この記事では、M&Aの買収候補を調査する経営企画担当者に向けて、公開情報からターゲット候補台帳を作成するための6つのステップを解説します。
企業買収の初期スクリーニングでは、国税庁法人番号公表サイト、gBizINFO、EDINET、TDnetなどのデータベースを活用して候補企業を洗い出します。ただし、公開情報で確認できるのは、法人の基本情報・公開済みの財務数値・適時開示・政府との関係情報などに限られます。
対象企業の売却意思、未公表の財務データ、希望価格などは台帳の「面談で確認する項目」に分けます。公開情報が少ない会社も候補から自動で外さず、買収条件との一致を見ながら接触の優先順を決めます。
この記事の手順を踏むことで、自社の買収要件を満たす正確な候補台帳と、実務を前に進めるための具体的な確認質問を作成できるようになります。
公開情報で作れるのは買収推奨ではなく候補台帳
公開情報によるスクリーニングでは、自社の買収条件に合う企業を絞り、面談で確かめる項目までを候補台帳にまとめます。売却意思や希望価格を確かめた後の買収判断へ渡すための準備です。
スクリーニングを開始する前に、まず自社の戦略に基づいた明確な買収条件が定義されている必要があります。対象業界・事業地域・求める売上や利益の規模を先に決めます。株式譲渡か事業譲渡かという取引形態も含め、具体的な買収条件がなければ、企業情報を集めても単なる羅列となり実務には役立ちません。
基準のない状態で企業を順位付けしたり、公開情報の多寡だけで良し悪しを判断したりすることは避けるべきです。候補台帳は、自社の戦略というフィルターを通して初めて意味を持ちます。
公開情報を用いた調査では、手に入る情報と手に入らない情報の境界を正しく理解し、扱う必要があります。国税庁や金融庁、証券取引所などの公的機関を通じて確認できるのは、法人の存在証明となる基本情報、公開された財務諸表や適時開示、政府との取引履歴といった客観的な事実に限られます。
一方、非上場企業の具体的な売却意思・顧客別の売上構成・経営者の真の意向は公開データから読み取れません。株主間契約の詳細・希望価格・帳簿に表れない潜在債務といった未公表情報も同様です。ここで注意すべきは、情報が見つからないからといって、根拠のない推定で表の空欄を埋めようとしてはならないという点です。
欠測しているデータは、経営陣との面談やデューデリジェンスで直接確認する質問事項として候補台帳に書き留めます。
また、公開情報は日々更新されるため、情報の鮮度管理が欠かせません。候補台帳を作成する際は、その情報をいつ取得したのかを示す確認日を必ず記録してください。企業の状況や適時開示の内容は刻一刻と変化するため、確認日を明記しておくことで、それが過去のある時点の事実であるのか、現在も有効な最新情報であるのかを区別できるようになります。
特に、過去の予定として開示された案件がそのまま完了したとみなしてリストの更新を怠ると、事実と異なる認識のまま検討を進めてしまうリスクが生じます。
このように、公開情報によるスクリーニングは、事実に基づいたフラットな候補台帳と、将来クリアすべき未公表情報の確認リストをセットで作る作業です。この境界を厳格に守ることで、思い込みや情報の欠落による判断の誤りを防ぎ、実効性の高いM&Aプロセスの第一歩を踏み出すことができます。
法人番号で候補企業を正しく名寄せする
M&Aのターゲットスクリーニングにおいて、公開情報から候補台帳を作成する際、最初の壁となるのが法人の同定です。同じ名前の別企業、過去の社名、合併などで消滅した法人などが混在すると、収集した情報が誤って紐づき、台帳のデータが狂ってしまいます。これを防ぐために、候補台帳の主キーには必ず法人番号を活用します。
国税庁法人番号公表サイトのWeb-APIでは、法人番号または法人名を指定し、商号または名称・所在地・法人番号という基本3情報を取得できます。
Web-APIはREST方式で提供され、利用にはアプリケーションIDの申請が必要です。バージョンによって法人名検索・英語表記・フリガナ・検索対象除外法人情報などの機能が異なるため、目的に応じて仕様を確認します。
