Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
SDGsファクターに着目したAutoMLによる投資戦略
Search
hideyoshikato
March 20, 2021
Technology
0
90
SDGsファクターに着目したAutoMLによる投資戦略
Bloomberg投資コンテストの本戦で使用した発表資料です.
hideyoshikato
March 20, 2021
Tweet
Share
More Decks by hideyoshikato
See All by hideyoshikato
日本語文法誤り訂正における事前学習済みモデルを用いたデータ増強
hideyoshikato
2
310
NMFに基づいた多変量回帰について
hideyoshikato
0
180
有価証券報告書のテキストデータを用いた株価予測モデルと投資モデルの構築
hideyoshikato
0
81
第6回データビジネス創造コンテスト DIGITAL INNOVATORS GRAND PRIX 6 スポーツ✕アナリティクスによる未来創造 発表スライド
hideyoshikato
0
38
Other Decks in Technology
See All in Technology
JSON攻略法.pdf
miyakemito
8
5.2k
GrafanaMeetup_AmazonManagedGrafanaのアクセス制御機能とマルチテナント環境下でのアクセス制御について
daitak
0
390
R3のコードから見る実践LINQ実装最適化・コンカレントプログラミング実例
neuecc
3
2k
Building a RAG-poweredAI chat appwith Python and VS Code
pamelafox
0
140
Azureの基本的な権限管理の勉強会
yhana
1
2k
Além do else! Categorizando Pokemóns com Pattern Matching no JavaScript
wmsbill
0
700
Amplify 🩷 Bedrock 〜生成AI入門〜
minorun365
PRO
8
380
よく聞くけど使ったことないソフトウェアNo.1 KafkaとSnowflake
foursue
4
490
【基本】データベース設計
oracle4engineer
PRO
2
130
MLOpsの「壁」を乗り越える、LINEヤフーの Data Quality as Code
lycorptech_jp
PRO
8
610
本当のAWS基礎
toru_kubota
1
610
チームでロジカルシンキングに改めて向き合っている話 〜学習環境と実践⽅法〜
sansantech
PRO
3
3.2k
Featured
See All Featured
CoffeeScript is Beautiful & I Never Want to Write Plain JavaScript Again
sstephenson
155
14k
個人開発の失敗を避けるイケてる考え方 / tips for indie hackers
panda_program
65
14k
Writing Fast Ruby
sferik
622
60k
Build your cross-platform service in a week with App Engine
jlugia
226
17k
Understanding Cognitive Biases in Performance Measurement
bluesmoon
11
1k
Teambox: Starting and Learning
jrom
128
8.4k
CSS Pre-Processors: Stylus, Less & Sass
bermonpainter
352
28k
ParisWeb 2013: Learning to Love: Crash Course in Emotional UX Design
dotmariusz
104
6.6k
How GitHub Uses GitHub to Build GitHub
holman
468
290k
Fashionably flexible responsive web design (full day workshop)
malarkey
398
65k
Reflections from 52 weeks, 52 projects
jeffersonlam
345
19k
Scaling GitHub
holman
457
140k
Transcript
S D G s フ ァ ク タ ー に
着 ⽬ し た A u t o M L に よ る 投 資 戦 略 同志社⼤学 wagaya 吉冨・⽊村・加藤
2 1 背景 / ESG投資の課題 / 投資⽬的 はじめに 2 概要
/ スクリーニング / AutoMLによ る予測 / ポートフォリオ構築 投資戦略 3 パフォーマンス / 考察 投資結果 4 まとめ / 今後の⽅針 / 参考⽂献 おわりに ⽬次
3 GPIFがPRIに署名 ⽇本最⼤の投資機関がESG投資に乗 り出す G20でSDGsが議題にあがる G20⼤阪サミットでESG投資と関連の 深いSDGsへの取り組みが推進される ESG投資が注⽬ 2017 2019
⽇ 本 に お け る E S G 投
