信用金庫が支店ごとの預金の入出金の日次の集計から、月末・給与日・年金の支払日の資金と現金の流出を Python で予測し、現金の準備と資金繰りの案を出す

処理の起点を決める

毎月10日と25日の朝に動かします。 10日の実行で当月の後半（16日から月末と翌月の初めの数営業日）を、25日の実行で翌月の前半（1日から15日と、その月の年金の支払日）を見込みます。現送の依頼を前もって出せる時期に、半月ずつ区切るためです。 業務の端末の定時実行の仕組みで、日次の締めの集計が情報系に入った後の時刻に起動します。

10日や25日が休業日の月は、前の営業日に動かします。 営業日の暦の表を見て、その日が休業日なら前の営業日に実行するよう、起動の時刻に毎朝チェックだけを走らせます。

月に1回、モデルを作り直します。 毎月の最初の実行の前に、先月までの記録で学習し直し、作り直す前と後で、先月の当たり方を比べた結果を残します。悪くなっていれば、前のモデルのまま使います。

結果の表には作った日時と、使った記録の最終日を必ず印字します。 日次の締めが遅れた日に、前日までの記録で作った表を使わないためです。

入力データを集める

質を決めるのは、過去の大口の実績と、取引の種類の分け方です。 大口の実績が無ければ、1回きりの動きが平常の山として学習されます。取引の種類を合計で持つと、年金の受け入れと現金の払出しの関係が見えません。

顧客ごとの記録は使いません。 集計は支店・営業日・取引の種類ごとの合計で、どの顧客がいくら動かしたかは、この構成には入りません。 大口の予定の表にも、顧客名ではなく種類とおおよその額だけを入れます。

年金の支払日は、日本年金機構の説明に沿って暦に組み込みます。 年金は原則として年6回、偶数月の15日に支払われ、15日が土日または祝日のときは、その直前の平日に支払われるとされています。各支払月には、原則として前月までの2か月分が支払われます。「原則」とあるので、暦の表には年金の支払日を機械で決めた日として入れたうえで、業務の担当が年金の振込のデータが届いた日と毎回見比べます。 食い違えば、暦の表のほうを直します。

データの取得方法を決める

情報系への接続は、読み取りだけの専用の権限にします。 取るのは集計の表だけで、明細の表への権限は付けません。 権限を絞っておけば、スクリプトの誤りで顧客の明細を読むことがありません。

祝日の CSV は、翌年の分が前の年の2月に載るとされています。年に1回、2月に入れ替え、年末年始の休業日など金庫の休業日は、業務の担当が別の表で持ちます。 暦の表に翌期の分が無ければ、実行を止めて知らせます。

AIへ渡す前に整形する

1. 営業日だけの並びにする … 支店・営業日ごとに1行にします。休業日の行は作りません
2. 店舗外ATMを支店に寄せる … 出張所のATMの入出金を、現金を受け持つ支店に足します
3. 大口を差し引く … 過去の大口の実績の日の額を、その支店のその日の動きから引きます
4. 目的の値を作る … 純流出＝（出金の合計）－（入金の合計）、現金の純払出し＝（窓口とATMの現金の出金）－（現金の入金）
5. 営業日の位置を付ける … 月の最終営業日から数えて何営業日前か、月初から何営業日目か、25日（休日なら前の営業日）からの営業日の差、年金の支払日からの営業日の差、連休の前後の印
6. その他の項目 … 支店、曜日、月、賞与の時期の印、年金の支払月か、直近の同じ位置の平均、前年の同じ位置の値
7. 支店・曜日を Categorical にする … pandas の Categorical の型にしておけば、既定の設定でカテゴリとして扱われます

5番目が、この構成の肝です。 「25日」という暦の日ではなく、「給与の日から何営業日後か」で表せば、25日が日曜の月も月曜の月も、山の形が同じ位置にそろいます。 年金の支払日も同じです。給与の日を前の営業日に寄せるのは多くの会社の扱いですが、後ろに寄せる会社もあります。 どちらに寄るかは決め打ちせず、「25日の前の営業日」と「後の営業日」の両方の差を項目にして、記録から学ばせます。

3番目を省くと、モデルは大口を覚えます。 前年の6月の月末に、ある法人の決済で数億円が出た支店は、今年の6月の月末にも同じ流出を見込みます。 差し引いた平常の動きで学習し、今年の大口の予定は後で足し戻します。

支店の統廃合で記録の続かない支店は、統合した日から先だけを使うか、統合した支店の合計に組み直します。 組み直したことは、表の上に印で出します。

AIに処理させる

させるのは、翌期の支店・営業日ごとの平常の純流出と現金の純払出しを、分位で予測することだけです。 目的の値ごとに2本ずつ、合わせて4本のモデルを作ります。

現金の準備の量の案は、上振れに大口の予定を足した額にします。 中央で準備すると、2日に1日は足りない側に外れます。どの分位で準備するかは、現金を持ちすぎる負担と足りないときの手間を比べて、業務の担当が決めます。 0.9は出発点です。

全店の合計の上振れは、支店の上振れを足し合わせて作りません。 支店ごとの上振れが同じ日にそろって出るとは限らず、足し合わせると、全店では起きにくい大きさになります。 全店の合計は、全店の合計の動きで別にモデルを作って予測します。

3行目は、とくに気を付けてください。 支店ごとの流出が大きく出ると、「どの顧客が出ていくのか」を調べたくなります。 この構成は合計の動きを見るためのもので、顧客ごとの記録は入れていません。取引先への働きかけは、別の判断と別の手続きで行います。

