の曜日、土日祝日の有無および年初からの経過日数をカレンダー情報に基づいて、「金曜日」、「土日祝日ではない」、「２３７日」と決定する。

次に、予測用データ生成部４０は、給料日フラグの値を決定する。「２０１７年８月２５日」は、給料所定日に該当し、土日祝日でないため、予測用データ生成部４０は、「２０１７年８月２５日」を給料日と判定し、給料日フラグの値を「１」に設定する。

次に、予測日Ｄ２が「２０１７年１１月２５日」であるとする。予測用データ生成部４０は、２０１７年８月２５日と同様に、２０１７年１１月２５日の曜日、土日祝日の有無および年初からの経過日数をカレンダー情報に基づいて、「土曜日」、「土日祝日である」、「３２９日」と決定する。そして、「２０１７年１１月２５日」は、給料所定日に該当するが、土日祝日であるため、予測用データ生成部４０は、「２０１７年１１月２５日」を給料日でないと判定し、給料日フラグの値を「０」に設定する。

一方、予測日Ｄ３が「２０１７年１１月２４日」であるとする。予測用データ生成部４０は、２０１７年８月２５日と同様に、２０１７年１１月２４日の曜日、土日祝日の有無および年初からの経過日数をカレンダー情報に基づいて、「金曜日」、「土日祝日でない」、「３２８日」と決定する。「２０１７年１１月２４日」は、給料所定日に該当しない。一方、１１月の給料所定日は、土曜日である。また、２４日は、給料所定日「２５日」の直前の平日である。そこで、予測用データ生成部４０は、「２０１７年１１月２４日」を給料日であると判定し、給料日フラグの値を「１」に設定する。

次に、年金支給日フラグの設定方法を具体的に説明する。年金支給日も、基本的な考え方は給料日と同様である。具体的には、年金の支給月は偶数月であり、年金支給日は、支給月の１５日になる。また、年金支給日が土日祝日に該当する場合、年金支給日は、その直前の平日になる。以下、年金支給月の支給日（ここでは、「１５日」）のことを、年金支給所定日と記す。

予測用データ生成部４０は、予測日の日付が年金支給所定日に該当する場合、年金支給日フラグの値を年金支給日であることを示す値（例えば、１）と決定し、予測日の日付が年金支給所定日に該当しない場合、年金支給フラグの値を年金支給日でないことを示す値（例えば、０）と決定する。なお、予測日の日付が年金支給所定日に該当するとは、予測日から年および月を除いた日にちの部分が、年金支給所定日と一致することを示す。

また、予測用データ生成部４０は、予測日の月が年金支給月に該当し予測日の日付が年金支給所定日に該当する場合であって、その予測日が土日祝日に該当する場合、年金支給日フラグの値を年金支給日でないことを示す値（例えば、０）と決定する。そして、予測用データ生成部４０は、予測日が年金支給所定日に該当し、かつ、予測日の日付が年金支給所定日でない場合であっても、その予測日が示す月の年金支給所定日が土日祝日に該当する場合、その予測日が、土日祝日に該当しないその月の年金支給所定日の直前の日である場合、年金支給日フラグの値を年金支給日であることを示す値（例えば、１）と決定する。

そして、予測用データ生成部４０は、予測日に基づいて決定した年金支給日フラグの値を付加した予測用データを生成する。

予測部５０は、予測用データを学習済モデルに適用して現金需要を予測する。なお、本実施形態の学習済モデルは、給料日フラグと年金支給日フラグのいずれか一方、または、両方を説明変数として含む。そこで、予測部５０は、給料日フラグと年金支給日フラグのいずれか一方、または、両方の値が付加された予測用データを学習済モデルに適用して現金需要を予測する。

例えば、学習部３０が説明変数の値に応じて予測式が決定される学習済モデルを生成した場合、予測部５０は、その学習済モデルを用いて、予測用データに含まれる説明変数の値に応じて、複数の予測式の中から予測に用いる予測式を選択する。そして、予測部５０は、選択された予測式に予測用データを適用して現金需要を予測する。

