JP2007122592A - 卸商品市場入札価格設定支援システムと方法、およびプログラム - Google Patents

Abstract

【課題】商品のスポット市場において、利益の期待値を最大化する最適な入札価格の設定を支援する。
【解決手段】過去時系列データ取得部２１は、スポット市場で過去に約定されたスポット価格過去時系列データを取得し、利益算出用データ取得部２２は、利益指標の期待値を算出するための利益算出用データとして、生産コストデータまたは小売価格データを取得する。時系列分析部２３は、スポット価格過去時系列データを分析することによって、過去のスポット価格の１期先予測値の時系列（予測価格時系列）と、１期先予測値と１期先実績値との予測誤差の標準偏差または分散の時系列を生成する。入札価格最適化部２４は、予測価格時系列と、予測誤差の標準偏差または分散の時系列、および、生産コストデータまたは小売価格データを用いて、売り取引および買い取引に対して予め設定された利益指標の期待値が最大になる最適な入札価格を算出する。
【選択図】図１

Description

本発明は、卸商品のスポット市場で売買取引を行うために市場参加者が入札する価格設定を支援するための技術に関するものである。

鉱工業製品、農産物、あるいはエネルギー商品など、各種の商品を対象として、卸商品のスポット市場が開設されている。特に、価格が大きく変動する卸商品のスポット市場において、市場参加者が自社の取引を成立させる、すなわち、売買権を獲得（落札）するためには、卸商品市場における約定価格を予め推定して適切な入札価格を設定することが必要である。

例えば、売り取引の場合には、未知であるところの約定価格よりも低く、かつ、商品の生産コストとの関係で適正な利益の得られる入札価格を設定しなければならない。また、買い取引の場合には、約定価格よりも高く、かつ、商品の生産コストや小売価格との関係で適正な利益の得られる入札価格を設定しなければならない。

従来、適切な入札価格の設定を支援するための方法としては、例えば、過去の入札情報、商品の需要情報、生産コスト情報などに基づいて価格を評価する方法が存在している（例えば、特許文献１、２参照）。
特開２００４−１７１１８０ 特開２００５−２５３７７

ところで、翌日市場における商品の約定価格の推定には誤差を伴うため、推定値の周辺に実際の約定価格が正規分布すると仮定すれば、約定価格の推定値で入札した際に、市場参加者が自社で落札できる確率は、市場における競合他社が存在する場合には、半分程度となる。

例えば、売り取引において、市場に競合他社が存在する場合に、市場参加者が自社で落札するためには、売りたい量に対する入札価格が約定価格以下でなければならない。その一方で、入札価格を低く設定しすぎると、落札できても適切な利益が得られなくなってしまう。

また、買い取引において、市場参加者が自社で落札するためには、入札価格が約定価格以上でなければならない。この場合に、入札価格を高く設定しすぎると、落札できても小売価格との差が小さければ適切な利益が得られないし、もし、市場参加者が自社で同じ商品を生産しかつ生産余力を持っているとすれば、自社の生産コストよりも低い価格で入札しなければ意味がない。

したがって、市場取引によって利益の期待値が最大になるような入札価格を設定することが重要である。しかしながら、従来技術においては、利益の期待値を最大化する最適な入札価格の算出方法が確立されていないため、最適な入札価格を設定することが困難であった。

本発明は、上述した課題を解決するために提案されたものであり、その目的は、卸商品のスポット市場において、利益の期待値を最大化する最適な入札価格の設定を支援可能な卸商品市場入札価格設定支援システムと方法、およびプログラムを提供することである。

本発明は、上記の目的を達成するために、卸商品の過去のスポット価格の時系列データを分析して、１期先予測値の時系列と、１期先予測値と１期先実績値との予測誤差の標準偏差または分散の時系列を生成することにより、翌日の約定価格およびその予測誤差の標準偏差または分散を反映させて、利益の期待値を最大化する最適な入札価格を確度よく算出できるようにしたものである。

