JPH04277860A - 事象数値相関表示システムおよび事象数値相関モデル作成システムおよび意思決定支援システム - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、事象数値相関表示シス
テムおよび事象数値相関モデル作成システムおよび意思
決定支援システムに関する。さらに詳しくは、経済的エ
ベント等の事象情報と株価等の数値情報とを関連付けて
表示する事象数値相関表示システム、および、経済的エ
ベント等の事象情報と株価等の数値情報の相関モデルを
作成する事象数値相関モデル作成システム、および、リ
アルタイムな事象情報を前記事象数値相関モデルに取り
込んで数値情報への影響を意思決定者に示す意思決定支
援システムに関する。

【０００２】

【従来の技術】株式相場等の統計学的モデリング技法と
して、Ｂｏｘ　＆　Ｊｅｎｋｉｎｓ　「　Ｔｉｍｅ　Ｓ
ｅｒｉｅｓＡｎａｌｙｓｉｓ　」　が知られている。こ
れは、過去の時系列データから株式相場等の変動予測を
行うモデルである。一方、特開昭６４−２１６６号公報
において、エキスパートシステムによる「経営分析用デ
ータ処理システム」が開示されている。 これは、専門家の思考過程をＩＦ−ＴＨＥＮルールによ
ってモデル化して、意思決定支援を行なうものである。

【０００３】

【発明が解決しようとする課題】株式・債券・為替相場
等は、経常利益・ＧＮＰ・貿易収支等の数値情報に影響
されるばかりでなく、米国大統領の発言・原油価格の値
上げ発表等の数値では表わすことの出来ない事象情報に
影響されることが知られている。このため、株式・債券
・為替相場等の分析のためには、数値情報による影響の
外、どのような事象情報がどのように影響するかを知る
必要がある。

【０００４】しかし、上記従来の統計学的モデリング技
法では、数値では表わすことの出来ない事象情報を扱え
ない問題点がある。

【０００５】また、上記特開昭６４−２１６６号公報に
開示の「経営分析用データ処理システム」では、専門家
の思考過程を正確にＩＦ−ＴＨＥＮルール化する必要が
あるが、これは現実的には困難である。また、情報評価
ルールの外に，組合せ評価ルールを作成する必要があり
、構成が複雑となる問題点がある。

【０００６】そこで、本発明は、数値情報と事象情報の
両方を扱うことができ、また、専門家の思考過程をルー
ル化する必要のない事象数値相関表示システムおよび事
象数値相関モデル作成システムおよび意思決定支援シス
テムを提供することを目的とする。

【０００７】

【課題を解決するための手段】第１の観点では、本発明
は、ニュース等の事象情報をテキストデータで時刻情報
と共に格納する事象時系列データベースと、指定された
キーワードまたは予め設定されたキーワードを含む事象
情報が解析区間に存在するかを前記事象時系列データベ
ースをフルテキストサーチして調べる検索処理手段と、
事象情報が存在したときにその事象情報を含むテキスト
データを表示する表示手段とを備えたことを特徴とする
事象数値相関表示システムを提供する。

【０００８】第２の観点では、本発明は、ニュース等の
事象情報を時刻情報と共に格納する事象時系列データベ
ースと、価格等の数値情報を時刻情報と共に格納する数
値時系列データベースと、対象の数値情報に対応づけさ
れた出力層および対象の数値情報に影響を与える事象情
報に対応づけされた事象情報入力層および対象の数値情
報に影響を与える数値情報に対応づけされた数値情報入
力層および中間層を有するニューラルネットワークと、
対象の数値情報に影響を与える事象情報が学習期間に存
在するかを前記事象時系列データベースを検索して調べ
その結果を前記事象情報入力層に与えると共に対象の数
値情報に影響を与える数値情報を前記数値時系列データ
ベースを参照して得て前記数値情報入力層に与え且つ学
習期間における事象情報と数値情報に影響された対象の
数値情報を前記数値時系列データベースを参照して得て
前記出力層に与えニューラルネットワークの重みを計算
する学習処理手段とを備えたことを特徴とする事象数値
相関モデル作成システムを提供する。

