はてなブックマーク

はじめに 移行とは、このIT業界のなかでも非常に難易度の高い、インパクトのでかい仕事です。 それは、 現行調査 移行計画策定 移行プログラム作成 実施詳細手順 移行の実施（←本投稿はここで感じた移行手順の反省点） まで様々なプロセスが必要であり、それぞれが失敗すれば、移行そのものが悪い方向に行ってしまう点にもあります。 私が本投稿で話をしたいのは、いざ移行をしようと思ったとあるシステムの移行に手こずり こういうのバッドパターンだな。 と。 私が虫の目で移行手順をみて、 感じたことを悪と改善点の視点から綴ります。 移行7つの悪習（移行手順編） あえて 手順はシンプルに。 といったプログラミングの原則的なものではなく、 手順は作業に落ちるよう詳細に書く といった移行手順のノウハウもかきません。 もっと感覚に落ちるよう事象からバッドケースを綴ってやりがちなミスを重点に記載しました。 ※手順のNo

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

はじめに 財務分析と、色々な指標を適当に並べて企業評価をする人がしばしばいるが、違う。そうじゃない。といつも思います。 意外と知られていないですが、「継続企業の前提に関する注記」、略称でGC注記（GC：Going Concern）といわれるものが日本の財務諸表には存在します(簿記一級にもでてきません)。 端的にいえば、「１年以内に倒産する可能性が高い企業」を表すものです。 アナリストや取引先は、財務諸表数値が良くても、この注記がつくと取引相手などは相当危ない企業と考えて取引をひきあげたり、撤退することも考えられています。 そのため、解析モデルにもダミー変数として入れるべき指標として取り上げました。 GC注記について GC注記とは 正式には、「企業が将来にわたって事業活動を継続するとの前提」のことで、これを省略して「継続企業の前提」といいます さらに、海外ではGoing Concernと言わ

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

◆はじめに ここでは、財務情報を取得して解析、そして投資までのSTEPを紹介します。 今後は取得した財務情報を解析するまでに道筋を追って紹介していく予定です。 最終的には、公開企業の倒産確率を求めたり、独自ファクターを用いた株価予測モデルの構築などを行い、実際に投資を行っていくところまでやるのが目標です。 関連記事： ロジスティック回帰分析のアルゴリズム導出 危ない企業がすぐわかるGC注記とは ◆まずは財務情報の取得（一般的な方法） 投資を行うにあたって、まず財務情報を取得・解析・分析を行っていきます。 ◇財務データの宝庫（EDINETとは） Wikipediaより、EDINETとは、“Electronic Disclosure for Investors’ NETwork”の略称であり、財務情報の電子情報開示システムのことをいいます。 平たくいえば、財務情報をお国が管理・公示するためのホ

◇PythonでCSVへデータ変換 以下の記事を参考にPythonでデータを取得するプログラムを作り直しました。 EDINETのXBRLファイルから情報抽出 上記はPython2系で動くようなアプリですが、3系で動くように変更しています。 その他にも、IRデータベースが作成できるように一括で取得するような定義に変更しています。 主な変更点は以下になります 前章で取得したXBRLファイルの全データをCSVへparseするようにロジックを変更 ラベル情報の取得などは別途マスタ化を行うものとして、XBRLのみをparseするように変更 ラベル定義は外出しして、取得したいラベルのみ情報を取得できるように変換 結果をすべて１ファイルのCSV形式で出力(DBロードしやすくするため) 以下コードでは、前ステップで取得したXBRLファイルを一括でCSVファイルへ変換します。 # coding: utf-8

はじめに どのサイトも小手先だけのロジスティック回帰分析を行っているが、理論的な数式はほとんどない。 どこよりも丁寧な**"数式"**でロジスティック回帰分析のパラメータ取得アルゴリズムを解説します。 ※またここでは、最尤法により導出される対数尤度関数を最大にするパラメータを Newton 法を用いて求めるアルゴリズムを紹介します ロジスティック回帰の歴史は生存確率の推定 ロジスティック回帰分析（ロジットモデル）は、その歴史から薬の薬効を調べる生存確率の推定に用いられてきました。どの薬を用いると生存率が上がり、どの薬を用いると生存率が下がるのか、そのパラメータを推定してきたのです。 そこから応用し、現在では企業の倒産確率導出でも利用されることがしばしばあります。 例えば、ある財務諸表の値ひとつひとつをリスクファクターと考えて、どの財務諸表が企業を倒産に導き、どのリスクファクターが企業を存続