本発明の卸商品市場入札価格設定支援システムは、卸商品のスポット市場で売買取引を行うために市場参加者が入札する価格設定を、コンピュータを用いて支援する卸商品市場入札価格設定支援システムにおいて、時系列分析手段、入札価格最適化手段、記憶手段、インタフェース手段を備えたことを特徴としている。ここで、時系列分析手段は、スポット市場で過去に約定されたスポット価格の時系列データを分析することによって、過去のスポット価格の１期先予測値の時系列と、１期先予測値と１期先実績値との予測誤差の標準偏差または分散の時系列を生成する手段である。また、入札価格最適化手段は、１期先予測値の時系列と標準偏差または分散の時系列を用いて、売り取引および買い取引に対して予め設定された利益指標の期待値が最大になる最適な入札価格を算出する手段である。また、記憶手段は、計算条件および計算結果を保存する手段であり、インタフェース手段は、データの入力および結果表示を行う手段である。

本発明の卸商品市場入札価格設定支援方法および卸商品市場入札価格設定支援プログラムは、上記システムの特徴を、方法およびコンピュータプログラムの観点からそれぞれ把握したものである。

なお、本発明において重要な用語の定義は次の通りである。
「卸商品のスポット市場」は、鉱工業品、農産物の他、電力、原油、重油、天然ガスなどの燃料を含むエネルギー商品など、あらゆる卸商品のスポット市場を意味する広い概念である。
「１期」は、対象となる卸商品のスポット市場における取引の単位期間を示しており、一般的には「１日」である。

「利益指標の期待値」は、卸商品に応じて適宜設定されるが、一般的には、売り取引の場合は、「落札量×（約定価格−生産コスト）の期待値」として設定可能であり、また、買い取引の場合は、「落札量×（小売価格−約定価格）」または「落札量×（生産コスト−約定価格）の期待値」として設定可能である。

本発明によれば、卸商品のスポット市場において、利益の期待値を最大化する最適な入札価格の設定を支援可能な卸商品市場入札価格設定支援システムと方法、およびプログラムを提供することができる。

以下には、本発明に係る卸商品市場入札価格設定支援システムの複数の実施形態について、図面を参照して具体的に説明する。

［第１の実施形態］
［構成］
図１は、本発明の第１の実施形態に係る卸商品市場入札価格設定支援システムの構成を示すブロック図である。この図１に示すように、本実施形態の卸商品市場入札価格設定支援システム１は、コンピュータ上に実現された、演算部２、インタフェース部３、および記憶部４から構成されている。また、インタフェース部３は、ケーブルやネットワークなどの通信媒体５を通じて、卸商品取引市場または取引所における取引を支援する市場取引支援システム６と接続されている。システム各部１〜４の詳細は次の通りである。

演算部２は、過去時系列データ取得部２１、利益算出用データ取得部２２、時系列分析部２３、および入札価格最適化部２４等を備えている。ここで、過去時系列データ取得部２１は、スポット市場で過去に約定された卸商品のスポット価格の時系列データ（以下には、スポット価格過去時系列データと呼ぶ）を取得する部分であり、利益算出用データ取得部２２は、利益指標の期待値を算出するための利益算出用データとして、生産コストデータまたは小売価格データを取得する部分である。

時系列分析部２３は、スポット価格過去時系列データを分析することによって、過去のスポット価格の１期先予測値の時系列（以下には、予測価格時系列と呼ぶ）と、１期先予測値と１期先実績値との予測誤差の標準偏差（または標準偏差の２乗で定義される分散）の時系列を生成する部分である。また、入札価格最適化部２４は、予測価格時系列と、予測誤差の標準偏差の時系列、および、生産コストデータまたは小売価格データを用いて、売り取引および買い取引に対して予め設定された利益指標の期待値が最大になる最適な入札価格を算出する部分である。

