AIBR プレミアム
拓海先生、最近うちの若手が「P2PレンディングでAIを使えばリスクが分かる」と言ってきて、正直何を信じれば良いか分かりません。要するに投資判断に使えるのですか？
素晴らしい着眼点ですね！大丈夫です、一緒に整理すれば必ず見えてきますよ。今回の研究はP2P市場全体の月次貸倒率を、時系列の流れとしてLSTMで予測するという内容です。要点は三つ、モデルの対象が個人ではなく市場全体であること、長短期の時間依存性を扱うLSTMを使っていること、そして失業率というマクロ指標を入れると精度が上がるという点です。
貸倒りつを市場全体で予測するということは、うちのような投資判断をする者が持つべき「環境の見方」に近いという理解で良いですか。個別の借り手に深く入り込まずに、市場の傾向で判断する、と。
その通りですよ。経営判断で言えば、会社の投資比率やリスク許容度を決めるマクロのダッシュボードに相当します。もっと噛み砕くと、個々の信用調査は現場、LSTMは市場全体のトレンド予測として中期的な戦略に使えるのです。
ただ、技術的にLSTMというのは聞き慣れない。要するに何が他の時系列手法と違うのですか？
素晴らしい着眼点ですね！短く言うと、LSTMはLong Short-Term Memory（LSTM、長短期記憶）というニューラルネットワークで、過去の情報を長く覚えたり短く忘れたりできる仕組みです。たとえば経営で言うなら、季節要因（短期）と景気循環（長期）を同時に考慮できる道具です。要点は三つ、非線形な関係を扱えること、長期依存を学べること、外部のマクロ指標を簡単に組み込めることです。
これって要するに将来の貸倒率を月次で予測できるということ？それが精度良く出れば我々の投資配分や貸出基準に反映できるという理解で良いですか。
はい、その理解で合っていますよ。今回の研究はLending Clubの2007年10月から2016年1月の月次データで、市場全体の貸倒率をLSTMで予測し、従来の自己回帰モデル（AR）より誤差が小さかったと報告しています。さらに失業率というマクロ変数を入れると、学習と評価の双方でRMSEが下がるという結果です。ですから投資配分の判断材料として有用になり得るのです。
運用側としては「導入コストに見合うか」が肝心です。LSTMの学習や維持にどの程度の手間とコストがかかりますか？現場のIT部門で賄えるレベルでしょうか。
良い視点ですね。実務的にはデータ収集、前処理、モデル学習、運用の四つが主なコスト要素です。要点は三つ、まず学習は一度の投資で済むこと、次に定期的な再学習とモニタリングは必要だが頻度は月次〜四半期程度で済むこと、最後に失業率など外部データは公的データで無料入手できる点です。小規模ならクラウドでレンタルし、社内ITと協業すれば現実的に導入可能です。
分かりました、では最後に私の言葉で整理します。今回の論文は市場全体の月次貸倒率をLSTMで予測し、失業率を入れると精度が改善する。従来のARモデルより誤差が小さいから、我々の投資判断用のマクロ指標として実運用に耐えうる可能性がある、という理解で合っていますか。
その通りですよ。素晴らしいまとめです。大丈夫、一緒に実証実験から始めれば必ず見えてきますよ。