【０００９】第３の観点では、本発明は、通信回線を介
してニュース等の事象情報を受信する事象情報受信手段
と、前記受信した事象情報を時刻情報と共に格納する事
象時系列データベースと、通信回線を介して価格等の数
値情報を受信する数値情報受信手段と、前記受信した数
値情報を時刻情報と共に格納する数値時系列データベー
スと、対象の数値情報に対応づけされた出力層および対
象の数値情報に影響を与える事象情報に対応づけされた
事象情報入力層および対象の数値情報に影響を与える数
値情報に対応づけされた数値情報入力層および中間層を
有するニューラルネットワークと、対象の数値情報に影
響を与える事象情報を前記事象時系列データベースを検
索して調べその結果を前記事象情報入力層に与えると共
に対象の数値情報に影響を与える数値情報を前記数値時
系列データベースを参照して得て前記数値情報入力層に
与え且つそのときの前記出力層の出力を取り出して表示
する処理表示手段を備えたことを特徴とする意思決定支
援システムを提供する。

【００１０】

【作用】本発明の事象数値相関表示システムでは、事象
時系列データベースが、ニュース等の事象情報をテキス
トデータで時刻情報と共に格納する。このようなテキス
トデータの事象情報は、新聞社等からオンラインで入手
可能である。解析対象とする数値情報に影響する可能性
のある事象情報に関連するキーワードと解析区間を指定
するか，予め設定しておくと共に、そのキーワードを含
む事象情報が解析区間に存在するかを、検索処理手段が
、事象時系列データベースをフルテキストサーチして調
べる。そして、事象情報が存在したとき、その事象情報
を含むテキストデータを表示手段が表示する。かくして
、事象情報と数値情報の相関を、視覚的に容易に把握で
きるようになる。

【００１１】本発明の事象数値相関モデル作成システム
では、ニューラルネットワークが、対象の数値情報に影
響を与える事象情報に対応づけされた事象情報入力層を
有している。そして、学習処理手段は、指定された学習
期間に、対象の数値情報に影響を与える事象情報が存在
するかを事象時系列データベースを検索して調べ、その
結果を前記事象情報入力層に与えて、ニューラルネット
ワークに学習させる。そこで、専門家の思考過程をルー
ル化しなくても、事象情報と数値情報の両方を扱える事
象数値相関モデルを作成できる。

【００１２】本発明の意思決定支援システムでは、通信
回線を介してニュース等の事象情報を事象情報受信手段
が、リアルタイムに受信する。また、通信回線を介して
価格等の数値象情報を数値情報受信手段が、リアルタイ
ムに受信する。そして、これらのリアルタイムの情報を
、処理表示手段が、ニューラルネットワークに入力し、
その時の出力を表示する。そこで、事象情報を取り込ん
だ予測等をリアルタイムに見ることができ、意思決定に
対する的確かつ時間遅れのない支援が可能となる。

【００１３】

【実施例】以下、本発明の実施例を説明する。なお、こ
れにより本発明が限定されるものではない。

【００１４】図１に、本発明の一実施例の事象数値相関
分析システム１の構成図を示す。

【００１５】この事象数値相関分析システム１は、ニュ
ース等の事象情報をテキストデータで時刻情報と共に格
納する事象時系列データベース２と、株価情報を時刻情
報と共に格納する数値時系列データベース３と，前記事
象時系列データベース２の事象情報の検索をフルテキス
トサーチにより行なう事象情報検索装置４と，前記数値
時系列データベース３の株価情報の読み出し・書き込み
等の管理を行なうデータベース管理装置５と，エンジニ
アリングワークステーション（ＥＷＳ）等を用いてニュ
ーラルネットワーク（図５参照）による事象数値相関モ
デル作成や意思決定支援処理を行なう処理装置６と，意
思決定者とのインタフェースとなる表示装置７と，前記
ニューラルネットワークの学習処理を行なうニューロ学
習プロセッサ８と，通信回線を介して最新のニュース等
の事象情報を受信する受信装置９と，通信回線を介して
リアルタイムな株価情報を受信する受信装置１０と，株
価の変動に影響を与える事象をまとめた事象数値関連テ
ーブル１１と，前記各装置２〜１１をイーサーネットワ
ーク等で結ぶ通信網１２とから構成される。

