Electronic Banking

編集されたデータベース内の論文は、金融意思決定に関連する様々な分野をカバーし、異なるMCDA手法のアプローチを使用しています。 様々なトピックを区別する際、コーポレートファイナンス、投資、金融市場と金融機関など、金融の主要3分野すべてを考慮に入れました。 これらの主要分野をベースに、金融意思決定におけるMCDA手法の適用領域という観点から、主要な研究分野に対応する12のサブカテゴリーを定義した（12の主要カテゴリー以外の特定の金融リスクマネジメントに関する論文は、別のグループに分類した）。 この調査で明らかになった主な分野は以下の通りです。

–

会計と監査：会計と監査は金融とは異なる研究分野ですが、主に企業財務に関する多くの金融意思決定に密接に関係しています。 MCDAの手法は、原価計算（Cicone, Udaeta, Grimoni, & Galvão, 2008）、管理会計（Frezatti, Agiar, Guerreiro, & Gouvea, 2011）、財務不正検出（Gaganis, 2009.などの分野における会計・監査の意思決定や関連実務の支援に使用されてきた。 Pasiouras, Gaganis, & Zopounidis, 2007）、内部監査統制（Sueyoshi, Shang, & Chiang, 2009）等がある。

～

資産評価：資産評価とは、投資目的で金融資産を選別、評価、取引することを指す。 これは、投資決定やポートフォリオの選択と管理の不可欠な部分であるが、離散MCDA手法に基づく異なる技術や分析ツールが必要となる（ポートフォリオ最適化プロセスで用いられる最適化モデルとは異なる；Xidonas、Mavrotas、Krintas、Psarras、& Zopounidis、2012年）。 資産評価は、通常、ファンダメンタル要因の観点から（例えば、Albadvi, Chaharsooghi, & Esfahanipour, 2007, Sevastjanov & Dymova, 2009, and Xidonas, Mavrotas, & Psarras, 2009b, etc.）だけでなく、技術指標（例えば、）に基づいてアクティブトレーダー戦略の文脈で実装されています。 Huck, 2010; Ng, Liang, Li, Yeung, & Chan, 2014）。

～

銀行：銀行アプリケーションは、銀行経営に関連する幅広い領域をカバーしています。 中でも、銀行のパフォーマンスと安定性（Doumpos & Zopounidis, 2010）、ローンポートフォリオ管理と信用供与、資産負債管理（Kosmidou & Zopounidis, 2004）、銀行支店ネットワークの組織（Bravo & Plà-Santamaria, 2012; Ferreira, Santos, & Rodrigues, 2010）やeバンキングサービス（Hu & Liao, 2011）などは、これらの分野に含まれます。

–

エネルギー金融：エネルギーと商品市場は過去数十年の間に急速に発展してきた。 MCDA手法の関連アプリケーションは、エネルギーと商品市場におけるポートフォリオ管理と取引、価格設定、市場運営の問題などに関連している。

–

資本予算と財務計画：資本予算と財務計画は、経営科学と同様に金融の主要研究分野である。 MCDAの手法は、民間企業における予算配分や財務計画の設計に用いられている（Frezatti et al, また，民間企業（Frezatti et al., 2011）や公的機関（Gómez, Ríos Insua, Lavín, & Alfaro, 2013），さらには個人（Cai & Ge, 2012）にも，MCDAの手法が適用されている。

–

企業財務パフォーマンス分析：企業の財務パフォーマンスの評価は人気の研究テーマで，異なるビジネス部門（建設，輸送，ヘルスケア，農業など）の特殊性を考慮しつつ複数のパフォーマンス属性（財務および非財務）を集計できる，いくつかのMCDA適用例もある。Iazzolino, Laise, Marraro, 2012）。