なお、このような演算部２は、具体的には、コンピュータのメインメモリとそれに記憶された卸商品市場入札価格の設定支援用として特化されたプログラム、そのプログラムによって制御されるＣＰＵ、等により実現される。

インタフェース部３は、コンピュータとユーザとの間のやり取りや、コンピュータと外部機器、外部システム等との通信を行う部分であり、データ入力部３１、データ出力部３２、およびデータ通信部３３等を備えている。ここで、データ入力部３１は、ユーザの操作に応じた信号をコンピュータに入力するマウスやキーボード等の入力装置であり、データ出力部３２は、データ入力部３１で入力されたデータ、および演算部２で処理された処理結果をユーザに対して表示または出力するディスプレイ、プリンタ等の出力装置である。また、データ通信部３３は、コンピュータに一般的に内蔵されている通信制御装置であり、コンピュータと通信媒体５との間でデータの送受信を行う。

記憶部４は、演算部２でデータ処理を行うための各種の計算条件を予め保存するとともに、演算部２による計算結果を保存する部分である。この記憶部４は、コンピュータの各種のメモリや補助記憶装置等により実現される。

［動作の概略］
図２は、以上のような構成を有する本実施形態に係る卸商品市場入札価格設定支援システムによる動作の概略を示すフローチャートである。

この図２に示すように、卸商品市場入札価格設定支援システム１の演算部２はまず、過去時系列データ取得部２１により、スポット市場で過去に約定された卸商品のスポット価格過去時系列データを、インタフェース部３のデータ入力部３１、または、記憶部４を通じて取得する（Ｓ２１０）。

演算部２はまた、利益算出用データ取得部２２により、利益指標の期待値を算出するための利益算出用データとして、生産コストデータまたは小売価格データを、同様に、インタフェース部３のデータ入力部３１、または、記憶部４を通じて取得する（Ｓ２２０）。

演算部２は次に、時系列分析部２３により、時系列分析処理として、スポット価格過去データ取得部２１で得られたスポット価格過去時系列データを時系列分析する（Ｓ２３０）。この時系列分析処理においては、通常、ＡＲＩＭＡモデルを当てはめるか、あるいは、スポット価格時系列から確定トレンド成分や周期成分を抽出し除去した上で自己回帰モデル（ＡＲモデル）や自己回帰−移動平均モデル（ＡＲＭＡモデル）などを当てはめる。

この時系列分析処理によって、当日までの各取引時点のスポット価格過去時系列データから１期先予測値、すなわち、翌日のスポット価格の期待値が得られるため、それによって、翌日のスポット価格を推定することができる。したがって、翌日スポット価格の予測値の時系列、すなわち、予測価格の時系列を求めることができる。

また、この時系列分析処理においては、１期先予測すなわち翌日スポット価格の予測値と実績値との差であるところの予測誤差の標準偏差を推定することもできる。この場合、予測誤差の標準偏差は、取引日毎に変動するので、誤差の標準偏差の２乗として定義される分散の変動モデルを用いる。このような分散変動を取扱う分析モデルとしては、例えば、ＡＲＣＨモデルやＧＡＲＣＨモデル、確率ボラティリティモデルなどが使用できる。したがって、予測価格の時系列に加えて、予測誤差の標準偏差の時系列を求めることができる。

この場合、時系列分析部２３は、得られた予測価格の時系列とその予測誤差の標準偏差の時系列を、記憶部４に記憶するとともに、インタフェース部３のデータ出力部３２によりユーザに対して表示する。

演算部２は次に、時系列分析部２３で得られた予測価格の時系列とその予測誤差の標準偏差の時系列、および、利益算出用データ取得部２２で得られた生産コストデータまたは小売価格データに基づき、入札価格最適化部２４により、入札価格最適化処理として、翌日の最適入札価格を算出する（Ｓ２４０）。なお、入札価格最適化処理の詳細については後述する。