取得したデータをもとに、法人名、所在地、データ取得日、更新日を候補台帳に記録します。このとき、過去に社名変更や本店移転があったかどうかの変更履歴もあわせて保存しておくことが重要です。
変更履歴を追うことで、旧社名で発表された過去のニュースや古い資料を見つけた際にも、現在の正しい法人データに名寄せすることができ、同名企業や別法人との混同を減らせます。ただし、法人番号から得られる基本3情報は、あくまで法人が存在していることの証明に過ぎず、現在の事業内容や営業実態を保証するものではありません。
基本3情報は法人の存在確認と名寄せのための基盤として割り切り、実態の確認は別の資料を組み合わせて行います。
法人番号による名寄せの仕組みが整ったら、gBizINFOを活用して法人情報を拡充します。gBizINFOでは、法人基本情報に加え、届出・認定・表彰・財務・特許・政府調達・補助金・職場情報などを確認できます。政府機関から集めたこれらの公開情報は、法人番号に紐づいています。APIを利用することで、これらの情報を台帳へ自動的に取得する手順を構築できます。
ここで強く意識すべきは、データが存在しない、つまり欠測している場合の解釈です。gBizINFOなどの公開情報において特定の項目が空欄であった場合、それが単に情報が未連携であるのか、企業が非公表としているのか、制度の対象外であるのかを外部から区別できない場合があります。
そのため、空欄であることを自動的に実績なしや状態不良へ変換してはいけません。欠測はそのまま未確認として台帳に残します。
法人を同定した後は、欠測しているデータを経営陣への質問項目へ移し、接触後に得た資料で候補台帳を更新します。
EDINETとTDnetで提出者・案件・訂正を追う
候補企業の財務情報や過去のM&A履歴などを公開情報から確認するために、金融庁が提供するEDINETと、東京証券取引所が運営するTDnetを活用します。これらは情報の目的や掲載期間が異なるため、正しく使い分けて候補台帳を構築する必要があります。
EDINETは、金融商品取引法に基づく有価証券報告書や大量保有報告書などを閲覧できるシステムです。
プログラムを用いて情報を収集する場合は、EDINET API関連資料やEDINET API仕様書 Version 2が公開されており、EDINET API利用案内に従ってデータを取得できます。
EDINETで開示情報を抽出するときは、候補企業自身の提出書類だけを見ません。上場親会社・大株主・過去の買収者が提出した書類にも、候補企業との重要な関係情報が載る場合があります。ここで徹底すべきなのは、書類の提出者と対象会社を混同しないことです。
誰が誰の情報を開示しているのかを厳密に区別し、提出者と対象会社を別々の項目として台帳に定義します。さらに、書類管理番号・取得日時・提出日・対象期間・書類種別を別列に記録します。
また、提出後に訂正・取下げが行われた場合は、過去の元の書類データを上書きして消去するのではなく、訂正報告書と元の書類を変更履歴として結びつけます。事象の経緯を追跡できる状態にしておくことが実務上不可欠です。なお、EDINETに書類が存在しない非上場企業も多いため、検索結果がないことをもって対象会社の財務不良や法令違反と解釈してはいけません。
一方のTDnetは、上場会社が行う適時開示を電子化して配信する仕組みです。M&A、子会社化、事業譲渡などの発表をリアルタイムで追う際に利用します。システムの詳細はJPX TDnetの概要で確認できます。
利用にあたっての注意点は、無料の適時開示情報閲覧サービスに掲載される情報が、開示日を含む31日分に限定されていることです。
数ヶ月前の発表や過去の案件を遡って調査する際は、JPX TDnet関連サービスで案内される有料の過去情報検索などを活用することになります。
そのため、台帳には取得した情報の掲載期間や、どのサービスを利用して確認した情報の違いであるかを正確に記録しておく必要があります。
TDnetから案件情報を抽出する際は、発表日・取引形態・相手方・取得割合・価格の公表有無を案件単位で整理します。特に重要なのは、開示された案件の予定と完了を明確に分けて記録することです。適時開示での発表時点ではあくまで実行の予定であり、その後の買収の成果を保証するものではありません。