図５は、図３に例示する学習済モデルで選択される予測式の例を示す説明図である。図５に例示する棒グラフ（ここでは、横棒グラフ）のそれぞれが、線形回帰式で表される１つの予測式を示す。具体的には、各予測式について、グラフの一方の軸（ここでは、左側）に説明変数の内容が示され、対応する横棒グラフの値が、その説明変数の係数（重み）を表す。例えば、図５に例示する予測式１は、３カ月前入出金枚数差分が説明変数に用いられ、バイアスが加算されていることを示す。例えば、図５に例示する予測式１は、以下に示す式１と同様である。なお、グラフは縦方向の棒グラフであってもよい。

入出金枚数差分＝－０．３８×３カ月前入出金枚数差分／２－０．２８ （式１）

出力部６０は、予測部５０による現金需要の予測結果を出力する。出力部６０は、予測結果を表示装置（図示せず）に表示してもよく、記憶部１０に記憶させてもよい。また、出力部６０は、図５に例示するように、線形回帰式で表される予測式を横棒グラフの形式で出力してもよい。図５に例示するように予測式を一覧でグラフ表示することで、現金授受が行われる日を要因とする現金需要の傾向を一見して把握しやすくなる。

また、出力部６０は、図３に例示するように、学習時に用いた実績データを作成された学習済モデルに適用した場合に、各ノードを経由するサンプル数（実績データ数）をそのノードごとに出力してもよい。このような情報を出力することにより、各予測式が用いられる比率を把握することが可能になる。

学習用データ生成部２０と、学習部３０と、予測用データ生成部４０と、予測部５０と、出力部６０とは、プログラム（現金需要予測プログラム）に従って動作するコンピュータのプロセッサ（例えば、ＣＰＵ（Central Processing Unit ）、ＧＰＵ（Graphics Processing Unit）、ＦＰＧＡ（field-programmable gate array ））によって実現される。

例えば、プログラムは、記憶部１０に記憶され、プロセッサは、そのプログラムを読み込み、プログラムに従って、学習用データ生成部２０、学習部３０、予測用データ生成部４０、予測部５０および出力部６０として動作してもよい。また、現金需要予測システムの機能がＳａａＳ（Software as a Service ）形式で提供されてもよい。

学習用データ生成部２０と、学習部３０と、予測用データ生成部４０と、予測部５０と、出力部６０とは、それぞれが専用のハードウェアで実現されていてもよい。また、各装置の各構成要素の一部又は全部は、汎用または専用の回路（circuitry ）、プロセッサ等やこれらの組合せによって実現されもよい。これらは、単一のチップによって構成されてもよいし、バスを介して接続される複数のチップによって構成されてもよい。各装置の各構成要素の一部又は全部は、上述した回路等とプログラムとの組合せによって実現されてもよい。

また、各装置の各構成要素の一部又は全部が複数の情報処理装置や回路等により実現される場合には、複数の情報処理装置や回路等は、集中配置されてもよいし、分散配置されてもよい。例えば、情報処理装置や回路等は、クライアントサーバシステム、クラウドコンピューティングシステム等、各々が通信ネットワークを介して接続される形態として実現されてもよい。

次に、本実施形態の現金需要予測システムの動作を説明する。図６は、本実施形態の現金需要予測システムの動作例を示すフローチャートである。

学習用データ生成部２０は、実績データに基づいて学習用データを生成し（ステップＳ１１）、学習部３０は、生成された学習データに基づいて学習済モデルを生成する（ステップＳ１２）。

予測用データ生成部４０は、現金授受が行われる日として予め定められた日付に該当するか否かを示す説明変数の値が付加された予測用データを予測日に基づいて生成する（ステップＳ１３）。本実施形態では、予測用データ生成部４０は、予測日に基づいて、給料日フラグと年金支給日フラグのいずれか一方、または、両方の値を決定し、決定された値を付加した予測用データを生成する。

予測部５０は、給料日フラグと年金支給日フラグのいずれか一方、または、両方の値が付加された予測用データを学習済モデルに適用して現金需要を予測する（ステップＳ１４）。例えば、説明変数の値に応じて予測式が決定される学習済モデルが用いられる場合、予測部５０は、予測用データに含まれる説明変数の値に応じて、複数の予測式の中から予測に用いる予測式を選択し、選択された予測式に、予測用データを適用して現金需要を予測する。そして、出力部６０は、現金需要の予測結果を出力する（ステップＳ１５）。

