Update core/ai_judgement.py

core/ai_judgement.py

@@ -1,174 +1,117 @@
 # core/ai_judgement.py
 from __future__ import annotations
+from typing import Dict, Any, Optional
 import os, json
-from typing import Dict, Any, List
 from openai import OpenAI
 
 OPENAI_MODEL_TEXT = os.environ.get("OPENAI_TEXT_MODEL", "gpt-4o-mini")
 
-def _client() -> OpenAI:
-    key = os.environ.get("OPENAI_API_KEY")
-    if not key:
-        raise RuntimeError("OPENAI_API_KEYが未設定です")
-    return OpenAI(api_key=key, timeout=30)
+def _to_f(x):
+    if x is None: return None
+    try: return float(str(x).replace(",","").replace("▲","-").replace("△","-"))
+    except Exception: return None
+
+def _safe_div(a,b):
+    a=_to_f(a); b=_to_f(b)
+    if a is None or b is None or b==0: return None
+    return a/b
+
+def _clamp01(x):
+    if x is None: return 0.5
+    return max(0.0, min(1.0, x))
+
+def _score01(x, good, bad):
+    # good側=1.0, bad側=0.0 の線形
+    if x is None: return 0.5
+    if good > bad:
+        if x <= bad: return 0.0
+        if x >= good: return 1.0
+        return (x-bad)/(good-bad)
+    else:
+        if x >= bad: return 0.0
+        if x <= good: return 1.0
+        return (bad-x)/(bad-good)
 
 def suggest_external_with_llm(fin: Dict[str, Any], company: str = "") -> Dict[str, Any]:
     """
-    外部入力DFの不足をLLMが推定して埋めるための候補を返す。
-    ※ 失敗時は空dictで戻す（安全）
+    外部入力の埋め草候補。LLM不要で作れる範囲はローカルで。
+    （例）月商(円)_再掲 を 売上/12 で推定、自己資本比率 を BS から計算 等
     """
+    out: Dict[str, Any] = {}
     try:
-        prompt = f"""
-あなたは企業アナリストです。以下の財務データから、可能な範囲で数値を推定して埋めてください。
-返答は必ず JSON オブジェクトのみで、存在しない項目は省略可。単位は以下のキーに合わせてください。
-
-必須候補キー例:
-- "市場の年成長率(%)"
-- "主力商品数"
-- "成長中主力商品数"
-
-[財務データ]
-{json.dumps(fin, ensure_ascii=False)}
-"""
-        cli = _client()
-        resp = cli.chat.completions.create(
-            model=OPENAI_MODEL_TEXT,
-            messages=[
-                {"role": "system", "content": "出力は厳密なJSON。説明不要。"},
-                {"role": "user", "content": prompt},
-            ],
-            response_format={"type": "json_object"},
-            temperature=0.2,
-        )
-        data = json.loads(resp.choices[0].message.content)
-        # 型の安全化
-        out = {}
-        for k in ["市場の年成長率(%)", "主力商品数", "成長中主力商品数"]:
-            v = data.get(k, None)
-            if v is None: continue
-            try:
-                out[k] = float(str(v).replace(",",""))
-            except Exception:
-                continue
-        # 整合性
-        if ("主力商品数" in out) and ("成長中主力商品数" in out):
-            if out["成長中主力商品数"] > out["主力商品数"]:
-                out["成長中主力商品数"] = out["主力商品数"]
-        return out
+        bs = fin.get("balance_sheet", {}) or {}
+        is_ = fin.get("income_statement", {}) or {}
+        sales = _to_f(is_.get("sales"))
+        if sales is not None:
+            out["月商(円)_再掲"] = sales / 12.0
+        ta = _to_f(bs.get("total_assets")); te = _to_f(bs.get("total_equity"))
+        if ta and te is not None and ta>0:
+            out["自己資本比率(%)"] = te/ta*100.0
     except Exception:
-        return {}
+        pass
+    return out
 
