0002
在作成股票公文包的场合，优选的是作成能把可期待高回报的品 种编入公文包中，并且使回报变动的风险降低的公文包的组合。为此， 在作成股票公文包的场合，要求在品种选择的同时，求得还考虑了对 选择了的品种的最佳投资比率的公文包的组合。此时，对于可期待高 回报的品种，由金融机构、证券解析家等借助于其知识、经验和定量 解析来判断符合的品种，这种情况居多。还有，作为成为判断材料的 数据，一般利用例如利息动向的推移、日经平均·TOPIX的推移、以 及企业的设备投资动向等行政机关、东证等公布的宏观数据。还有， 作为微观数据，一般利用企业过去的股价推移、财务报表等作为判断 材料。即，这样的品种选择是根据对上述那样公布了的宏观数据、呈 现在财务报表上的账内资产的评价来进行。
0003
然而，现在，企业的收益、企业价值很大地被技术、研究开发以 及品牌这样的账外的无形资产所左右而作出其决定。并且，着眼于这 一点，提出了采用专利等知识资产关联指标来评价未呈现在财务报表 等上的企业的潜在性技术力，选择将来可期待高回报的品种的方法(例 如，参照专利文献1)。

发明要解决的课题
0004
但是，在上述美国专利第6175824号中，作为企业评价的算定中 使用的指标，只采用从专利等知识资产的公开信息中获得的指标。还 有，这样的指标的选择基于什么样的方法来进行不很明确。
确实，如上所述，企业的收益、企业价值很大地依赖于账外的无 形资产。可是，完全不考虑设备等有形固定资产的活用、使机会费用 减少的资金的活用等这样的财务战略性的要素，就不能适当地进行企 业评价。还有，在上述美国专利第6175824号中，采用被引用次数、 专利登记件数等指标进行蒙特卡洛法等所涉及的解析。可是，根据这 些指标进行评价是否真的妥当的判断依据不清楚。再有，在上述美国 专利第6175824号中，只是选择品种。未涉及如何组合选择了的诸品 种，最佳公文包才能完成。
0005
对此，本发明使用从代表账外的无形资产的专利中获得的指标， 与此同时，再添加从与企业的经营财务有关的信息中获得的数据。然 后，综合地评价各个企业如何构筑·运用事业战略、研究开发战略及 知识财产战略的三位一体所涉及的经营战略，谋求企业价值的增大。 进而，将其作为选择股票公文包编入品种时的判断基准。还有，基于 与选择股票公文包编入品种的场合同样的基准，直到决定、输出最佳 投资比率。由此提供便利性高的股票公文包选择装置、股票公文包选 择方法及股票公文包选择程序。
用于解决课题的方案
0006
为了解决上述课题，本发明具有下面的构成。另外，在某个权利 要求所涉及的发明的说明时所作的用语的定义等在其性质上可能的范 围对于其他权利要求所涉及的发明也适用。
0007
(1)本发明是基于企业评价指标来选择股票公文包的装置，具有以 下单元。即，取得包含知识资产关联指标在内的企业评价指标关联数 据的数据取得单元；使用上述企业评价指标关联数据进行企业评价， 作成企业排序的企业排序作成单元；根据上述企业排序，选择给定数 的企业作为股票公文包编入品种的股票公文包编入品种选择单元；选 定对由上述股票公文包编入品种选择单元选择了的各企业投下的资金 的投资比率的投资比率选定单元；以及基于由投资比率选定单元选定 了的投资比率，作成与股票公文包编入品种对应的股票公文包的单元。
0008
由此就能合理地评价通过研究开发活动而积蓄的知识资产、作为 生出知识资产的组织、人才的潜在性竞争力。还有，能适当地选出通 过上述知识资产、组织及人才的战略性的活用而可期待提高显在性竞 争力、收益力的企业。并且，能基于与选出上述企业的场合同样的基 准，进一步选定对选择了的股票公文包编入品种企业的投下资金的分 配比率。由此就能容易且正确地取得股票的买卖品种、投资比率的信 息。
0009
(2)优选的是，在上述股票公文包选择装置中，还具备选择行业及/ 或企业的行业企业选择单元。
0010
由此，除了上述作用效果之外，还能任意指定对投资家来说有所 关心的行业及/或企业，而且还能选择最佳股票公文包。
0011
另外，在这里「行业」不限于指一般使用的业界的场合，而是作 为指任意企业群的东西。例如，根据技术、产品、商品等的种类进行 分类所得的群，或者根据作为专利分类的国际专利分类(IPC)、FI、F 术语及美国专利分类(UPC)，或者美国标准产业分类(SIC)进行分类所得 的群等。
0012
(3)优选的是，在上述各股票公文包选择装置中，作为企业排序作 成单元，具备：从由数据取得单元取得了的企业评价指标关联数据中， 至少包含1个知识资产关联指标地选择给定数的企业评价指标的指标 选择单元；以及采用由该指标选择单元选择了的企业评价指标进行主 成分分析，算出每个企业的主成分得分的主成分分析单元。
0013
由此，在股票公文包编入品种企业的选择时，从企业评价指标关 联数据中至少包含1个知识资产关联指标地进行选择。因此，除了具 有上述各作用效果之外，还能合理地评价通过研究开发活动而积蓄的 知识资产、生出知识资产的组织、人才所涉及的潜在性竞争力。还有， 能适当选出可期待提高收益力的企业。
还有，根据主成分分析而给出企业排序，因而不是随意地而是能 客观地选择成为股票公文包编入品种候补的企业。
0014
(4)在上述各股票公文包选择装置中，也可以是，作为企业排序作 成单元，还具备：采用由数据取得单元取得了的企业评价指标关联数 据进行因子分析，基于提取了的因子来集约企业评价指标的因子分析 单元；采用由因子分析单元提取了的因子和表示知识资产关联收益等 诸收益的收益关联指标进行重回归分析，选择表示对收益关联指标统 计性显著的因子的企业评价指标的重回归分析单元；以及采用由重回 归分析单元选择了的企业评价指标进行主成分分析，算出每个企业的 主成分得分的主成分分析单元。
0015
由此，在股票公文包编入品种企业的选择时，对知识资产关联收 益等收益关联指标选择表示统计性显著的因子进行企业评价。因此， 对于是什么对企业的知识资产关联收益等诸收益有贡献，在明确了其 构造之后，要把指标进行综合化。因而，除了具有上述各作用效果之 外，还能基于排除了随意性的客观的企业评价指标来选择成为股票公 文包编入品种候补的企业。
0016
(5)在上述各股票公文包选择装置中，也可以是，作为企业排序作 成单元，还具备：通过进行把知识资产关联指标作为观测变量的协方 差构造分析来进行各企业每个的企业评价的协方差构造分析单元。
0017
由此，除了具有上述各作用效果之外，还能采用协方差构造分析 来进行不能直接观测的抽象的要素间的因果构造的把握和评价。而且， 能把知识资产关联指标等各种指标作为观测变量，综合地评价推进这 样的知识资产的经营战略化，将其与企业的收益力的提高系结起来的 企业。还有，可以按构成观测变量的每个指标，多方面地评价企业。
0018
(6)在上述各股票公文包选择装置中，可以是，作为协方差分析构 造分析单元，具备：输入把「财务·收益力」因子、「专利战略」因子、 「研究开发投入倾向」因子及「知识财产战略经营」因子都作为潜在 变量，把包含上述知识资产关联指标在内的多个企业评价指标都作为 观测变量，把在上述「财务·收益力」因子、「专利战略」因子、「研 究开发投入倾向」因子中未规定的上述各观测变量的独自因子、规定 上述「知识财产战略经营」因子的要因中的在上述「财务·收益力」 因子、「专利战略」因子、「研究开发投入倾向」因子中未规定的变动 要因都作为误差变量，把上述「财务·收益力」因子、「专利战略」因 子、「研究开发投入倾向」因子各自影响上述「知识财产战略经营」因 子的系数都作为潜在变量间系数，把上述「财务·收益力」因子、「专 利战略」因子、「研究开发投入倾向」因子及上述「知识财产战略经营」 因子各自影响上述多个企业评价指标中的任意一个的系数都作为潜在 变量一观测变量间系数的因果模型信息的输入单元；基于由输入单元 输入了的因果模型信息，生成表示因果模型的矩阵方程式的因果模型 生成单元；生成把矩阵方程式中包含的观测变量的方差协方差矩阵由 以因果模型信息假定了的上述系数的函数来表示的协方差构造的协方 差构造生成单元；基于由数据取得单元取得了的企业评价指标关联数 据来算出方差协方差矩阵的企业评价指标关联数据方差协方差矩阵算 出单元；使协方差构造与企业评价指标关联数据方差协方差矩阵最近 似，从而算出系数的推定值的系数推定值算出单元；基于由系数推定 值算出单元算出了的各系数的推定值和企业评价指标关联数据方差协 方差矩阵来算出给定的适合度指标的值，基于该适合度指标的值来检 验因果模型的适合度的适合度检验单元；在根据适合度检验单元所涉 及的检验的结果，判断为因果模型和企业评价指标关联数据的乖离处 于容许范围内的场合，确定矩阵方程式的因果模型确定单元；以及基 于确定了的矩阵方程式中包含的各系数、各观测变量，算出「财务·收 益力」因子、「专利战略」因子、「研究开发投入倾向」因子及上述「知 识财产战略经营」因子的因子得分的因子得分算出单元。
0019
由此，除了具有上述各作用效果之外，还能对于作为不能直接观 测的抽象的要素的「财务·收益力」因子、「专利战略」因子、「研究 开发投入倾向」因子及「知识财产战略经营」因子的各个因子间的因 果构造构筑假说而进行协方差构造分析，从而进行上述因果构造的把 握和评价。并且，经过上述因果构造的验证之后，进行企业评价，从 而可以更精确地评价推进知识资产的经营战略化，将其与企业的收益 力的提高系结起来的企业。
并且，基于各企业的「专利战略」因子得分和「知识财产战略经 营」因子得分的差进行企业评价，从而可以使对企业在市场中的评价 中未表现的潜在性竞争力反映在企业评价上。
0020
(7)在上述各股票公文包选择装置中，可以是，作为企业排序作成 单元，具备：基于把「财务·收益力」因子、「专利战略」因子、「研 究开发投入倾向」因子及「知识财产战略经营」因子都作为潜在变量， 把包含上述知识资产关联指标在内的多个企业评价指标都作为观测变 量，把在上述「财务·收益力」因子、「专利战略」因子、「研究开发 投入倾向」因子中未规定的上述各观测变量的独自因子、规定上述「知 识财产战略经营」因子的要因中的在上述「财务·收益力」因子、「专 利战略」因子、「研究开发投入倾向」因子中未规定的变动要因都作为 误差变量，把上述「财务·收益力」因子、「专利战略」因子、「研究 开发投入倾向」因子各自影响上述「知识财产战略经营」因子的系数 都作为潜在变量间系数，把上述「财务·收益力」因子、「专利战略」 因子、「研究开发投入倾向」因子及上述「知识财产战略经营」因子各 自影响上述多个企业评价指标中的任意一个的系数都作为潜在变量一 观测变量间系数的因果模型信息，进行协方差构造分析，算出上述「专 利战略」因子及上述「知识财产战略经营」因子的因子得分的协方差 构造分析单元，
作为上述股票公文包编入品种选择单元，可以具备：算出由上述 协方差构造分析单元算出了的各企业的上述「专利战略」因子得分和 上述「知识财产战略经营」因子得分的得分差，及/或，分别算出由上 述协方差构造分析单元算出了的各企业的上述「专利战略」因子得分 和上述「研究开发投入倾向」因子得分的和对全企业平均值的大小关 系，和上述各企业的上述「知识财产战略经营」因子得分对全企业平 均值的大小关系的得分差及/或因子得分全企业平均值大小关系算出单 元；把从上述「专利战略」因子得分中减去上述「知识财产战略经营」 因子得分所得的得分差为第1给定值以上的企业，及/或过低评价的， 上述「专利战略」因子得分和上述「研究开发投入倾向」因子得分的 和比全企业平均值大，而且，上述「知识财产战略经营」因子得分比 全企业平均值小的企业作为过低评价企业来提取的过低评价企业提取 单元；以及把由上述过低评价企业提取单元提取了的企业群作为第一 次股票公文包编入品种候补的股票公文包编入品种候补决定单元。
0021
由此，除了具有上述各作用效果之外，还能进行作为采用协方差 构造分析不能直接观测的抽象的要素的「财务·收益力」因子、「专利 战略」因子、「研究开发投入倾向」因子及「知识财产战略经营」因子 得分的因果构造的把握和评价。并且，基于各企业的「专利战略」因 子得分和「研究开发投入倾向」因子得分的和、「知识财产战略经营」 因子得分来进行企业评价，从而可以使对企业的在市场中的评价中未 表现的潜在性竞争力反映在企业评价上。
「知识财产战略经营」因子得分成为不但考虑了知识财产而且也 考虑了各企业的财务战略、市场评价的排序。另一方面，「专利战略」 因子得分成为确实反映了各企业的知识财产战略的一端的排序。各企 业的知识财产活动是从面向将来的企业价值提高的长期性的视点开展 的活动，是成为各企业的将来现金流转及企业价值提高的源泉的东西。 因此，着眼于「专利战略」因子得分和「知识财产战略经营」因子得 分的得分差，对各企业的到现在为止的成果的评价和对将来潜在增长 力的评价的间隙就变得明显，基于此，就可以判断对各企业的现在的 评价是不是过低评价。
还有，能再添加作为用于生出各企业的专利·技术诀窍的投入要 素的研究开发活动来进行各企业的将来潜在增长力的评价。再有，可 以提取各企业的「专利战略」因子得分和「研究开发投入倾向」因子 得分的和、「知识财产战略经营」因子得分对全企业平均值的相对性的 评价分别正相反的企业，从而明确各企业的现在评价与将来潜在增长 力的评价的间隙，可以进一步多方面地判断对各企业的现在评价是否 过低。
0022
(8)在上述股票公文包选择装置中，可以是，作为股票公文包编入 品种选择单元，还具备把从上述「专利战略」因子得分中减去上述「知 识财产战略经营」因子得分所得的得分差为第2给定值以下的企业， 及/或，上述「专利战略」因子得分和上述「研究开发投入倾向」因子 得分的和比全企业平均值小，而且，上述「知识财产战略经营」因子 得分比全企业平均值大的企业作为过高评价企业来提取的过高评价企 业提取单元，
股票公文包编入品种候补决定单元把由上述过低评价企业提取单 元提取了的企业群及由上述过高评价企业提取单元提取了的企业群两 者作为上述第一次股票公文包编入品种候补。
0023
这样就能与现在评价过低的企业一起，一并选择表示其相反倾向 的所谓过高评价企业，从而使公文包具有风险规避功能。
0024
(9)在上述各股票公文包选择装置中，可以是，作为股票公文包编 入品种选择单元，具备对于各企业，采用该企业保有的知识资产属于 的给定的技术领域的申请件数全体或有效专利件数全体中该企业的件 数占的份额，表示给定期间的给定的技术领域的申请件数全体或有效 专利件数全体的增长率被该企业的专利申请件数或有效专利件数的增 长率减去所得的差的超过增长率，将各企业的给定期间的专利申请件 数或有效专利件数全体中给定的每个技术领域的专利申请件数或有效 专利件数占的份额进行指数化而表示该企业的技术开发领域的集 中·多边化程度的专利集中度，基于采用包含被异议申述比率、其他 公司引用次数比率及不服裁判件数比率在内的经过信息而算出了的每 个个别专利的其他公司牵制力及权利化意欲程度，表示各企业保有的 专利全体中优势专利占的比例的优势专利比率的全部或至少任意一个 而算出按企业技术评价值的按企业技术评价值算出单元。
0025
由此，除了具有上述各作用效果之外，因为把仅靠评价对象企业 的专利申请件数不明白的每个领域的份额的大小作为基本而添加增长 率，从而使之具有先行指数的意义，再添加对特定领域的集中度，从 而减小了企业规模的影响，所以就可以适当地评价评价对象企业的潜 在性竞争力。
0026
(10)在上述各股票公文包选择装置中，也可以是，作为股票公文包 编入品种选择单元，具备：对于上述第一次股票公文包编入品种候补 中包含的各企业，把该企业保有的知识资产属于的给定的技术领域的 申请件数全体或有效专利件数全体中该企业的件数占的份额，表示给 定期间的给定的技术领域的专利申请件数全体或有效专利件数全体的 增长率被该企业的专利申请件数或有效专利件数的增长率减去所得的 差的超过增长率，将各企业的给定期间的专利申请件数或有效专利件 数全体中给定的每个技术领域的专利申请件数或有效专利件数占的份 额进行指数化而表示该企业的技术开发领域的集中·多边化程度的专 利集中度，基于采用包含被异议申述比率、其他公司引用次数比率及 不服裁判件数比率在内的经过信息而算出了的每个个别专利的其他公 司牵制力及权利化意欲程度，表示各企业保有的专利全体中优势专利 占的比例的优势专利比率的全部或至少任意一个加以采用而算出按企 业技术评价值的按企业技术评价值算出单元；以及从上述第一次股票 公文包编入品种候补中，把上述过高评价企业中的上述按企业技术评 价值的上位给定数的企业除掉，并且把上述过低评价企业中的上述按 企业技术评价值的下位给定数的企业除掉的第一次股票公文包编入品 种候补剔除单元，
上述股票公文包编入品种候补决定单元是把成为上述第一次股票 公文包编入品种候补剔除单元所涉及的除掉的对象外的剩余的企业群 作为第二次股票公文包编入品种候补的东西。
0027
由此，可以对各企业保有的知识资产，不仅包含专利申请件数、 有效专利件数等定量性的数据，而且也包含专利的属性、质等来进行 分析·评价。据此就能在附加第一次股票公文包编入品种选择中未考 虑到的专利信息之后，进行各企业的潜在增长性的评价，再进行过高/ 过低评价企业的提取。
0028
(11)在上述各股票公文包选择装置中，也可以是，作为按企业技术 评价值算出单元，具备：把上述企业保有的知识资产属于的各技术领 域的申请件数全体或有效专利件数全体中上述企业的按技术领域申请 件数或有效专利件数占的份额，对于上述企业保有的知识资产属于的 全部技术领域来算出的按企业按技术领域件数份额算出单元；把将上 述按企业按技术领域件数份额对于全技术领域进行总计所得的东西除 以该技术领域的数，从而算出件数份额的全技术领域平均值的全技术 领域件数份额平均值算出单元；算出表示给定期间的给定的技术领域 的专利申请件数全体或有效专利件数全体的增长率被该企业的专利申 请件数或有效专利件数的增长率减去所得的差的超过增长率的按企业 超过增长率算出单元；把上述全技术领域件数份额平均值乘以上述按 企业超过增长率，从而算出按企业修正相对件数份额的按企业修正相 对件数份额算出单元；把上述企业的给定期间的专利申请件数或有效 专利件数全体中给定的每个技术领域的专利申请件数或有效专利件数 占的份额进行平方，把该平方了的份额对于上述企业保有的知识资产 属于的全部技术领域进行相加，算出该企业的专利集中度的按企业专 利集中度算出单元；以及把上述按企业修正相对件数份额乘以上述按 企业专利集中度，从而算出专利评价指数的按企业专利评价指数算出 单元。
0029
由此，除了上述作用效果之外，通过各企业保有的专利与其他公 司专利的比较，就能导出本公司的所在位置。与此同时，再考虑在本 公司内的技术开发领域的集约程度，就能更多方面地评价各企业保有 的专利的质的侧面。
0030
(12)在上述各股票公文包选择装置中，作为投资比率选定单元，优 选的是，对由股票公文包编入品种选择单元选择了的各企业的股票， 均等分配投下资金。