以上のように、本実施形態では、予測用データ生成部４０が、予測日に基づいて、現金授受が行われる日として予め定められた日付に該当するか否かを示す説明変数の値が付加された予測用データを生成する。具体的には、予測用データ生成部４０が、予測日に基づいて給料日フラグと年金支給日フラグのいずれか一方、または、両方の値を決定し、決定された値が付加された予測用データを生成する。そして、予測部５０が、給料日フラグと年金支給日フラグのいずれか一方、または、両方の値が付加された予測用データを学習済モデルに適用して現金需要を予測する。

そのような構成により、現金需要の予測精度を向上させることができる。すなわち、本実施形態では、現金の入手が可能になる給料日や年金支給日を考慮して現金需要を予測するため、予測日の有する傾向を考慮した予測を行うことが可能になる。

また、本実施形態では、予測用データ生成部４０が、現金授受が行われる日として予め定められた日付に該当するか否かを示す説明変数の値が付加された予測用データを予測日に基づいて生成する。そして、予測部５０は、説明変数の値に応じて予測式が決定される学習済モデルに予測用データを適用して、現金需要を予測する。具体的には、予測部５０は、予測用データに含まれる説明変数の値に応じて、その学習済モデルが示す複数の予測式の中から予測に用いる予測式を選択し、選択された予測式に予測用データを適用して現金需要を予測する。

そのような構成により、現金需要の予測結果の解釈性を向上させることができる。具体的には、現金授受が行われる日の特性に応じて変化する現金需要の傾向を把握しやすくできる。

実施形態２．
次に、本発明の現金需要予測システムの第２の実施形態を説明する。第１の実施形態では、現金需要予測システムが給料日フラグと年金支給日フラグのいずれか一方、または、両方を説明変数として含む学習済モデルを生成する場合について説明した。本実施形態では、現金授受が行われる日として、各月の営業日に着目する。

本実施形態の現金需要予測システムの構成は、第１の実施形態と同様である。ただし、本実施形態では、学習部３０が、月末最終営業日フラグと月初第一営業日フラグのいずれか一方、または、両方を説明変数として含む学習済モデルを生成する。そのため、記憶部１０は、月末最終営業日フラグおよび月初第一営業日フラグを含む実績データを記憶する。なお、学習部３０が学習済モデルを生成する方法は、第１の実施形態と同様である。すなわち、学習部３０は、説明変数の値に応じて予測式が決定される学習済モデルを生成してもよい。

予測用データ生成部４０は、予測日に基づいて予測用データを生成する。本実施形態では、学習済モデルは、少なくとも上述する月末最終営業日フラグと月初第一営業日フラグのいずれか一方、または、両方を説明変数として含む。そこで、予測用データ生成部４０は、予測日に応じて月末最終営業日フラグおよび月初第一営業日フラグの値を決定し、決定された月末最終営業日フラグおよび月初第一営業日フラグの値が付加された予測用データを生成する。

なお、予測用データ生成部４０は、月末最終営業日フラグと月初第一営業日フラグのいずれか一方の値のみを決定し、決定したフラグの値を付加した予測用データを生成してもよい。

以下、月末最終営業日フラグの設定方法を具体的に説明する。月末最終営業日（具体的には、２８日、２９日、３０日または３１日）は、一般に、毎月の最後の平日に設定される。そこで、予測用データ生成部４０は、予測日が月末最終日であって、土日祝日および年末年始でない場合、月末最終営業日フラグの値を月末最終営業日であることを示す値（例えば、１）と決定する。また、予測用データ生成部４０は、予測日が月末最終日でない場合、月末最終営業日フラグの値を月末最終営業日でないことを示す値（例えば、０）と決定する。一方、予測日が月末最終日であって、土日祝日および年末年始である場合、予測用データ生成部４０は、月末最終営業日フラグの値を月末最終営業日でないことを示す値（例えば、０）と決定する。

ここで、年末年始は、一般に１２月２９日から１月３日が設定される。ただし、年末年始の期間は、上記期間に限定されず、実質的に営業が停止している任意の期間が定められれば良い。

また、予測用データ生成部４０は、予測日が月末最終日に該当しない場合であっても、その予測日が示す月の月末最終日が土日祝日および年末年始に該当する場合で、その予測日が、土日祝日および年末年始に該当しないその月の月末最終日の直前の日である場合、月末最終営業日フラグの値を月末最終営業日であることを示す値（例えば、１）と決定する。

