出版書誌データベース

　本書は文系学部出身者には実用的で有効な統計解析と人工知能手法，理工系学部出身者には解析データ収集と解析結果の解釈・活用に必要な企業経営と信用評価の基本経営知識を提供することにより，経営の発想と統計解析・人工知能ツールを結びつけることを狙いとする。従来の経営分析を体系的に整理したうえ，数多くの統計解析と人工知能手法の中から，実用性の高いものを選んで，経営分析へのこれらの手法の活用について，経営分野の実例を用いてわかりやすく解説する。また，信用リスク評価に関しては，一般企業において実用できる信用格付けモデルに重点を置き，信用リスク評価の手法を体系的に解説する。さらに，金融機関および一般企業における利用可能性を考慮し，財務データに基づいた財務的アプローチだけでなく，企業の日常取引データなどに基づいた非財務的アプローチも説明する。
　実用性を重視するし，本書で説明する各種手法はすべてRプログラムを提供する。そして，これらのプログラムと実行結果を容易に理解してもらうために，すべての行に注釈をつける。実行結果を踏まえて，Rの関数を利用する際の注意点とエラー回避のコツを解説する。

第1章　経営分析の概要
1.1　経営分析とその発展
1.2　経営分析の体系
1.3　経営分析手法とその体系
1.4　信用リスクと信用分析手法の体系

第2章　経営実態の把握方法―統計・検定の基本
2.1　経営データの特徴を読み取る基礎統計量
2.2　経営データの統計量と信頼度がわかる推定
2.3　データを読み間違っているかを確認する検定
2.4　2組のデータを比較する差の検定

第３章　経営成果の予測と関連要因―相関・回帰分析
3.1　経営指標間の関連を読みとる相関
3.2　量的データから将来を予測する回帰分析
3.3　質的データから将来を予測する数量化理論Ⅰ類

第4章　経営要因分析と潜在要因発見―ABC分析，分散分析と因子分析
4.1　一番重要な要因を把握するABC分析
4.2　要因の効果と交互作用を検証する分散分析
4.3　潜在要因を発見する因子分析

第5章　企業・部門の差異評価―主成分分析とクラスター分析
5.1　対象間の差異をはっきりさせる主成分分析
5.2　対象間の類似度を評価するクラスター分析

第6章　判別関数を用いた取引先の格付判定－判別分析
6.1　判別分析手法
6.2　財務指標に基づいた信用評価と実例
6.3　非財務指標に基づいた信用評価と実例

第7章　ツリー構造を用いた取引先の信用評価－決定木
7.1　決定木の概要
7.2　決定木の構築方法
7.3　決定木による企業信用評価

第8章　カーネル・トリックによる取引先の信用評価－サポートベクターマシン
8.1　サポートベクターマシンとカーネル法
8.2　サポートベクターマシン用のR関数と実例
8.3　SVMによる信用評価とパラメータ選定

第9章　脳のメカニズムを模したニューラルネット
9.1　ニューラルネットワーク
9.2　ディープラーニング

第10章　不均衡データに基づく学習と信用評価
10.1　不均衡データとその扱い方
10.2 マイノリティ合成によるオーバーサンプリングSMOTE手法と実例
10.3 誤分類コスト考慮型学習を用いる信用評価

参考文献

索引