入札価格最適化部２４は、得られた翌日の最適入札価格を、処理結果として記憶部４に記憶し、インタフェース部３のデータ出力部３２によりユーザに対して表示するとともに、インタフェース部３のデータ通信部３３により、通信媒体５を通じて、市場取引支援システム６に最適入札価格データを送信し、市場取引支援システム６から市場への入札を行う（Ｓ２５０）。なお、データ出力部３２による処理結果の表示においては、得られた最適入札価格をユーザが理解しやすいようにするため、最適入札価格と共に、予測価格や、予め設定した信頼水準に対して標準偏差から得られる翌日価格の信頼区間、取引が終了していれば価格の実績値の、一部または全部を、卸商品毎に、あるいは過去の値を時系列的に、表示したり図示したりしてもよい。

［入札価格最適化処理の詳細］
図３、図４は、入札価格最適化部２４による入札価格最適化処理として、売り取引の場合の売り入札価格最適化処理と買い取引の場合の買い入札価格最適化処理の一例を示すフローチャートである。

まず、図３に示す売り入札価格最適化処理について説明する。この図３においては、売り取引における最適な入札価格を、次の式（１）で表現している。

なお、翌日スポット価格の推定値やその推定誤差の標準偏差は、時系列分析部２３による時系列分析（Ｓ２３０）で得られた値である。

入札価格最適化部２４は、過去のｊ番目の取引日に市場で約定された約定価格をＳ_jとした場合に、与えられたパラメータ値α（＞０）に対して、売り取引の落札判定条件および利益指標を以下のように定義して、図３に示す売り入札価格最適化処理を行う。なお、売り取引の場合、Ｃは、当該商品の自社生産コストである。

図３に示すように、売り入札価格最適化処理において、入札価格最適化部２４は、与えられた多数のパラメータ値αに対して、パラメータ値毎のループ処理（ＬＯＯＰ１）として、まず、当該パラメータ値αに対して、取引日と累積利益の初期値（ｊ＝０番目の取引日、累積利益ｐ＝０）を設定した（Ｓ３１０）後、取引日毎のループ処理（ＬＯＯＰ２）を行う。

この取引日毎のループ処理（ＬＯＯＰ２）においては、まず、取引日を１つ進めた（Ｓ３２１）後、当該ｊ番目の取引日について、上記の式（１）で当該取引日の翌日の入札価格を算出する（Ｓ３２２）。算出した当該翌日の入札価格が、上記の売り取引の落札判定条件を満たす場合（Ｓ３２３のＹＥＳ）には、当該入札価格で当該市場参加者が落札できたことになるため、その場合の売り取引の利益を求めて、その時点までの累積利益ｐに加算する（Ｓ３２４）。

これに対して、算出した入札価格が売り取引の落札判定条件を満たさない場合（Ｓ３２３のＮＯ）には、当該入札価格では当該市場参加者が落札できなかったことになるため、利益はなく、次の取引日の処理に進む。

このような、取引日毎のループ処理（ＬＯＯＰ２）を繰り返すことにより、総数（Ｎ−１）の過去データについて、与えられたパラメータ値αに対し、ｊ＝１番目の取引日からｊ＝Ｎ−１番目の取引日までの累積利益ｐ（α）を求める（Ｓ３３０）。

与えられた全てのパラメータ値αに対して、パラメータ値毎のループ処理（ＬＯＯＰ１）を行って当該パラメータ値の累積利益ｐ（α）を求めた（Ｓ３３０）後、累積利益を最大にするパラメータ値α＝α_Mを選択する（Ｓ３４０）。

ここで、最適なパラメータ値αが存在するのは、上記の式（１）によって、パラメータ値α（＞０）が小さいと入札価格が高くなり落札できなくなる確率が高くなる一方で、パラメータ値αを大きくし過ぎると、利益指標の期待値が小さくなるためである。このようなパラメータ値αは、一般的には、目的関数であるところの利益を最大にするニュートン法などの非線形最適化手法を用いて決定することができる。

