TRuE-XAI: 信頼性の高い企業収益成長予測のための因果的かつ説明可能なAIフレームワーク
TRuE-XAI: causal and explainable ai framework for trustworthy corporate earnings growth forecasting
本研究は、金融・信用・規制上の意思決定に不可欠な企業収益成長予測において、既存手法の線形性の仮定や解釈性の限界を克服するため、透明性が高く因果関係に基づいたフレームワーク「TRuE-XAI」を提案する。TRuE-XAIは、不均衡データ対応アンサンブル学習、自動ハイパーパラメータ最適化、ルールベースの説明性、ビジュアル分析、因果推論を統合したものである。OptunaとHyperoptで最適化されたランダムフォレスト、XGBoost、LightGBM分類器が、SMOTE、ADASYN、TomekLinks、RENNなどのクラスバランス戦略を用いて評価された。2014年から2024年までの米国上場企業の四半期財務諸表データを用いた実験では、TomekLinks–XGBoost構成がF1スコア0.467、精度0.849を達成した。Anchor説明は個々の予測を説明する簡潔なIF-THENルールを生成し、特徴量重要度分析はモデル間で一貫した財務ドライバーを特定した。因果推論により、純利益率変化、売上高成長率、EBIT、総資産回転率が将来の収益成長確率に正の因果効果を及ぼし、在庫/総資産、キャッシュフロー/純利益が負の因果効果を持つことが示された。TRuE-XAIは、予測モデリング、説明可能なAI、ビジュアル分析、因果推論を統合し、透明性の高い収益成長予測のための実用的で信頼性の高いアプローチを提供する。
- 提案されたTRuE-XAIフレームワークは、米国上場企業の四半期財務諸表データ(2014〜2024年)を用いて、TomekLinks–XGBoost構成でF1スコア0.467、精度0.849を達成した。
- 因果推論により、純利益率変化、売上高成長率、EBIT、総資産回転率が将来の収益成長確率に正の因果効果を持つことが示された。
- 在庫/総資産、キャッシュフロー/純利益が将来の収益成長確率に負の因果効果を持つことが示された。
本論文は、AIによる企業収益成長予測に因果推論と説明可能性を統合した実用的フレームワークを提案しており、金融テック領域におけるAI活用の進展を示す学術研究である。ただし、提案されたフレームワークが実際に投資判断に使われているわけではなく、あくまで研究段階の成果である。F1スコア0.467は実運用レベルとは言い難く、投資家が即座に活用できる水準にはない。学術的な価値は認められるが、本記事単体では投資判断の材料とするには不十分であり、今後の実用化の動向を注視すべき案件である。