【００１６】図２は、事象時系列データベース２の構成
である。時刻パラメータｔ１，ｔ２，…に対応して、そ
れぞれの時刻に生じた（または発表された）ニュース等
のテキストデータが格納されている。

【００１７】図３は、数値時系列データベース３の構成
である。時刻パラメータｔ１，ｔ２，…に対応して、そ
れぞれの時刻における各株式名柄の株価が格納されてい
る。

【００１８】図４は、事象数値関連テーブル１１の構成
である。各株式銘柄の株価の変動要因となる事象の項目
がテーブル化されている。一つの項目欄に書かれた各要
素はＡＮＤ条件で結合され，各項目欄はＯＲ条件で結合
される。例えば、株式名柄Ｍ１の変動要因は、“米国の
ＧＮＰの上昇”または“金利の下降”という事象情報の
発生である。事象数値関連テーブル１１は、専門家によ
って設定される。

【００１９】事象情報検索装置４は、事象時系列データ
ベース２の中から事象数値関連テーブル１１に格納され
た事象があるかどうかを検索する。その際、“米国”な
ら、“アメリカ”や“ＵＳＡ”のようなシソーラスも検
索対象とする。

【００２０】図５は、ニューラルネットワークの構造を
示している。このニューラルネットワーク７０は、重み
αｉｊのセットを株式名柄毎に持っている。

【００２１】ニューロ学習プロセッサ８は、ある株式名
柄についての重みαｉｊのセットをニューラルネットワ
ーク７０に設定した状態で、入力層にデータを与えると
共にその入力データに対して望ましいデータを出力層に
与え、その入出力関係をバックプロゲーション法で重み
αｉｊにフィードバックし、重みαｉｊのセットを更新
する（ニューラルネットワーク７０に学習させる）。ニ
ューロ学習プロセッサ８を用いるのは、学習計算を高速
に行うためである。

【００２２】入力データとしては、従来は、株価の短期
平均や長期平均などの数値情報のデータのみを扱ってい
たが、本発明では、図５に示すように、数値情報のデー
タだけでなく，事象情報のデータも扱う。すなわち、入
力層ａ，ｂ，ｃ…には、従来と同様に、相場変動に影響
を与える数値情報を入力する。また、入力層φ１，φ２
，φ３，…には、事象数値関連テーブル１１の項目番号
１，２，３，…の項目の事象情報が事象時系列データベ
ース２の注目時刻ｔｉの事象情報中に見つかれば例えば
“１”、見つからなければ例えば“０”を入力する。 出力データは、株価の変動率である。

【００２３】事象数値相関分析システム１の処理機能は
、次の３つからなる。 （１）事象情報と数値情報の相関関係を表示する事象数
値相関表示 （２）事象時系列データベース２と数値時系列データベ
ース３とから、事象を考慮した株価動特性モデルを作成
する事象数値相関モデル作成 （３）作成した事象数値相関モデルを使ったリアルタイ
ム意思決定支援 上記機能は、表示装置７からメニュー方式により選択す
ることが出来る。図６は、そのメニュー表示の例である
。

【００２４】まず、事象数値相関表示の処理機能につい
て説明する。事象数値相関表示は、意思決定者が指定し
た解析区間（期間）の事象情報と数値情報の関係を表示
装置７に出力することによって、意思決定者に相関関係
を判断させることを目的とする。

【００２５】事象数値相関表示における画面の出力例を
図７に示す。意思決定者が指定した解析区間の株価の変
動チャート７０を、数値時系列データベース３に基づい
て表示する。また、事象数値関連テーブル１１に挙げら
れた事象が、事象時系列データベース２の前記解析区間
の中に見つかれば、その事象に対応する時刻の変動チャ
ート７０上に、▲印を表示する。▲印のいずれかがポイ
ンタｍで指示されると、該当する事象情報をプロンプタ
エリア８１に表示する。