資 の 課 題 4 世界的にみるとESG投資が浸透していない ESG投資に明確な定義がない
⽇ 本 に お け る E S G 投
資 の 課 題 5 0% 10% 20% 30% 40% 50% 60% 70% 2014 2016 2018 全運⽤資産⾼に占めるESG投資の割合 Japan United States Europe Canada Australia/NewZealand 【出典】GSIA(2018)を基に作成 ⽇本は18.3%と まだまだ⼩さい
6 E S G 投 資 投資判断にESG情報を組み込むこと 明確な⼿法が確⽴されていない 分析に必要なデータが不明確 評価に必要なデータを企業が保
有しているとは限らない ⽇ 本 に お け る E S G 投 資 の 課 題
投 資 ⽬ 的 7 ⽇本における⻑期的に 企業価値が伸びるESG投資の提案 定量的なSDGsデータを評価軸の⼀つとして⽤いる
投 資 ⽬ 的 8 ⻑期的に企業価値が伸びる u時価総額伸び率を⽤いる(奈良ら, 2019) u市場から受けた評価として客観性が⾼い u株式分割の影響を受けない
定量的なSDGsデータで評価 uSDGs⽬標に関連のあるデータを⽤いる u⽇本企業の間でもSDGsは積極的に取 組まれいている
9 1 背景 / ESG投資の課題 / ⽬的 はじめに 2 概要
/ スクリーニング / AutoMLによる 予測 / ポートフォリオ構築 投資戦略 3 パフォーマンス / 考察 投資結果 4 まとめ / 今後の⽅針 / 参考⽂献 おわりに 目次
01 02 03 投 資 戦 略 の 概 要
10 スクリーニング 機械学習モデルの構築 ポートフォリオ配分の決定
ス ク リ ー ニ ン グ の 流 れ
11 SDGsファクターの定義 SDGsスコアの算出 スコアが正となった銘柄を選出
S D G s フ ァ ク タ ー を
定 義 12 SDGsファクター SDGs⽬標 F1 F2 F3 F4 F5 F6 取締役数 エネルギー消費量 ⽔使⽤量合計 地域活動費 廃棄物リサイクル量 CO2総排出量 働きがいも経済成⻑ エネルギーをみんなにそしてクリーン 安全な⽔とトイレを世界中に すべての⼈に健康と福祉を つくる責任, つかう責任 気候変動に具体的な対策 F7 企業倫理ポリシー 平和と公正すべての⼈に ジェンダー平等を実現しよう F8 ⼈権政策 記号 関連付ける
13 S D G s ス コ ア の 算
出 量的な指標であるF1〜F6について 従業員数で標準化 →企業規模によるバイアスを除く SDGsScore = F1 – F2 – F3 + F4 + F5 – F6 + F7 + F8 F2, F3, F6はマイナスに →値が⼩さいほどSDGs⽬標を満たす F1: 取締役数 F2: エネルギー消費量 F3: ⽔使⽤量合計 F4: 地域活動費 F5: 廃棄物リサイクル量 F6: CO2総排出量 F7: 企業倫理ポリシー F8: ⼈権政策
ス ク リ ー ニ ン グ 結 果 (
⼀ 部 抜 粋 ) 14 INPEX NTT パナソニック アオハタ キャノン 第⼀⼯業製薬 7.96 5.06 4.75 4.59 3.08 2.89 2.19 2.06 1.92 1.86 1.69 1.65 ⽇産⾃動⾞ ファンケル ⽇本農薬 東芝 ニチバン 広島ガス 三菱電機 2.19 1.57 持⽥製薬 SDGsスコアが正となった上位41銘柄を投資対象とする 名称 名称 SDGsスコア SDGsスコア
機 械 学 習 モ デ ル に よ る
リ タ ー ン の 予 測 15 スクリーニングした41社のリターンを予測 予測モデル構築にはGoogle社のAutoMLを⽤いる
16 2009年〜2019年 銘柄数︓2786 使⽤データ 東証⼀部 市場 予 測 す る
リ タ ー ン の 定 義 1 0 年 後 の 時 価 総 額 伸 び 率
予 測 の た め に 使 ⽤ す る
デ ー タ 17 ⼀株当たり純資産 株価純資産倍率 ⾃⼰資本利益率 総資産利益率 企業価値 流動⽐率 当座⽐率 総従業員数 時価総額 株式発⾏数 ⾃⼰資本⽐率 ー 株価収益率 EBITDA 株価 ⽥村(2018)で⻑期的な投資に対して有効であった ファンダメンタルズ指標と同様のものを⽤いる ファンダメンタルズ指標の名称
A u t o M L に よ る モ
デ リ ン グ 18 使⽤するデータを⼊れるだけで⾃動でモデルを作成 様々なデータに対応できるアンサンブルモデリング 機械学習に関する知識が少ない⼈でも予測可能 →ビジネスへの導⼊コスト低
A u t o M L に よ る 予
測 結 果 ( ⼀ 部 抜 粋 ) 19 積⽔化成品⼯業 パナソニック ミサワホーム 昭和電線HD ⽇本精⼯ 東急不動産HD 1.82 1.82 1.77 1.46 1.43 1.15 0.88 0.75 0.71 0.52 0.4 0.28 野村総合研究所 ファンケル INPEX 富⼠通フロンテック ⽇⽴⾦属 ⼤林組 ⽇本農薬 0.94 0.28 三菱電機 10年後時価総額伸び率が正となった銘柄をポートフォリオの候補とする 名称 名称 伸び率 伸び率
投 資 ⽐ 率 20 銘柄名 銘柄コード 投資比率(%) ファンケル 4921
