10/16 ゼミレポート更新 ▶︎ ROIC vs ROE vs ROA

04|YOSOKU|将来人口予測Pythonツール

04|YOSOKU

価格0円(追加料金ゼロ)
リリース日2023年3月19日
最新バージョン1.0
分析対象人口データが存在する
すべての国・自治体
必要財務データ10年程度の人口データ
手動データ入力必要
アップデート告知ザイマニ公式LINE

国や地方自治体の将来的な人口推移を予測するPythonツール。人口データを約10年分入力するだけで、今後10年間の推移を高精度で予測可能です。

予測にはMeta社(旧Facebook社)が2017年に開発した時系列分析用ライブラリProphet(プロペット)を拡張機能として使用。

本ツールは一般販売しておらず、財務分析ゼミメンバーのみアクセスできるファイナンス攻略講座【4章】記事内からDL可能です。

04|YOSOKUの目次

  1. サマリー
  2. 使い方
  3. 分析例
  4. 販売プラットフォーム
  5. 注意事項
  6. お問い合わせ

04|YOSOKUのサマリー

04|YOSOKUの目次とアウトプットイメージは以下の通りです▼

また、今回使用するプログラミングコードは以下の3セクションで構成されています▼

0|初期設定
1|データセット作成
2|時系列予測

セクション1でデータ入力を行い、セクション2で将来予測及びグラフ化を行う構成です。予測にはMeta社(旧Facebook社)が2017年に開発した時系列分析用ライブラリProphet(プロペット)を拡張機能として使用しています。

04|YOSOKUの使い方

04|YOSOKUを活用して日本の将来人口を予測する手順を解説します。

STEP
財務分析Python「04|YOSOKU」をダウンロードする
STEP
年次及び日本の人口データを入力する

セクション1で以下のコードのハイライト部分を手動で更新▼

# 日本人口推移データを手動入力→データフレーム化
# 参考:統計局ホームページ/人口推計/人口推計|https://www.stat.go.jp/data/jinsui/2.html#annual > 各年10月1日現在人口

population_data = {'年次': ['2005-10-01', '2006-10-01', '2007-10-01', '2008-10-01', '2009-10-01',
                            '2010-10-01', '2011-10-01', '2012-10-01', '2013-10-01', '2014-10-01',
                            '2015-10-01', '2016-10-01', '2017-10-01', '2018-10-01', '2019-10-01',
                            '2020-10-01', '2021-10-01', '2022-10-01', '2023-10-01'],
        '総人口': [127768000, 127901000, 128033000, 128084000, 128032000,
                  128057000, 127834000, 127593000, 127414000, 127237000,
                  127095000, 127042000, 126919000, 126749000, 126555000,
                  126146000, 125502000, 124947000, 124352000]}

df = pd.DataFrame(population_data)
df
STEP
学習期間及び誤差計測期間を設定する

セクション2で以下のコードのハイライト部分を手動で更新▼

#誤差の検証
#デフォルトでは、2005~2022の年データを学習→2023年の人口を予測→2023年の実績値(実際の人口)と比較

#予測用データ学習期間を変えたい場合はここを変える
train_start = '2005-10-01'
train_end = '2022-10-01'
print(f'■ 学習期間   :{train_start}〜{train_end}')

# 予測精度の検証用データ
test_start = '2023-10-01'
test_end = '2023-10-01'
print(f'■ 誤差計測期間:{test_start}〜{test_end}')

Prophetは過去のトレンドや周期性等をもとに将来の値を予測するため、過去データを学習材料として提供する必要があります。その学習期間をtrain_starttrain_endで指定します。

また、実際に学習したデータをもとに予測値と実績値を比較してそれらの誤差を計測することで、予測モデルの精度を評価します。この誤差を測定する期間をtest_starttest_endで指定します。以下の考えに基づいて設定するのがおすすめです▼

2005年2023年の実績値を入力できる場合
・学習期間:最も古い実績データ年〜2番目に新しい実績データ年(例:2025年〜2022年)
・誤差計測期間:最も新しい実績データ年(例:2023年)

STEP
「すべてのセルを実行」をクリックする

画面左上のメニュー一覧 > ランタイム > 「すべてのセルを実行」をクリック

上からひとつずつセルを実行してもOK
STEP
日本の人口の実績値・予測値・誤差が表示される

04|YOSOKUの分析例

日本の人口予測

04|YOSOKUの販売プラットフォーム

04|YOSOKUはクリエイタープラットフォーム「note」の以下の記事内からDL可能です。

04|YOSOKU利用時の注意事項

  • 本Pythonツールの譲渡・転売・貸与・再配布を禁止します。
  • ご利用にあたってザイマニのクレジット表記は必要ありません。
  • SNSやブログ等で分析結果画像を掲載される場合、出典としてザイマニを明記&リンクして頂けると嬉しいです。
  • Google Colaboratory自体のアップデートにより、本Pythonツールが意図通りに機能しなくなる可能性がございます。その際は気兼ねなくザイマニ公式LINEお問い合わせページからご連絡くださいませ。早急に対応いたします。
  • 本Pythonツールのアップデート情報はザイマニ公式LINEで告知しますのでぜひご登録ください。
  • その他の注意事項をまとめた利用規約をご一読の上、ご活用くださいませ。

04|YOSOKUに関するお問い合わせ

本Pythonツールをご利用中に不具合を発見された場合、以下のお問い合わせ窓口よりご連絡いただけますと幸いです。

財務分析図鑑

全3,727社の財務分析カタログ

財務分析ゼミ

財務分析のプロを目指すnoteメンバーシップ

ザイマニHOMEへ戻る