実行予定日などを抽出したのち、対象企業の公式サイトにおける事後発表などと突き合わせて同じ案件IDで結びつけます。取引の完了を確認するまでは、予定として扱い続けます。
EDINETとTDnetの記録は、提出者、対象会社、案件の予定・完了、訂正履歴をそれぞれ台帳の列へ反映します。
M&Aガイドラインと企業結合審査を確認軸にする
公開情報を使ったターゲットスクリーニングは、事業や財務の数値を整理するだけでは完結しません。具体的な買収検討へ進む前に、取引における制度上の要請や関係者の利害を把握する必要があります。候補台帳を作る段階から、政府のガイドラインと企業結合審査を確認軸に組み込み、専門家へ引き継ぐ準備を行います。
まず参照すべき基準は、中小企業庁が策定する中小M&Aガイドラインです。候補先が中小企業の場合、進行において仲介会社やファイナンシャルアドバイザーなどの支援機関が関与します。ガイドラインでは、支援機関の業務内容や手数料の算定方法に関する指針が示されています。
特に重要なのは利益相反の確認です。仲介者が買収側と売却側の双方から手数料を受け取る形態では、構造的に利益相反が生じるリスクがあります。候補台帳には、企業評価だけでなく、支援者の役割に関する質問事項を設定します。また、最終契約の不履行時の対応や経営者保証の解除といった論点も、交渉初期に確認すべきリストとして台帳に持たせます。
次に、独占禁止法に基づく企業結合審査の視点です。M&Aにより市場の競争が実質的に制限されないよう、一定の条件を満たす取引には事前の届出と審査が求められます。公正取引委員会は企業結合に関する法令やガイドライン、審査ガイドブックを公開しています。
この段階で、担当者が個別案件における届出の要否や承認可能性を判断してはなりません。ここでの目的は、法務部門や弁護士が正確な判断を下せるよう、一次情報を整理することです。
候補台帳には、想定される取引形態、自社と対象会社の売上高規模、事業領域といった客観的な事実のみを記録します。事業の魅力度とともに、リスク確認と企業結合規制への該当可能性を初期から整理することで、後続の法務確認を円滑に進めることができます。
AIを使って必須条件・戦略適合・実行論点を6ステップで調べる
公開情報をもとにしたM&Aターゲット候補台帳の作成は、推測を排除し、事実と確認すべき質問を整理する作業です。この実務は、情報を集めて整理するプロセスにAIを組み込み、人が確認と判断に集中できる再現可能な6ステップで進めます。
第一のステップとして、買収目的と必須条件を定義します。自社の事業戦略に基づき、どのような企業をターゲットとするか、対象とする業界、提供地域、事業規模の範囲などを明確に定めます。AIに判定基準としてデータを渡すため、曖昧な表現を排除した箇条書きのテキストファイルを作成します。
たとえば、ファイル名を acquisition_criteria.md と設定して保存しておきます。ここで定義した条件が、以降のステップで候補を整理する際の共通基準となります。
第二のステップでは、公的データや業界資料を活用して、条件に該当しうる候補法人を集めます。業界団体が公開している企業リストや展示会の出展者一覧などを参考に、候補となる企業群をCSV形式で作成します。ファイル名は candidate_sources.csv などとし、1行に1法人のデータが並ぶ1行1レコードの形式にします。
各列には明確な列名を付け、後の処理でAIが情報を正しく読み取れるように構造化しておきます。
第三のステップで、法人番号を取得し、公式サイトと照らし合わせながら名寄せを行います。同名企業や旧社名の混同を防ぎ、対象法人を正確に特定します。取得した法人番号を candidate_sources.csv の列に追加し、後続のシステム処理で法人の同一性を確実に見分けられるようにします。
第四のステップは、EDINETやTDnetを通じ、公開された財務情報、過去の取引、訂正履歴などを案件単位で抽出することです。上場企業や有価証券報告書提出会社であれば、これらのシステムから有価証券報告書や適時開示書類のデータをダウンロードします。取得したドキュメント群は、AIに分析させるための一次資料となる元データとして所定のフォルダへ保存しておきます。