そして、予測用データ生成部４０は、予測日に基づいて決定した月末最終営業日フラグの値を付加した予測用データを生成する。

図７は、予測用データを生成する処理の他の例を示す説明図である。ここでは、予測用データ生成部４０は、入出金枚数差分（万券）を予測する予測日に対し、曜日、土日祝日フラグ、年初からの経過日数および月末最終営業日フラグを設定した予測用データを生成するものとする。

まず、予測日Ｄ４が「２０１７年８月３１日」であるとする。図７に例示する曜日、土日祝日フラグおよび年初からの経過日数は、カレンダー情報から取得可能である。そこで、予測用データ生成部４０は、２０１７年８月３１日の曜日、土日祝日の有無および年初からの経過日数をカレンダー情報に基づいて、「月曜日」、「土日祝日ではない」、「２４３日」と決定する。

次に、予測用データ生成部４０は、月末最終営業日フラグの値を決定する。「２０１７年８月３１日」は、月末最終日（３１日）に該当し、土日祝日でないため、予測用データ生成部４０は、「２０１７年８月３１日」を月末最終営業日と判定し、月末最終営業日フラグの値を「１」に設定する。

次に、予測日Ｄ５が「２０１７年９月３０日」であるとする。予測用データ生成部４０は、２０１７年８月３１日と同様に、２０１７年９月３０日の曜日、土日祝日の有無および年初からの経過日数をカレンダー情報に基づいて、「土曜日」、「土日祝日である」、「２７３日」と決定する。そして、「２０１７年９月３０日」は、月末最終日（３０日）に該当するが、土日祝日であるため、予測用データ生成部４０は、「２０１７年９月３０日」を月末最終営業日でないと判定し、月末最終営業日フラグの値を「０」に設定する。

一方、予測日Ｄ６が「２０１７年９月２９日」であるとする。予測用データ生成部４０は、２０１７年８月３１日と同様に、２０１７年９月２９日の曜日、土日祝日の有無および年初からの経過日数をカレンダー情報に基づいて、「金曜日」、「土日祝日でない」、「２７２日」と決定する。「２０１７年９月２９日」は、月末最終日に該当しない。一方、１１月の月末最終日は、土曜日である。また、２９日は、９月の月末最終日「３０日」の直前の平日である。そこで、予測用データ生成部４０は、「２０１７年９月２９日」を月末最終営業日であると判定し、月末最終営業日フラグの値を「１」に設定する。

次に、月初第一営業日フラグの設定方法を具体的に説明する。月初第一営業日も、基本的な考え方は月末最終営業日と同様である。具体的には、月初第一営業日は、一般に、毎月の最初の平日に設定される。そこで、予測用データ生成部４０は、予測日が月初日（１日）に該当し、土日祝日および年末年始でない場合、月初第一営業日フラグの値を月初第一営業日であることを示す値（例えば、１）と決定する。また、予測用データ生成部４０は、予測日が月初日（１日）に該当しない場合、月初第一営業日フラグの値を月初第一営業日でないことを示す値（例えば、１）と決定する。一方、予測日が月初日に該当し、土日祝日および年末年始である場合、予測用データ生成部４０は、月初第一営業日フラグの値を月初第一営業日でないことを示す値（例えば、０）と決定する。

また、予測用データ生成部４０は、予測日が月初日に該当しない場合であっても、その予測日が示す月の月初日が土日祝日および年末年始に該当する場合、その予測日が、土日祝日および年末年始に該当しないその月の月初日の直後の日である場合、月初第一営業日フラグの値を月初第一営業日であることを示す値（例えば、１）と決定する。

そして、予測用データ生成部４０は、予測日に基づいて決定した月初第一営業日フラグの値を付加した予測用データを生成する。

予測部５０は、予測用データを学習済モデルに適用して現金需要を予測する。なお、本実施形態の学習済モデルは、月末最終営業日フラグと月初第一営業日フラグのいずれか一方、または、両方を説明変数として含む。そこで、予測部５０は、月末最終営業日フラグと月初第一営業日フラグのいずれか一方、または、両方の値が付加された予測用データを学習済モデルに適用して現金需要を予測する。

なお、本実施形態で予測部５０が用いるモデルは、第１の実施形態で説明したように、説明変数の値に応じて予測式が決定される学習済モデルであってもよい。また、出力部６０も、第１の実施形態と同様に、記憶部１０に記憶させてもよく、予測結果を図６に例示するように、表示装置（図示せず）に表示してもよい。