–

カントリーリスク分析：カントリーリスクとは、ある国が債権者に対する債務返済の困難に直面する可能性を意味する。 金融危機が様々な国で大きな混乱を引き起こしたため、この種の分析の重要性は過去数十年にわたり高まっており、直近では欧州の政府債務危機が挙げられる。 MCDAの手法は、経済予測の支援（Blair, Mandelker, Saaty, & Whitaker, 2010）、カントリーリスクの複合指標の構築（Kosmidou, Doumpos, & Zopounidis, 2008）、公的債務管理（Balibek & Köksalan, 2010）に利用されている。

–

信用リスク評価と倒産予測：カントリーリスクと同様に、信用リスク評価と倒産予測は、企業や個人が債務不履行に陥る可能性を指します。 近年の信用収縮による債務不履行の増加は、この分野でまだやるべきことがたくさんあることを示している。 MCDA法は、データから信用リスクや倒産予測モデルを推測するノンパラメトリックな手法として、しばしば目標計画法、多目的技術、進化的アルゴリズムによって促進されたり、データマイニング・アルゴリズムと組み合わされて使用されてきた。 いくつかの例は、Doumpos (2012), He, Zhang, Shi, and Huang (2010), Yu, Wang, and Lai (2009), and Zhang, Gao, and Shi (2014) などの著作で見ることができる。

–

投資評価：投資判断は企業金融の理論と実践において大きな部分を占めるものである。 ファイナンス理論は、確立された財務評価基準（正味現在価値、内部収益率、投資回収期間など）に依存している。 多基準の設定では、財務の視点は、より広い利害関係者の設定における新しい要素で強化され（De Brucker, Macharis, & Verbeke, 2013）、また、選好モデリングやリスク分析のための正式モデルの導入を通じて（Vlaev, Chater, & Stewart, 2008）、強化されている。

–

合併・買収：合併・買収（M&As）は、規模の経済や相乗効果を利用して企業成長を促進する戦略的投資である。 1980年代から1990年代にかけてブームとなったが、2000年代には安定化の傾向も見られる。 MCDAの手法は、戦略的提携の設計、M&A案件やターゲットの特定、M&Aの成果の評価に用いられている（Korhonen & Voutilainen, 2006, Lee, 2013, Pasiouras, Gaganis, & Zopounidis, 2010などを参照されたい）。

–

社会的責任投資（SRI）：EurosifのGlobal Sustainable Investment Review 2014によると、持続可能な投資市場は世界で21兆ドルを超え、プロが運用する資産の30%以上を占めている。 MCDAは、非財務的なSRI基準の導入を通じて伝統的なリスク・リターン投資モデルを拡張するために採用され（特に、Ballestero, Bravo, Pérez-Gladish, Arenas-Parra, & Plà-Santamaria, 2012およびBilbao-Terol, Arenas-Parra, & Cañal Fernández, 2012参照）やSRIプロセスを分析し説明するツールとして用いられてきた(Utz, Wimmer, Hirschberger, & Steuer, 2014).

～

ポートフォリオ最適化：ポートフォリオ最適化とは、選択された金融資産（株式、ファンド、債券資産など）の集合に資金を配分することを指します。 伝統的な平均分散の枠組みでは、配分は両目的のリスク・リターン最適化モデルとして定式化される。 第2節で説明したように、過去20年の間に、リスクの新しい首尾一貫した尺度の導入において、いくつかの進歩があった。 リスクの多次元的性質（Doumpos & Zopounidis, 2014）により、多目的・目標計画法定式化が生まれ、複数のポートフォリオ選択尺度の集約が可能となり、さらに、追加の現実的特徴を考慮することができるようになった（分散、流動性、配当など。Steuer, Qi, Hirschberger, 2007）。