0031
在股票公文包编入品种企业的选择的阶段，在企业评价指标关联 数据中至少包含1个知识资产关联指标而对企业的潜在性价值合理地 进行评价。因此，均等地分配投下资金，就能除了具有上述各作用效 果之外，还能作成简明且收益性高的股票公文包。
0032
(13)在上述各股票公文包选择装置中，作为投资比率选定单元，优 选的是具有以下单元。
即，算出由股票公文包编入品种选择单元选择了的各企业的每个 股票的理论股价的理论股价算出单元；基于理论股价来算出上述各企 业的每个股票的市场股价所对的理论超过收益、市场股价的变动所对 的上述各企业的每个股票的理论感应度及表示上述各企业的每个股票 的独自的值变动的理论残差的各参数的第1参数算出单元；基于算出 了的第1参数来算出股票公文包编入品种的期待回报的期待回报算出 单元；基于算出了的第1参数来算出股票公文包编入品种的风险的风 险算出单元；把使期待回报的值一定、使风险的值最小那样的股票公 文包编入品种的保有比率对各期待回报的值进行算出而导出效率性边 界的效率性边界导出单元；取得无风险资产的无风险比率数据的无风 险资产无风险比率数据取得单元；把无风险资产的无风险比率作为定 点，并且导出与效率性边界相接的资本市场线的资本市场线导出单元； 算出效率性边界和资本市场线的切点处的股票公文包编入品种的保有 比率的最佳保有比率算出单元；以及基于最佳保有比率来算出构成股 票公文包编入品种的各企业每个的股票所对的资金投下比率的资金投 下比率算出单元。
0033
由此，算出股票公文包编入品种的各企业的每个股票的期待回报 和风险，就能除了具有上述各作用效果之外，还能在资本市场线和效 率性边界的切点选定投资比率。再有，根据理论股价而合理地评价企 业的潜在性竞争力，结果就能期待能极力排除与企业本来有的资产价 值无关的市场动向等随意性所涉及的现实股价的失真。结果，基于理 论股价的股票公文包，与基于现实股价的股票公文包相比，能实现相 对风险的降低，及/或相对高的期待回报。即，能选定更优选的投资比 率。
0034
(14)在上述各股票公文包选择装置中，作为投资比率选定单元，优 选的是具有以下单元。
即，算出由股票公文包编入品种选择单元选择了的各企业的每个 股票的理论股价的理论股价算出单元；取得股价标数(インデックス， 应译作“指数”，但为避免与另一“指数”混淆而译作“标数”)的值变 动数据的股价标数数据取得单元；取得上述各企业的每个股票的股价 的值变动数据的个别股票数据取得单元；进行股价标数的值变动和上 述各企业的每个股票的股价的值变动的比较分析，算出股价标数的收 益所对的上述各企业的每个股票的超过收益、股价标数的值变动所对 的上述各企业的每个股票的股价的感应度及表示对股价标数的值变动 而言独立的上述各企业的每个股票的独自的股价的值变动的残差的各 参数的第2参数算出单元；基于理论股价来补正参数的补正单元；基 于补正了的参数来算出股票公文包编入品种的期待回报的期待回报算 出单元；基于补正了的参数来算出股票公文包编入品种的风险的风险 算出单元；把使期待回报的值一定、使风险的值最小那样的股票公文 包编入品种的保有比率对各期待回报的值进行算出而导出效率性边界 的效率性边界导出单元；取得无风险资产的无风险比率数据的无风险 资产无风险比率数据取得单元；把无风险资产的无风险比率作为定点， 并且导出与效率性边界相接的资本市场线的资本市场线导出单元；算 出效率性边界和资本市场线的切点处的股票公文包编入品种的保有比 率的最佳保有比率算出单元；以及基于最佳保有比率来算出构成股票 公文包编入品种的各企业每个的股票所对的资金投下比率的资金投下 比率算出单元。
0035
由此，算出股票公文包编入品种的各企业的每个股票的期待回报 和风险，就能除了具有上述各作用效果之外，还能在资本市场线和效 率性边界的切点选定投资比率。再有，根据理论股价来补正通过股价 标数的值变动和上述各企业的每个股票的股价的值变动的比较分析而 算出了的参数，更合理地评价企业的潜在性竞争力，从而就能期待能 极力排除与企业本来有的资产价值无关的市场动向等随意性所涉及的 现实股价的失真。结果，以理论股价所涉及的补正为基础的股票公文 包，与基于现实股价的股票公文包相比，能实现相对风险的降低，及/ 或相对高的期待回报。即，能选定更优选的投资比率。
0036
(15)在上述各股票公文包选择装置中，作为投资比率选定单元，优 选的是具有以下单元。
即，选定作为上述第二次股票公文包编入品种候补被选择了的企 业中的满足给定的基准的编入推荐企业的编入推荐企业选定单元；在 与全部编入推荐企业有关的保有比率的合计不到投资总额的1 00％的 范围内按各编入推荐企业的每个股票来设定最低编入比率的最低编入 比率设定单元；取得股价标数的值变动数据的股价标数数据取得单元； 取得成为上述第一次股票公文包编入品种候补的各企业的每个股票的 股价的值变动数据的个别股票数据取得单元；进行上述股价标数的值 变动和上述各企业的每个股票的股价的值变动的比较分析，算出包含 上述股价标数的收益所对的上述各企业的每个股票的超过收益、上述 股价标数的值变动所对的上述各企业的每个股票的股价的感应度及表 示对上述股价标数的值变动而言独立的上述各企业的每个股票的独自 的股价的值变动的残差在内的第2参数群的第2参数算出单元；基于 上述第2参数群来算出股票公文包编入品种的期待回报的期待回报算 出单元；基于上述第2参数群来算出股票公文包编入品种的风险的风 险算出单元；把至少保有上述各最低编入比率的编入推荐品种，同时 使上述期待回报的值一定，并且使上述风险的值最小那样的上述股票 公文包编入品种的保有比率对各期待回报的值进行算出而导出效率性 边界的效率性边界导出单元；取得无风险资产的无风险比率数据的无 风险资产无风险比率数据取得单元；把上述无风险资产的无风险比率 作为定点，并且导出与上述效率性边界相接的资本市场线的资本市场 线导出单元；算出上述效率性边界和上述资本市场线的切点处的上述 股票公文包编入品种的保有比率的最佳保有比率算出单元；以及基于 上述最佳保有比率来算出构成上述股票公文包编入品种的各企业的每 个股票的资金投下比率的资金投下比率算出单元。
0037
由此，就能选定潜在增长力、技术力受到高评价的编入推荐企业， 编入一定比率之后，算出股票公文包编入品种的最佳保有比率。据此， 编入了编入推荐企业的股票公文包，与对于全部股票公文包编入品种， 基于效率性边界而选定了投资比率的股票公文包相比，能实现相对风 险的降低，及/或相对高的期待回报。即，能选定更优选的投资比率。
0038
(16)在上述各股票公文包选择装置中，优选的是，理论股价算出单 元具有以下单元。
即，采用包含知识资产关联指标在内的企业评价指标关联数据来 算出企业的税后总事业利润理论值的税后总事业利润理论值算出单 元；采用企业评价指标关联数据来算出企业的投下资本成本的投下资 本成本算出单元；从上述税后总事业利润理论值中扣除上述投下资本 成本来算出理论经济性超过利润的理论经济性超过利润算出单元；采 用企业评价指标关联数据来算出企业的现在价值的导出所用的折扣率 的折扣率算出单元；把上述理论经济性超过利润除以折扣率来算出理 论市场附加价值的理论市场附加价值算出单元；采用企业评价指标关 联数据来算出企业的自有资本的自有资本算出单元；把上述理论市场 附加价值和自有资本相加来算出企业的推定时价总额的推定时价总额 算出单元；以及把推定时价总额除以已发行股票总数来算出理论股价 的理论股价算出单元。
0039
由此，除了具有上述各作用效果之外，还能采用研究开发费关联 指标及知识资产关联指标，算出合理地反映了企业的潜在性竞争力的 理论股价。还能基于此结果，判断给定的企业的现在股价与该企业具 有的潜在性的企业价值相比，是比较便宜还是比较贵。
0040
(17)还有，本发明还涉及具备与由上述各装置来执行的处理相同的 步骤的股票公文包选择方法，以及记录了使计算机实现与上述各装置 具备的功能相同的功能的股票公文包选择程序的记录介质。
附图说明
0041
图1是表示采用了第1实施方式的股票公文包选择装置的股票公 文包选择系统的构成例的图。
图2是表示股票公文包选择装置30的构成的框图。
图3是表示股票公文包选择装置30的处理次序的流程图。
图4是例示事业·经营关联指标(其1)的图表。
图5是例示事业·经营关联指标(其2)的图表。
图6是例示研究开发关联指标的图表。
图7是例示知识资产关联指标(其1)的图表。
图8是例示知识资产关联指标(其2)的图表。
图9是例示知识资产关联指标(其3)的图表。
图10是表示选择行业、企业、指标的画面的例子的图。
图11是表示进行主成分分析的处理次序的流程图。
图12是表示主成分分析的特征矢量的图表。
图13是与主成分1对应的集中型排序。
图14是与主成分2对应的多边型排序。
图15是因子分析处理的流程图。
图16是表示因子负荷量·特征值·累积贡献率的图表。
图17是表示因子一览的图表。
图18是重回归分析处理的流程图。
图19是表示重回归分析结果一览的图表。
图20是表示指标和因子的关系的图。
图21是表示主成分分析结果一览的图表。
图22是基于主成分分析结果的综合指标排序。
图23是协方差构造分析处理的流程图。
图24是说明协方差构造分析的思路的概略所用的路径图的一个 例子。
图25是表示为知识财产战略经营企业的评价而进行协方差构造 分析的结果的路径图的一个例子。
图26是表示为算出评价值而加于各指标的权重的图表。
图27是表示知识财产战略经营模型的分析结果的排序的图表。
图28是表示知识财产战略经营模型的分析结果的排序的图表。
图29是表示知识财产战略经营模型的分析结果的排序的图表。
图30是表示知识财产战略经营模型的分析结果的排序的图表。
图31是表示知识财产战略经营模型的分析结果的排序的图表。
图32A及图32B是知识财产战略经营模型的分析结果的散布图。
图33A及图33B是知识财产战略经营模型的分析结果的散布图。
图34是表示为知识财产战略经营企业的评价而进行了协方差构 造分析的结果的路径图的另一个例子。
图35是说明以过高/过低评价企业的选出为基础的公文包作成次 序的流程图。
图36是过低评价企业的第一次股票公文包编入品种选择候补的 一览表。
图37是过高评价企业的第一次股票公文包编入品种选择候补的 一览表。
图38是过低评价企业的第二次股票公文包编入品种选择候补的 一览表。
图39是过高评价企业的第二次股票公文包编入品种选择候补的 一览表。
图40是表示投资比率的选定动作的流程图。
图41是表示标数的值变动数据的图。
图42是表示个别品种的值变动数据的图。
图43A及图43B是表示算出了的αi、βi、εi的例子的图。
图44是表示算出理论股价的处理次序的流程图。
图45是表示算出税后总事业利润理论值的处理次序的流程图。
图46是表示因子分析及重回归分析的结果的例子的图。
图47是表示重回归分析的结果的例子的图。
图48是表示因子所对的ROAβ的回归直线的结果的例子的图。
图49是表示算出了的理论股价的例子的图。
图50是理论股价的算出结果的一览表。
图51是表示αi、βi、εi及αi＇、βi＇、εi＇的例子的图。
图52是表示效率性边界及资本市场线的例子的图。
图53是表示效率性边界及资本市场线的例子的图。
图54是表示切点处的股票公文包的各股票的理论编入比率的例 子的图。
图55是根据理论编入比率而决定了的实编入比率的例子。
图56是表示与主成分1对应的股票公文包的例子的图。
图57是表示与主成分2对应的股票公文包的例子的图。
图58是表示股价的涨跌率的比较例的图。
图59是表示回报的例子的图。
图60是表示第2实施方式中的投资比率的选定动作的流程图。
图61是按第一次股票公文包编入品种选择候补中的「专利战略」 因子得分和「知识财产战略经营」因子得分的因子得分差大的顺序来 排列过低评价企业所得的名单。
图62是表示股票公文包的各股票的理论编入比率的例子的图。
图63是根据理论编入比率而决定了的实编入比率的例子。
图64是表示回报的例子的图。
符号说明
0042
10通信网络
20数据库服务器
20A外部数据库
30股票公文包选择装置
30A内部数据库
31打印机
100股票公文包选择系统
301 CPU
302 ROM
303 RAM
304记录介质安装部
305记录介质
306记录介质接口
307日历钟
308发送接收单元
309通信线路
310输入单元
311输入接口
312显示单元
313显示接口
314记录单元接口
315 HDD
316打印机接口
317总线

(1.构成)
0043
参照图1至图2来说明本发明的实施方式。图1表示的是表示包 含作为本发明的第1实施方式的股票公文包选择装置30在内的股票公 文包选择系统100的构成的图。
0044
该股票公文包选择系统100由外部数据库服务器20和股票公文包 选择装置30组成。股票公文包选择装置30与外部数据库服务器20例 如通过互联网等通信网络10而连接，或者从外部数据库服务器20通 过恰当的记录介质以离线方式取入外部数据。
0045
还有，外部数据库20A中记录着例如按每行业、按50音来记录企 业名的行业企业数据库，事业·经营关联指标、研究开发关联指标或 知识资产关联指标等企业指标，企业指标的分类，各种常数、阈值及 基于该阈值的有效性的判断结果，区分等各种信息，乃至各企业的股 价。
0046
股票公文包选择装置30由个人计算机、工作站等计算机组成，具 有内部数据库30A。
0047
图2表示的是表示股票公文包选择装置30的构成的框图。如图2 所示，股票公文包选择装置30具备CPU301、ROM302、RAM303、记 录介质安装部304、记录介质305、记录介质接口306、日历钟307、 发送接收单元308、通信线路309、输入单元310、输入接口311、显 示单元312、显示接口313、记录单元接口314、硬盘(HDD)等记录单 元315、打印机接口316及总线317。
0048
CPU301按照股票公文包选择装置用程序信息而使用RAM303作 为工作区，并且控制股票公文包选择装置30全体的动作。
0049
另外，可以由CPU301执行所有处理，当然也可以设置多个专用 的处理装置，让各个处理装置分担而执行处理。
0050
记录介质305可拆装地安装于记录介质安装部304。还有，记录 介质安装部304通过相对于记录介质305记录、读出各种信息的记录 介质接口306而与总线317连接。另外，记录介质305是指存储卡等 半导体或MO、磁盘等所代表的磁记录式或者光记录式等可拆装的记录 介质。记录介质305可以存放内部数据库30A。另外，记录介质305 还能从外部数据库服务器20以离线方式取入外部数据。
0051
日历钟307用作计时单元，与总线317连接。
0052
发送接收单元308靠通信线路309而与外部数据库服务器20连 接。并且，通过通信网络10而与外部数据库服务器20进行通信，从 外部数据库服务器20的外部数据库20A取得企业评价用指标、企业的 股价数据等。取得了的数据记忆在作为内部数据库30A的HDD315或 记录介质305等中。另外，在股票公文包选择装置30中，在从外部数 据库20A取得企业评价用指标、企业的股价数据等时，可以自动或手 动地选择指标数据。
0053
输入单元310由键盘、鼠标、书写板或触摸屏等构成，通过输入 接口311而与总线317连接。此输入单元310靠显示单元312上显示 的各种指示选择画面(未图示)来进行是否进行数据更新的选择、行 业·企业的选择及分析方法的选择。
0054
显示单元312由例如LCD(Liquid Crystal Display)等组成，通过显 示接口313而与总线317连接。此显示单元312在画面上显示从输入 单元310输入了的数据、操作指示的选择项等。还有，显示单元312 在画面上显示算出了的理论股价的结果。
0055
HDD(硬盘)315是记录与股票公文包选择装置30的处理有关的各 种常数、与网络上的通信机器有通信连接时的属性信息、URL(Uniform Resource Locators)、网关信息、DNS(Domain Name System)等连接信息、 与企业的经营有关的经营财务信息、与专利有关的技术文献、专利信 息、市场价值信息以及判定企业价值的阈值及基于该阈值的合理性的 判断结果等各种信息的记录单元。
0056
还有，HDD315中记录的信息能通过记录单元接口314来读出， 还能向HDD315写入信息。HDD315中存放了记录着各种数据的内部 数据库30A。
0057
打印机31通过打印机接口316而与总线317连接。此打印机31 作为印刷单元，在纸等介质上印刷与由股票公文包选择装置30作成了 的股票公文包有关的图表等。
0058
根据本发明的实施方式的股票公文包选择系统，能采用包含知识 资产关联指标等在内的企业评价指标进行企业的综合性的评价。并且， 能选出成为股票公文包编入品种候补的企业，还能使得直到能输出最 佳投资比率为止而作成股票公文包。还有，可容易且正确地取得股票 的买卖品种、投资比率的信息。
0059
(2.处理次序)
其次，参照图3至47来说明股票公文包选择装置、方法及程序所 涉及的股票公文包作成的处理次序。图3表示的是表示基于股票公文 包选择系统100的股票公文包选择的处理次序的流程图。此处理是基 于股票公文包选择程序中内置的信息而通过CPU301的控制来实现。
0060
(2-1.数据的取得)
股票公文包选择系统100，首先，在步骤S1中，从内部数据库30A 取得必要的数据。例如有事业·经营关联指标、研究开发关联指标， 以及知识资产关联指标等企业评价指标，或是各企业的股价等数据。 图4及图5表示的是事业·经营关联指标的一览表，例如有设备投资 额、设备投资效率等指标。图6表示的是研究开发关联指标的一览表， 例如有研究开发费、研究开发费比率α等指标。图7至图9表示的是 知识资产关联指标的一览表，例如有专利申请件数、审查请求件数， 或是总有效专利件数、申请权利要求数等指标。
0061
内部数据库30A中存放着从外部数据库20A取得了的原始数据、 标准化了的加工数据等。
0062
其次，在步骤S2中，判断数据更新是否必要。例如，设定每天的 给定时刻作为数据更新时刻，到此时刻的话就进行更新处理。或者， 可以是每次在外部数据库20A中追加新的数据等时进行数据更新。
0063
在判断为需要更新的场合，在步骤S3中，从外部数据库20A取 得要更新的数据，向内部数据库30A中进行写入。并且，在步骤S4中， 对从外部数据库20A取得了的数据，按照下列的式1进行数据的标准 化。进行数据的标准化的理由主要是为了去掉伴随行业间、指标间的 单位、标度的差异而产生的数值的差别。
(数据-平均值)/标准差…(式1)
0064
并且，把每行业的标准化了的数据存放在内部数据库30A中。把 数据标准化之后，再次返回到步骤S1，取得更新了的数据。接着，在 步骤S2中判断为不需要进行数据更新的场合，进入到步骤S5的行 业·企业选择。