次に、本実施形態の現金需要予測システムの動作を説明する。本実施形態の現金需要予測システムの動作は、図６に例示するフローチャートが示す動作と同様である。ただし、本実施形態では、予測用データ生成部４０は、予測日に基づいて、月末最終営業日フラグと月初第一営業日フラグのいずれか一方、または、両方の値を決定し、決定された値を付加した予測用データを生成する。

以上のように、本実施形態では、予測用データ生成部４０が、予測日に基づいて、現金授受が行われる日として予め定められた日付に該当するか否かを示す説明変数の値が付加された予測用データを生成する。具体的には、予測用データ生成部４０が、予測日に基づいて月末最終営業日フラグと月初第一営業日フラグのいずれか一方、または、両方の値を決定し、決定された値が付加された予測用データを生成する。そして、予測部５０が、月末最終営業日フラグと月初第一営業日フラグのいずれか一方、または、両方の値が付加された予測用データを学習済モデルに適用して現金需要を予測する。

そのような構成により、現金需要の予測精度を向上させることができる。すなわち、本実施形態では、現金の準備を完了させる月末最終営業日や、現金が多く必要になる月初第一営業日を考慮して現金需要を予測するため、予測日の有する傾向を考慮した予測を行うことが可能になる。

なお、上記説明では、第１の実施形態の学習部３０が、給料日フラグと年金支給日フラグのいずれか一方、または、両方を説明変数として含む学習済モデルを生成し、第２の実施形態の学習部３０が、月末最終営業日フラグと月初第一営業日フラグのいずれか一方、または、両方を説明変数として含む学習済モデルを生成する場合について説明した。なお、いずれの実施形態の学習部３０も、給料日フラグ、年金支給日フラグ、月末最終営業日フラグおよび月初第一営業日フラグのいずれかを含む学習済モデルを生成してもよい。

この場合、予測用データ生成部４０は、予測日に基づいて、給料日フラグ、年金支給日フラグ、月末最終営業日フラグまたは月初第一営業日フラグの値を決定し、決定された値が付加された予測用データを生成してもよい。

次に、本発明の概要を説明する。図８は、本発明による現金需要予測システムの概要を示すブロック図である。本発明による現金需要予測システム９０は、現金授受が行われる日として予め定められた日付に該当するか否かを示す説明変数の値が付加された予測用データを予測日に基づいて生成する予測用データ生成部９１（例えば、予測用データ生成部４０）と、説明変数の値に応じて予測式が決定される学習済モデルに予測用データを適用して、現金需要を予測する予測器９２（例えば、予測部５０）とを備えている。

予測器９２は、予測用データに含まれる説明変数の値に応じて、学習済モデルが示す複数の予測式の中から予測に用いる予測式を選択し、選択された予測式に予測用データを適用して現金需要を予測する。

そのような構成により、現金需要の予測結果の解釈性を向上させることができる。

また、現金需要予測システム９０は、予測式が線形回帰式で表され、その予測式を表す棒グラフの一方の軸に説明変数の内容を配し、その説明変数に対応する棒グラフの値がその説明変数の係数を表すように、選択され得る予測式を出力する出力部（例えば、出力部６０）を備えていてもよい。

また、出力部は、実績データを作成された学習済モデルに適用した場合に各ノードを経由する実績データ数をそのノードごとに出力してもよい。

また、予測用データ生成部９１は、給料日か否かを示す給料日フラグの値が、現金授受が行われる日を示す説明変数の値として付加された予測用データを生成してもよい。

このとき、予測用データ生成部９１は、予測日が毎月の給料日として定められた日にちである給料所定日（例えば、「２５日」）に該当する場合、給料日フラグの値を給料日であることを示す値（例えば、「１」）と決定し、その予測日が給料所定日に該当しない場合、給料日フラグの値を給料日でないことを示す値（例えば、「０」）と決定してもよい。

また、予測用データ生成部９１は、年金支給日か否かを示す年金支給日フラグの値が、現金授受が行われる日を示す説明変数の値として付加された予測用データを生成してもよい。

また、予測用データ生成部９１は、月末最終営業日か否かを示す月末最終営業日フラグの値が、現金授受が行われる日を示す説明変数の値として付加された予測用データを生成してもよい。

また、予測用データ生成部は、月初第一営業日か否かを示す月初第一営業日フラグの値が、現金授受が行われる日を示す説明変数の値として付加された予測用データを生成してもよい。

