酒井 浩之

<p>本研究では，業務の効率化の一環として，毎月のファンドの運用報告書に記載される市況分析コメントを生成するために必要な，要因文（日経平均株価が変動した要因について述べている文）を経済新聞記事から抽出する手法を提案する．本手法では，一ヶ月分の経済新聞記事を入力とし，深層学習により，その中から日経平均株価について言及した記事を判別し，さらに，判別された記事から要因文を抽出する．ここで，記事の判別，要因文の抽出を深層学習で行うために必要な学習データを自動生成することにより多くの学習データを作成し，高い精度を達成した．さらに，決算短信テキストより抽出した因果情報を用いることで，要因文に記載されている内容の補完情報の抽出を行っている．</p>

本研究では、経済新聞記事などの経済テキストから、日経平均株価などの市況について言及している記事を抽出し、それらの内容を自動的に要約することによりマーケットレポートにおける市況分析コメントを自動生成する手法の開発を行う。しかし，日経平均株価の市況について言及している記事のみでは，指定した期間において重要な内容について言及している文の数が少なく，そのために重要な内容が市況分析コメントに含まれないことがある．そこで本研究では，ある期間において日経平均株価に影響を与えたイベントを推定し，そのイベントについて述べた記事を関連記事として自動的に検索し，検索された関連記事をも使用することで，生成する市況分析コメントの精度を高める手法を提案する．

In this research, we propose a method of extracting business segments from securities reports and extracting sentences containing causal and result information concerning business performance for each extracted business segments. For example, our method extracts “In the aluminum rolled products business, shipments of high purity foils for aluminum electrolytic capacitors for industrial equipment and automotive use increased and sales increased.” as a sentence containing causal information concerning business performance. Moreover, our method estimates that the sentence belongs to business segment “aluminum”. Our method extracts “As a result of this segment sales in this segment were 105,439 million yen, operating profit was 6,697 million yen.” as a sentences containing performance result information belong to “aluminum” segment. We evaluated our method and the method of extracting sentences containing causal information attained 69.3% precision and 72.5% recall, and the method of extracting sentences containing performance result information attained 78.8% precision and 91.1% recall.