指示内容を固定する

生成AIを使わないので、プロンプトはありません。 かわりに、予測の中身を示します。

from sklearn.ensemble import HistGradientBoostingRegressor
from sklearn.model_selection import TimeSeriesSplit

FEATURES = ["branch", "weekday", "month", "bd_to_month_end", "bd_from_month_start",
            "bd_from_payday_prev", "bd_from_payday_next", "bd_from_pension",
            "is_pension_month", "is_bonus_season", "pre_long_holiday", "post_long_holiday",
            "recent_same_pos_mean", "last_year_same_pos"]
# branch・weekday は pandas の Categorical にしておく

def make(q):
    return HistGradientBoostingRegressor(
        loss="quantile", quantile=q, max_iter=1000, learning_rate=0.03,
        early_stopping=True, validation_fraction=0.15, random_state=0)

cash_mid, cash_up = make(0.5), make(0.9)
cash_mid.fit(train[FEATURES], train["cash_net_out_ex_large"])  # 大口を差し引いた現金の純払出し
cash_up.fit(train[FEATURES], train["cash_net_out_ex_large"])

# 当たり方は時系列の順を守って確かめる。検証の前に半月分の間を空ける
tscv = TimeSeriesSplit(n_splits=6, gap=24 * 10)   # 24支店 × 10営業日分の行

TimeSeriesSplit は、時系列の順に並んだデータで、学習が常に検証より前になるように分けます。 公式の説明では、ふつうの交差検証は未来のデータで学習して過去で評価することになり不適切とされ、後の分割の学習は前の分割の学習を含みます。 gap で学習の末尾と検証の間を空けられ、本番では半月先を見込むので、検証でも半月分を空けます。 行を支店と営業日の順に並べ、全支店がそろった営業日ごとに行が等間隔になるようにしてから分けます。公式は、比べ方をそろえるには等間隔に並んでいることが要るとしています。

early_stopping を明示的に有効にしているのは、既定の 'auto' では学習の行が10,000を超えるときにしか有効にならないからです。 24支店で2年分あれば超えますが、支店を絞って試す段階では超えないことがあります。

欠けた値は埋めずに渡します。 開いて間もない支店は「前年の同じ位置の値」がありません。公式の説明では、HistGradientBoostingRegressor は欠けた値を分岐ごとに左右どちらへ送るかを学習するので、0で埋めて「前年は動きが無かった」と読ませるより実態に近くなります。

年金の支払日の効き方は、支店ごとに大きく違います。 年金の受取の口座の多い支店では現金の山が高く、事業所の多い支店では小さくなります。branch をカテゴリの項目にし、bd_from_pension との組み合わせを木に学ばせます。 支店ごとに別のモデルを作るより、記録の少ない支店でも他の支店の形を借りられます。

出力形式を固定する

業務の担当と資金の担当に渡すのは、次の2つの表です。

【支店ごとの現金の準備の案（1支店・半月分の例）】

【全店の流出の山の日】

金額は例示です。 実際の値は金庫の規模と支店の構成で大きく違います。

「印」の列で、担当が見る先を決めます。 年金の支払日の上振れが前回の実績を大きく超える支店には「年金：上振れ大」、大口の予定が入っている日には「大口の予定あり」、大口の予定の表が前回から更新されていない支店には「大口の予定未確認」、統廃合で記録を組み直した支店には「記録の組み直しあり」を出します。

機械で読む用には、同じ内容を情報系の予測の表に残します。 列は、支店、営業日、位置の印、中央・上振れ、大口の予定、準備の量の案、モデルの作成日、使った記録の最終日です。翌月に実績と並べて当たり方を見るのは、この表です。

システムへ連携する

勘定系には接続しません。 日次の集計は、締めの後に情報系に入ったものを使います。予測のために勘定系に負荷をかけたり、権限を広げたりすることはしません。

人が確認する

1. 作った日時と記録の最終日を見る … 締めの遅れで前日の記録が入っていない表を使わないためです
2. 「大口の予定未確認」の支店に聞く … 予定の表の更新が漏れていないかを、支店の役席に確かめます
3. 「年金：上振れ大」の支店の準備の量を決める … 支店の金庫の容量と警備の都合と合わせて、案のとおり準備するかを決めます
4. 全店の山の日を資金の担当が見る … 上振れと大口の予定を足した額で、資金の手当てを決めます
5. 予測の外の事情を足し引きする … 地元の大きな催し、取引先の工場の稼働の変化、他の金融機関の店舗の閉鎖

目標は、48件をならして1件7.5分です。 印の無い支店は案を写すだけで、時間を使うのは年金の支払月の上振れの大きい支店と、大口の予定のある日です。

例外に対処する

4行目を間違えると、山の読みが崩れます。 ATMの障害で払出しが止まった日を「払出し0」として学習すると、その日の翌日に引き出しが集中した記録とあわせて、山の位置を誤って覚えます。

記録を残す

• 実行の日時、使ったモデルの作成日、読み込んだ記録の期間と最終日
• 支店・営業日ごとの中央・上振れ、大口の予定、準備の量の案、印
• 業務の担当が決めた準備の量と、案から変えた理由
• 実績（純流出、現金の純払出し、追加の現送の有無）
• 月ごとの当たり方（中央の外れの大きさ、上振れを上回った日の割合）と、モデルの作り直しの結果

上振れを上回った日の割合は、0.9の線なら10営業日に1日ほどが目安です。 それより多ければ線が低すぎ、追加の現送が増えます。少なすぎれば現金を持ちすぎています。 どちらに寄せるかは、業務の担当がこの割合を見て決めます。