上記の実施形態の一部又は全部は、以下の付記のようにも記載されうるが、以下には限られない。

（付記１）現金授受が行われる日として予め定められた日付に該当するか否かを示す説明変数の値が付加された予測用データを予測日に基づいて生成する予測用データ生成部と、説明変数の値に応じて予測式が決定される学習済モデルに前記予測用データを適用して、現金需要を予測する予測器とを備え、前記予測器は、予測用データに含まれる説明変数の値に応じて、前記学習済モデルが示す複数の予測式の中から予測に用いる予測式を選択し、選択された予測式に前記予測用データを適用して現金需要を予測することを特徴とする現金需要予測システム。

（付記２）予測式が線形回帰式で表され、当該予測式を表す棒グラフの一方の軸に説明変数の内容を配し、当該説明変数に対応する棒グラフの値が当該説明変数の係数を表すように、選択され得る予測式を出力する出力部を備えた付記１記載の現金需要予測システム。

（付記３）出力部は、実績データを作成された学習済モデルに適用した場合に各ノードを経由する実績データ数を当該ノードごとに出力する付記２記載の現金需要予測システム。

（付記４）予測用データ生成部は、給料日か否かを示す給料日フラグの値が、現金授受が行われる日を示す説明変数の値として付加された予測用データを生成する付記１から付記３のうちのいずれか１つに記載の現金需要予測システム。

（付記５）予測用データ生成部は、予測日が毎月の給料日として定められた日にちである給料所定日に該当する場合、給料日フラグの値を給料日であることを示す値と決定し、当該予測日が前記給料所定日に該当しない場合、給料日フラグの値を給料日でないことを示す値と決定する付記４記載の現金需要予測システム。

（付記６）予測用データ生成部は、年金支給日か否かを示す年金支給日フラグの値が、現金授受が行われる日を示す説明変数の値として付加された予測用データを生成する付記１から付記５のうちのいずれか１つに記載の現金需要予測システム。

（付記７）予測用データ生成部は、月末最終営業日か否かを示す月末最終営業日フラグの値が、現金授受が行われる日を示す説明変数の値として付加された予測用データを生成する付記１から付記６のうちのいずれか１つに記載の現金需要予測システム。

（付記８）予測用データ生成部は、月初第一営業日か否かを示す月初第一営業日フラグの値が、現金授受が行われる日を示す説明変数の値として付加された予測用データを生成する付記１から付記７のうちのいずれか１つに記載の現金需要予測システム。

（付記９）現金授受が行われる日として予め定められた日付に該当するか否かを示す説明変数の値が付加された予測用データを予測日に基づいて生成し、説明変数の値に応じて予測式が決定される学習済モデルに前記予測用データを適用して、現金需要を予測し、前記予測の際、予測用データに含まれる説明変数の値に応じて、前記学習済モデルが示す複数の予測式の中から予測に用いる予測式を選択し、選択された予測式に前記予測用データを適用して現金需要を予測することを特徴とする現金需要予測方法。

（付記１０）予測式が線形回帰式で表され、当該予測式を表す棒グラフの一方の軸に説明変数の内容を配し、当該説明変数に対応する棒グラフの値が当該説明変数の係数を表すように、選択され得る予測式を出力する付記９記載の現金需要予測方法。

（付記１１）コンピュータに、現金授受が行われる日として予め定められた日付に該当するか否かを示す説明変数の値が付加された予測用データを予測日に基づいて生成する予測用データ生成処理、および、説明変数の値に応じて予測式が決定される学習済モデルに前記予測用データを適用して、現金需要を予測する予測処理を実行させ、前記予測処理で、予測用データに含まれる説明変数の値に応じて、前記学習済モデルが示す複数の予測式の中から予測に用いる予測式を選択させ、選択された予測式に前記予測用データを適用して現金需要を予測させるための現金需要予測プログラム。

（付記１２）コンピュータに、予測式が線形回帰式で表され、当該予測式を表す棒グラフの一方の軸に説明変数の内容を配し、当該説明変数に対応する棒グラフの値が当該説明変数の係数を表すように、選択され得る予測式を出力する出力処理を実行させる付記１１記載の現金需要予測プログラム。

以上、実施形態及び実施例を参照して本願発明を説明したが、本願発明は上記実施形態および実施例に限定されるものではない。本願発明の構成や詳細には、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。