そして、以上のように、パラメータ値α＝α_Mを決定すれば、上記の式（１）において、ｊ＝Ｎ、α＝α_Mとすることで、現時点での翌日の売り取引における最適入札価格を算出することができる（Ｓ３５０）。

次に、図４に示す買い入札価格最適化処理について説明する。この図４においては、買い取引における最適な入札価格を、次の式（２）で表現している。

入札価格最適化部２４は、与えられたパラメータ値α（＞０）に対して、買い取引の落札判定条件および利益指標を以下のように定義して、図４に示す売り入札価格最適化処理を行う。なお、買い取引の場合、Ｃは、当該商品の自社生産コストまたは小売価格である。

図４に示す買い入札価格最適化処理の内容は、図３に示す売り入札価格最適化処理における入札価格や、落札判定条件、利益指標を、上記の値に置き換えた以外は、図３に示す処理の内容と同様であるため、図４についての詳細な説明は省略する。

［効果］
以上のような第１の実施形態によれば、過去のスポット価格の時系列データを分析して、翌日予測価格（１期先予測値）の時系列と、当該翌日予測価格（１期先予測値）と当該翌日の約定価格（１期先実績値）との予測誤差の標準偏差（または標準偏差の２乗で定義される分散）の時系列を生成することにより、翌日の約定価格およびその予測誤差の標準偏差を反映させて、利益の期待値を最大化する最適な入札価格を確度よく算出することができる。

したがって、特に、価格が大きく変動する卸商品のスポット市場において、過去のスポット価格の市場データを基に、当該商品の市場取引による利益が最大となる最適な入札価格の設定を支援することができる。その結果、卸商品取引における市場参加者の負担を軽減することができる。

また、得られた翌日の最適入札価格のデータを市場取引支援システムにそのまま送信することにより、市場取引支援システムにより市場への入札を自動的に行うことができるため、最適な入札価格だけでなくそれによる入札の支援をも行うことができる。その結果、卸商品取引における市場参加者の負担をより軽減することができる。

［第２の実施形態］
［構成］
図５は、本発明の第２の実施形態に係る卸商品市場入札価格設定支援システムの構成を示すブロック図である。この図５に示すように、本実施形態の卸商品市場入札価格設定支援システム１は、第１の実施形態に係るシステムにおいて、演算部２の時系列分析部２３に、変動モデルパラメータ推定部２５とシミュレーション部２６を備えたものである。

ここで、変動モデルパラメータ推定部２５は、スポット価格過去時系列データを分析することによって、予め設定されたスポット価格変動モデルのモデルパラメータを推定する部分であり、また、シミュレーション部２６は、スポット価格変動モデルとモデルパラメータを用いてスポット価格の時間変動をモンテカルロ法によってシミュレーションすることにより１期先予測値と標準偏差の時系列を生成する部分である。

なお、他の部分については、第１の実施形態に係るシステムと同一の構成であるため、説明を省略する。

［動作の概略］
図６は、以上のような構成を有する本実施形態に係る卸商品市場入札価格設定支援システムによる動作の概略を示すフローチャートである。

本実施形態において、処理の流れは、図２に示した第１の実施形態の処理と基本的に同様であり、時系列分析部２３によるスポット価格過去時系列データの時系列分析処理（Ｓ２３０）のみが異なるため、以下には、本実施形態の特徴である時系列分析処理（Ｓ２３０）についてのみ説明する。

すなわち、本実施形態の時系列分析部２３による時系列分析処理（Ｓ２３０）においてはまず、変動モデルパラメータ推定部２５により、スポット価格過去時系列データの時系列分析とともに、予め設定されたスポット価格変動モデルのモデルパラメータの推定を行う（Ｓ２３１）。