方法論のアプローチに関しては、多目的最適化（MO）、多属性効用理論（MAUT）、順位関係（OR）、選好分解分析（PDA）などMCDA研究（Pardalos、Siskos、 & Zopounidis, 1995）の4大主流について検討を行っています。 これらのMCDA研究の主要分野に加えて、意思決定モデルや分析技術の特定のタイプを表すさらなるカテゴリーも考慮されている。すなわち、目標計画法（GP）、進化的アルゴリズム/メタヒューリスティクス（EA/MH）、ファジーモデル、ルールベースモデル（RBM）、さらにAHP（ANPを含む）、TOPSISなどの一般的手法である。 さらに、その他の手法やアプローチ（事例別モデルやDEMATEL、VIKOR、グレイリレーショナル分析などの手法、これらはすべて「その他」とラベル付けされた一つの大きなカテゴリーに割り当てられる）、データ包絡分析（DEA）やデータマイニング（DM）手法との組み合わせ（純粋なDEA/DM論文は除く）についても検討されている。 分野別・方法論別の論文数

表5には、検討したすべての応用分野と方法論のアプローチが列挙されている。 また、これら 2 つの次元のすべての組み合わせにおいて、論文数が多い。 表中の最後の列は各応用分野の論文数であり、最後の行は各 MCDA 手法の論文数である。 なお、1つの論文が複数の応用分野に関連し、MCDAの手法やアプローチを組み合わせて採用している場合があるため、これらの合計は行と列の合計と一致しないことに注意が必要である。 表 6 は、使用された手法の組み合わせの詳細である。 この表は、異なるアプローチのペアを使用した論文数を報告している（我々は、論文の大部分（約90％）は、最大2つの方法を使用しているので、ペアに焦点を当てている）

要約結果は、ポートフォリオ最適化（PO）がMOとGPというMCDA技術で最も広く研究されている分野であることを明確に示している。 Steuer and Na (2003)も、ポートフォリオ分析が2002年以前の期間で最も活発なMCDA-ファイナンス研究領域であることを発見している（ただし、彼らはPOと資産評価を区別していない）。 POの人気は、いくつかの理由に起因することができます。 POはアルゴリズムやモデリングに多くの課題をもたらす多面的な問題であり（例：リスクモデリング、様々なタイプのデータ、動的性質など）、株式ポートフォリオやファンドのポートフォリオ、さらには非金融市場の資産（例：エネルギー市場や商品）のコンテキストなど様々な文脈で関連している。 POのために提案されたほとんどのMO/GPモデルは、複数のリスク指標（歪度/クルトシス、バリュー・アット・リスク指標、オメガ比、システミックリスクなど）の組み合わせに依存しており、しばしばさらに追加の目的や目標（流動性、配当、分散など）を考慮しています。 EA/MHは、POにおいても、特に非凸のポートフォリオ選択基準やモデル（歪度/クルトシス、バリューアットリスクなど）を扱う場合や、カーディナリティ制約などの実機能を分析で追加する場合に、非常に人気がある（Mansini, Ogryczak, & Speranza, 2014）。 Steuer（2013）は、POにおけるMCDAのアプローチを3つのタイプに区別している。 アプリオリ・アプローチは、意思決定者（投資家、ポートフォリオ・マネージャー）の好みに関する事前に特定された情報を使用して、最も適した効率的なポートフォリオを見つけるものである。 GPモデルはしばしばこのようなアプローチを採用しています。 一方、事後的アプローチは、選好データの指定を必要とせず、1回の実行で効率的なポートフォリオの完全なセットを見つけることに重点を置いています。 EA/MHは、特に上記のような複雑な事例において、この枠組みで典型的に採用されている（POにおけるEA/MHの概要については、Metaxiotis & Liagkouras, 2012を参照のこと）。 最後のクラスは、意思決定者の投資政策に関する優先的な情報を段階的に明示することができる対話的な手法に基づいている（例えば、Xidonas, Mavrotas, & Psarras, 2010a参照）。