この出願は、２０１７年８月２３日に出願された日本特許出願２０１７－１５９８８３を基礎とする優先権を主張し、その開示の全てをここに取り込む。

１０ 記憶部
２０ 学習用データ生成部
３０ 学習部
４０ 予測用データ生成部
５０ 予測部
６０ 出力部
１００ 現金需要予測システム

Claims (9)

1. 現金授受が行われる日として予め定められた日付に該当するか否かを示す説明変数の値が付加された予測用データを予測日に基づいて生成する予測用データ生成部と、
   説明変数の値に応じて予測式が決定される学習済モデルに前記予測用データを適用して、現金需要を予測する予測器と、
   予測式が線形回帰式で表され、当該予測式を表す棒グラフの一方の軸に前記説明変数の内容を配し、当該説明変数に対応する棒グラフの値が当該説明変数の係数を表すように、選択され得る予測式を出力する出力部とを備え、
   前記予測器は、予測用データに含まれる説明変数の値に応じて、前記学習済モデルが示す複数の予測式の中から予測に用いる予測式を選択し、選択された予測式に前記予測用データを適用して現金需要を予測する
   ことを特徴とする現金需要予測システム。
2. 出力部は、実績データを作成された学習済モデルに適用した場合に各ノードを経由する実績データ数を当該ノードごとに出力する
   請求項１記載の現金需要予測システム。
3. 予測用データ生成部は、給料日か否かを示す給料日フラグの値が、現金授受が行われる日を示す説明変数の値として付加された予測用データを生成する
   請求項１または請求項２記載の現金需要予測システム。
4. 予測用データ生成部は、予測日が毎月の給料日として定められた日にちである給料所定日に該当する場合、給料日フラグの値を給料日であることを示す値と決定し、当該予測日が前記給料所定日に該当しない場合、給料日フラグの値を給料日でないことを示す値と決定する
   請求項３記載の現金需要予測システム。
5. 予測用データ生成部は、年金支給日か否かを示す年金支給日フラグの値が、現金授受が行われる日を示す説明変数の値として付加された予測用データを生成する
   請求項１から請求項４のうちのいずれか１項に記載の現金需要予測システム。
6. 予測用データ生成部は、月末最終営業日か否かを示す月末最終営業日フラグの値が、現金授受が行われる日を示す説明変数の値として付加された予測用データを生成する
   請求項１から請求項５のうちのいずれか１項に記載の現金需要予測システム。
7. 予測用データ生成部は、月初第一営業日か否かを示す月初第一営業日フラグの値が、現金授受が行われる日を示す説明変数の値として付加された予測用データを生成する
   請求項１から請求項６のうちのいずれか１項に記載の現金需要予測システム。
8. コンピュータが、現金授受が行われる日として予め定められた日付に該当するか否かを示す説明変数の値が付加された予測用データを予測日に基づいて生成し、
   前記コンピュータが、説明変数の値に応じて予測式が決定される学習済モデルに前記予測用データを適用して、現金需要を予測し、
   前記コンピュータが、前記予測の際、予測用データに含まれる説明変数の値に応じて、前記学習済モデルが示す複数の予測式の中から予測に用いる予測式を選択し、選択された予測式に前記予測用データを適用して現金需要を予測し、
   前記コンピュータが、予測式が線形回帰式で表され、当該予測式を表す棒グラフの一方の軸に前記説明変数の内容を配し、当該説明変数に対応する棒グラフの値が当該説明変数の係数を表すように、選択され得る予測式を出力する
   ことを特徴とする現金需要予測方法。
9. コンピュータに、
   現金授受が行われる日として予め定められた日付に該当するか否かを示す説明変数の値が付加された予測用データを予測日に基づいて生成する予測用データ生成処理、
   説明変数の値に応じて予測式が決定される学習済モデルに前記予測用データを適用して、現金需要を予測する予測処理、および、
   予測式が線形回帰式で表され、当該予測式を表す棒グラフの一方の軸に前記説明変数の内容を配し、当該説明変数に対応する棒グラフの値が当該説明変数の係数を表すように、選択され得る予測式を出力する出力処理を実行させ、
   前記予測処理で、予測用データに含まれる説明変数の値に応じて、前記学習済モデルが示す複数の予測式の中から予測に用いる予測式を選択させ、選択された予測式に前記予測用データを適用して現金需要を予測させる
   ための現金需要予測プログラム。

Images