次に、シミュレーション部２６により、スポット価格変動モデルとモデルパラメータの推定値を用いるとともに、多数の乱数を用いて、スポット価格の時間変動のモンテカルロシミュレーションを行うことにより、模擬的な多数のスポット価格過去時系列データを生成する。そして、第１の実施形態の時系列分析処理において多数のスポット価格過去時系列データから生成したのと同様に、この模擬的な多数のスポット価格過去時系列データから、予測価格時系列と予測誤差の標準偏差の時系列を生成する（Ｓ２３２）。

［効果］
以上のような第２の実施形態によれば、前述した第１の実施形態の効果に加えて、さらに次のような効果が得られる。

すなわち、入札価格最適化処理においては、その確度の向上のために、豊富なスポット価格の過去データが必要である。これに対して、過去のデータ量が十分でない場合には、本実施形態の時系列分析処理により、現在得られているスポット価格の過去データを基に、スポット価格の変動モデルを設定しそのモデルパラメータを推定してスポット価格の変動をシミュレーションすれば、最適入札価格を与えるパラメータ値の決定に必要かつ十分な多数のスポット価格データが得られる。

したがって、第２の実施形態によれば、たとえ過去のデータ量が十分でない場合であっても、利益の期待値を最大化する最適な入札価格を確度よく算出することができる。

［他の実施形態］
なお、本発明は、前述した実施形態に限定されるものではなく、本発明の範囲内で他にも多種多様な変形例が実施可能である。まず、図面に示したシステム構成やフローチャートは、一例にすぎず、具体的な構成、動作手順や各処理の詳細は適宜選択可能である。

さらに、前述した実施形態においては、本発明の手法を、コンピュータのハードウェアとプログラムによりシステムおよび方法として実現する場合について説明したが、本発明の手法は、卸商品市場入札価格設定支援用として特化されたコンピュータプログラムのみの形態でも実現可能である。

すなわち、本発明は、卸商品の過去のスポット価格の時系列データを分析して、１期先予測値の時系列と、１期先予測値と１期先実績値との予測誤差の標準偏差（または標準偏差の２乗で定義される分散）の時系列を生成するものである限り、その具体的な実施形態は自由に選択可能である。また、本発明は、鉱工業品、農産物の他、電力、原油、重油、天然ガスなどの燃料を含むエネルギー商品など、あらゆる卸商品のスポット市場取引に適用可能である。

本発明の第１の実施形態に係る卸商品市場入札価格設定支援システムの構成を示すブロック図。 第１の実施形態に係る卸商品市場入札価格設定支援システムによる動作の概略を示すフローチャート。 第１の実施形態に係る入札価格最適化処理として、売り取引の場合の売り入札価格最適化処理の一例を示すフローチャート。 第１の実施形態に係る入札価格最適化処理として、買い取引の場合の買い入札価格最適化処理の一例を示すフローチャート。 本発明の第２の実施形態に係る卸商品市場入札価格設定支援システムの構成を示すブロック図。 第２の実施形態に係る卸商品市場入札価格設定支援システムによる動作の概略を示すフローチャート。

符号の説明

１…卸商品市場入札価格設定支援システム
２…演算部
２１…過去時系列データ取得部
２２…利益算出用データ取得部
２３…時系列分析部
２４…入札価格最適化部
２５…変動モデルパラメータ推定部
２６…シミュレーション部
３…インタフェース部
３１…データ入力部
３２…データ出力部
３３…データ通信部
４…記憶部
５…通信媒体
６…市場取引支援システム

Claims (7)