0065
在步骤S5中，判断是否选择行业及/或企业。在这里，在利用者 判断为需要进行行业及/或企业的选择，输入了进行行业及/或企业的选 择的意思的指示的场合，在步骤S6中，接受希望的行业、特定的企业 的选择。例如，如图10所示，在显示画面上显示了的行业、企业名的 输入部，利用者可以输入行业名、企业名来选择希望的行业、特定的 企业。还有，例如，利用者可以通过选择在显示画面上显示了的行业 名、企业名的选择项来选择希望的行业、特定的企业。另外，在期望 某行业和别的行业的组合的场合、特别是希望编入指定的企业的场合， 也可以指定这些行业、企业而进行股票公文包的作成。
0066
(2-2.企业评价处理)
其次，在步骤S7中，进行是否选择指标的判断。在利用者输入了 进行指标选择的意思的指示的场合，在步骤S8中，接受希望的指标的 选择。例如，如图10所示，利用者能从显示画面上显示了的指标的选 择项中选择希望的指标。
另外，优选的是在选择了的指标中把图4至图9所示的事业·经 营关联指标、研究开发关联指标及知识资产关联指标中的研究开发关 联指标及知识资产关联指标在原则上按各1～3个来包含。这样就可以 合理地评价通过研究开发活动而积蓄的知识资产、作为生出知识资产 的组织、人才的潜在性竞争力。而且，可以适当地选出可期待针对收 益力而提高这些知识资产、潜在性竞争力的企业。选择指标后，在步 骤S12中进行主成分分析。
0067
(2-2-1.选择了的指标所涉及的主成分分析)
图11表示的是表示进行主成分分析的处理次序的流程图。在这里， 主成分分析是指取出与观测变量共同的成分而作成合成变量的分析手 法。进行主成分分析的目的是把许多存在的指标综合化，作成1个或2 个综合指标，基于此综合指标来进行成为股票公文包编入品种候补的 企业的评价。
0068
在步骤S120中开始主成分分析处理的话，则在步骤S121中，取 入指标数据。在本发明的实施方式中，作为利用者指定了的评价用指 标，选择总资产研究开发费比率、总资产营业利润率、被异议申述件 数比率、平均登记所需年数及专利多边化指数。另外，所选择的指标 不限于上述东西，而是可以按照分析的目的、性质来设定任意的指标。
0069
在这里，总资产研究开发费比率是指企业的各年度的研究开发费 的总额对总资产的比率。总资产研究开发费比率是测量从企业的资产 规模(储备)看到的研究开发费的规模的东西。通过增加总资产研究开发 费比率，就不但可以测量知识资产的，而且可以测量企业潜在地保有 的所有无形资产的奉献度。总资产研究开发费比率由下列的式2表示 的算式来算出。
总资产研究开发费比率＝研究开发费/总资产…(式2)
0070
其次，总资产营业利润率是指企业的各年度的营业利润即从企业 的制造·销售活动中获得了的会计上的事业收益对总资产的比率。它 是表示包含知识资产在内的总资产对收益有多少奉献的指标。总资产 营业利润率由下列的式3表示的算式来算出。
总资产营业利润率＝营业利润/总资产…(式3)
0071
其次，被异义申述件数比率是指对企业的各年度的专利的1件平 均，提出了专利异义的申述或无效裁判请求的件数的比率。它是表示 各企业取得了的专利的质的指标。在本发明的实施方式中，为了排除 企业规模的影响，采用了1件专利平均的件数。被异义申述件数比率 由下列的式4表示的算式来算出。
被异义申述件数比率＝在各年度企业受到异义申述或无效裁判请 求的专利件数/同年的企业的专利登记件数…(式4)
0072
其次，平均登记所需年数是指表示对于企业的各年度登记了的专 利，从申请到到登记所需要的平均年数的指标。采用平均登记所需年 数，就可以知道企业取得专利的目的、取得了的专利的性质。例如， 涉及应该早期进行专利权利化的战略性的申请，常常在比较短的期间 提出审查请求。因此，可以判断为，从某专利的申请到登记所需要的 平均年数越短，该专利被有效活用，事业上收获的可能性越高。平均 登记所需年数由下列的式5表示的算式来算出。
平均登记所需年数＝∑(专利登记年月日-专利申请年月日)/(专利 登记件数/年间日数)…(式5)
0073
其次，专利多边化指数是指在企业的各年度的专利申请中的申请 权利要求数全体中，按国际专利分类(IPC)小类的申请权利要求数占的 构成比(份额)。采用专利多边化指数，就可以测量企业的技术开发领域 的集中·多边化程度。专利多边化指数由下列的式6表示的算式来算 出。
专利多边化指数＝1-∑(该企业的按国际专利分类小类的申请权 利要求数/该企业的申请权利要求数的合计)2…(式6)
0074
选择指标之后，以组合选择了的指标而作成综合指标为目的，进 行主成分分析。首先，在步骤S122中，算出对选择了的指标xi进行合 成的线性组合的系数αi和主成分Z。在这里，主成分Z是指基于使得 方差成为最大而算出了的系数αi所算出的信息量。具体而言，考虑选 择了的指标xi的线性组合Z，使得该线性组合Z的方差成为最大而决 定各指标xi的系数αi。在此场合，为了防止方差无限地发散，采用系 数αi的平方和为1的制约，使得Z的方差成为最大而算出系数αi的值。 具体而言，如以下的式7所示。
Z＝α1x1+α2x2+α3x3+…  αnxn
(制约条件)α1 2+…αn 2＝1…(式7)
0075
根据上述式7，算出系数αi(i＝1…n)，基于算出了的系数，求得 主成分Z。系数αi(i＝1…n)的值是采用方差协方差矩阵或相关矩阵， 算出上述式7的线性组合的特征值和特征矢量来求得。在此场合，特 征矢量表示系数，特征值表示主成分包含的信息量。
0076
接着，选择所采用的主成分。在主成分分析中，按变量的数来算 出主成分。还有，通过主成分分析而获得的主成分是特征值越大信息 量越大。对此，通常按信息量大的顺序作为主成分1、主成分2、主成 分3，…主成分n。在本发明的实施方式中，保留特征值为1以上，累 积贡献率超过50％的主成分。当然，阈值不限于上述东西，而是可以 按照分析的种类、性质而任意设定。
0077
在这里，特征值为1以上是指采用了的主成分包含至少与选择了 的指标具有的信息量的平均相同的信息量。还有，贡献率是指表示各 主成分能以什么程度来说明指标全体的比例。贡献率是把各主成分的 特征值除以全主成分的特征值的总和来算出。并且把各主成分的贡献 率按大的顺序相加所得的东西称为累积贡献率。累积贡献率是表示采 用了的主成分全体能以什么程度来说明指标全体具有的信息量的比 例。
0078
并且，把特征值超过1的主成分中的特征值的值最大，且贡献率 最大的主成分作为第1主成分。还有，选择至特征值超过1，累积贡献 率占50％以上的主成分，将其作为第2主成分。
0079
图12表示的是表示主成分分析的特征矢量和特征值以及贡献率 和累积贡献率的一览表。在本发明的实施方式中，只提取了特征值的 值超过1的主成分。根据分析结果，作为第1主成分的主成分1的贡 献率为29％以上。还有，作为第2主成分的主成分2的贡献率为24％ 以上。
0080
其次，在步骤S123中进行综合指标的决定。在图12的一览表中 按每个指标算出的数值(特征矢量)表示各指标的系数的值。首先，对于 主成分1，「总资产研究开发费比率」、「总资产营业利润率」及「被异 议申述件数比率」的系数为正，「登记所需年数的平均」及「专利多边 化指数的平均」的系数为负。从此结果看出，即使研究开发费对总资 产的比率是平均性的，技术·专利集中，到登记为止的所需年数短， 且总资产营业利润率处于高的倾向的企业也会受到高评价。即，主成 分1表示具有使包含专利在内的知识资产集中在某一个领域的倾向的 企业的特征。基于此结果，对于主成分1，将其定为表示「知识资产集 中型」的综合指标。
0081
对于主成分2，全部指标的系数为正。从此结果看出，技术·专利 具有多边化倾向，到登记为止的所需年数长，且总资产营业利润率具 有低的倾向的企业受到高评价。即，主成分2表示追求包含专利在内 的知识资产储备的规模的扩大的企业的特征。基于此结果，对于主成 分2，将其定为表示「知识资产多边型」的综合指标。
0082
其次，在步骤S124中，算出与主成分1和主成分2有关的每个企 业的综合得分。每个企业的综合得分是基于下列的式8及式9表示的 算式来算出。
Z1＝0.1633×总资产研究开发费比率+0.6718×总资产营业利润率 +0.5328×被异议申述件数比率-0.0491×登记所需年数-0.4855×专 利多边化指数…(式8)
式中的Z1是主成分1的「知识资产集中型」的主成分得分，置于 各指标之前的数值是图12所示的主成分1中的各指标的系数的值。
Z2＝0.6213×总资产研究开发费比率+0.0623×总资产营业利润率 +0.1736×被异议申述件数比率+0.6342×登记所需年数+0.4216×专利 多边化指数…(式9)
式中的Z2是主成分2的「知识资产多边型」的主成分得分，置于 各指标之前的数值是图12所示的主成分2中的各指标的系数的值。
0083
图13表示的是与主成分1的「知识资产集中型」对应的企业评价 的排序表，图14表示的是与主成分2的「知识资产多边型」对应的企 业评价的排序表。
0084
(2-2-2.因子分析、重回归分析及主成分分析)
(2-2-2-1.因子分析)
再次回到图3表示的股票公文包选择的处理次序的流程图，再开 始步骤。首先，在步骤S7中判断为指标未被选择的场合，在步骤S9 中判断，作为分析方法，是进行协方差构造分析，还是进行因子分析 及重回归分析。在步骤S9中，在利用者输入了进行因子分析及重回归 分析的意思的指示的场合，进入步骤S10，进行因子分析。
0085
在这里，采用图15表示的流程图对因子分析处理进行说明。因子 分析是指摸索出潜藏在某观测数据背后而规定它们的公因子的手法。 进行因子分析的目的是通过明示规定诸多指标的潜在因子而明确这些 指标具有的特性及构造，再把指标集约于明示了的几个因子。
0086
首先，在步骤S100中，开始因子分析处理，在步骤S101中，从 内部数据库30A取得与指标有关的数据。此处，要除掉图4及图5的 事业经营关联指标中包含的收益关联指标。这是为了在后边叙述的重 回归分析中，使用这些收益关联指标作为目的变量。
0087
其次，在步骤S102中，选择是否进行指标的缩减。在利用者输入 了进行指标的缩减的意思的指示的场合，在步骤S103中，按各个指标 每个，算出相关矩阵。然后，在步骤S104中，去掉关系浅、没有共同 性的指标，提取关系深、联系大的指标。此后，在步骤S105中进行因 子负荷量的算出。
0088
在步骤S102中不预先进行指标的缩减的场合，直接进入步骤S105 的因子负荷量的算出。在这里，因子负荷量是指表示因子对观测变量 的影响的强度的值。在因子分析中，最大的目的就是算出此因子负荷 量。作为因子负荷量的算出方法，公知的有主因子法、优选法、最小 二乘法、一般化最小二乘法等。在本发明的实施方式中采用主因子法。 主因子法是指使得各因子的因子贡献成为最大而从第一因子起按顺序 算出因子负荷量的方法。另外，因子负荷量的算出方法可以按照观测 的目的、性质而选取任意一种。
0089
其次，在步骤S106中，判断基于算出了的因子负荷量来进行因子 的解释是否困难。在利用者判断为因子的解释困难而输入了该意思的 场合，为了找到可以最好地解释数据的解，在步骤S107中进行因子轴 的旋转。旋转的方法有正交旋转和斜交旋转，可以按照观测的目的、 性质而选取任意一种。在本发明的实施方式中，采用正交旋转之一的 最大方差法旋转。最大方差法旋转是指使得每个因子的因子负荷量接 近0的东西和绝对值大的东西分别增多而旋转因子轴，求得因子的奉 献度的旋转法。然后，在旋转因子轴之后，返回到步骤S105，算出旋 转后的因子负荷量。另外，在步骤S106中，判断为进行因子的解释不 困难的场合，不进行因子轴的旋转，而是原样采用算出了的因子负荷 量的初期解。
0090
其次，在步骤S108中，基于算出了的因子负荷量，算出每个因子 的特征值、因子贡献、因子贡献率及累积贡献率。特征值是指算出因 子负荷量的初期解时得到数值。特征值作为具有只与指标的数相同的 数的因子的东西，按每个因子来算出。结果，作为决定所采用的因子 数时的基准，可选取任意的最小特征值。还有，因子贡献是指某因子 能说明数据的量，根据各指标的因子负荷量的平方和，按每个因子来 算出。另外，在算出因子负荷量的初期解的时点，特征值和因子贡献 的值相同。还有，因子贡献率是指某因子说明数据全体的比例，把因 子贡献除以指标的数来算出。最后，累积贡献率是指每次因子增加而 累积了因子贡献率所得的值，是表示由到几个为止的因子能以什么程 度来说明数据的指标。
0091
其次，在步骤S109中，基于算出了的特征值、因子贡献率及累积 贡献率，决定因子数。理论上，因子数按指标的数来表现。对此，在 本发明的实施方式中，作为决定因子数时的基准，把特征值为1以上， 累积贡献率为70％以上的情况设为判断基准。结果，在本发明的实施 方式中要选取5个因子。
图16表示的是与本发明的实施方式中选择了的5个因子有关的因 子负荷量、特征值、因子贡献率及累积贡献率的一览表。另外，判断 基准不限于上述东西，而是可以按照观测的目的、性质来任意设定。
0092
其次，在步骤S110中，决定因子内容。具体而言，对步骤S519 中选择了的5个因子具有的意义，基于对于从因子1到5按每个指标 算出了的因子负荷量加以解释。与从因子1到5的各因子具有的意义 和因子名有关的解说，如图17的一览表所示。
0093
首先，对于因子1可以看出，构成因子1的指标中的因子负荷量 大的指标是累计审查请求率、累计专利登记率、平均有效专利剩余年 数、平均申请经过年数及平均登记所需年数这5个。由此解释因子1 具有的意义的话，因子1可以说是通过缩短到审查请求为止的年数及 到专利登记为止的年数，来提高累计审查请求率及累计专利登记率， 延长专利的有效期的因子。即，可以解释为，因子1是使专利早期权 利化，对其加以维持的因子。基于此解释结果，把因子1的因子名命 名为「专利的时间管理」。
0094
这样，对于从因子2到因子5也是，依照上述手续来决定各因子 具有的意义和因子名。为避免重复而省略说明，详细的内容如图17的 一览表所示。另外，各个指标的定义及算式如图4至图9的一览表所 示。
0095
(2-2-2-2.重回归分析)
再次回到图3表示的股票公文包选择的处理次序的流程图，在步 骤S10中进行因子分析之后，在步骤S11中进行重回归分析处理。以 下说明重回归分析处理。
0096
图18表示的是表示重回归分析的处理次序的流程图。在这里重回 归分析是指基于由某目的变量和多个说明变量构成的预测式，分析能 以什么程度来说明此目的变量的值的手法。另外，目的变量和说明变 量，按照进行分析的目的，有时设定为从属变量及独立变量。
0097
进行重回归分析的目的是验证通过上述因子分析而变得清楚了的 5个因子是否实际对企业的收益扩大有贡献。进而，指明其中对收益的 贡献率高的因子及构成这些因子的指标是什么。
0098
在步骤S111中进入重回归分析处理。首先，在步骤S112中，从 内部数据库30A中存放的收益关联指标数据一览中取入收益关联指标 数据，决定成为目的变量的收益关联指标。与收益关联指标数据的种 类及定义有关的一个例子如图4及图5的事业经营关联指标中包含的 收益关联指标一览所示。另外，图4及图5表示的收益关联指标主要 是与企业的业绩、成果有关的东西，不过，收益关联指标不限于这些， 而是可以按照分析的目的、性质而设定任意的指标。
0099
在本发明的实施方式中，以ROA代表收益关联指标。ROA是 Return On Asset的简称，也称为总资产利润率。ROA是指把本期利润 除以总资产所得的比率，是测量根据总资产而增加了多少利润的指标。 以ROA代表综合地评价企业的业绩的指标的理由是因为ROA是表示 企业的一年间的资产效率所恰当的成果指标。同类指标中还有ROE(市 盈率)，不过，本发明的实施方式中未采用ROE。其理由是，ROE是测 量自有资本平均收益的东西，而实际上企业为了增加收益，不但利用 自有资本，也利用他人资本，所以可以判断，企业真正的资产效率难 以用ROE来测量。
0100
再有，在本发明的实施方式中，不是把通常的ROA，而是把对各 企业在各年度的「营业利润」加上「专利费等专有权使用费收入」所 得的金额的总资产比率设定为目的变量(以下称为「ROA·δ」)。ROA·δ 的算式如下列的式10所示。
ROA·δ＝(营业利润+专利费等专有权使用费收入)/总资…(式 10)
采用ROA·δ作为目的变量的理由是，第一，因为专利等知识资 产是企业保有的资产的一部分，所以对于测量与有形资产一起，活用 专利等知识资产而增加了多少收益是适合的指标。第二，为了适当地 评价企业的潜在性竞争力，并且测量该潜在性竞争力如何与显在性竞 争力、收益相联系，需要取入研究开发的结果所生出了的专利等知识 资产所涉及的收益。另外，专利费等专有权使用费收入在会计上是计 入营业外收入的东西，而根据企业的不同，也有在营业外收入中该勘 定科目不存在的场合。在该场合，判断是已经被编入营业利润，还是 因为不是财务报表上带来重大的影响的金额而未标明，不将其加在营 业利润上。
0101
其次，在步骤S113中，把步骤S10中进行了的因子分析的结果所 提取了的5个因子从内部数据库30A读入。在本发明的实施方式中， 如图19所示，采用了因子1(专利时间管理)、因子2(生产性)、因子3(专 利·技术份额)、因子4(研究开发)、因子5(专利·技术的集中)这5个 因子。
0102
其次，在步骤S114中，把收益关联指标ROA·δ作为目的变量， 把上述因子1至5作为说明变量而进行重回归分析，算出各因子(说明 变量)的偏回归系数、标准偏回归系数及t值。
0103
具体而言，首先，为了采用各因子(说明变量)的信息来算出 ROA·δ(目的变量)的值，假定由下列的式11表示的重回归方程式。
Yj＝α+β1x1j+β2x2j+…β5x5j+εj
(j＝1…N)    …(式11)
式中的Yj是目的变量，xij(i＝1…5)是说明变量。还有，α和βi (i＝1…5)是要根据说明变量xij的观测数据来推定的参数，α是常数项， βi是偏回归系数。εi(j＝1…N。在这里N为标本数。)是目的变量Yj 的观测值和理论值的残差，表示不由说明变量xij来说明的部分。另外， 对于说明变量xij，优选的是，在指标的单位、标度方面，为了除去指 标间的差别的影响进行适当的分析，采用标准化了的数据。数据的标 准化采用上述式1来进行。
0104
其次，根据称为最小二乘法的推定法来算出上述式11中包含的常 数项α和偏回归系数βi的值。最小二乘法是使观测值和理论值的残差 的平方和为最小的方法。在上述式11的场合，首先，在给出了说明变 量xij的值时，目的变量Yj的理论值成为α+∑i＝15(βixij)，所以作为理 论值和观测值的差的残差εi由下列的式12算出。
εi＝Yj-{α+∑i＝15(βixij)}…(式12)
0105
接着，采用下列的式13来算出残差的平方和。
