機械学習によるバリュエーションマルチプルの要因分解
-
- Yoshiro Enomoto
- Axios Financial Technologies
-
- Kei Nakagawa
- Nomura Asset Management
書誌事項
- タイトル別名
-
- Decomposition of Valuation Multiple using Machine Learning
抄録
<p>本研究は、近年加速する日本の資本市場改革に対応し、企業価値向上のための枠組みを提案する。企業にとって、企業価値を向上させる手段は必ずしも明確ではなく、特に投資家の期待を反映するとされるPER等のバリュエーションマルチプルの管理が難しい。そこで本研究では、企業がコントロール可能な変数(ファンダメンタル変数)と不可能な変数(マクロ経済変数)をインプットに、統計的な回帰分析と機械学習モデルのそれぞれでマルチプルの予測モデルを構築し、モデルの予測精度を検証する。さらに機械学習モデルに対して、SHAPという局所的サロゲート手法と、線形回帰を用いた大域的サロゲート手法を用いて、モデルの解釈を試みる。これにより、マルチプルが企業の経営努力によって改善可能な内部要因や、制御不可能な外部要因のどちらによってより説明されるのかを明らかにし、マルチプルの変動要因を解明することを目指す。最後に、企業が自身のマルチプルに影響を与えるための可能性を具体的に示し、その結果を資本市場改革の文脈における企業価値向上策として提案する。</p>
収録刊行物
-
- 人工知能学会第二種研究会資料
-
人工知能学会第二種研究会資料 2023 (FIN-031), 118-125, 2023-10-10
一般社団法人 人工知能学会
- Tweet
キーワード
詳細情報 詳細情報について
-
- CRID
- 1390297758532413696
-
- ISSN
- 24365556
-
- 本文言語コード
- ja
-
- データソース種別
-
- JaLC
-
- 抄録ライセンスフラグ
- 使用可