PO は本調査で検討した他のテーマ分野、すなわち資産評価、SRI、エネルギーファイナンスと密接な関係がある。 意外なことに、POと資産評価を組み合わせた統合的な枠組みでポートフォリオ管理を扱った論文は12件しかありませんでした（Kiris & Ustun, 2012, Pendaraki, Zopounidis, & Doumpos, 2005, Pérez-Gladish, Jones, Tamiz, & Bilbao Terol, 2007 and Xidonas, Askounis, & Psarras, 2009a、他を参照のこと）。 これらの著作はいずれも，主にAHP/ANP，OR，PDAに基づく方法論を用いて，資金運用の文脈で実現されることの多い資産評価プロセスを基本要因の観点から考察したものである。 一方、MOやEA/MHの手法も、主にアルゴリズム取引やテクニカル分析の文脈で資産評価として普及している（Bodas-Sagi, Fernández-Blanco, Hidalgo, & Soltero-Domingo, 2013, Chiam, Tan, & Al Mamun, 2009, and Ng et al, 2014などを参照されたい）。 また、SRIに関する論文の半数（18論文中9論文）がPOの側面も取り入れており、SRIの18論文中6論文が資産評価プロセスの一環として社会的側面を考慮していることは興味深い。 興味深いことに、SRIに関する論文のうち1編を除き、すべて2009年から2014年の間に発表されており、金融投資やポートフォリオマネジメントにおける新たなトレンドであることがわかる。

上記の投資関連のテーマを除き、信用リスク評価や倒産予測も非常に人気のあるテーマで、関連論文は108編となっているが、前回のSteuer and Na（2003）の調査ではこの分野は明確な研究テーマとして確認されなかった。 この分野では、様々な異なる方法論が使用されており、最も一般的なのは、MO、PDA、GP、ORである。 信用リスクと倒産予測モデルは、通常、デフォルトと倒産に関する既存のデータベース（企業または消費者データ）から構築される。 PDA技術は一般的に、既存のデータインスタンスから意思決定モデルを推論するためにMOとGPの定式化を採用する。いくつかの例は、Doumpos and Zopounidis (2011), Peng, Kou, Shi, and Chen (2008), and Zhang et al. (2014) などの著作で見つけることができる。 また、同様の技術は、金融意思決定者、投資家、規制当局によって広く利用されている主要な信用格付機関が発行する信用格付の分析および予測にも用いられている（Doumpos, Niklis, Zopounidis, & Andriosopoulos, 2015; Doumpos & Pasiouras, 2005）、一方、住宅ローン融資や海運などの分野に特化したモデルに焦点を当てた研究もある（Ferreira, Santos, Marques, & Ferreira, 2014、Gavalas & Syriopoulos, 2014など参照）。 また、この分野のいくつかの研究では、MCDA手法と、ニューラルネットワーク、カーネル法、事例ベース推論、クラスタリングアルゴリズムなどのデータマイニングモデルとの組み合わせが検討されていることも注目すべき点である。 このような組み合わせは、主に3つの形態で検討されてきた。 (a）データマイニングモデルの訓練にMO／GPモデル（しばしばEA／MHによって促進される）を用いる（例えば、Pendharkar & Nanda, 2006; Zhang et al, 2014）、（b）正確な多基準リスク評価及び予測システムの構築にデータマイニングモデルの複合構造及び表現力を用いる（例えば, 陳 & 胡、2011；胡、2009）、および（c）予測モデルの性能を評価するためのMCDA技術の使用（例えば、呉 & 許、2012）。

銀行における応用も、特に2007/2008の世界的信用収縮以降、大きな関心を集めている。 これは、銀行業務への応用に関する73の論文のうち、54が2010年から2014年までに発表されたものであるという事実からも浮き彫りになっている。 信用リスク評価や倒産予測と同様、Steuer and Na (2003)の調査でも銀行業は明確な研究領域とは見なされていなかった。 そのため、過去10年間で、銀行業はMCDA手法の適用に特に関心のある分野として浮上してきた。 銀行分野で適用されるそのような手法には、AHP/ANP（しばしばファジーモデルと組み合わされる）、PDA、OR、およびGPの技術が含まれます。 アプリケーションのトピックは、銀行のパフォーマンスの評価（例えば, Doumpos & Zopounidis, 2010; Grigoroudis, Tsitsiridi, & Zopounidis, 2013; Ioannidis, Pasiouras, & Zopounidis, 2010; Shen & Tzeng, 2014a), 資産負債管理（例: Kosmidou & Zopounidis, 2007）, 銀行支店管理（例:, Ferreira et al., 2010）、Eバンキング・サービス（Hu & Liao, 2011; Kaya & Kahraman, 2011）などがある。