Q＝∑j＝1N[{Yj-α-∑i＝15(βixij)}2]…(式13)
式中的Q是作为残差的平方和来算出的值。最小二乘法是使残差 的平方和为最小的方法，所以为了算出常数项α和偏回归系数βi，需 要把上述式13的Q的值最小化。并且，常数项α和偏回归系数βi的 值是通过把上述式13分别对α和βi进行偏微分，使其为0，得到联立 方程式而解之，从而求得的。具体而言，如下列的式14及式15所示。
Q/α＝-2∑j＝1N{Yj-α-∑i＝15(βixij)}＝0…(式14)
Q/βi＝-2∑j＝1N[xij{Yj-α-∑i＝15(βixij)}]＝0  …(式15)
0106
另外，偏回归系数的值，如果变更说明变量的单位、标度的话， 会很大地变化。因此，在本发明的实施方式中，随着把说明变量xij所 采用的指标的数据进行标准化，需要另外算出与标准化了的说明变量 对应的偏回归系数(以下称为「标准偏回归系数」)。
0107
算出偏回归系数(及标准偏回归系数)βi之后，在步骤S115中，检 验说明变量xii所采用的各因子的显著性。具体而言，首先，设定说明 变量xij对目的变量Yj的预测完全不起作用这样的假设(以下称为「归 无假设」)。此归无假设由偏回归系数(及标准偏回归系数)βi为0来表 示。另外，作为检验所采用的假设，除了归无假设以外，还有以说明 变量对目的变量的预测起作用为前提进行检验的对立假设。这些假设， 按照分析的目的、性质，采用哪个都可以。还有，也可以进行基于两 方假设的检验，采纳任意一个假设。
0108
接着，为了进行偏回归系数(及标准偏回归系数)βi＝0的假设是否 成立的检验，基于βi＝0而算出t值。t值是指表示算出了的说明变量的 值的统计性信赖度的数值。
0109
算出t值之后，指明算出了的t值占t分布上的什么位置。在这里， t分布是指根据某有限的标本数据数来推定其母集团的平均值的范围的 概率密度变量。
0110
接着，在t分布上设定决定是采纳还是放弃βi＝0的假设的境界线。 此境界线称为显著水平。显著水平由算出了的t值在t分布上能发生的 概率来表示。在本发明的实施方式中，按5％设定了显著水平。这表示 在算出了的t值在t分布上能发生的概率为5％的范围的场合放弃假设 这样的情况。把以这样的以此显著水平为基准而接受假设的区域称为 采纳域，把放弃假设的区域称为放弃域。
0111
并且，在检验的结果指明了基于βi＝0的假设而算出的t值占显著 水平5％的范围内的位置的场合，放弃βi＝0的假设。即，在此场合判 定为，说明变量xij所涉及的偏回归系数βi在统计上是显著的，说明变 量xij所采用的因子对目的变量Yj的说明有贡献。另外，判断说明变量 的显著性的基准不只限于t值，而是也可以由以绝对值表示t值超过显 著水平的概率的p值来判断。
0112
其次，在步骤S116中，算出各因子(说明变量)对目的变量Yi的贡 献率。贡献率是把步骤S114中算出了的各因子的标准偏回归系数除以 全因子的标准偏回归系数的总计来算出。并且，此后以百分率来显示 算出了的值。
0113
最后，在步骤S117中，检验本发明的实施方式的分析所采用的重 回归方程式的适合度。采用决定系数作为检验重回归方程式的适合度 的尺度。决定系数是指表示所给出的重回归方程式能以什么程度来说 明目的变量的观测值的变动的指标。在这里变动是指对于各点的平均 值的偏差。决定系数由R2来表示，是把由重回归方程式导出的目的变 量Yj的理论值的变动除以Yj的观测值的变动来算出。具体而言，如下 列的式16所示。
决定系数R2＝Yi的理论值的变动/Yj的观测值的变动…(式16)
0114
此处，表示重回归方程式的适合度的决定系数R2的值是越增加说 明变量就越变大。这只是看上去适合度在变好，并不意味着重回归方 程式的说明力高。对此，为了弥补此决定系数R2的缺点，采用自由度 调整完毕决定系数R2来检验重回归方程式的适合度。自由度调整完毕 决定系数R2＇是指不但考虑决定重回归方程式的说明变量，也考虑作为 标本而取出了的变量的数，调整决定系数R2而获得的值。还有，自由 度是指从标本的数中扣除了根据标本算出了的平均值所得的值。例如， 在标本的数有N个的场合，一旦决定了平均值，N个中的最后1个就 自动地决定了其值，取出了的标本中能自由选择的值就是N-1个。
0115
图19表示的是重回归分析结果的一览表。一览表由按提取了的5 个因子每个而算出了的偏回归系数、标准偏回归系数、t值及贡献率的 值构成。
0116
首先，试看在进行分析时采用了的重回归方程式的适合度。自由 度调整完毕决定系数R2＇为0.7572，表示采用了的重回归方程式具有高 的说明度。
0117
其次，试看各个因子在统计上是否显著。根据t值的算出结果看 出，因子3(生产性)、因子4(专利·技术的集中)及因子5(研究开发)在 统计上显著。而且，表示上述因子即使在以显著水平1％检验了的场合， 在统计上也是显著的。
0118
并且，在步骤S118中，基于上述分析结果，作成表示收益关联指 标ROA·δ和表示统计上显著的因子的关系，以及上述因子和构成该 因子的诸指标的关系的关系图。作成了的关系图存放在30A的内部数 据库中。
0119
图20表示作成了的关系图。关系图中记载了ROA·δ、表示统 计上显著的因子及构成各因子的指标，基于标准偏回归系数的贡献率 和因子负荷量附记在箭头上。根据关系图可以看出，因子对ROA·δ 的贡献率是，因子3(生产性)为74％，压倒性地高。还有，可以看出， 在构成因子3(生产性)的指标中，「劳动分配率」具有降低生产性的作 用。因此，可以看出，为了提高生产性，需要适度抑制「劳动分配率」， 需要谋求「全要素生产性」所表示的技术革新的促进及经营效率的改 善。
0120
还有，对ROA·δ的贡献率为15％而次于因子3(生产性)的高的 是因子4(专利·技术的集中)。还有，可以看出，作为构成因子4(专利·技 术的集中)的指标，与「专利集中度」有关的指标的因子负荷量大。可 以认为这表示例如「专利申请的集中度」反映了技术开发的选择和集 中的发展程度。还有，可以看出，对于因子4(专利·技术的集中)，「专 利集中度」的因子负荷量大是指提高「专利申请的集中度」与防止其 他公司的模仿，提高专利的资产价值相联系，对收益的扩大有贡献。
0121
并且，对ROA·δ的贡献率为11％而表示第3高的值是因子5(研 究开发)。还有，在构成因子5(研究开发)的指标中表示高的因子负荷量 的是「1期前的研究开发投入」。可以认为，此结果不是只表示1期前 的研究开发费的成果的东西，而是把长期持续的研究开发作为结果在 本期的ROA·δ上以成果来反映的东西。还有，此结果表示缩短从研 究开发到产品化·企业化的期间、早期回收研究开发费等改善研究开 发费的费用对效果的事情与企业的收益扩大相联系的情况。
0122
根据上述分析结果可以看出，企业为促进研究开发，并且使其效 率上升，与此同时，提高事业的生产性而进行竞争的事情对收益的扩 大有贡献。还有，可以看出，与此同时，打算推进技术·知识资产的 「选择和集中」的姿态也对收益的扩大有贡献。并且表明，这样的企 业的竞争可以由构成各因子的指标以数字表示。
0123
(2-2-2-3.主成分分析)
再次回到图3表示的股票公文包选择的处理次序的流程图，在步 骤S11中进行重回归分析之后，在步骤S12中进行主成分分析处理。 在主成分分析中，采用构成在重回归分析的结果中获得的具有显著性 的因子的指标和设定为目的变量的ROA·δ作成综合指标，进行企业 评价。另外，关于主成分分析的处理方法如上所述，省略说明。
0124
图21表示的是表示主成分分析的特征矢量和特征值以及贡献率 和累积贡献率的一览表。第1主成分的贡献率为47.57％，充分高，还 具有与因子分析及重回归分析的结果的整合性。还有，也没有第2·第 3主成分那样的、指标所涉及的系数的绝对值的偏倾，所以可以选择第 1主成分即主成分1作为综合指标。图22表示的是与主成分1对应的 企业评价的排序表。
0125
(2-2-3.协方差构造分析)
再次回到图3表示的股票公文包选择的处理次序的流程图，在步 骤S9中选择了协方差构造分析的场合，在步骤S19中通过协方差构造 分析处理进行企业评价，在步骤S13中作成企业排序。
0126
(2-2-3-1.协方差构造分析的概略)
以下说明协方差构造分析的处理次序。在这里，协方差构造分析 是指通过定量性的模型来把握作为不能观测的要因的潜在变量(构成概 念)和作为能观测的要因的观测变量(实际的数值)之间，或潜在变量间 的复杂的因果关系，并且基于这样把握了的模型进行分级等评价的手 法。此时，可以利用路径图来视觉性地分析观测变量和潜在变量的关 系。
0127
作为基本流程，首先，建立与变量间的因果关系有关的假设。对 于假设，在现象间的关系是公知的场合，直接作成假设模型。在现象 间的关系不是公知的场合，通过因子分析而提取因子之后作成假设模 型。
0128
其次，基于假设模型而作成路径图。并且，按照路径图，进行母 数的推定。在这里，母数是指表示母集团分布的样子的数值，是参数。 作为母数的推定方法，一般采用最小二乘法、最优推定法等。此后， 使得最适合于抽样数据而把表示路径图的变量间的关系实际地数值 化。
0129
其次，验证构筑了的假设模型是否适合于数据。作为为了验证假 设模型而应该参照的指标，采用称为适合度指标(GFI：Goodness of Fit Index、AGFI：Adjusted Goodness of Fit Index)的统计量。GFI是成为分 析者构筑了的假设模型能以什么程度来说明数据这样的模型的「说明 力」的基准。并且，可以判断，GFI的值越接近1，假设模型越适合。 另外，在复杂模型的场合，若是GFI则母数的推定值的稳定性变差。 在该场合，采用从GFI的说明力中扣除母数的不稳定性而表示的AGFI 作为指标来验证模型的适合度。验证了假设模型的结果，如果不适合 于数据，就回到模型图的作成，反复进行母数的推定。
0130
在本发明的实施方式中，构筑知识财产战略经营(三位一体经营) 模型作为假设模型。在这里，知识财产战略经营(三位一体经营)模型是 指统一且综合性地评价使事业战略·研究开发战略·知识财产战略关 联起来，由此而与全要素生产性、企业价值评价的提高相系结的企业 的模型。在评价企业时，对劳动生产性等生产性指标、ROA、ROE等 收益关联指标进行分析成为非常重要的要素，不过，只看这些来评价 企业的价值恐怕会导向误导经营的方向。这是因为，这些指标到底只 不过是表示企业经营中现在的业绩的一断面的东西。实际上，为了提 高企业价值，很大地依赖于包含通过研究开发投入等而创出的技术·技 术诀窍等知识资产在内的无形资产。因此，在企业评价中，对研究开 发和知识财产的分析·评价不可缺少。在这里，存在构筑知识财产战 略经营(三位一体经营)模型的理由。对此，在本发明的实施方式中，要 假定「研究开发」-「专利(知识财产)」-「事业(经营·财务)」这3 个潜在变量(构成概念)的关联(相关关系)。
0131
以下，基于图23表示的流程图，对于协方差构造分析的处理次序 进行说明。
0132
(2-2-3-2.因果模型的设定)
在协方差构造分析时，需要构筑与观测变量和潜在变量的关系有 关的假设。
在观测变量和潜在变量的因果关系不清楚的场合，为了从多个观 测变量中发现潜在变量，例如可以通过因子分析来提取因子，作成假 设模型。另外，因子分析所涉及的因子数的决定是基于预先设定的累 积贡献率、特征值来进行。例如，把累积贡献率为70％以上，特征值 为1以上的情况作为基准来决定因子。另外，判断基准不限于上述东 西，而是可以按照观测的目的、性质而任意设定。
0133
其次，构筑与观测变量和潜在变量的关系有关的假设。在实证事 业战略、研究开发战略及专利战略这3个战略和知识财产战略经营的 关系时，它们都是不能直接观测的抽象的概念。对此，在协方差构造 分析中，以「潜在变量」矢量f表示它们而使定量的分析成为可能。潜 在变量矢量f的矢量要素是记述各个因子的潜在变量。作为此潜在变 量，在本发明的实施方式中采用下面的东西。
f1：事业战略评价值
f2：研究开发战略评价值
f3：专利战略评价值
f4：知识财产战略经营
0134
另一方面，把能基于「PBR」、「发明者1人平均申请权利要求数」、 全要素生产性」等可从各企业所提供的有价证券报告书、专利电子 图书馆等得到的信息来观测的指标作为「观测变量」矢量v来表示。
用作观测变量的指标可以考虑各种东西，其中一个例子表示为图 4至图9的79指标。至于采用其中哪个，要由用户提取多个这样的指 标的组合，就各组合进行分析，选取适合度高的东西。
0135
如图24所示，表示变量间的因果关系的图称为「路径图」。在图 24的路径图中，按如下方式假定变量间的因果关系。
0136
首先，着眼于从潜在变量f1(事业战略评价值)指向图示左侧的1方 向箭头。在这里，假定潜在变量f1所表示的企业的事业战略规定了观 测变量v1(销售额营业利润率)。其影响力以系数λ1来表示。只是，观 测变量v1(销售额营业利润率)还依赖于仅靠潜在变量f1(事业战略评价 值)这样的原因不能说明的独自的原因而做出其决定。可以把这样的独 自的原因所涉及的变动部分设为误差变量e1。因而，从误差变量e1向 观测变量v1(销售额营业利润率)也引了1方向箭头。
0137
同样，从潜在变量f2(研究开发战略评价值)指向图示左侧的1方向 箭头是假定企业的研究开发战略规定了观测变量v2(研究开发费比率) 及观测变量v3(发明者1人平均研究开发费)。其影响力分别以系数λ2 及λ3来表示。把仅靠潜在变量f2(研究开发战略评价值)这样的原因不 能说明的独自的原因所涉及的变动部分分别设为误差变量e2及e3。
0138
同样，从潜在变量f3(专利战略评价值)指向图示左侧的1方向箭头 是假定企业的研究开发战略规定了观测变量v4(发明者1人平均申请权 利要求数)。其影响力以系数λ4来表示。把仅靠潜在变量f3(专利战略 评价值)这样的原因不能说明的独自的原因所涉及的变动部分设为误差 变量e4。
0139
同样，从潜在变量f4(知识财产战略经营)指向图示右侧的1方向箭 头是假定该企业的企业价值规定了观测变量v5(PBR)及观测变量v6(全 要素生产性)。其影响力分别以系数κ5及κ6来表示。把仅靠潜在变量 f4(知识财产战略经营)这样的原因不能说明的独自的原因所涉及的变动 部分分别设为误差变量e5及e6。
0140
关于潜在变量们的关系，是假定潜在变量f1至f3规定了潜在变量 f4(知识财产战略经营)。其影响力分别以系数γ1至γ3来表示。只是， 潜在变量f4(知识财产战略经营)还依赖于仅靠潜在变量f1至f3这样的原 因不能说明的独自的原因而做出其决定。可以把这样的独自的原因所 涉及的变动部分设为误差变量d1。
0141
(2-2-3-3.方程式的成立)
这样构筑对于潜在变量和观测变量的因果关系及潜在变量们的因 果关系假定了的因果模型，就能以联立1次方程式来表示它们的关系。 即，对于各个观测变量v1至v6，能以
观测变量＝系数×成为原因的潜在变量+误差变量
来表示，对于潜在变量们的关系，能以
接受影响的潜在变量＝系数×成为原因的潜在变量+误差变量
来表示。此处，在假定更多的潜在变量成为原因的场合，只按该 潜在变量而取「系数×成为原因的潜在变量」的和。
另外，外生变量是指不能成为在模型的方程式中置于左边的变量 (目的变量)的东西。与此相对的是内生变量，是指能成为在模型的方程 式的至少1个式中置于左边的变量(目的变量)的东西。
0142
以联立1次方程式来表示图24表示的例子的话，则如以下的式 17。
vli＝λ1×fli+e1
V2i＝λ2×f2i+e2
V3i＝λ3×f2i+e3
V4i＝λ4×f3i+e4
V5i＝K5×f4i+e5
v6i＝K6×f4i++e6
f4i＝γ1×f1i+γ2×f2i+γ3×f3i+d1…(式17)
在这里，角标i是观测变量矢量v和潜在变量矢量f按每个企业而 不同的值，是为了区别而附加的。若标本数为N，则i＝1，2，…，N。
0143
表示上述那样的因果关系的联立1次方程式可以如下面的式18那 样采用矩阵方程式来表示。
t＝At+u…(式18)
在这里t是「构造变量矢量」。构造变量矢量t由潜在变量矢量f 和观测变量矢量v组成，因而表现为t＝[f，v]＇(「＇」是表示转置矩阵 的东西)。
f：潜在变量矢量。矢量要素是记述各个因子的潜在变量。
v：观测变量矢量。矢量要素要由可观测的各个指标按v的期望值 E[v]＝0进行标准化。
还有，u是「外生变量矢量」。外生变量矢量u由与f有关的误差 变量矢量d和与v有关的误差变量矢量e组成，因而表现为u＝[d，e]＇ (「＇」是表示转置矩阵的东西)。
d：误差变量矢量。矢量要素是与f的矢量要素有关的误差变量， 或者在f的第j个要素fj为外生变量时，是fj本身。
e：误差变量矢量。矢量要素是与v的矢量要素有关的误差变量， 或者在v的第k个要素vk为外生变量时，是vk本身。
还有，在这里A是「系数参数矩阵」。系数参数矩阵A由系数矩 阵Aa、系数矩阵Ab、系数矩阵Ac、系数矩阵Ad组成，因而按以下方 式表现。
[数19]
$A=\left[\begin{array}{cc}{A}_a& A_C\\ A_b& A_d\end{array}\right]$…(式19)
Aa：把表现从潜在变量fj向潜在变量fj ＇的规定力的系数γj按j＇j 要素配置而成的系数矩阵。
Ab：把表现从潜在变量fi向观测变量vk的规定力的系数λk及κk 按kj要素配置而成的系数矩阵。
Ac：把表现从观测变量vk向潜在变量fi的规定力的系数(图24表 示的路径图上不存在，为零)按jk要素配置而成的系数矩阵。
Ad：把表现从观测变量vk向观测变量vk＇的规定力的系数(图24表 示的路径图上不存在，为零)按k＇k要素配置而成的系数矩阵。
0144
图24的例子中没有从观测变量向观测变量的单方向的箭头和从 观测变量向潜在变量的单方向的箭头，所以
Ac＝0，Ad＝0…(式20)。
还有，根据图24的例子来表现从潜在变量向潜在变量的单方向的 箭头和从潜在变量向观测变量的单方向的箭头的话，则如下。
[数21]
$A_a=\left[\begin{array}{cccc}0& 0& 0& 0\\ 0& 0& 0& 0\\ 0& 0& 0& 0\\ r_1& r_2& r_3& 0\end{array}\right]$
$A_b=\left[\begin{array}{cccc}{\lambda }_1& 0& 0& 0\\ 0& {\lambda }_2& 0& 0\\ 0& {\lambda }_3& 0& 0\\ 0& 0& {\lambda }_4& 0\\ 0& 0& 0& K_5\\ 0& 0& 0& K_6\end{array}\right]$…(式21)
0145
在图24的例子中，成为下面的式22。把式22代入式18所得的 东西与式17等价。
[数22]