【００２６】図７の表示を行う処理装置６の処理のフロ
ーチャートを図８に示す。ステップ１０１では、意思決
定者が、解析対象の株式銘柄と，解析区間を指定する。 指定された株式銘柄と解析区間解析は、処理装置６から
事象情報検索装置４およびデータベース管理装置５へ転
送される。ステップ１０２では、処理装置６は、事象数
値関連テーブル１１から、解析対象の株式銘柄に対する
事象を取り込む。

【００２７】ステップ１０３では、処理装置６は、ステ
ップ１０２で取り込んだ事象を事象情報検索装置４へ転
送する。事象情報検索装置４は、転送されてきた事象（
およびシソーラス）をキーワードとして、事象時系列デ
ータベース２の解析区間中の事象情報をフルテキストサ
ーチする。そして、キーワードを含む事象情報（キーワ
ードを含む文またはその文を含む段落など）を抽出し、
その事象情報と対応する時刻情報を、処理装置６に転送
する。

【００２８】ステップ１０４では、処理装置６は、転送
されてきた事象情報と時刻情報とにより、図９の如き抽
出情報テーブル９０を生成する。

【００２９】ステップ１０５では、データベース管理装
置５が、数値時系列データベース３から、解析対象の株
式銘柄の解析区間中の株価データを読み出し、処理装置
６に転送する。

【００３０】ステップ１０６では、処理装置６は、デー
タベース管理装置５から転送されてきた株価データを株
価チャート７０に変換して表示装置７に表示する。また
、抽出情報テーブル９０の時刻Ｔｉに対応する株価チャ
ート７０上に適当な色の▲印を表示する。

【００３１】ステップ１０７では、マウスによる入力を
受け付ける。マウスによる入力には、▲印の指示と，終
了指示の２種類がある。▲印の指示が行なわれた場合、
ステップ１０８に進む。終了指示なら終了する。

【００３２】ステップ１０８では、指示された▲印の色
を変更する（指示された▲印以外の▲印の色はステップ
１０６で付けた色と同じにする）。

【００３３】ステップ１０９では、プロンプタエリア８
１をクリアし、指示された▲印に対する事象情報を、抽
出情報テーブル９０から読み出し、プロンプタエリア８
１に表示する。表示後、ステップ１０７に戻る。

【００３４】事象数値相関表示における画面の別の出力
例を図１０に示す。意思決定者が指定した解析区間の株
価の変動チャート７０を、数値時系列データベース３に
基づいて表示する。また、キーワードを入力するウイン
ドウ９２を表示すると共に、そのウインドウ９２に入力
されたキーワードに関係する事象が発生した事を検索す
る事象検索区間を変動チャート７０上に▲印で表示する
。また、入力されたキーワードをウインドウ９２に表示
すると共に、そのキーワードに関係する事象が発生した
時刻を変動チャート７０上に▽印で表示する。さらに、
▽印のいずれかがポインタｍで指示されると、該当する
事象情報をプロンプタエリア８１に表示する。

【００３５】図１０の表示を行う処理装置６の処理のフ
ローチャートを図１１に示す。ステップ１２１では、意
思決定者が、解析対象の株式銘柄と，解析区間を指定す
る。指定された株式銘柄と解析区間解析は、処理装置６
から事象情報検索装置４およびデータベース管理装置５
へ転送される。ステップ１２２では、データベース管理
装置５が、数値時系列データベース３から、解析対象の
株式銘柄の解析区間中の株価データを読み出し、処理装
置６に転送する。

【００３６】ステップ１２３では、処理装置６は、デー
タベース管理装置５から転送されてきた株価データを株
価チャート７０に変換して表示装置７に表示する。

【００３７】ステップ１２４では、意思決定者が、株価
チャート７０上で，事象検索区間を指定する。ステップ
１２５では、キーボードによる入力を受け付ける。キー
ボードによる入力には、キーワードの入力と，終了指示
の２種類がある。キーワードの入力が行なわれた場合、
ステップ１２６に進む。終了指示なら終了する。ステッ
プ１２６では、キーワードの読み込みを行なう。ステッ
プ１２７では、キーワードと事象検索区間を事象情報検
索装置４へ転送する。ステップ１２８では、事象情報検
索装置４が、解析対象の株式銘柄の事象情報について事
象時系列データベースを検索し、キーワードに関連し（
キーワードを含み），且つ，事象検索期間中の事象情報
を抽出する。そして、抽出した事象情報に対応する時刻
を変動チャート７０上に▽印で表示する。さらに、▽印
のいずれかがポインタｍで指示されると、該当する事象
情報をプロンプタエリア８１に表示する。

