【要約】見かけは配当2倍、実質は据え置き — 決算の異常検出からニセの増配を落とす話 [Zenn_Python] | Summary by TechDistill
> Source: Zenn_Python
Execute Primary Source
// Problem
データ分析者が決算データの異常値を抽出する際、数値上の変化が実態を反映していない「偽陽性」に直面する。単純な閾値判定では、以下の要因によりランキングの信頼性が著しく低下する問題がある。
- ・決算期変更：決算期間の長さが異なるため、売上や利益が歪んで見える。
- ・株式分割：1株あたりの数値が不連続に変化し、増配や増収に見える。
- ・一過性の還元：利益を伴わない記念配当や、赤字下での配当が混入する。
- ・業種特性：金融業における有利子負債の急増が、財務リスクとして誤検知される。
// Approach
著者は、抽出した異常値からノイズを段階的に排除する、多段フィルタリング戦略を採用している。データの信頼性を担保するため、以下のステップで処理を行っている。
- ・共通ガード：決算期が12ヶ月から1.5ヶ月以上ズレる企業を全カテゴリから除外する。
- ・分割検知：BPS（1株純資産）が前期比で1.8倍以上または0.55倍以下に動いた場合、分割・併合とみなして除外する。
- ・持続性判定：配当性向が100%を超える、またはEPSが0以下のケースを除外する。
- ・テキスト解析：正規表現を用いて有報の注記から「記念配当」等の金額を抽出し、普通配当ベースで再計算する。
- ・ドメインフィルタ：金融4業種を有利子負債の急増カテゴリから除外する。
// Result
適合率を最優先する設計により、ノイズの混入を最小限に抑えた信頼性の高いランキングを実現した。具体的には以下の成果を得ている。
- ・増配指標において、素朴な条件でヒットした397社から、ノイズを削り精度の高い338社を確定させた。
- ・「再現率より適合率に全振りする」方針により、ランキング全体の信頼性を担保することに成功した。
- ・NEW ART HOLDINGS（7638）のような、真に実態を伴う大幅増配銘柄を正しく特定できた。
Senior Engineer Insight
> データエンジニアリングにおける「ドメイン知識の重要性」を説く極めて実践的な記事だ。単なる数値比較では、株式分割や決算期変更といった構造的なノイズを落とせない。正規表現を用いて非構造化データ（注記）を解析し、パイプラインに組み込む判断も妥当である。設計思想として「適合率への全振り」を選択している点は、実戦的だ。ただし、このアプローチは未知の異常を見逃すリスクを孕む。用途に応じて、検知漏れを許容するか、誤検知を許容するかを明確に定義すべきである。