33.91 ミサワホーム 1722 30.37 野村総合研究所 4307 24.01 積水化成品工業 4228 4.83 国際石油開発帝石 1605 3.99 日本農薬 4997 3.92 昭和電線HD 5805 3.38 東急不動産HD 3289 2.69 パナソニック 6752 2.14 日本精工 6471 0.76 現代ポートフォリオ理論を⽤いて最適ポートフォリオを計算 フ ァ ン ケ ル ミ サ ワ ホ ー ム 野 村 総 合 研 究 所 積 水 化 成 品 工 業 国 際 石 油 開 発 帝 石 日 本 農 薬 昭 和 電 線HD 東 急 不 動 産HD パ ナ ソ ニ ッ ク 日 本 精 工 0 5 10 15 20 25 30 35 40 0% 20% 40% 60% 80% 100% ポートフォリオ
21 1 背景 / ESG投資の課題 / ⽬的 はじめに 2 概要
/ スクリーニング / AutoMLによる 予測 / ポートフォリオ構築 投資戦略 3 パフォーマンス / 考察 投資結果 4 まとめ / 今後の⽅針 / 参考⽂献 おわりに 目次
-8 -6 -4 -2 0 2 4 6 8 10
8/1 5 7 9 13 15 19 21 23 27 29 9/2 4 6 10 12 16 18 20 24 26 30 2 4 8 10 14 16 18 22 24 28 30 パ フ ォ ー マ ン ス 22 3ヶ⽉間の トータルリターン 7.67%↑ 【出典】Bloomberg端末を基に作成
-8 -6 -4 -2 0 2 4 6 8 10
8/1 5 7 9 13 15 19 21 23 27 29 9/2 4 6 10 12 16 18 20 24 26 30 2 4 8 10 14 16 18 22 24 28 30 パ フ ォ ー マ ン ス 23 8⽉の⽇経平均 ⽶国が中国に 対する追加関税 【出典】Bloomberg端末を基に作成
考 察 24 銘柄名 銘柄コード 投資比率(%) ファンケル 4921 33.91 ミサワホーム
1722 30.37 野村総合研究所 4307 24.01 積水化成品工業 4228 4.83 国際石油開発帝石 1605 3.99 日本農薬 4997 3.92 昭和電線HD 5805 3.38 東急不動産HD 3289 2.69 パナソニック 6752 2.14 日本精工 6471 0.76 上位3銘柄で80%を占める フ ァ ン ケ ル ミ サ ワ ホ ー ム 野 村 総 合 研 究 所 積 水 化 成 品 工 業 国 際 石 油 開 発 帝 石 日 本 農 薬 昭 和 電 線HD 東 急 不 動 産HD パ ナ ソ ニ ッ ク 日 本 精 工 0 5 10 15 20 25 30 35 40 0% 20% 40% 60% 80% 100% ポートフォリオ
考 察 25 社会価値創造委員会 ステナビリティ推進委員会を設置 SDGsの刊⾏物発⾏ 野村総合研究所[4307] 2018年サステナブル宣⾔を策定 企業として取り組むESGに準じた重点テーマを設定 ホームページにESGデータブックを作成
ファンケル[4921] 業界としてはじめて環境活動報告書を発⾏ 実施した活動を17の⽬標と関連付けて明確化 ミサワホーム[1722]
ま と め 26 l ESG,SDGsに関する調査,分析 l SDGs情報を考慮した時価総額の伸び率予測 l Google社
AutoMLを採⽤ l 現代ポートフォリオ理論に基づいた最適分散投資を提案
今 後 の ⽅ 針 27 l 予測に有効な特徴量(説明変数)の構築 l SDGs情報が与えられていない企業もモデルに組み込む
参 考 ⽂ 献 28 l GSIA (2018). 2018 Global
Sustainable investment Review, http://www.gsi-alliance.org/wp- content/uploads/2019/03/GSIR_Review2018.3.28.pdf,(2019年7⽉11⽇アクセス). l 経済産業所(2019). SDGs経営/ESG投資研究会報告書, https://www.meti.go.jp/press/2019/06/20190628007/20190628007_01.pdf,(2019年10⽉11⽇アクセス). l 奈良沙織, 野間幹晴 (2014). 経営者予想の公表がアナリスト・コンセンサスに与える影響-企業規模の観点から, 経営財務研 究,34(1), 2-19. l ⽥村浩⼀郎, 上野⼭勝也, 飯塚修平, 松尾豊 (2018). 深層学習を⽤いたアンサンブルモデルによる株主価値推定モデルの提案, ⼈⼯ 知能学会論⽂誌, 33(1), 1-11. l Google Cloud (2019). Cloud AutoML, https://cloud.google.com/automl/, (2019年6⽉20⽇アクセス). l 津⽥博史, 古野貴明 (2016). 株式の計量分析⼊⾨, 朝倉書店. l ⼩林貴明. 組織単位でのSDGsへの貢献度を定量化するための考察. Https://www.nri.com/- /media/Corporate/jp/Files/PDF/knowledge/publication/kinyu_itf/2019/04/ift_201904_4/pdf.(2019年7⽉29⽇ア クセス). l Bloomberg (2015). LOOK BEYOND, http://www.bbhub.io/country/sites/5/2015/04/ESG_Brochure.pdf. (2019年7⽉29⽇アクセス). l http://thepopp.com/templates/sirius/