【００３８】次に、事象数値相関モデル作成の処理機能
について説明する。事象数値相関モデル作成は、図５の
ニューラルネットワークの重みαｉｊのセットを、対象
の株式銘柄について求めることを目的とする。

【００３９】図１２は、事象数値相関モデル作成の処理
のフローチャートである。ステップ１３１では、意思決
定者が、事象数値相関モデルを作成する対象となる株式
銘柄と，学習区間とを指定する。

【００４０】ステップ１３２では、処理装置６は、事象
数値関連テーブル１１から、対象の株式銘柄に対する事
象情報を取り込む。そして、事象情報検索装置４に転送
する。

【００４１】ステップ１３３では、事象情報検索装置４
が、取り込んだ事象情報が事象情報時系列データベース
２の学習期間中に存在するかどうかをフルテキストサー
チにより検索する。そして、検索結果によりニューラル
ネットに入力する事象情報の入力データを作成する。す
なわち、学習期間中の各時刻ｔＡ，ｔＡ＋１，…，ｔＢ
に事象情報が存在すれば“１”，そうでなければ“０”
を、事象情報検索装置４から処理装置６へ転送する。処
理装置６では、転送されてきた事象情報の入力データに
より図１３の学習用データテーブル１３０の事象情報の
入力データ欄を埋める。

【００４２】ステップ１３４では、数値時系列データベ
ース３の内容をもとにして、株価の移動平均値，出来高
，ＲＳＩ指標値等を学習期間中の各時刻ｔＡ，ｔＡ＋１
，…，ｔＢについて計算し、学習期間中の最大値を“１
”，最小値を“０”として正規化し、数値情報の入力デ
ータを作成する。そして、学習用データテーブル１３０
の数値情報の入力データ欄を埋める。

【００４３】ステップ１３５では、数値時系列データベ
ース３の内容をもとにして、株価の変動率を学習期間中
の各時刻ｔＡ，ｔＡ＋１，…，ｔＢについて計算し、株
価の変動率がβ１％以上はノードＡに“１”，β１％未
満〜β２％以上はノードＢに“１”，…というように、
出力データを作成する。そして、学習用データテーブル
１３０の出力層の出力データ欄を埋める。

【００４４】ステップ１３６では、ニューロ学習プロセ
ッサ８が、学習用データテーブル１３０の内容をもとに
バックプロパゲーション法によりニューラルネットワー
クの重みαｉｊの値を計算する。バックプロパケーショ
ン法は繰り返し計算を必要とするため、高速のニューロ
学習プロセッサ８を用いる。得られたニューラルネット
ワークの重みαｉｊの値は、処理装置６に転送する。

【００４５】ステップ１３７では、処理装置６が、転送
されてきたニューラルネットワークの重みαｉｊの値を
、対象の株式銘柄に対する重みαｉｊのセットとして、
保存する。これにより、対象の株式銘柄に対する事象数
値相関モデルが作成されたことになる。図１４に、各株
式銘柄に対する重みαｉｊのセットを保存するニューラ
ルネットパラメータテーブルを例示する。

【００４６】次に、リアルタイム意思決定支援の処理機
能について説明する。リアルタイム意思決定支援は、リ
アルタイムな入力データをニューラルネットワークに与
えて出力データを得て、それを意思決定者に示すことを
目的とする。

【００４７】図１５は、各株式銘柄Ｍ１，Ｍ２，…につ
いてのリアルタイムな入力データとニューラルネットワ
ークから得られた出力データをテーブル化したリアルタ
イム意思決定支援テーブル１５０である。

