状態空間方程式入門（Python編) 午後の部

時系列データ分析は、日々変化する世界を理解し、将来の動向を予測するために不可欠なツールです。わたしたちの周りには時間の経過とともに変化する多数の現象が存在し、これらの変化を数値化し、分析することでこれらの現象の背後にある原因を理解し、将来起こるであろう事態に対し対処することができます。

本セミナーでは状態空間方程式の基本から応用までを段階的に学びます。まず前準備として非観測成分分析を学びます。ローカル、レベル、トレンドの意味を定義し、観測方程式とシステム方程式の役割を理解します。つぎにSARIMAXにより、内生変数、外生変数の役割を明確化し、周期性成分を利用して季節性をモデル化します。システム方程式に外生変数を取り込むことでモデルをより柔軟にします。続けて、レジームスイッチモデル、VARMAX、ダイナミック因子分析を学びます。最尤推定法から直接モデルのコードを書くことで、更に精細な制約条件を書く方法も学びます。これらの手法は、経済・金融、制御理論、医療、マーケティングの分野で活用されています。

第１部：　状態空間方程式入門　9：30～11：00

・　観測方程式とシステム方程式：複数のノイズとカルマンフィルターの役割

・　非観測成分分析：ローカル、レベル、トレンドの意味の明確化

・　SARIMAX：季節性を周波数成分で表現し、確定的項をシステム方程式に挿入

・　レジームスイッチモデル：マルコフ連鎖と尤度を利用して状態の変化をモデル化

第２部：　より豊かな表現を求めて　11：10～12：30

・　VARMAX:応答変数をベクトル化して内生変数の役割を強化

・　動的因子モデル：ベクトル化された応答変数を因子負荷量で表現

・      モデルのカスタマイズ(MLEModel)：時変係数ARモデル

■セミナーに参加して修得できること

すべてのセッションでPythonを活用し、実際のデータセットを使用して時系列分析を行います。これにより、理論的な学習と実践的なスキルの両方を身につけることができます。

■受講対象者 統計の基礎知識を持つ方々を対象とし、Pythonを使用した時系列分析の初歩から応用までを段階的に学びます。プログラミング初心者でも理解しやすいよう、基本的なPythonのコードの書き方から説明します。

■使用ソフト：Python

■PCには事前にPython(Jupyter notebook)がインストールされている必要があります。

参考文献：

　「統計学基礎」(日本統計学会編)東京図書

「統計学実践ワークブック」日本統計学会編

 
**【講師紹介】**オックスフォードファイナンシャルエデュケーション,MBA（Strath）,MBA(HW),MSc(London).国際機関、金融機関での勤務後、大学での教育活動に従事。実務家向けセミナー多数。 主な訳書「物理学者ウォール街を往く」（東洋経済新報社）。主な著書「Python3ではじめるシステムトレード改訂版」(パンローリング)