-def ai_evaluate(fin: Dict[str, Any], ext_df_like: Dict[str, float] | None = None) -> Dict[str, Any]:
+def ai_evaluate(fin: Dict[str, Any], ext_like: Dict[str, Any]) -> Dict[str, Any]:
     """
-    AI評点（外部評価と基準を分離）: 将来リスク・効率性・成長余地・資金繰り耐性・資本政策。
-    LLMは短評のみ使用（数値はルールベース）。ext_df_likeの値（市場成長率・商品情報等）があれば加味。
+    LLMに依存せず数式でAI評点を作る（別軸：効率・流動性・資本・成長余地・リスク）。
+    0-100に正規化、カテゴリ平均で合計点。
     """
     bs = fin.get("balance_sheet", {}) or {}
     is_ = fin.get("income_statement", {}) or {}
     cf = fin.get("cash_flows", {}) or {}
 
-    def _to_f(x):
-        if x in (None, "", "null"): return None
-        try: return float(str(x).replace(",","").replace("▲","-").replace("△","-"))
-        except Exception: return None
-
     sales = _to_f(is_.get("sales"))
     op = _to_f(is_.get("operating_income"))
-    ni = _to_f(is_.get("net_income"))
-    assets = _to_f(bs.get("total_assets"))
-    liab = _to_f(bs.get("total_liabilities"))
-    equity = _to_f(bs.get("total_equity"))
+    net = _to_f(is_.get("net_income"))
     ca = _to_f(bs.get("current_assets"))
     cl = _to_f(bs.get("current_liabilities"))
+    ta = _to_f(bs.get("total_assets"))
+    tl = _to_f(bs.get("total_liabilities"))
+    te = _to_f(bs.get("total_equity"))
     ocf = _to_f(cf.get("operating_cash_flow"))
 
-    def ratio(a,b):
-        if a is None or b is None or b==0: return None
-        return a/b
-    def ramp(x, good, bad, lo=0, hi=10):
-        if x is None: return 5.0
-        if good>bad:
-            if x<=bad: return lo
-            if x>=good: return hi
-            return lo+(hi-lo)*(x-bad)/(good-bad)
-        else:
-            if x>=bad: return lo
-            if x<=good: return hi
-            return lo+(hi-lo)*(x-good)/(bad-good)
-    def clamp01(x): return max(0.0, min(10.0, x))
-
-    # ①効率性: 回転・収益性
-    margin = ratio(op, sales)            # 営業利益率
-    at = ratio(sales, assets)            # 総資産回転率
-    eff = (ramp(margin, 0.12, 0.01) + ramp(at, 1.3, 0.3)) / 2
-
-    # ②資金繰り耐性: 流動比率＋営業CF/売上
-    cr = ratio(ca, cl)                   # 流動比率
-    ocf_ms = ratio(ocf, sales)
-    cashbuf = (ramp(cr, 1.5, 0.7) + ramp(ocf_ms, 0.1, -0.05)) / 2
-
-    # ③資本政策・希薄化リスク: 負債比率＋純利益/自己資本
-    lev = ratio(liab, assets)
-    roe_proxy = ratio(ni, equity)
-    cap = (ramp(lev, 0.3, 0.9) + ramp(roe_proxy, 0.10, -0.05)) / 2
-
-    # ④成長余地: 市場成長＋現在の収益性レベル
-    market_g = None
-    prod_factor = 5.0
-    if ext_df_like:
-        market_g = ext_df_like.get("市場の年成長率(%)")
-        grow_items = ext_df_like.get("成長中主力商品数")
-        prod_total = ext_df_like.get("主力商品数")
-        if prod_total:
-            r = (grow_items or 0)/prod_total
-            prod_factor = clamp01(10.0*r)  # 成長中比率を0-10に
+    # 1) 効率性（営業利益率・最終利益率）
+    opm = _safe_div(op, sales)  # 0.15良 / -0.05悪
+    npm = _safe_div(net, sales) # 0.10良 / -0.05悪
+    eff = 0.6 * _score01(opm, 0.15, -0.05) + 0.4 * _score01(npm, 0.10, -0.05)
+
+    # 2) 流動性（当座/流動比率＋OCF/Sales）
+    cur = _safe_div(ca, cl)     # 2.0良 / 0.7悪
+    ocf_ratio = _safe_div(ocf, sales)  # 0.12良 / -0.02悪
+    liq = 0.6 * _score01(cur, 2.0, 0.7) + 0.4 * _score01(ocf_ratio, 0.12, -0.02)
+
+    # 3) 資本（自己資本比率・D/E）
+    eq_ratio = _safe_div(te, ta)            # 0.40良 / 0.05悪
+    de = _safe_div(tl, te)                  # 0.5良 / 4.0悪（逆評価）
+    cap = 0.6 * _score01(eq_ratio, 0.40, 0.05) + 0.4 * _score01(de, 0.5, 4.0)
+
+    # 4) 成長余地（外部の市場成長＆製品の数/成長中比の“軽ウェイト”）
+    mg = _to_f(ext_like.get("市場の年成長率(%)"))
+    prods = _to_f(ext_like.get("主力商品数")) or 0.0
+    prods_g = _to_f(ext_like.get("成長中主力商品数")) or 0.0
+    grow = 0.5 * _score01(None if mg is None else mg/100.0, 0.15, -0.05) \
+         + 0.25 * _score01(prods, 4, 0) \
+         + 0.25 * _score01((prods_g/(prods or 1.0)), 0.7, 0.0)
+
+    # 5) リスク（赤字／債務過多／OCFマイナス）
+    risk = 0.0
+    risk += 0.4 * (1.0 - _score01(npm, 0.10, -0.05))
+    risk += 0.3 * (1.0 - _score01(de, 0.5, 4.0))
+    risk += 0.3 * (1.0 - _score01(ocf_ratio, 0.12, -0.02))
+    risk = 1.0 - _clamp01(risk)  # 高いほど良い
 