【００４８】図１６は、リアルタイム意思決定支援テー
ブル１５０を最新の状態に管理するための処理のフロー
チャートである。ステップ１７１では、処理装置６は、
リアルタイムな事象情報を受信するための受信装置９か
らの入力割り込み及びリアルタイムな数値情報を受信す
るための受信装置１０からの入力割り込みを受け付け、
情報の転送を許可する。

【００４９】ステップ１７２では、転送されてきた情報
が事象情報か数値情報かを判定し、事象情報であればス
テップ１７３へ進み、数値情報ならステップ１７６へ進
む。

【００５０】ステップ１７３では、株式銘柄Ｍ１を最初
の対象として、入力された事象情報が事象数値関連テー
ブル１１にあるかチェックする。あれば、それに対応す
るリアルタイム意思決定支援テーブル１５０の入力デー
タの該当欄の値を“１”にする。また、入力データの他
の欄の見直しを行い、必要なら“１”を“０”にする（
その事象の影響が失効したことになる）。

【００５１】ステップ１７４では、処理装置６は、入力
データの欄に格納された値をもとにしてニューラルネッ
トワークの出力データを計算し、リアルタイム意思決定
支援テーブル１５０の出力データの欄に格納する。

【００５２】ステップ１７５では、すべての株式銘柄に
ついて終了したかどうかをチェックし、終了していない
場合、ｉ→ｉ＋１とカウントアップして前記ステップ１
７３に戻る。すべての株式銘柄について、終了した場合
、処理を終了する。

【００５３】一方、ステップ１７６では、リアルタイム
意思決定支援テーブル１５０の株式銘柄Ｍ１の入力デー
タの欄に、入力された数値データに対応する欄があるか
調べ、あれば値を格納する。

【００５４】ステップ１７７では、処理装置６は、入力
データの欄に格納された値をもとにしてニューラルネッ
トワークの出力データを計算し、リアルタイム意思決定
支援テーブル１５０の出力データの欄に格納する。

【００５５】ステップ１７８では、すべての株式銘柄に
ついて終了したかどうかをチェックし、終了していない
場合、ｉ→ｉ＋１とカウントアップして前記ステップ１
７６に戻る。すべての株式銘柄について、終了した場合
、処理を終了する。

【００５６】以上により得られたリアルタイム意思決定
支援テーブル１５０の出力データの欄が、事象数値相関
分析システム１による予想株価変動率である。意思決定
者は、これを参考にして株取引についての意志決定を行
うことが出来る。

【００５７】なお、上記実施例では、ニュースと株価を
例示したが、地域エベントと商品の売り上げや，バック
グラウンドミュージックの曲目と事故率など，事象情報
と数値情報の両方の要因に関連したモデルに対して本発
明を適用可能である。

【００５８】

【発明の効果】本発明の事象数値相関表示システムによ
れば、事象情報と数値情報の相関を、視覚的に容易に把
握できるようになる。また、本発明の事象数値相関モデ
ル作成システムによれば、専門家の思考過程をルール化
しなくても、事象情報と数値情報の両方を扱える事象数
値相関モデルを作成できる。

【００５９】また、本発明の意思決定支援システムによ
れば、事象情報を取り込んだ予測等をリアルタイムに見
ることができ、意思決定に対する的確かつ時間遅れのな
い支援が可能となる。

【図面の簡単な説明】

【図１】本発明の一実施例の事象数値相関分析システム
１の構成図。

【図２】事象時系列データベースの構成説明図。

【図３】数値時系列データベースの構成説明図。

【図４】事象数値関連テーブルの構成説明図。

【図５】ニューラルネットワークの構成図。

【図６】機能選択メニューの例示図。

【図７】事象数値相関表示の例示図。

【図８】図７の表示のための処理のフロー図。

【図９】抽出情報テーブルの構成説明図。

【図１０】事象数値相関表示の別の例示図。

【図１１】図１０の表示のための処理のフロー図。

【図１２】事象数値相関モデル作成の処理のフロー図。

【図１３】学習用データテーブルの構成説明図。

【図１４】ニューラルネットの重みのセットの説明図。

【図１５】リアルタイム意思決定支援テーブルの構成説
明図。

【図１６】図１５のリアルタイム意思決定支援テーブル
を管理する処理のフロー図。

【符号の説明】

１　　　　事象数値相関分析システム ２　　　　事象時系列データベース ３　　　　数値時系列データベース ４　　　　事象情報検索装置 ５　　　　データベース管理装置 ６　　　　処理装置 ７　　　　表示装置 ８　　　　ニューロ学習プロセッサ ９　　　　受信装置 １０　　受信装置 １１　　事象数値関連テーブル １２　　ネットワーク ５０　　ニューラルネットワーク