t＝  [    f1i  f2i  f 3i  f4i  v li  v2i  v3i  v 4i  v5i  v6i]  
$A=\left[\begin{array}{cccccccccc}0& 0& 0& 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0& 0& 0& 0\\ r_1& r_2& r_3& 0& 0& 0& 0& 0& 0& 0\\ {\lambda }_1& 0& 0& 0& 0& 0& 0& 0& 0& 0\\ 0& {\lambda }_2& 0& 0& 0& 0& 0& 0& 0& 0\\ 0& {\lambda }_3& 0& 0& 0& 0& 0& 0& 0& 0\\ 0& 0& {\lambda }_4& 0& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& k_5& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& k_6& 0& 0& 0& 0& 0& 0\end{array}\right]$
u＝  [    f 1i  f 2i  f 3  d1    e1    e2    e3    e4    e5    e6    」 
…  (式22 )
0146
根据这样生成了的系数参数矩阵A和外生变量矢量u对观测变量 v的方差协方差矩阵进行构造化。并且，根据给定的最优化方法来推定 对观测变量v进行构造化所得的作为表现的系数参数矩阵A和外生变 量矢量u的方差协方差矩阵的各要素的值。此后，如果能判断为这样 在图24中假定了的路径图的模型适合度的值是在容许范围内，则系数 参数矩阵A和外生变量矢量u的各要素的值就确定了，根据该确定了 的值，就能分别求得该企业的潜在变量矢量f＝{f1，f2，f3，f4}的因子得分。
0147
以上是在本实施方式中采用协方差构造分析时的思路的概略。以 下采用归一化了的式18对于具体的处理次序进行说明。
0148
(2-2-3-4.协方差构造分析的具体的次序(图23))
图23是说明上述企业评价支援装置中的处理动作的流程图。此处 理是由图1的企业评价支援装置30的CPU301来执行。
0149
在执行此处理时，在上述外部数据库或内部数据库中预先准备与 各企业有关的可观测的各个指标(例如PBR、发明者1人平均申请权利 要求数、全要素生产性等)。
0150
(2-2-3-4-1.因果模型信息的输入：S1)
首先，在步骤S191中，判定从输入单元310输入了对于因果关系 假定了的因果模型信息。此因果模型信息是例如基于图24那样的路径 图以上述那样的联立1次方程式来表现。
0151
(2-2-3-4-2.矢量的生成：S2)
因果模型信息被输入的话，就在步骤S192中，基于因果模型信息， 生成潜在变量矢量f、外生变量矢量d、外生变量矢量e、系数参数矩 阵A。还有，按标本数N个来生成参照外部数据库或内部数据库涉及 的观测变量并使得成为期望值E[v]＝0而标准化了的观测变量矢量v。
0152
(2-2-3-4-3.母数的推定：S3，S4)
其次，在步骤S193中，基于生成了的潜在变量矢量f、外生变量 矢量d、外生变量矢量e、系数参数矩阵A、观测变量矢量v，进行母 数的推定。在这里，母数是指外生变量矢量d、外生变量矢量e、系数 参数矩阵A的各要素。对于母数的推定，说明其概略如下。
0153
方差协方差矩阵首先，前提是由母数来表现与观测变量有关的方 差协方差矩阵。
把O设为0矩阵，把I设为单位矩阵时，式18可按如下方式变形。
(I-A)t＝u
此式，在I-A有逆矩阵T的场合，可再按下面的式23变形。
t＝Tu…(式23)
此式两边左乘满足v＝Gt的[O，I]的形式的矩阵G的话，就能再按 下面的式24的方式变形。这样就可以只取出观测变量的方差协方差矩 阵。
v＝GTu…(式24)
0154
另一方面，一般公知的是采用把对矢量v的各要素的期望值作为 要素的期望值矢量E[v]，按下面的式25的方式表示v的方差协方差矩 阵∑v。
∑v＝E[(v-E[v])(v-E[v])＇]
＝E[vv＇]…(式25)
0155
因而与观测变量有关的方差协方差矩阵∑v可以根据式25及式 24，按以下的式26的方式以母数表示。
∑v＝E[GTuu＇T＇G＇]
＝GT(∑u)T＇G＇…(式26)
另外，有∑u＝E[uu＇]。如果预先假定f的要素的方差为1，则∑u 不依赖于标本i而唯一地决定，因而与观测变量有关的方差协方差矩阵 ∑v唯一地决定。
0156
在I-A不具有逆矩阵T的场合，不能得到式23式。在此场合， 判定为不能在步骤S194中进行母数的推定，返回到步骤S191等待输 入新的因果模型信息。
0157
若求得方差协方差矩阵，则采用最优推定法来推定母数。
首先，把以系数参数矩阵A和式26中的E[uu＇]为要素的矢量设 为θ。式26的方差协方差矩阵∑v也可以由θ来表现，因而将其设为 ∑(θ)。
0158
一般公知是，在变量v遵从多变量正则分布的场合，变量v的数 据矩阵被观测的概率F(X|θ)按下面的式27的方式来表示。
F(X|θ)
＝∏(i：1≤i≤N)(2π)(-n/2)
|∑(θ)(-1/2)exp[(-1/2)v＇∑(θ)(-1)v]…(式27)
在这里，
n：矢量v的维数
N：标本数
|∑(θ)|：方差协方差矩阵∑(θ)的行列式
∑(θ)(-1)：方差协方差矩阵∑(θ)的逆矩阵。
[(-1/2)v＇∑(θ)(-1)v]成为依赖于i的标量。
概率F(X| θ)是把各个标本被观测的概率(2π)(-n/2)|∑(θ)|(一 1/2)exp[(-1/2)v＇∑(θ)(-1)v]对于从i＝1到i＝N的全部标本而相乘所得 的东西。
0159
对此，把使此概率F(X|θ)为最大的θ作为母数的推定值。实际上 是采用取式27的两边的自然对数而进行整理所得的下面的函数Fml， 求得使Fml为最大的θ。这是因为通过对数化，就能作为单调增加函 数来对待，最大化变得容易进行。
Fml＝tr(∑(θ)(-1)S)-ln |∑(θ)(-1)S|-n…(式28)
在这里，
S：采用了观测变量的数据矩阵所得的方差协方差矩阵∑v
tr(B)：矩阵B的对角成分的和。
0160
在求得使函数Fml(或者概率F(X|θ))为最大的θ时，有时解不收 敛。在此场合在步骤S191中输入了的联立1次方程式的解是不定的。 因此，判定为不能在步骤S194中进行母数的推定，返回到步骤S191 等待输入新的因果模型信息。
另外，在此场合，可以输入基于相同的路径图的因果模型信息并 且是加了系数参数的约束条件的东西，再次进行母数的推定。对系数 参数加约束条件，就能唯一地求得联立1次方程式的解。
另外，母数的推定方法不限于最优推定法。除此以外也可以采用 最小二乘法、一般化最小二乘法、椭圆最小二乘法、椭圆一般化最小 二乘法、椭圆再加权最小二乘法等手法来进行。
0161
(2-2-3-4-4.适合度及显著性的检验：S5)
若推定了母数，则其次，在步骤S195中，进行假设模型的适合度 及显著性的检验。
0162
首先，在步骤S195中，检验因果模型的适合度。适合度的检验采 用作为公知适合度指标的GFI(Goodness of Fit Index)或AGFI(Adjusted Goodness of Fit Index)或者这两者。GFI是表示设定了的因果模型以几 ％说明了数据(与观测变量有关的方差协方差矩阵∑v)的指标。GFI的 值越近1，越会评价为有说明力的模型。AGFI是为了补救GFI的缺点(尽 管因果模型变得复杂的话参数的稳定性就变差，但GFI也会提高)，从 GFI中扣除了母数的不稳定度所得的东西。如果GFI及/或AGFI分别 是给定的阈值以上，就判定为有适合度。
另外，在对于别的因果模型已经求得了GFI、AGFI的场合，有了 比此差的结果时，也可以判定为没有适合度。还有，在适合度的检验 中也可以一并采用其他指标。
0163
进而，在步骤S195中，对于各个母数进行显著性的检验。具体而 言，是把与以路径图上任意的一方向箭头系结的2变量对应的1次线 性方程式看作回归式，把母集团的真的系数矩阵设为Γ，
(θ-Γ)/(diag(∑(θ)))1/2
此处，(diag(C))1/2是把矩阵C的对角要素的平方根作为对角要素 的对角矩阵。此量渐近性地遵从标准正则分布。因此，如果代入了Γ ＝0所得的值为一定值以上，则放弃Γ＝0的假设(不承认母数的显著性)， 可以承认母数的显著性。
0164
在适合度及显著性中的任意一个不被承认的场合，返回到步骤 S191等待输入新的因果模型信息。在适合度及显著性被承认了的场合， 进入下面的步骤S196算出评价值。此处，即使在适合度及显著性被承 认了的场合，也可以再验证其他因果模型而选取适合度最高的东西。
0165
(2-2-3-4-5.评价值的算出及输出：S6)
首先，基于获得了的母数，根据与各企业有关的观测变量矢量v 来算出潜在变量矢量f，将其作为评价值。
0166
为此，首先求得成为f＝Yv的Y即可。在两边右乘v＇，则
fv＇＝Yvv＇。
在这里，
S＝∑v
＝vv＇/(N-1)，
所以，根据
fv＇＝(N-1)YS
得到
Y＝fv＇S(-1)/(N-1)，
另一方面，采用满足f＝Kt的[O，I]的形式的矩阵K的话，则根据式 23及式24，得到
fv＇＝Ktv＇
＝KT uv＇
＝KTuu＇T＇G＇
因而Y为，
Y＝KTuu＇T＇G＇S(-1)/(N-1)，
因为∑u＝uu＇/(N-1)，所以用下式求得Y。
Y＝KT(∑u)T＇G＇S(-1)…(式29)
0167
如果在步骤S196中算出了评价值，则输出结果而结束。并且，返 回到图23，在步骤S13中作成「企业排序」。
0168
(2-2-3-5.具体例)
(2-2-3-5-1.路径图)
图25表示的是表示为知识财产战略经营企业的评价而进行协方 差构造分析的结果的路径图的一个例子。图25表示的路径图是表示构 筑假设之后，几次检验假设模型之后的结果。
0169
从图可以看出，知识财产战略经营模型表示「财务·收益力」因 子(经营)、「专利战略」因子(patent)、「研究开发投入倾向」因子(R&D) 这3个战略关联起来的构造。基于同模型可以看出，进行「知识财产 战略经营企业」(black)的评价的结果，各因子对「知识财产战略经营企 业」模型(black)的影响力(贡献率)分别是，「财务·收益力」因子约26 ％，「研究开发投入倾向」因子(R&D)约17％，「专利战略」因子(patent) 为46％。还有，试看各因子间的相关系数的话，可以看出，「财务·收 益力」-「专利战略」间为0.17，「专利战略」-「研究开发投入倾向」 间为0.12，「研究开发投入倾向」-「财务·收益力」间为0.34，分别 表示弱的关联。
0170
再有，从外部评价「知识财产战略经营企业」的指标是「MVA(时 价总额和股东资本的差额)」、「PBR(股价净资产倍率)」(市场评价指标) 及「全要素生产性」这3个。在这里，「知识财产战略经营企业」设定 为在这3个外部指标与「财务·收益力」因子、「研究开发投入倾向」 因子及「专利申请战略」因子之间存在的潜在因子。采用了市场评价 指标作为外部评价指标的理由是，超过账本价的时价相当于对各企业 的技术诀窍、知识财产等账外的无形资产的评价。反过来，如果时价 低于账本价，则可以认为市场评价为，该企业几乎未保有账外的无形 资产，或者没有将其作为收益源泉的能力。
0171
然而，从市场评价指标获得的无形资产评价也有制约。这是因为， 其中由于在宏观经济环境、企业和市场之间存在的信息的不对称性等， 时价不当地变低或变高，包含与无形资产的评价无关的噪声。对此， 除了采用市场评价指标之外，把「全要素生产性」用作用于「知识财 产战略经营」评价的外部指标。在这里，「全要素生产性」是指从各企 业的各年度的「附加价值额」的增减率中扣除「设备」和「劳动力」 的增减率而获得的测量「技术进展率」的指标。
0172
在本发明的实施方式中，把「知识财产战略经营企业」定义为在 事业、研究开发及知识财产这3个因子和MVA、PBR及全要素生产性 的外部评价指标之间存在的由未知的潜在因子组成的构造。进而，从 图4至图9记载的全指标中选择、决定最适合于该构造的指标，从而 构筑了模型。构成通过此适合模型的构筑而选择、决定了的各因子的 指标如下。
0173
首先，作为构成「财务·收益力」因子的指标，模型适合度最高 的是「设备投资效率」、「自有资本比率」、「销售额原价率」及「销售 额营业利润率」这4个。其次，作为构成「研究开发投入倾向」因子 的指标，模型适合度最高的是「研究开发费比率δ 」、「发明者1人平 均研究开发费」及「专利申请生产性」这3个。最后，作为构成「专 利战略」因子的指标，模型适合度最高的是「1件申请平均权利要求数」、 「发明者1人平均申请权利要求数」、「专利多边化指数」、「规格化竞 争力指数」这4个。另外，作为构成「专利战略」因子的指标，还有 「权利化意欲」、「其他公司牵制力」及「总有效专利件数份额」等。 各个指标的定义及算式如图4至图9的一览表所示。
0174
图25表示的上述指标的组合是模型适合度最高的东西。具体而 言，假定在卡方检验中为x2＝366.906(自由度df＝70，p值＝0.000)。而 且RMSEA(Root Mean Square Error of Approximation)＝0.094， GFI＝0.907，AGFI＝0.861。
0175
(2-2-3-5-2.权重)
还有，为了通过上述评价值的算出步骤S196来算出各评价值而乘 于各指标的权重(矩阵Y的成分)在图25的例子中是图26所示的情况。 10-5的位四舍五入了。
0176
根据图26，
(1)用于算出事业战略评价值(经营)的权重大的指标是，
作为0.6015的「销售额营业利润率」，
作为0.1236的「自有资本比率」，
作为0.0717的「设备投资效率」，
作为0.0394的「MVA」，
作为0.0325的「PBR」。
还有，作为权重成为绝对值大的负值的指标有，
作为-0.2579的「销售额原价率」。
0177
(2)用于算出研究开发战略评价值(R&D)的权重大的指标是，
作为0.2351的「研究开发费比率α」，
作为0.2117的「发明者1人平均研究开发费」，
作为0.0648的「发明者1人平均申请权利要求数」。
还有，作为权重成为绝对值大的负值的指标有，
作为-0.2228的「专利申请生产率」。
0178
(3)用于算出专利战略评价值(patentl)的权重大的指标是，
作为0.7769的「发明者1人平均申请权利要求数」，
作为0.1425的「1件申请平均权利要求数」，
作为0.0626的「专利申请生产性」。
0179
(4)用于算出知识财产战略经营(black)的权重大的指标是，
作为0.3285的「MVA」，
作为0.2704的「PBR」，
作为0.1199的「发明者1人平均申请权利要求数」，
作为0.0540的「销售额营业利润率」，
作为0.0454的「全要素生产性」。
0180
(2-2-3-5-3.排序)
图27至图31表示的是通过上述协方差构造分析而对「知识财产 战略经营企业」进行评价所得的企业排序的一览表。图27表示的是由 「知识财产战略经营企业」的综合评价排序和与「财务·收益力」因 子、「研究开发投入倾向」因子及「专利战略」因子有关的各个企业得 分构成的一览表。另外，「知识财产战略经营企业」的综合评价排序是 算出全体的「综合得分」，进行把各个最高分的企业设为1 00点或者1 000 点的规格化，把各企业的「综合得分」按高的顺序排列显示。
0181
图28至图31表示的一览表中，按上述3个外部指标及构成各个 因子的各指标每个，分别刊载了企业排序。这样，在协方差构造分析 中，不但可以作成表示企业全体的综合评价的排序，而且可以作成表 示每个因子的多方面的评价的企业排序。
0182
再有，不但能按每个因子进行企业评价，而且能按行业或按产品 进行企业评价。再有，还可以进行国际专利分类(IPC)中按部、按大类、 按小类及按大组的企业评价、按美国专利分类(UPC)或是美国标准产业 分类(SIC)的企业评价。
0183
例如，图32B和图33B表示的是对属于电机业界的企业按任意的 IPC小组而保有的专利，基于表示专利特性的多个指标进行评价，把其 结果作为企业排序来表示的东西。采用这样的企业评价方法，就可以 更详细且更精致地评价各企业的潜在性价值。
0184
另外，图32A及图33A表示的是根据图32B和图33B表示的企业 排序而作成的散布图的一个例子。例如，图32A表示的是对电机业界 主要4公司在任意的IPC小组中保有的专利，基于「权利化意欲」和 「总有效专利件数份额」这2个指标进行评价，把所得的结果作为因 子得分进行绘制而表示的散布图的一个例子。同样，图33A表示的是 对电机业界主要4公司在任意的IPC小组中保有的专利，基于「其他 公司牵制力」和「总有效专利件数份额」这2个指标进行评价，把所 得的结果作为因子得分进行绘制而表示的散布图的一个例子。采用图 32A及图33A所示的散布图，就可以对于各企业保有的专利按技术领 域进行比较，或者进行与其他竞争公司的比较。再有，也可以与上述 手续相反，例如，把图32A及图33A中绘制的因子得分进行相加合计， 按各象限的区域预先设定得分，对在各个范围绘制的小点的数进行合 计。这样也可以按IPC小组，并且按表示专利特性的多个指标每个， 作成企业排序。
0185
图34表示的是表示为知识财产战略经营企业的评价而进行协方 差构造分析的结果的路径图的另一个例子。
0186
与图25一样，在图34中也是，知识财产战略经营模型表示「财 务·收益力」因子(经营)、「专利战略」因子(patent)、「研究开发投入倾 向」因子(R&D)这3个战略关联起来的构造。基于同模型可以看出，进 行「知识财产战略经营企业」(black)的评价的结果，各因子对「知识财 产战略经营企业」模型(black)的影响力(贡献率)分别是，「财务·收益 力」因子约28％，「研究开发投入倾向」因子(R&D)约25％，「专利战 略」因子(patent)为36％。
0187
与图25一样，在图34中也是，从外部评价「知识财产战略经营 企业」的指标是「MVA(时价总额和股东资本的差额)」、「PBR(股价净 资产倍率)」(市场评价指标)及「全要素生产性」这3个。在这里，「知 识财产战略经营企业」设定为在这3个外部指标与「财务·收益力」 因子、「研究开发投入倾向」因子及「专利申请战略」因子之间存在的 潜在因子。
0188
在图34中，作为构成「财务·收益力」因子的指标，模型适合度 最高的是「专利收益性δ 」、「设备投资效率」、「有息负债比率」及「销 售额营业利润率」这4个。其次，作为构成「研究开发投入倾向」因 子的指标，模型适合度最高的是「发明者1人平均研究开发费」、「研 究开发费比率α」及「专利申请生产性」这3个。最后，作为构成「专 利战略」因子的指标，模型适合度最高的是「1件申请平均权利要求数」、 「发明者1人平均申请权利要求数」、「专利多边化指数」、「规格化竞 争力指数」这4个。各个指标的定义及算式如图4至图9的一览表所 示。
