仕訳データによる高解像度財務分析手法

Ⅰ  はじめに

財務分析は投資や与信などその用途は幅広く、分析に用いられる指標もさまざまなものがあります。しかし、ほとんどの分析は貸借対照表と損益計算書、キャッシュ・フロー計算書に基づく分析であり期中の日々の財務の動きを捉えることはできないため、分析の粒度という観点では限界があります。一方で、昨今ビッグデータを取り扱うインフラが整い、また財務会計に関するサービスが広がり、対象企業の仕訳データが入手可能な状況も増えています。仕訳データはこれまでの財務諸表に記載されている集計値と比べ、はるかに詳細な情報である一方、どう分析するのかというノウハウは確立したものがありません。
当法人では2017年10月から独自の会計仕訳の異常検知アルゴリズムを開発し、17年11月から運用しています（18年6月に特許取得）。20年1月からはEYグローバルの仕訳の異常検知システム EY Helix General Ledger Anomaly Detector（GLAD）として世界中で展開され、国内外延べ350社以上で利用され、その運用を通じて仕訳を分析するノウハウを蓄積してきました。
本稿では、仕訳データをどういう切り口で見るとこれまでの集計値では分からなかった情報が明らかになるのか、高解像度な財務分析手法について紹介します。また、さらに高度な分析として仕訳データに異常検知などのアルゴリズムを適用する効果と限界や将来の展望についてお話したいと思います。

Ⅱ 分析対象データについて

本稿で分析例として示す図は、EYが米国で学生向けに開講しているデータアナリティクス講座の教材データを利用しています。この教材はあらかじめ不正な仕訳が組み込まれてあり、学生が財務分析により不正を見つけるというものです。本稿は必ずしも不正発見だけを想定して分析手法の紹介をしているわけではありませんが、一部の分析例において不正仕訳の影響により不自然な部分があることをご了承ください。

Ⅲ 期中の勘定科目の動きを捉える

分析に用いる情報の粒度が細かいほど、分析結果から深い理解が得られます。例えば、伝統的な財務分析で棚卸資産の回転期間が延びていたときに、期末の棚卸資産が大きいということは分かってもそれ以上の情報はありません。一方で、科目ごとの時系列分析を行い仕訳データから棚卸資産の動きを時系列で追うことで、一年を通じて取引量が増えたのか、期末に在庫が増えたのか、それとも期中の特定の日に何かがあったのかを把握することができます。
＜図1＞では棚卸資産の日次の借方計上額を赤線で、貸方計上額を青線で表しています。これを見ると、黄色の丸で囲んだところ（15年12月半ば）で大きな借方計上が起こっているのが分かります。

この借方科目・貸方科目の組み合わせをじっと見ていると、180の売上が30の現金と150の売掛金につながり、150の売掛金のうち120の売掛金は現金へとつながる、という連環に気づきます。
もちろん、この作業を実際の数千万行の仕訳を相手に人間がすることは無謀ですが、科目の組み合わせごとの金額を集計し、Sankey diagramで表示すれば＜図6＞のように科目の連環が視覚的に把握できます。

＜図6＞では縦棒が科目を表しています。縦棒と縦棒を結ぶ帯がその二つの科目が借方・貸方でつながる仕訳の金額的な大きさを表します。一番左側にSales-HotelとSales-Dining、Sales-Otherとありますが、これは三つの売上科目が使われていることを表します。これらの売上はSales-Diningの一部がAccounts Receivable （売掛金）とつながっていることを除けば全てその右隣のCash（現預金）と書かれた赤の縦棒とつながっています。
また、このCashとピンクの縦棒のSGA（販管費）がつながっていることが見て取れます。これは次の仕訳がこの帯の太さだけ計上されたということを表しています。

この販管費からよく見ると濃い青い帯でDepreciation Expense（減価償却費）につながっていることが分かります。現金支出の販管費が減価償却費に振り替えられており、そこからグレーの帯でPlant Property and Equipment（有形固定資産）というところにつながっている、つまり、次の仕訳で最終的に現金支出が有形固定資産に振り替わっていることが分かります。

Ⅷ 異常検知アルゴリズムの適用について

仕訳データを用いることで前述のようなより高解像度な分析が可能となり、今までに見えなかったリスクの発見に役立てることができます。一方で、科目数が多いと全ての科目の動きに目を通し、さまざまな科目の組み合わせごとにその関連性を確認するのは人間には酷な作業となります。
支店ごと、取引先ごと、商品ごとなどさまざまな切り口から勘定科目の計上パターンを学習し、通常と外れた動きを自動的に検出していくような技術の活用が今後重要になっていくと考えられます。
一方で、整理しなければならない論点も幾つかあります。例えば、異常検知されなかった部分についてどの程度の信頼度をもって問題ないと言えるのか、またこういったアルゴリズムによりどこまで人の検証を置き換えることが可能なのか、さらに監査法人が異常検知アルゴリズムを活用し日次で会社の取引をモニターするようになった場合に異常検知やその情報提供が企業の内部統制の一部とならないようにするためにはどういった仕組みが必要なのかなどの議論が起こっています。

Ⅸ おわりに

ITインフラの発達により、今後仕訳データなどの粒度の細かい財務・会計データや非財務データなどが分析可能な形で利用可能になる状況も増えてくると予想されます。そういったデータをどう分析すればよいのか、次世代の財務分析手法が必要な時代はすぐそこに来ています。
またこういった分析手法は与信や監査だけでなく、企業の内部統制や内部監査の手法としても有効な手段となります。多数の海外子会社の膨大な取引情報を日次ベースで分析し、適時にリスクを識別するといったことにも有用です。ガバナンス強化の一環として高解像度の財務分析インフラの整備や日次ベースの異常検知システムの導入というのは、デジタルトランスフォーメーションのアジェンダの一つとして検討する価値があると思います。
次号は業種ごとの不正の手口を踏まえた分析手法を紹介予定です。ご期待ください。