Claims (5)

【特許請求の範囲】
1. 【請求項１】　　ニュース等の事象情報をテキストデー
   タで時刻情報と共に格納する事象時系列データベースと
   、指定されたキーワードまたは予め設定されたキーワー
   ドを含む事象情報が解析区間に存在するかを前記事象時
   系列データベースをフルテキストサーチして調べる検索
   処理手段と、事象情報が存在したときにその事象情報を
   含むテキストデータを表示する表示手段とを備えたこと
   を特徴とする事象数値相関表示システム。
2. 【請求項２】　　ニュース等の事象情報をテキストデー
   タで時刻情報と共に格納する事象時系列データベースと
   、価格等の数値情報を時刻情報と共に格納する数値時系
   列データベースと、指定されたキーワードまたは予め設
   定されたキーワードを含む事象情報が解析区間に存在す
   るかを前記事象時系列データベースをフルテキストサー
   チして調べる検索処理手段と、解析区間における解析対
   象の数値情報を前記数値時系列データベースから得てチ
   ャートとして表示すると共に前記検索により事象情報が
   存在したときにその事象情報の時刻に対応する位置の前
   記チャート上にマークを表示する表示手段とを備えたこ
   とを特徴とする事象数値相関表示システム。
3. 【請求項３】　　請求項２の事象数値相関分析システム
   において、マークのいずれかを選択するマーク選択手段
   と、選択されたマークに対応する事象情報を含むテキス
   トデータを表示する表示手段とをさらに備えたことを特
   徴とする事象数値相関表示システム。
4. 【請求項４】　　ニュース等の事象情報を時刻情報と共
   に格納する事象時系列データベースと、価格等の数値情
   報を時刻情報と共に格納する数値時系列データベースと
   、対象の数値情報に対応づけされた出力層および対象の
   数値情報に影響を与える事象情報に対応づけされた事象
   情報入力層および対象の数値情報に影響を与える数値情
   報に対応づけされた数値情報入力層および中間層を有す
   るニューラルネットワークと、対象の数値情報に影響を
   与える事象情報が学習期間に存在するかを前記事象時系
   列データベースを検索して調べその結果を前記事象情報
   入力層に与えると共に対象の数値情報に影響を与える数
   値情報を前記数値時系列データベースを参照して得て前
   記数値情報入力層に与え且つ学習期間における事象情報
   と数値情報に影響された対象の数値情報を前記数値時系
   列データベースを参照して得て前記出力層に与えニュー
   ラルネットワークの重みを計算する学習処理手段とを備
   えたことを特徴とする事象数値相関モデル作成システム
   。
5. 【請求項５】　　通信回線を介してニュース等の事象情
   報を受信する事象情報受信手段と、前記受信した事象情
   報を時刻情報と共に格納する事象時系列データベースと
   、通信回線を介して価格等の数値情報を受信する数値情
   報受信手段と、前記受信した数値情報を時刻情報と共に
   格納する数値時系列データベースと、対象の数値情報に
   対応づけされた出力層および対象の数値情報に影響を与
   える事象情報に対応づけされた事象情報入力層および対
   象の数値情報に影響を与える数値情報に対応づけされた
   数値情報入力層および中間層を有するニューラルネット
   ワークと、対象の数値情報に影響を与える事象情報を前
   記事象時系列データベースを検索して調べその結果を前
   記事象情報入力層に与えると共に対象の数値情報に影響
   を与える数値情報を前記数値時系列データベースを参照
   して得て前記数値情報入力層に与え且つそのときの前記
   出力層の出力を取り出して表示する処理表示手段を備え
   たことを特徴とする意思決定支援システム。