0189
(2-2-4.其他企业评价方法)
如上所述，在本发明的实施方式中，作为进行企业评价的方法， 说明了选择指标进行主成分分析的方法、进行因子分析和重回归分析 之后进行主成分分析的方法、进行协方差构造分析的方法这3个方法。 可是，进行企业评价的方法不限于上述方法。例如，也可以不进行因 子分析而进行重回归分析，选择了对目的变量的贡献率高的指标之后， 进行主成分分析。还有，作为其他企业评价的方法，可以采用线性计 划法、非线性计划法等。这样就能基于多个企业评价方法，作成多个 种类的企业排序。因此，可以根据不同的视点，作成成为多个股票公 文包编入品种候补的企业群。
0190
(2-3.股票公文包编入品种企业的选择)
再返回到图3，其次，在步骤S14中，为了选择股票公文包编入 品种企业，从以步骤S13的企业评价为基础的综合排序中选择N个企 业(以下简称N公司)。作为N公司的选择方法，有(1)单纯选出排序的 上位N公司的方法，(2)选出主成分1的标准化得分为1以上的企业的 方法，(3)选出主成分1及主成分2的标准化得分为2以上的企业的方 法，(4)把基于企业评价的综合排序和其他企业评价因子的排序的差异 超过给定的范围的企业作为过高/过低评价企业来选出的方法等。
0191
(2-3-1.过高/过低评价企业的提取)
在这里基于图35具体地说明(4)的方法。首先，在步骤S301中进 行协方差构造分析，在步骤S303中算出「专利战略」因子、「研究开 发投入倾向」因子、「知识财产战略经营企业」因子各自的因子得分。 并且，在步骤S305中算出过高/过低评价企业。对于步骤S301和303 已经进行了说明，因而在这里省略说明。因此首先说明第1过高/过低 评价企业。
0192
用下列的式算出通过图23以后说明了的协方差构造分析而算出 了的各企业的得分中的各企业的「专利战略」因子得分和「知识财产 战略经营」因子得分的得分差。
(因子得分差)＝(「专利战略」因子得分)-(「知识财产战略经营」 因子得分)…(式30)
把因子得分差为正值的企业中的按绝对值大的顺序的例如上位20 家企业作为第1过低评价企业。可以期待，因子得分差的正值大的企 业是与市场中的评价相比，潜在性竞争力高的企业。还有，把因子得 分差为负值的企业中的按绝对值大的顺序的例如下位20家企业作为第 1过高评价企业。可以假定，因子得分差的负值大的企业是与市场中的 评价相比，潜在性竞争力低的企业。
0193
其次，说明第2过高/过低评价企业。
在这里，把通过协方差构造分析而算出了的各企业的得分中的各 企业的「专利战略」因子得分、「研究开发投入倾向」因子得分及「知 识财产战略经营」因子得分分别进行标准化，作为各企业的标准化「专 利战略」因子得分、标准化「研究开发投入倾向」因子得分及标准化 「知识财产战略经营」因子得分，进行过高/过低评价企业的提取。进 行标准化的话平均值就成为0，因而就能把成为测量对象的企业的算出 值和平均值的大小关系作为正负的关系来表示。
0194
其次，算出各企业的标准化「专利战略」因子得分和标准化「研 究开发投入倾向」因子得分的和，算出跟全企业的平均值的大小关系。 在此场合，如上所述进行了因子得分的标准化，因而平均值成为0，因 子得分的和成为正或负的值。
然后，其次算出各企业的标准化「知识财产战略经营」因子得分， 算出跟全企业的平均值的大小关系。在此场合也是，进行了因子得分 的标准化，因而平均值成为0，各企业的标准化「知识财产战略经营」 因子得分成为正或负的值。
0195
在这里，把尽管「专利战略」因子得分和「研究开发投入倾向」 因子得分的和超过全企业的平均值，但「知识财产战略经营」因子得 分低于全企业的平均值的企业作为第2过低评价企业。在此场合，标 准化「专利战略」因子得分和标准化「研究开发投入倾向」因子得分 的和为正，同时标准化「知识财产战略经营」因子得分为负的企业成 为第2过低评价企业。用式子表示以上情况的话，如下列的式31所示。
(标准化「专利战略」因子得分)+(标准化「研究开发投入倾向」因 子得分)>0(平均值)
且(标准化「知识财产战略经营」因子得分)<0(平均值)…(式31)
0196
另一方面，把尽管「专利战略」因子得分和「研究开发投入倾向」 因子得分的和低于全企业的平均值，但「知识财产战略经营」因子得 分超过全企业的平均值的企业作为第2过高评价企业。在此场合，标 准化「专利战略」因子得分和标准化「研究开发投入倾向」因子得分 的和为负，同时标准化「知识财产战略经营」因子得分为正的企业成 为第2过高评价企业。用式子表示以上情况的话，如下所示。
(标准化「专利战略」因子得分)+(标准化「研究开发投入倾向」因 子得分)<0(平均值)
且(标准化「知识财产战略经营」因子得分)>0(平均值)…(式32)
0197
根据以上情况，在步骤S307中进行第一次股票公文包编入品种候 补的选择。具体而言，给出第1过低评价企业或第2过低评价企业， 或者两企业群的组合，将其作为第一次股票公文包编入品种选择候补， 从中选择78家股票公文包编入品种企业。
或者，也可以给出作为第1过高/过低评价企业而提取了的企业群 或作为第2过高/过低评价企业而提取了的企业群，或者两企业群的组 合，将其作为第一次股票公文包编入品种选择候补，从中选择股票公 文包编入品种企业。
这样，除了选定过低评价企业之外，也一并选定其相反的所谓过 高评价企业，就能使公文包具有风险规避功能。
0198
图36及图37表示的是过低评价企业及过高评价企业的第一次股 票公文包编入品种选择候补的一览表。图中表示的「过低评价企业提 取基准」及「过高评价企业提取基准」的栏中包含「过低1」、「过低2」、 「过低12」及「过高1」、「过高2」、「过高12」这样的表记。其中，「过 低1」表示作为第1过低评价企业被提取了的企业，「过低2」表示作 为第2过低评价企业被提取了的企业。还有，「过低12」表示由第1过 低评价企业及第2过低评价企业双方提取了的企业。另一方面，「过高 1」表示作为第1过高评价企业被提取了的企业，「过高2」表示作为第 2过高评价企业被提取了的企业。还有，「过高12」表示由第1过高评 价企业及第2过高评价企业双方提取了的企业。还有，一览表是从(「专 利战略」因子得分)-(「知识财产战略经营」因子得分)的因子得分差 的值大的企业按降序排列记载的。
0199
另外，在本发明的实施方式中，作为第一次股票公文包编入品种 选择候补，对过低评价企业选择了78公司，对过高评价企业选择了41 公司。
0200
(2-3-2.编入品种企业的选定)
股票公文包编入品种企业的选择，如步骤S309所示，也可以对于 各企业算出按企业专利评价指数，基于此按企业专利评价指数的算出 结果来进行。
更优选的是，在上述第一次股票公文包编入品种选择候补中，基 于上述按企业专利评价指数的算出结果，把一定数的企业从第一次股 票公文包编入品种候补中除掉。结果，给出成为除掉的对象外的剩余 的企业群，将其作为编入推荐企业，优先作为股票公文包编入品种企 业。进行这样的剔除，就能把按企业专利评价指数所涉及的评价高的 企业优先编入到股票公文包中。
作为上述第一次股票公文包编入品种选择候补，在除了选定上述 「过低评价企业」之外，也选定上述「过高评价企业」的场合，把上 述「过低评价企业」中的上述按企业专利评价指数比给定值「低的」 企业除掉，并且反过来把上述「过高评价企业」中的上述按企业专利 评价指数比给定值「高的」企业除掉，把剩余的作为编入推荐企业。 这样，采用与对过低评价企业的剔除相反的评价方法进行对过高评价 企业的剔除，就能强化公文包的风险规避功能。
在这里，采用按企业专利评价指数的理由是，可以把各企业保有 的专利与其他公司专利进行比较，从而导出本公司的所在位置，同时 也考虑本公司内的技术开发领域的集约程度，从而附加第一次股票公 文包编入品种候补的选择时未考虑的专利信息之后，进行各企业的潜 在增长性的评价，再进行过高/过低评价企业的提取。
0201
首先，从取得了的知识资产关联指标等企业评价指标数据中提取 全企业的专利申请数据。由此算出各种专利申请件数。
具体而言，最初，在算出专利申请件数时，提取能得到的最新年 度的专利申请数据。专利公开公报的发行时期是从专利申请日起1年6 月，所以最新年度的专利申请数据的可得到时期是从现时点起3年度 前。因而从现时点起3年度前的年度成为可得到的最新年度，把此最 新年度定义为本期。
0202
其次，算出各种专利申请件数。首先，第1，算出本期按IPC小 类全企业专利申请件数。然后，第2，算出本期按企业总专利申请件数。 然后，第3，算出本期按企业按IPC小类专利申请件数。
0203
接着，第4，算出(本期-1)年度(以下称为「前期」)按IPC小类全 企业专利申请件数。然后，第5，算出前期按企业按IPC小类专利申请 件数。采用这5种专利申请件数的算出结果，以下算出按企业专利评 价指数。
0204
最初，对于各企业的总累计专利申请件数上位3IPC小类算出修正 专利申请相对份额的平均值。在这里，修正专利申请相对份额是指把 各IPC小类的累计专利申请件数全体中各企业的专利申请件数占的单 纯相对份额以超过增长率进行加权、修正所得的东西。在这里，超过 增长率是指表示各IPC小类中的全企业的增长率所对的各企业的增长 率的超过的程度的东西。它是添加各企业从现在到将来的增长性这样 的时间性要素，从而与单纯相对份额相比，增强先行指数性要素的东 西。
0205
首先，把专利申请件数的本期按企业按IPC小类专利申请件数中 的以专利申请件数多的顺序来看的按上位3个IPC小类专利申请件数 对于各企业加以提取。这是为了对于各企业的总累计专利申请件数上 位3个IPC小类算出按企业专利评价指数，从而假定各企业保有的技 术性特征集约于上位3个IPC小类中而更能强调企业的技术性特征。
0206
其次，对于提取了的上位3个IPC小类算出本期按IPC小类全企 业专利申请件数。然后，把本期按企业按IPC小类专利申请件数除以 本期按IPC小类全企业专利申请件数，从而算出按上位3个IPC小类 专利申请件数的单纯相对份额。用式子表示以上情况的话，则如下所 示。
按上位3IPC小类单纯相对份额＝本期按企业按IPC小类专利申请 件数/本期按IPC小类全企业专利申请件数
0207
其次，按上位3个IPC小类算出各企业的超过增长率。具体而言， 第一，按上位3个IPC小类算出各企业的增长率。在算出各企业的增 长率时，首先，把本期按企业按IPC小类专利申请件数以前期按企业 按IPC小类专利申请件数加以扣除，从而算出2期间的专利申请件数 的增减值。其次，把算出了的2期间的专利申请件数的增减值除以前 期按企业按IPC小类专利申请件数，从而算出2期间的专利申请件数 的增长率。给出这样算出了的2期间的按IPC小类的各企业的专利申 请件数的增长率，作为各企业的增长率。
用式子表示以上情况的话，则如下所示。
各企业的增长率＝(本期按企业按IPC小类专利申请件数一前期按 企业按IPC小类专利申请件数)/前期按企业按IPC小类专利申请件数
0208
第二，按上位3个IPC小类算出全企业的增长率。在算出全企业 的增长率时，首先，把本期按IPC小类全企业专利申请件数以前期按 IPC小类全企业专利申请件数加以除扣，从而算出2期间的专利申请件 数的增减值。其次，把算出了的2期间的专利申请件数的增减值除以 前期按IPC小类全企业专利申请件数，从而算出2期间的专利申请件 数的增长率。给出这样算出了的2期间的按IPC小类的全企业的专利 申请件数的增长率，作为全企业的增长率。用式子表示以上情况的话， 则如下所示。
全企业的增长率＝(本期按IPC小类全企业专利申请件数-前期按 IPC小类全企业专利申请件数)/前期按IPC小类全企业专利申请件数
0209
第三，按上位3个IPC小类算出各企业的超过增长率。在算出各 企业的超过增长率时，把各企业的增长率以全企业的增长率加以扣除， 从而算出全企业的增长率所对的各企业的增长率的增量。此增量的值 成为按上位3个IPC小类的各企业的超过增长率。用式子表示以上情 况的话，则如下所示。
各企业的超过增长率＝各企业的增长率-全企业的增长率
如果此增量的值为正，就表示各IPC小类中的各企业的增长率超 过该IPC小类的全体性的增长率。反过来，如果增量的值为负，就表 示各IPC小类中的各企业的增长率低于该IPC小类的全体增长率。
0210
把这样算出了的上位3IPC小类单纯相对份额以各企业的超过增 长率进行加权，从而算出各企业的修正专利申请相对份额。具体而言， 是对按上位3IPC小类单纯相对份额乘以对各企业的超过增长率加1所 得的值来算出。对各企业的超过增长率加1是因为能在各企业的超过 增长率的值为正或负的场合都能通过加1而防止成为负的值，通过加 权能避免按上位3IPC小类单纯相对份额的值从正向负转换。用式子表 示以上情况的话，则如下所示。
按上位3IPC小类修正专利申请相对份额＝按上位3IPC小类单纯相 对份额×(1+超过增长率)
0211
并且，从按上位3IPC小类算出了的本期修正专利申请相对份额的 值得到唯一的值，从而算出上位3IPC小类本期平均修正专利申请相对 份额。具体而言，是把按上位3IPC小类算出了的修正专利申请相对份 额的值除以作为上位3IPC小类的IPC小类数的3，从而算出平均值来 求得。给出以上次序，求得与各企业的总累计专利申请件数上位3IPC 小类有关的修正专利申请相对份额平均值。
0212
其次，算出各企业的专利集中度。专利集中度是指算出各企业的 给定期间的总专利申请件数中每个IPC小类占的专利申请件数份额， 采用它来测量该企业的技术开发领域的集中·多边化程度的指标。
0213
首先，算出各企业的按IPC小类专利申请件数份额。具体而言， 是把各企业的本期按企业按IPC小类专利申请件数除以本期按企业总 专利申请件数来算出。用式子表示的话，则如下所示。
按企业按IPC小类专利申请件数份额＝本期按企业按IPC小类专利 申请件数/本期按企业总专利申请件数
0214
其次，把算出了的按企业按IPC小类专利申请件数份额的值进行 平方。再把平方了的按企业按IPC小类专利申请件数份额对于各企业 进行了专利申请的全部IPC小类进行算出之后，把他们全部相加所得 的合计值作为各企业的专利集中度来算出。在这里，不是把按企业按 IPC小类专利申请件数份额的值单纯相加，而是把平方了的值进行相加 的理由是，为降低哪个IPC小类都很浅地但广泛地进行专利申请的企 业的值，提高在特定的IPC小类中进行集中专门化的专利申请的企业 的值，使之反映该结果。用式子表示以上情况的话，则如下所示。
按企业专利集中度＝∑(按企业按IPC小类专利申请件数份额)2
0215
最后，对与各企业的总累计专利申请件数上位3个IPC小类有关 的修正专利申请相对份额平均值乘以专利集中度，从而算出按企业专 利评价指数。在按企业专利评价指数中，对修正专利申请相对份额平 均值乘以专利集中度，从而消去企业规模的大小原样按值的大小来反 映的影响度。
用式子表示以上情况的话，则如下列的式33所示。
按企业专利评价指数＝按企业专利申请件数上位3IPC小类修正专 利申请相对份额平均值×专利集中度…(式33)
0216
再有，在步骤S311中，基于按上述方式算出了的企业专利评价指 数，把一定数的企业从第一次股票公文包编入品种候补中除掉。首先， 从第一次股票公文包编入品种候补中的过低评价企业群中，除掉按企 业专利评价指数为5以下的企业。还有，从第一次股票公文包编入品 种候补中的过高评价企业群中，除掉按企业专利评价指数为5以上的 企业。并且，把去除了成为从第一次股票公文包编入品种候补中除掉 的对象的除掉企业所得的剩余的企业群作为第二次股票公文包编入品 种候补。
0217
图38及图39表示的是过低评价企业及过高评价企业的第二次股 票公文包编入品种选择候补的一览表。图中表示的「过低评价企业提 取基准」及「过高评价企业提取基准」的栏中包含「过低1」、「过低2」、 「过低12」及「过高1」、「过高2」、「过高12」这样的表记。这些表 记的意思如与图36及图37的第一次股票公文包编入品种选择候补的 一览表有关的说明中叙述了的。
还有，从(「专利战略」因子得分)-(「知识财产战略经营」因子 得分)的因子得分差的值大的企业起按降序排列而记载一览表这一点也 与图36及图37的第一次股票公文包编入品种选择候补的一览表一样。 再有，在图38及图39中，记载了对于各企业算出按企业专利评价指 数所得的值。其中，就图38的过低评价企业而言，是把按企业技术评 价指数的值为5以上的企业记载在第二次股票公文包编入品种选择候 补的一览中，把按企业技术评价指数的值为5以下的企业记载在除掉 企业群的一览中。还有，就图39的过高评价企业而言，是把按企业技 术评价指数的值为5以下的企业记载在第二次股票公文包编入品种选 择候补的一览中，把按企业技术评价指数的值为5以上的企业记载在 除掉企业群的一览中。
0218
再有，按企业专利评价指数也可以设为，
该企业的全IPC小类修正专利申请相对份额平均值×专利集中 度…(式34)。
在这里「该企业的全IPC小类修正专利申请相对份额平均值」是 把评价对象企业的专利申请按IPC(国际专利分类)的小类及申请时期进 行分类，对于在各期中评价对象企业进行了专利申请的全部IPC小类， 算出各IPC小类的修正专利申请相对份额
(相对份额)×[1+(超过增长率)]
＝(相对份额)×[1+(增长率)-(全企业的增长率)]， 算出其平均值所得的东西。
0219
还有，按企业专利评价指数也可以是添加「优势专利比率」所得 的指数。此「优势专利比率」是指以采用包含被异议申述比率、其他 公司引用次数比率及不服裁判件数比率在内的经过信息而算出的每个 个别专利的其他公司牵制力及权利化意欲程度为基础的各企业保有的 专利全体中优势专利占的比例。
0220
为算出「优势专利比率」，首先，设定评价对象企业的某IPC小类 的专利申请件数(N)作为母集团(P)。然后，把按企业按IPC小类的专利 申请件数(N)全体中优势专利占的比例作为母比率。与此相对，把给出 从经过信息中获得的被异议申述比率、其他公司引用次数比率及不服 裁判件数比率等而测得的按企业按IPC小类的专利申请件数全体中优 势专利占的比例作为标本比率(p)。因为构成上述母比率(P)的真的优势 专利的比例不能测量，所以给出标本比率(p)来推定此母比率(P)。具体 而言，进行对母比率(P)的区间推定，设为信赖度95％的信赖区间，求 得
p-1.96√p(1-p)/专利申请件数(N)≤P≤p+1.96√p(1-p)/专利申 请件数(N)
作为对母比率(P)的信赖区间。给出此信赖区间的下限值p-1.96 √p(1-p)/专利申请件数(N)，将其定义为「最小贴水」。然后，给出从 各IPC小类的最小贴水中除去0所得的值的平均值，将其定义为「平 均最小贴水」。也可以添加此「平均最小贴水」而算出按企业专利评价 指数。