銀行セクター以外でも、交通、農業、保険、建設などのセクターにおける企業パフォーマンスに注目した他の研究でも同様の問題が検討されている。 表5から明らかなように、企業パフォーマンスを評価するために使用される手法は、銀行セクターで使用される手法と非常に類似している。

他の応用分野に関して言えば、資本予算と財務計画では、2002年以降に出版された41の論文しか確認できなかったのは注目に値する。 これは、Steuer and Na (2003)の調査と比較して顕著な減少であり、彼らは2002年以前の期間においてこれらの領域が広く研究されていることを発見した（合計すると、実際にはポートフォリオ分析よりも人気があった）。 MOを用いた研究の多くはPOに関するものであり（188件）、次いで資産評価（31件）、信用リスク評価・倒産予測（25件）である。 表6に示すように、MOを用いた研究の大部分は、EA/MH技術（82論文）、ファジーモデル（35論文）、データマイニングアルゴリズム（18論文）と組み合わせていることがわかる。 これは、2002年以前はAHPに依存する研究は少数であったSteuer and Na (2003)の調査と比較すると、大きな増加である。 興味深いことに、AHP/ANP関連の論文は金融アプリケーションの全範囲にわたっており、しばしばファジーモデルや他のMCDA技術、特にTOPSISと組み合わされている。

MOと同様に、GPもPOや信用リスク/倒産予測における金融意思決定のモデル化および解決アプローチとして人気があった。 また、資本予算や財務計画もGPモデルの応用先としてよく知られたテーマである。 しかし、MOモデルとは対照的に、GPは他のアプローチと組み合わされることがあまりありません。 その中でも、ファジーモデル、DM、PDAは、信用リスク/倒産予測モデルとして最も人気のあるアプローチである

PDAは、信用リスク/倒産予測モデルとして最も人気のあるアプローチであった。 これは、データから意思決定モデルを推論することに焦点を当てたPDAフレームワークの性質によって説明される。 この特性は、信用リスクモデリングや財政難予測の文脈によく合っている。 そのために、PDAのフレームワークは通常、異なるORやMAUTモデル（例えば、Bugera, Konno, & Uryasev, 2002; Doumpos, 2012; Doumpos & Zopounidis, 2011）、あるいはDM手法と組み合わせて実施されている（Peng et al, 4631>

他の主なMCDAモデリングアプローチのうち、MAUTは36の研究で使用されており、一方、ルールベースの手法（例：ドミナンスベースのラフセット、Greco、Matarazzo、& Slowinski、2013；沈 & Tzeng、2014b）は13出版物で使用されている。 他のアプローチと比較して金融意思決定におけるMAUTの応用が少ないことは、Steuer and Na (2003)も報告しており、2002年以前の期間で関連する論文は8件のみであった。 最後に、MO、GP、AHP/ANP、TOPSISなどの伝統的なMCDAアプローチと組み合わせたデータベースの多基準評価手法としてDEAを用いた研究（全体で15件）もあることは注目に値する（Amiri, Zandieh, Vahdani, Soltani, & Roshanaei, 2010; Che, Wang, & Chuang, 2010; Yang, Wong, Xu, Liu, & Steuer, 2010）。 DEAは、評価がデータによって駆動されるため、最小限の情報を用いた多基準評価のための便利なアプローチを提供します。 しかし、MCDAの文脈で使用される場合、DEAに基づく評価モデルは方法論的な問題に直面する（包括的な議論については、Bouyssou, 1999; Tofallis, 2010を参照）

。