-    growth = (ramp(None if market_g is None else market_g/100.0, 0.15, -0.05) + prod_factor)/2
-
-    # ⑤将来リスク: 利益率の低さやレバレッジ上昇をマイナス評価
-    risk = 10.0 - ((ramp(margin, 0.12, 0.01) + ramp(lev, 0.3, 0.9))/2)
-
-    # 重み（外部評価と差別化）
-    weights = {
-        "効率性": 0.25,
-        "資金繰り耐性": 0.20,
-        "資本政策・希薄化": 0.20,
-        "成長余地": 0.20,
-        "将来リスク": 0.15,
-    }
     cats = {
-        "効率性": eff, "資金繰り耐性": cashbuf, "資本政策・希薄化": cap,
-        "成長余地": growth, "将来リスク": risk
+        "効率性": round(eff*100, 1),
+        "流動性": round(liq*100, 1),
+        "資本":   round(cap*100, 1),
+        "成長余地": round(grow*100, 1),
+        "リスク耐性": round(risk*100, 1),
     }
-    total_0_10 = sum(cats[k]*w for k,w in weights.items())
-    total = round(total_0_10*10.0, 1)  # 0-100換算
-
-    grade = "S" if total>=85 else "A" if total>=75 else "B" if total>=65 else "C" if total>=50 else "D"
-
-    # 短評（LLM）
-    memo = ""
-    try:
-        cli = _client()
-        memo_prompt = f"""以下の財務数値（推定含む）を踏まえ、「良い点3つ」「懸念3つ」「総評(100字以内)」を簡潔に日本語で:
-[主要比率] 営業利益率={margin or '—'} / 総資産回転率={at or '—'} / 流動比率={cr or '—'}
-[市場成長率(%)]={market_g or '—'} / 成長中商品比 ~ {prod_factor*10:.0f}% (概算)
-"""
-        resp = cli.chat.completions.create(
-            model=OPENAI_MODEL_TEXT,
-            messages=[
-                {"role": "system", "content": "簡潔・中立な財務アナリスト。数値に即した短評を出力。"},
-                {"role": "user", "content": memo_prompt},
-            ],
-            temperature=0.3,
-        )
-        memo = resp.choices[0].message.content.strip()
-    except Exception:
-        memo = "短評生成に失敗しました（ネットワーク/鍵設定をご確認ください）。"
+    total = round(sum(cats.values())/len(cats), 1)
 
     return {
+        "name": "AI評点（数式・中立）",
+        "category_scores": cats,
         "ai_total": total,
-        "grade": grade,
-        "category_scores": {k: round(v*10.0,1) for k,v in cats.items()},
-        "weights": weights,
-        "memo": memo,
+        "notes": "LLM非依存。外部評価とは別軸（効率・流動性・資本・成長余地・リスク）で定量化。",
     }