还有，按企业专利评价指数也可以是添加「优势专利比率」所得 的指数。此「优势专利比率」是以采用包含被异议申述比率、其他公 司引用次数比率及不服裁判件数比率在内的经过信息而算出的每个个 别专利的其他公司牵制力及权利化意欲程度为基础的各企业保有的专 利全体中优势专利占的比例。
0221
另外，在这里是除掉上述第一次股票公文包编入品种选择候补中 的根据式33或式34算出的指数比给定值低的企业，选定剩余的作为 编入推荐企业，不过，不限于此。
例如，对于上述第一次股票公文包编入品种选择候补，也可以采 用由上述式33或式34算出了的指标和包含其他知识资产关联指标在 内的给定数的指标进行主成分分析，基于每个企业的主成分得分来选 定编入推荐企业。
还有，对于上述第一次股票公文包编入品种选择候补，也可以采 用由上述式33或式34算出了的指标和包含其他知识资产关联指标在 内的给定数的指标进行因子分析，基于提取了的因子来集约指标，采 用提取了的因子和收益关联指标进行重回归分析，选择表示对收益关 联指标在统计上显著的因子的企业评价指标之后，进行主成分分析， 基于每个企业的主成分得分来选定编入推荐企业。
还有，对于上述第一次股票公文包编入品种选择候补，也可以采 用由上述式33或式34算出了的指标和包含其他知识资产关联指标在 内的给定数的指标作为观测变量而进行协方差构造分析，选定编入推 荐企业。
这些选择方法被预先编入程序中，可以自动地或通过利用者的选 择来执行。在本发明的第1实施方式中，是从图13至图14表示的排 序中分别选择上位10公司及20公司。
0222
(2-4.第1投资比率的选定)
其次，在步骤S15中，进行选择了的股票公文包编入品种企业所 对的股票的投资比率的选定。图4035表示的是表示投资比率选定的处 理次序的流程图。首先在步骤S151中，从内部数据库30A取得股票公 文包编入品种企业数据。
0223
(2-4-1.参数的导出)
然后，在步骤S152中，选定标数，取得公开了的标数的值变动数 据。在这里，标数是指表示市场全体的动向的股价标数。标数例如有 日经平均、TOPIX、S&P500等。图41表示的是表示选定了的标数*的 值变动数据的集合{TD*}的一览表。在本发明的实施方式中，取得了过 去2年间的值变动数据，不过，取得数据的期间不限于此，可以设定 任意的期间。
0224
接着，在图40的步骤S153中，算出标数的期待回报和风险。在 这里，期待回报是指可期待从投资中获得的收益率。一般而言，把资 产x的收益率设为Rx的话，由期待回报E(Rx)来表示。在这里期待回 报可以采用对根据一定期间的标数的价额动向而决定的收益率进行平 均的方法来算出。作为具体的算出法，有概率密度所涉及的算术平均 法、最近几年来的加权了的加权算术平均法、几何平均法、移动平均 法等，可以按照市场动向等而采用其中恰当的方法。在本发明的实施 方式中，选择其中的最近几年来的加权了的加权算术平均法。再有， 风险一般是指不能实现价值的可能性，而其中，投资的风险由期待回 报的变动性来测，采用方差作为尺度进行测量。风险的值由作为方差 的正的平方根的标准差(σ)来表示。图41表示标数*的期待回报E(R*) 和风险σR*。
0225
其次，在步骤S154中，按构成股票公文包编入品种的个别企业的 每个股票(以下称为「个别品种」)，取得值变动数据。图42表示的是 表示个别品种i(i＝1…N。在这里N是选择企业数。)的现实股价的值 变动数据的集合{TDi}的一览表。
0226
其次，在步骤S155中，按每个个别品种，算出以现实股价的值变 动为基础的超过回报(α)、感应度(β)及残差(ε)。在这里，超过回报(α) 是指表示个别品种的收益率超过或是低于标数的收益率为多少的东 西。感应度(β)是指表示标数的值变动所对的个别品种的股价的值变动 的关系的系数。残差( ε)是指基于成为个别品种的对象的企业独自的要 因而发生的值。
0227
每个个别品种的αi、βi、εi(i＝1…N)的算出是通过图42表示 的个别品种的值变动数据{TDi}和图41表示的标数*的值变动数据 {TD*}的比较分析来进行。还有，在本发明的实施方式中，比较分析是 基于回归分析来进行的。图43表示的是表示算出了的αi、βi、  εi的 值的图表。图43的图表中输出表示了「回归统计」、「方差分析表」、「残 差输出」及「概率」这4种表和「观测值坐标图」及「正则概率坐标 图」这2个坐标图。
0228
(2-4-2.理论股价的算出)
其次，在步骤S156中，算出每个个别品种的理论股价。在这里算 出理论股价的目的是，采用研究开发费关联指标及知识资产关联指标 来算定合理地反映了企业的潜在性竞争力的股价，补正每个个别品种 的参数。由此，使更恰当的期待回报和风险的推定成为可能。本发明 的实施方式中的理论股价是对从通过事业活动而获得的利润中扣除了 资金提供者要求的回报所得的剩余利润的现在价值的总和，加上企业 的自有资本，把所获得的额作为推定时价总额，把该推定时价总额除 以已发行股票总数，从而求得。图44表示的是表示算出理论股价的处 理次序的流程图。首先，在步骤S1561中，从内部数据库30A取得选 择了的股票公文包编入品种企业的评价用指标数据及股价数据等。
0229
其次，在步骤S1563中，采用取得了的企业评价指标关联数据来 算出税后总事业利润理论值。在这里，总事业利润是指对把进行费用 处理后的研究开发费回补到营业利润中而求得的利润额，加上专利等 专有权使用费收入所得的东西。不采用营业利润而采用总事业利润的 理由是，第一，为了把握研究开发费扣除前企业确保了的利润。第二， 为了取入研究开发的结果所生出的专利等知识资产所涉及的收益，从 而适当地评价企业的潜在性竞争力，并且把握该潜在性竞争力是如何 与显在性竞争力、收益系结的。
0230
图45表示的是表示用于算出税后总事业利润理论值的处理次序 的流程图。首先，在步骤S15631中，从内部数据库30A取得包含知识 资产关联指标在内的企业评价指标关联数据。
0231
其次，在步骤S15633中，进行是否进行因子分析处理的选择。在 选择进行因子分析处理的场合，在步骤S15635中，进行与取得了的指 标数据有关的因子分析，提取主要的因子。然后，按提取了的每个因 子来集约各指标。就因子分析的处理次序而言，与进行成为股票公文 包编入品种候补的企业的评价的过程中进行的手续一样，因而省略说 明。图46表示的是表示因子分析结果的一览表。进行因子分析的结果 是提取了因子1(知识资产储备)、因子2(生产性)及因子3(专利·技术的 集中)这3个因子。
0232
在图45的步骤S15637中，把在因子分析处理中提取了的因子作 为说明变量，采用作为收益关联指标的ROA·β作为目的变量，进行 重回归分析。在这里，ROA·β是指各企业在各年度生出的总事业利 润对总资产的比率。ROA·β的算式如下列的式35所示。
ROA·β＝总事业利润/总资产…(式35)
另外，用作目的变量的收益关联指标不限于ROA·β，而是可以 按照分析的目的、性质而采用任意一个收益关联指标。
0233
另外，就与偏回归系数和标准偏回归系数的算出、t值所涉及的各 系数的检验及采用了自由度调整完毕决定系数R2＇的重回归方程式的 适合度的检验有关的处理次序而言也是，与进行成为股票公文包编入 品种候补的企业的评价时进行的手续一样，因而省略说明。图46及图 47表示的是表示重回归分析处理的结果的一览表和关系图。如图47所 示，进行重回归分析的结果，统计上显著的因子是因子1(知识资产储 备)和因子2(生产性)。还有，各个因子对ROA·β的贡献率是，因子 1(知识资产储备)为60.79％，因子2(生产性)为39.21％。
0234
接着，在图45的步骤S15639中，算出ROA·β的理论值。为此， 首先，导出把对ROA·β的贡献率高的因子1(知识资产储备)和因子 2(生产性)作为独立变量，把用作目的变量的ROA·β作为从属变量的 回归直线。图48表示的是表示因子1及因子2和ROA·β的关系的回 归直线的坐标图。ROA·β的理论值由此回归直线上的点来求得。
0235
另外，在步骤S15633中不进行因子分析的场合，基于在步骤 S15631中取得了的指标数据，在步骤S15637中进行重回归分析。在此 场合，选择对目的变量ROA·β贡献率高的指标，把选择了指标作为 独立变量，把ROA·β作为从属变量而导出回归直线。还有，步骤 S15639的算出ROA·β理论值的方法不只限于因子分析、重回归分析。 例如，也可以采用协方差构造分析来算出ROA·β的理论值。
0236
其次，在步骤S15641中，算出总事业利润理论值。总事业利润理 论值是对ROA·β的理论值往回乘以企业的总资产来求得。
0237
其次，在步骤S15643中，算出应该从总事业利润理论值中扣除的 研究开发费的值。现在，研究开发费作为会计上费用而被统一计入。 不过，研究开发是以此后的企业化·产品化所涉及的收益的扩大作为 目的而进行的。由此看来，对企业的收益有贡献的研究开发费的部分 不应当看作费用而应当看作资产。因此，对研究开发的资金的投入不 应当看作费用而应当看作资产，对于未完成作为资产的功能的损失部 分，与其他固定资产一样，作为每年的折旧费用来算出。然后，扣除 算出了的折旧费用，从而把剩余的研究开发费(折旧后研究开发费)作为 资产来算出。作为此折旧费用的算出方法，第一，有以测量作为输入 而投入了的研究开发资金在输出上生出怎样的知识资产，而且该资产 导致什么样的成果的宏观企业评价为基础的方法。还有，作为第二算 出方法，有以按每个企业进行申请件数、其申请内容的详细分析，把 专利·技术开发竞争市场中的该企业的竞争力指数化，推测其技术开 发特性的微观专利信息分析为基础的方法。另外，在本发明的实施方 式中，假定不发生研究开发中伴随的损失，不进行折旧费用的扣除。
0238
其次，在步骤S15645中，算出营业利润理论值。另外，这里的营 业利润理论值是包含专利费等专有权使用费收入在内的值的理论值。 营业利润理论值是从总事业利润理论值中扣除在步骤S15643中算出了 的研究开发费来求得。在本发明的实施方式中，从总事业利润理论值 中扣除了计入费用的研究开发费全额。图45表示的是表示包含特定企 业的按年度的ROA·β、总事业利润及专利费等专有权使用费收入在 内的营业利润的实绩值及理论值的算出结果的一览表。
0239
其次，在步骤S15647中，算出税后营业利润理论值。税后营业利 润理论值是从包含专利费等专有权使用费收入在内的营业利润理论值 中扣除法人税来求得。具体而言，如下列的式36所示。
税后营业利润理论值＝营业利润理论值(包含专利费等专有权使用 费收入)×(1-法人税率)…(式36)
0240
最后，在步骤S15649中，算出税后总事业利润理论值。税后总事 业利润理论值是对税后营业利润理论值加上在步骤S15643中算出了的 研究开发费来求得。另外，本发明的实施方式中的税后总事业利润理 论值采用了税后营业利润理论值(包含专利费等专有权使用费收入)及 研究开发费的3期平均值。不过，所采用的期间的长度不限于此，而 是可以任意设定。
0241
算出税后总事业利润理论值之后，再次返回到图44，在步骤S1565 中，算出企业的投下资本成本。投下资本成本是基于加权资本成本 (WACC)来算出。加权资本成本(WACC)是指Weighted Average Cost Of Capital的简称，表示资金提供者要求的最低限度的回报的额。还有， 加权平均是指把作为企业的资金筹措源泉的负债和股东资本各自产生 的成本以筹措额进行加权、平均化。WACC的计算式如下列的式37所 示。
投下资本成本(WACC)＝有息负债的市场价值/企业的市场价值× 负债成本×(1-法人税率)+股票的市场价值/企业的市场价值×股东资 本成本…(式37)
另外，算出资本成本的手法不限于上述式37。例如，也有把企业 的运转资本和有形固定资产相加所得的值乘以WACC来算出的方法。 这些手法可以按照分析的目的、对象的性质而任意选择。
0242
其次，在步骤S1567中，从税后总事业利润理论值中扣除在步骤 S1565中算出了的投下资本成本而算出理论经济性超过利润。在这里， 理论经济性超过利润是指从税后总事业利润理论值中扣除投下资本成 本之后的剩余利润的理论值。理论经济性超过利润的算式如下列的式 38所示。
理论经济性超过利润＝税后总事业利润理论值(3期平均值)-投下 资本成本…(式38)
0243
其次，在步骤S1569中，算出折扣率。折扣率是指用于把企业的 将来收益往回计算到现在的价值上的利息的一种。折扣率是采用资本 资产评价模型(CAPM)来算出。资本资产评价模型(CAPM)是指Capital Asset Pricing Model的简称，是表示在风险资产和期待收益率之间存在 使供求达到均衡的数量性关系的模型。CAPM是把从股市的收益率中 扣除无风险资产的无风险比率所得的值乘以表示个别企业的股票变动 幅度的系数(β)而获得的值和无风险资产的无风险比率相加来算出。 CAPM的算式如下列的式39所示。
折扣率(CAPM)＝无风险资产的无风险比率+β×(股市的收益率- 无风险资产的无风险比率)…(式39)
0244
其次，在步骤S1571中，把理论经济性超过利润除以折扣率而算 出理论市场附加价值。理论市场附加价值与将来期间的理论经济性超 过利润以现在价值加以折扣的总和相等。理论市场附加价值是与企业 的账外资产在市场中的评价额有关的理论值。即，理论市场附加价值 是企业的潜在性的市场价值和自有资本的差额，表示超过企业所投下 的资本而看作创造出来的价值。理论市场附加价值的算式如下列的式 40所示。
理论市场附加价值＝理论经济性超过利润/折扣率…(式40)
0245
其次，在步骤S1573中，算出企业的自有资本。自有资本是股东 资本即企业的净资产额，在本发明的实施方式中采用3期平均值。
0246
其次，在步骤S1575中，算出推定时价总额。推定时价总额是对 理论市场附加价值加上在步骤S1573中算出了的自有资本的3期平均 值来算出。推定时价总额的算式如下列的式41所示。
推定时价总额＝理论市场附加价值+自有资本(3期平均)…(式41)
0247
其次，在步骤S1577中，算出理论股价。理论股价是把算出了的 推定时价总额除以已发行股票总数来算出。理论股价的算式如下列的 式42所示。
理论股价＝推定时价总额/已发行股票总数…(式42)
另外，理论股价的算出方法不限于本发明的实施方式。例如，也 有从企业的将来收益以现在价值加以折扣所得的值中扣除负债额而算 出推定时价总额，将其除以已发行股票总数而算出理论股价的方法。 或者，也可以根据股票的红利来算出理论股价。这些方法可以按照理 论股价的算出目的、算出对象的性质而任意选择。另外，算出了的理 论股价存放在内部数据库30A中。
0248
其次，在步骤S1579中，把理论股价的算出结果与现实股价一起 显示在显示画面上。还有，根据需要，向打印机3 1输出理论股价的算 出结果和现实股价的值变动数据的一览表、坐标图。
0249
图50表示的是理论股价的算出结果的一览表。一览中表示了企业 名、年度、现实股价的实绩及理论股价。算出了的理论股价表示比现 实股价高的值的东西多。这是由于，不但采用经营·财务关联指标， 而且采用研究开发费关联指标及知识资产关联指标，评价了企业所创 出的知识资产的概要、知识资产对企业收益的贡献等，结果，算定合 理地反映了企业的潜在性竞争力的股价而获得的。根据此结果可以判 断，图50表示的给定的企业的现在股价很多都比该企业具有的潜在性 的企业价值便宜。还有，据此可以判断，如果该企业的基于主业的事 业活动以外的部分没有问题，则将来股价上升的希望大。
0250
(2-4-3.投资比率的决定)
再次回到图40表示的表示投资比率选定的处理次序的流程图。首 先，在步骤S157中，根据理论股价来补正基于现实股价而算出了的每 个个别品种的参数(α，β，ε)。在这里，使得个别品种i(i＝1…N) 的现实股价的值变动数据的集合{TDi}通过现在的理论股价、1年前的 理论股价、2年前的理论股价，或者与这些理论股价的集合值重叠，而 对现实股价乘以与时间系列相应的系数，求得理论股价的值变动数据 的集合{TDi}′。
0251
此后重新进行理论股价的值变动数据的集合{TDi}′和标数*的值变 动数据的集合{TD*}的比较分析。然后，按每个个别品种，算出理论超 过收益(αi′)、理论感应度(β′)及理论残差(ε′)。图51表示的是表示每 个个别品种的超过收益(α)、感应度(β)及残差(ε)和理论超过收益(α ′)、理论感应度(β′)及理论残差(ε′)的算出结果的一览表。
0252
另外，补正个别品种的参数的方法不限于上述东西。例如，也可 以算出理论股价之后，直接与标数进行比较，从而算出理论超过收益(α ′)、理论感应度(β′)及理论残差(ε′)。或者，也可以把基于现实股价而 算出了的超过收益(α)、感应度(β)及残差(ε)，不是根据理论股价来 补正，而是原样作为理论超过收益(α′)、理论感应度(β′)及理论残差(ε ′)。再有，作为其他补正方法，可以采用利用了理论股价的输入信息的 统计解析、非线性解析法等广泛的分析方法。
0253
其次，在步骤S158中，基于算出了的理论超过收益(α′)、理论感 应度(β′)及理论残差(ε′)来算出每个个别品种的期待回报和风险。首 先，个别品种的期待回报以E(Ri)(i＝1…N)来表示，基于以下的式43 来算出。
期待回报E(Ri)＝理论超过收益(α′)+理论感应度(β′)×标数*的回 报+理论残差(ε′)…(式43)
0254
接着，算出个别品种的风险。风险以σRi(i＝1…N)来表示，算出 个别品种的期待回报的方差σ2来求得。具体而言，如以下的式44所 示。
个别品种的方差σRi 2＝∑i＝1 N[{E(Ri)-E(R*)}2]/N-1…(式44)
另外，风险σRi是方差σRi 2正的平方根。
0255
其次，在步骤S159中，基于按每个个别品种而算出了的期待回报 和风险，算出股票公文包全体的期待回报和风险。首先，算出股票公 文包全体的期待回报。股票公文包全体的期待回报以E(Rp)来表示，基 于以下的式45来算出。
期待回报E(Rp)＝α′p+β′p×E(R*)…(式45)
在这里，α′p表示股票公文包全体的理论超过收益(α′)。β′p表示 股票公文包全体的理论感应度(β′)。E(R*)表示标数*的期待回报。股票 公文包全体的理论超过收益(α′)是把个别品种的α′以保有比率进行加 权平均所得的东西。还有，股票公文包全体的理论感应度(β′)是同样把 个别品种的β′以保有比率进行加权平均所得的东西。
0256
接着，算出股票公文包的风险。股票公文包全体的风险以σRp来 表示，算出股票公文包全体的方差σRD 2来求得。具体而言，如以下的 式46所示。
股票公文包全体的方差