1. 卸商品のスポット市場で売買取引を行うために市場参加者が入札する価格設定を、コンピュータを用いて支援する卸商品市場入札価格設定支援システムにおいて、
   前記スポット市場で過去に約定されたスポット価格の時系列データを分析することによって、過去のスポット価格の１期先予測値の時系列と、前記１期先予測値と１期先実績値との予測誤差の標準偏差または分散の時系列を生成する時系列分析手段と、
   前記１期先予測値の時系列と前記標準偏差または分散の時系列を用いて、売り取引および買い取引に対して予め設定された利益指標の期待値が最大になる最適な入札価格を算出する入札価格最適化手段と、
   計算条件および計算結果を保存する記憶手段と、
   データの入力および結果表示を行うインタフェース手段
   を備えたことを特徴とする卸商品市場入札価格設定支援システム。
2. 前記時系列分析手段は、
   前記スポット市場で過去に約定されたスポット価格の時系列データを分析することによって、予め設定されたスポット価格の変動モデルのモデルパラメータを推定する変動モデルパラメータ推定手段と、
   前記スポット価格の変動モデルと前記モデルパラメータを用いてスポット価格の時間変動をモンテカルロ法によってシミュレーションすることにより前記１期先予測値の時系列と前記標準偏差または分散の時系列を生成するシミュレーション手段を有する
   ことを特徴とする請求項１に記載の卸商品市場入札価格設定支援システム。
3. 前記入札価格最適化手段において用いられる前記利益指標の期待値は、売り取引の場合は、入札価格と前記スポット市場取引単位の前記市場参加者の生産コストとに基づいて設定され、買い取引の場合は、入札価格と前記スポット市場取引単位の前記市場参加者の生産コストまたは前記卸商品の小売価格に基づいて設定されている
   ことを特徴とする請求項１または請求項２に記載の卸商品市場入札価格設定支援システム。
4. 前記時系列分析手段は、前記標準偏差または分散を取引日毎に算出するように構成されている
   ことを特徴とする請求項１乃至請求項３のいずれか１項に記載の卸商品市場入札価格設定支援システム。
5. 演算部、記憶部、インタフェース部を有するコンピュータを利用して、卸商品のスポット市場で売買取引を行うために市場参加者が入札する価格設定を支援する卸商品市場入札価格設定支援方法において、
   前記演算部により、
   前記スポット市場で過去に約定されたスポット価格の時系列データを分析することによって、過去のスポット価格の１期先予測値の時系列と、前記１期先予測値と１期先実績値との予測誤差の標準偏差または分散の時系列を生成する時系列分析ステップと、
   前記１期先予測値の時系列と前記標準偏差または分散の時系列を用いて、売り取引および買い取引に対して予め設定された利益指標の期待値が最大になる最適な入札価格を算出する入札価格最適化ステップを行い、
   前記記憶部により、前記演算部の処理結果を保存する結果記憶ステップを行い、
   前記インタフェース部により、前記演算部の処理結果を表示する結果表示ステップを行う
   ことを特徴とする卸商品市場入札価格設定支援方法。
6. 前記インタフェース部により、前記演算部の処理結果を、通信媒体を通じて卸商品取引市場または取引所における取引を支援する手段に送信する結果送信ステップを行う
   ことを特徴とする請求項５に記載の卸商品市場入札価格設定支援方法。
7. 卸商品のスポット市場で売買取引を行うために市場参加者が入札する価格設定をコンピュータを用いて支援する卸商品市場入札価格設定支援プログラムにおいて、
   前記スポット市場で過去に約定されたスポット価格の時系列データを分析することによって、過去のスポット価格の１期先予測値の時系列と、前記１期先予測値と１期先実績値との予測誤差の標準偏差または分散の時系列を生成する時系列分析機能と、
   前記１期先予測値の時系列と前記標準偏差または分散の時系列を用いて、売り取引および買い取引に対して予め設定された利益指標の期待値が最大になる最適な入札価格を算出する入札価格最適化機能と、
   前記演算部の処理結果を保存する結果記憶機能と、
   前記演算部の処理結果を出力する結果出力機能
   を前記コンピュータに実現させることを特徴とする卸商品市場入札価格設定支援プログラム。

Images