第五のステップでは、集めた情報を三層構造に整理します。従来は目視で行っていたこの情報整理の実務にAIを活用します。
作業にあたっては、ChatGPTのデータ分析機能などを開きます。そこへacquisition_criteria.mdとcandidate_sources.csv、EDINET・TDnetの保存データをアップロードします。
AIへの指示として、以下の依頼文を入力します。
アップロードしたファイル（必須条件の acquisition_criteria.md、候補リストの candidate_sources.csv、およびEDINET・TDnetの保存データ）を読み込み、以下の条件でデータを整理して3つのCSVファイルを出力してください。
1. 情報を以下の4つの区分に整理してください。
- 必須条件：対象業界、提供地域、売上規模の公開範囲、法人状態、買収者との競合や取引制約の有無
- 戦略適合：製品、解決している顧客課題、技術、販路、拠点など
- 実行論点：株主構成、希望価格、顧客の集中度、キーパーソン、知的財産の帰属、許認可、訴訟リスク、情報セキュリティ、統合への負荷など
- 欠測：公開データに記載がなく判定できない項目
2. 各情報を抽出する際は、必ず原典のURLまたはファイルパス（source_url）、原典からの正確な引用原文（source_quote）、および情報の取得日時（observed_at）を列として追加してください。
3. 過去の取引やM&A案件に関する記載は、予定されている案件と完了済みの案件を明確に分離して記録してください。
4. 厳守事項：公開情報から読み取れない事項（非上場企業の売却意思の有無、希望価格、シナジー効果など）を勝手に推定して数値を埋めないでください。情報がない場合は「未確認」として欠測区分へ分類します。除外理由については、業界外、地域外、規模外、重複、明示された取引制約といった事実に基づく理由と、単なる情報不足を区別してください。
5. Pythonなどを活用して処理を実行し、以下の3つのCSVファイルを出力してください。
- ma_candidate_ledger.csv：情報の抽出と整理が完了した候補台帳
- verification_queue.csv：情報不足などで除外判断を保留した候補一覧
- due_diligence_questions.csv：未確認項目を集約し、デューデリジェンス等で確認するための質問リストこの依頼では、AIにPythonを使ったファイルの読み込みと、指定条件に沿う抽出・結合を求めます。AIが生成したCSVは、必須条件、企業が発信した原文に基づく戦略適合、実行上の論点が指定どおり分かれているかを人が確認します。
ここで単なる情報不足を事実による不適格と区別するのは、非上場企業など開示情報の少ない会社を過少評価しないために不可欠な視点です。出力結果に根拠のない補完が混じっていないかを確認し、確認できない値は due_diligence_questions.csv へ質問として切り出します。
最後の第六ステップは、人の確認と次のアクション判断です。AIの出力はあくまで抽出と分類の候補であり、そのデータを用いて自動で自社の更新元の表を上書きさせてはいけません。
システムが整理した ma_candidate_ledger.csv や verification_queue.csv をもとに、人が上位候補の一次資料を直接読み込みます。データに含まれる source_url と source_quote のリンクや引用を参照し、原典の記述と照らし合わせる作業を行います。
法人番号に基づく企業や書類提出者が正しいか、予定されていた案件状態が未完了のままか完了しているか、数値の対象期間に誤りはないかを目視で確認します。同時に、AIが提示した業界外や規模外といった除外理由が事実に基づいているかも原典から読み取って裏付けをとります。法的論点に関わる記載などの専門的な解釈が必要な箇所も、人が原文を読んで判断します。