$={{\beta \prime }_p}^2{{\sigma }_{R*}}^2+{{\Sigma }_{i=1}}^N\left({X_i}^2{{\sigma }_{\mathrm{ϵi}}}^2\right)$…(式46)
在这里，β＇p 2表示股票公文包全体的理论感应度(β′)的方差。σ R*2表示标数*的方差。xi(i＝1…N)表示个别品种的保有比率。σεi 2表 示个别品种的预想残差(ε′)的方差。另外，股票公文包全体的风险σ Rp 是方差σ RD 2正的平方根。
0257
此时，右边第1项是标数*的方差和股票公文包全体的β′的方差相 乘所得的东西，所以其值随标数的值变动而受到影响。与此相对，第2 项由个别品种的预想残差(ε′)的标准差(σεi)和个别品种的保有比率(X) 决定，与标数*的风险无关。因此，把右边第1项称为系统风险(市场风 险)，把第2项称为非系统风险(非市场风险)。即，股票公文包全体的 风险由标数*的值变动所引发的要素和股票公文包独自的事件所引发 的要素组成。
0258
其次，在步骤S160中，基于算出了的股票公文包的期待回报和风 险而导出效率性边界。具体而言，首先，在把股票公文包的期待回报 设为一定的场合，算出使风险最小化的股票公文包编入品种的保有比 率(以下称为「最小风险保有比率」)。接着，使股票公文包的期待回报 按各种值来变化，从而算出与各自的期待回报对应的最小风险保有比 率。然后，把这样获得的按期待回报的最小风险保有比率的集合作为 效率性边界来导出。在这里，「边界」是指公文包的外缘这样的意思， 表示在保有品种的所有组合及比率中，在同等的期待回报下不存在比 其风险小的组合及比率。
0259
其次，在步骤S161中，取得与无风险资产的无风险比率有关的数 据。在这里，无风险资产是指像国债那样确实的收益有保证的资产。 无风险比率是指无风险资产的回报。例如，在日本的场合，是成为长 期利息的指标的10年物的国债无风险比率，在美国的场合，是30年 债的无风险比率，成为无风险资产的无风险比率的指标。
0260
接着，在步骤S162中，导出资本市场线。资本市场线是指表示编 入了股票等风险资产和无风险资产所得的公文包的风险和回报的关系 的直线。资本市场线是首先把无风险资产的无风险比率作为定点，从 那里向着效率性边界引切线来导出。
0261
哪个投资家都不可能只以股票来保有金融资产，而是同时也保有 无跌价风险的安全的资产。为此，进行股票公文包的投资比率的选定 的意思决定和进行无风险资产和股票等风险资产的组合的投资比率的 选定的意思决定是完全分开进行的。结果，在效率性边界对投资家来 说最佳的公文包是在与资本市场线相接的一点决定的。这是除了导入 效率性边界之外还导入资本市场线的理由。
0262
其次，在步骤S163中，在效率性边界和资本市场线的切点处，决 定股票公文包编入品种的最佳保有比率。图52表示的是表示效率性边 界和资本市场线在切点处实现了最佳保有比率的例子的坐标图。
0263
以上是选定股票公文包的最佳投资比率的一般性的处理次序。不 过，在本发明的实施方式中是按每个股票公文包编入品种企业来算出 理论股价，从而合理地评价各企业的潜在性竞争力，补正参数(αi′、β i′、εi′)。结果，与现实股价比较了的理论股价的期待回报E(Ri)的值相 对地上升的可能性高。或者，或同时，与现实股价比较了的理论股价 的风险σRi的值降低的可能性高。
0264
因此，例如，如图53所示，在期待回报的上升和风险的降低一起 产生的场合，效率性边界从(1)到(2)向左上方移动。与此伴随，资本市 场线和效率性边界的切点也向左上方移动，股票公文包的最佳保有比 率被变更。还有，未图示，不过，在仅期待回报上升的场合，效率性 边界向上方移动。再有，在仅风险的降低发生的场合，效率性边界向 左方移动。并且，在哪种场合都是，资本市场线和效率性边界的切点 改变，股票公文包的最佳保有比率被变更。
0265
其次，在步骤S164中，决定股票公文包的每个个别品种的编入比 率。首先，在图53表示的效率性边界(2)和资本市场线(2)的切点处指明 最佳保有比率。其次，在此切点处，进行每个股票公文包个别品种的 各编入比率的算出。图54表示的是表示效率性边界和资本市场线的切 点处的每个个别品种的理论编入比率的例子的图表。
0266
另外，有时不能原样按算出了的理论编入比率来分配投资比率。 即，有时需要按照最低必要投资金额和1股平均的实际的现实股价等 来决定可实际分配的实编入比率。图55表示的是根据理论编入比率而 决定的实编入比率的例子。并且，在决定实编入比率之后，结束投资 比率的选定作业。
0267
另外，投资比率选定方法不限于上述东西。投资比率可以根据预 定的任意基准来选定。例如有对股票公文包编入品种企业单纯分配均 等股数的方法、分配均等金额的方法。或是也有按企业得分进行比例 分配的方法、按基于主成分分析的企业排序对标准化值为1或2以上 的企业进行分配的方法等。或者也有采用线性程序法等线性计划法来 选定投资比率的方法。可以采用这些方法中的任意一种，或是组合这 些的方法，来对各企业选定投资比率。
0268
还有，也可以不预先进行股票公文包编入品种企业的选择，而是 对于由全部企业或任意的企业群组成的股票公文包编入品种来选定投 资比率。例如，对于成为对象的全部企业分别算出风险和回报，采用 在其结果所导出的效率性边界和资本市场线的切点处决定最佳保有比 率等方法来选定投资比率。
0269
(2-5.公文包的作成)
再次回到图3表示的表示股票公文包选择的处理次序的流程图。 结束投资比率选定作业之后，在步骤S16中，作成股票公文包，将其 存放在内部数据库30A中。
0270
然后，在步骤S17中，运算作成了的股票公文包的股价涨跌率、 回报的推移，并且根据需要输出视觉性地表示它们的一览表、坐标图 而结束。
0271
(2-6.第1投资比率的选定所涉及的股票公文包的股价涨跌率及 回报的推移结果)
其次，举出股票公文包的股价涨跌率及回报的推移结果的一个例 子。在此例中，表示与通过为了股票公文包编入品种候补企业的选择 而进行的主成分分析，进行了基于主成分1和主成分2的企业排序的 结果，分别选择了的上位10公司、20公司及30公司有关的股价推移。 还有，投资比率全部均等分配。
0272
图56表示的是表示与主成分1对应的上位10公司、20公司及30 公司的股票公文包的股价涨跌率及回报的推移的一览表。图57表示的 是表示与主成分2对应的上位10公司、20公司及30公司的股票公文 包的股价涨跌率及回报的推移的一览表。还有，图58表示的是表示股 价的涨跌率的比较例的坐标图。图59表示的是表示股票的回报的比较 例的坐标图。在图59中，表示对构成股票公文包编入品种的各企业分 配均等金额(＝100万日元)的场合的回报的比较例。
0273
请看图58表示的股价的涨跌率的比较例，图56表示的与主成分 1对应的「知识资产集中型」的股票公文包比起图57表示的与主成分 2对应的「知识资产多边型」的股票公文包来，股价的偏差大。可以认 为这是因为它反映了在主成分1上专业类型的企业多，与主成分2的 多边型企业群比较，利润率的变动大。
0274
从图59表示的股票公文包的回报的比较例可以看出，与主成分1 对应的「知识资产集中型」的股票公文包和与主成分2对应的「知识 资产多边型」的股票公文包都在上位10公司、20公司及30公司这3 种中全部获得了比日经平均或TOPIX大的回报。
0275
(2-7.第2投资比率的选定)
其次，在步骤S313中，对于代替上述第1投资比率的选定的第2 投资比率的选定，参照图60至图64进行说明。第2投资比率的选定 采用与上述第1实施方式中的图1、图2的构成同样的构成，进行与图 3、图11、图15、图18、图23的处理同样的处理，因而省略对于这些 共同点的图示和详细的说明。
0276
在第2投资比率的选定中，代替第1投资比率的选定中的图40的 投资比率选定处理而进行图60表示的投资比率选定处理。在第2投资 比率的选定中，第1投资比率的选定中的图44、图45的理论股价算出 及税后事业利润理论值算出的处理可以不进行。
图60是表示第2投资比率的选定中的投资比率的选定动作的流程 图，对于与上述第1投资比率的选定中的图40同样的步骤付以相同的 符号，省略详细的说明。在第2投资比率的选定值，到步骤S155为止， 进行与图40同样的处理，不过，与其并行，必须进行编入推荐企业的 选定(步骤S257)，设定编入推荐企业的最低编入比率(步骤S259)，这 与第1投资比率的选定不同。
0277
首先，在步骤S251中，读入第一次股票公文包编入品种选择候补 企业的数据。接着，在步骤S253中，决定投下资金总额中的编入编入 推荐企业的品种的一定框架。在本发明的实施方式中，把投下资金总 额的50％设定为编入推荐品种的编入框架。另外，也可以不预先设定 编入框架，而只设定各个编入推荐品种的最低保有比率。
0278
其次，在步骤S255中，读入第二次股票公文包编入品种选择候补 企业的数据。然后，在步骤S257中，从第二次股票公文包编入品种选 择候补企业中选定编入推荐企业。在本发明的实施方式中，选定按企 业专利评价指数的值为5以上的企业中的在作为第1过高/过低评价企 业的提取基准的「专利战略」因子得分和「「知识财产战略经营」因子 得分的因子得分差表示正的值的过低评价企业中得分数之差大的上位 10家企业。
0279
另外，作为编入推荐企业的选定基准，也可以不采用作为第1过 高/过低评价企业的提取基准的因子得分差，而采用作为第2过高/过低 评价企业的提取基准的因子得分平均值差。在这里，不是因子得分平 均值差而是因子得分差优先，这是因为可以认为后者更直接地反映了 对各企业的到现在为止的成果的评价和对将来潜在增长力的评价的间 隙。
0280
另外，编入推荐企业的选定不仅可以根据过低评价企业，也可以 根据过高评价企业，或过高/过低评价企业中的任意一个来进行。如果 是以短期性的股票的买卖为目的而进行股票公文包的运用，则优选的 是编入过高/过低评价企业双方。或是，如果是以股票公文包的长期性 的运用为目的，则优选的是只编入潜在增长性高的过低评价企业。
0281
图61表示上述第一次股票公文包编入品种选择候补中的按「专利 战略」因子得分和「知识财产战略经营」因子得分的因子得分差大的 顺序排列过低评价企业所得的名单的一部分。还有，表示在按企业专 利评价指数的值为5以上，且因子得分差大的上位10家企业的地方进 行划分，这些企业成为编入推荐品种企业。
0282
若选定了编入推荐企业，则在步骤S259中，股票公文包选择系统 100按编入推荐企业的每个股票来设定最低编入比率。作为最低编入比 率的设定法，有(1)对各编入推荐企业均等分配最低编入比率的方法， (2)按照到上述步骤S257为止获得的编入推荐企业的排序、综合得分来 分配比率的方法等。最低编入比率的与全编入推荐企业有关的合计只 要不到100％即可。在本发明的实施方式中是在步骤S253中按50％设 定了编入推荐品种的编入框架，所以在此框架内，按5％来设定对各编 入推荐企业的最低编入比率，将其均等分配。
0283
其次，在步骤S261中，按第一次股票公文包编入品种选择候补中 的过低评价企业(78公司)的每个个别品种，算出期待回报和风险。在本 第2投资比率的选定中，也可以不算出理论超过收益(α′)、理论感应度 (β ＇)及理论残差(ε′)，而是只要采用基于现实股价的超过收益(α)、感 应度(β)及残差(ε)来算出期待回报和风险即可。首先，个别品种的期 待回报以E(Ri)(i＝1…78)来表示，基于以下的式47来算出。
期待回报E(Ri)＝超过收益(α)+感应度(β)×标数*的回报+残差 (ε)…(式47)
0284
接着，算出第一次股票公文包编入品种选择候补的个别品种的风 险。风险以σRi(i＝1…78)来表示，算出个别品种的期待回报的方差σ2 来求得。具体而言，如以下的式48所示。
个别品种的方差σRi 2＝∑i＝1 78[{E(Ri)-E(R*)}2]/(78-1)…(式48)
另外，风险σRi是方差σRi 2的正的平方根。
0285
其次，在步骤S263中，对于在步骤S257中选定了的编入推荐企 业10公司，在投资比率选定之前预先编入在步骤S259中设定了的最 低编入比率5％。
0286
在步骤S265中，把在步骤S263中设定了的编入推荐企业10公司 的最低编入比率5％作为事实，并且基于每个个别品种的αi、βi、εi (i＝1…78)，算出股票公文包全体的期待回报和风险。首先，股票公 文包全体的期待回报以E(Rp)来表示，基于以下的式49来算出。
期待回报E(Rp)＝αp+βp×E(R*)…(式49)
在这里，αp表示股票公文包全体的超过收益(α)。βp表示股票公 文包全体的感应度(β)。E(R*)表示标数*的期待回报。股票公文包全体 的超过收益(α)是对个别品种的αi(i＝1…78)以编入比率进行加权平均 所得的东西。还有，股票公文包全体的感应度(β)同样是对个别品种的 βi(i＝1…78)以编入比率进行加权平均所得的东西。
0287
接着，算出股票公文包的风险。股票公文包全体的风险以σRp来 表示，算出股票公文包全体的方差σRp 2来求得。具体而言，如以下的 式50所示。
股票公文包全体的方差
$={{\beta }_p}^2{{\sigma }_{R*}}^2+{{\Sigma }_{i=1}}^{78}\left({X_i}^2{{\sigma }_{\mathrm{ϵi}}}^2\right)$…(式50)
在这里，βp 2表示股票公文包全体的感应度(β)的方差。σR* 2表 示标数*的方差。xi(i＝1…78)表示个别品种的保有比率。σεi 2表示个 别品种的残差(ε)的方差。另外，股票公文包全体的风险σRp是方差σRP 2 的正的平方根。
0288
此时，右边第1项是标数*的方差和股票公文包全体的β的方差相 乘所得的东西，所以其值随标数的值变动而受到影响。与此相对，第2 项由个别品种的残差(ε)的标准差(σεi)和个别品种的保有比率(X)决 定，与标数*的风险无关。因此，把右边第1项称为系统风险(市场风险)， 把第2项称为非系统风险(非市场风险)。即，股票公文包全体的风险由 标数*的值变动所引发的要素和股票公文包独自的事件所引发的要素 组成。
0289
其次，在步骤S267中，考虑编入推荐品种的最低编入比率，基于 股票公文包的期待回报和风险而导出效率性边界。具体而言，首先， 在把第一次股票公文包编入品种选择候补所构成的股票公文包的期待 回报设为一定的场合，对于上述编入推荐品种分别算出不低于所设定 的最低编入比率，且使风险最小化的股票公文包编入品种的保有比率 (最小风险保有比率)。接着，使股票公文包的期待回报按各种值来变化， 从而算出与各自的期待回报对应的最小风险保有比率。然后，把这样 获得的按期待回报的最小风险保有比率的集合作为效率性边界来导 出。
在上述第1投资比率的选定中，在保有品种的所有组合中求得成 为最小的风险的保有比率。对此在第2投资比率的选定中，在「编入 推荐品种的保有比率不低于最低编入比率」的制约下，求得成为最小 的风险的保有比率。因此，第2投资比率的选定中的最小风险有时也 会比第1投资比率的选定中的最小风险大。不过，第2投资比率的选 定是优先编入编入推荐品种，同时与其他品种进行组合，从而使风险 最小化。
0290
步骤S161以后的处理与第1实施方式所涉及的图40一样。
图62表示在效率性边界和资本市场线的切点处算出了的股票公 文包编入品种的最佳保有比率(S161～S163)。还有，表示这些编入品种 的αi、βi、残差ε的方差σεi 2及标准差σεi、公文包全体的期待回报 E(Rp)及方差σRp 2、风险方差σRp。从此图可以看出，选取了10公司作 为编入推荐企业，选取了7公司作为其他编入企业。不过，对于上述 其他编入企业7公司中的2公司，最佳保有比率成为与0极为接近的 值。
图63表示对于股票公文包编入品种分别决定了的实编入比率 (S164)。上述最佳保有比率不到0.5％的上述2公司实际上不编入到公 文包中，这从此图可以看出。至此，步骤S315的公文包的作成即告完 成。
0291
另外，第2投资比率的选定方法不限于此。例如，也可以不在效 率性边界和资本市场线的切点处算出最佳保有比率，而是只对编入推 荐品种分配全部投下资金而形成股票公文包。
0292
(2-8.第2投资比率的选定所涉及的股票公文包的股价涨跌率及 回报的推移结果)
其次，在步骤S317中，运算公文包的推移，根据需要加以输出。 图64举出股票公文包的股价涨跌率及回报的推移结果的一个例子。在 此例中，表示与采用对编入推荐企业均等分配最低编入比率的方法把 编入推荐企业全体的到股票公文包的编入比率设为50％所得的东西和 把编入推荐企业的编入比率设为0％所得的东西有关的股价推移。
0293
此图表示的是表示股票公文包的2004年度1年间的实绩回报和同 时期的TOPIX动向的比较的坐标图。比较实绩回报可以看出，采用对 编入推荐企业均等分配编入比率的方法把编入推荐企业全体的到股票 公文包的编入比率设为50％所得的东西和把编入推荐企业的编入比率 设为0％所得的东西都获得了比TOPIX大的回报。
还有，可以看出，采用对编入推荐企业均等分配编入比率的方法 把编入推荐企业全体的到股票公文包的编入比率设为50％所得的东西 一方，与把编入推荐企业的编入比率设为0％所得的东西相比，随着时 间推移，实绩回报的增长大。可以评价为，这是由于把根据潜在性竞 争力的评价而特别提取了的编入推荐企业按一定比率编入到股票公文 包中，从而能享受以企业具有的增长性为基础的股价的上方修正力的 恩惠的东西。
0294
这样，根据本发明所涉及的股票公文包选择装置，使用从代表账 外的无形资产的专利中获得的指标，然后再添加从与企业的经营财务 有关的信息中获得的数据。还有，综合性地评价各个企业如何构筑·运 用事业战略、研究开发战略及知识财产战略的三位一体所涉及的经营 战略来谋求企业价值的增大。因此，能基于这样的企业评价，进行更 优选的股票公文包编入品种企业的选择。再有，能基于与选择股票公 文包编入品种企业的场合同样的基准来算出理论股价，从而选定期待 回报更高及/或风险更降低了的投资比率。
0295
因此，可以采用本发明所涉及的股票公文包选择装置，向投资家 等提供与标数联动而构筑比此前收益性高的股票公文包的新的服务系 统。还有，也可以作为服务来提供新的股票公文包选择方法。再有， 也可以提供控制股票公文包选择系统的程序本身，使得各客户以个人 方式活用此系统，实现收益性高的股票公文包。
工业实用性
0296
本发明所涉及的股票公文包选择装置、股票公文包选择方法及股 票公文包选择程序适用于基于包含研究开发费关联指标、经营·财务 关联指标、知识资产关联指标在内的企业评价指标来综合性地评价企 业，基于该评价结果，提供收益性高的股票公文包的目的。
专利文献1：美国专利第6175824号说明书