情報整理にAIを利用する際は、入力と出力の境界を厳密に管理する必要があります。OpenAIのビジネスデータに関する方針を読み、利用するプランの契約、保持期間、管理者設定を確認します。
ClaudeやGeminiなど別の組織承認済みAIを使う場合も、そのサービスの契約と管理設定を確認したうえで同じ入出力手順を使います。
また、秘密保持契約を締結して得たNDA資料や、企業が公開していない売却意思などの非公開情報をAIへ送信してはいけません。加えて、AIに候補企業の経営陣への自動的な接触を行わせる権限や、社内で管理している更新元の表への書き込み権限を与えないといったシステムの境界を守ることが重要です。
この人の確認を経て正しいと判断できたデータだけを更新元の表へ手動で反映します。due_diligence_questions.csvを手掛かりに、対象企業の経営陣へ接触するかを判断します。秘密保持契約の締結や未公表情報の開示請求、法務・財務などのデューデリジェンスへ進むかも検討できます。
よくある質問
対象企業の売却意思は公開情報で確認できますか
売却意思や希望価格が公表されていなければ、買収側の条件に合う候補として台帳に残し、経営陣への接触時に確認します。回答を得るまでは、売却に応じる会社として扱いません。
EDINETに書類がない企業は財務不良とみなすべきですか
金融商品取引法に基づく開示義務がない非上場企業では、EDINETに有価証券報告書などの書類がない場合があります。検索結果がないことを法令違反や財務状態の不良と解釈してはいけません。公開情報が少ない企業については、情報不足を理由に自動除外せず未確認として候補台帳に残し、買収対象としての適合性を検討する中で実態や財務情報を直接確認する手続きへ進めます。
候補台帳の点数はどのように解釈すればよいですか
候補台帳における点数は企業の客観的な価値や買収の推奨度を示すものではなく、買収者が設定した仮説に対する整理用の値にすぎません。公開情報が多い上場企業は空欄が少なくなりやすいため、情報量の差を企業評価へ誤変換しないよう注意が必要です。点数は調査の進捗や優先順位を整理する目安として扱い、実際の評価は提供される未公表の財務・事業資料と専門家の検証を経て判断します。
個別案件の企業結合審査の承認可能性は判断できますか
公開情報のスクリーニング段階で、個別のM&A案件が独占禁止法に基づく企業結合審査で承認されるかを判断することはできません。
候補台帳の作成においては、公正取引委員会が公開する企業結合審査ガイドブックなどの法令やガイドラインを参考にして、確認すべき市場、取引形態、売上規模といった項目を整理するにとどめます。
実際の届出要否や法律上の承認可能性に関する判断は専門家へ渡してください。
調査手法について
こちらの記事はグラフAIリサーチプラットフォームのSnorbeを使って作られています。Snorbeは研究開発・新規事業向けの調査テーマに応じた幅広い項目のオートリサーチや、ナレッジグラフの構築、構造化レポートの生成ができるAIリサーチツールです。
Screenshot
調査したいテーマを入力するだけで、AIが深堀りすべき観点や広げるべき調査項目をレコメンドしながら、自動でリサーチを進めます。収集した情報はナレッジグラフとして蓄積され、未調査領域（ホワイトスペース）を可視化しながら調査の網羅性を高めていけます。
また、観点マトリクスを30秒・構造化レポートを10分で自動生成する機能があり、出典付きのレポートをMarkdown/PDF形式でエクスポートできます。調査の元データも保存されるため、ファクトチェックや社内共有も容易です。
ご利用をご希望の方は、こちらよりお申し込みください。
また、グラフAIを活用した社内ナレッジ管理や、研究開発・新規事業のリサーチ支援、セルフホスト導入のご相談も受け付けています。お困りの方はお気軽にご連絡ください。
市場調査やデスクリサーチの生成AIエージェントを作っています 仲間探し中 / Founder of AI Desk Research Agent @deskrex , https://deskrex.ai
コメント