受講形式 WEB受講のみ ＊こちらの セミナーはZoomシステムを使用したオンラインセミナーとなります。 受講対象 時系列データの解析に興味のある方．社会人だけでなく，学生の方でも問題ありません． すでにデータ解析の実務に携わっている方のうち，時系列データの解析法を学びたい方． 予備知識 時系列データ解析に興味を持ち，Rを使ったデータの分析をしたいという希望があれば受講できます． また，単回帰分析の仕組みが分かると，より時系列データの解析の特徴を理解できます． 習得知識 １）時系列データの特徴を理解し，一般的なデータとの違いが分かる． ２）時系列データの特徴を活かした分析手法の基礎が学べる． ３）R言語を用いた時系列データの基本的な分析ができるようになる． 講師の言葉 時系列データとは，時刻の変化に伴い値が変化する対象を，ある一定の時間間隔で記録したものを指します． たとえば，毎日の正午の気温を記録したものは時系列データです．時系列データの分析では，データの並び順・ 前後関係を意識するか否かを重要視します．たとえば，１週間の正午の平均気温は，７日分の気温の総和を７ で割れば求められます． ここで，７日分の総和は，足し合わせる順番を意識する必要はなく，月火水木金土日でも金月水火日木土の いずれであっても等しく，同様に，バラつきを示す指標である分散も，他のデータとの関係を見る相関係数も， データの並び順を意識しないため，いわゆる時系列データの分析とは考え方が異なります． 本セミナーでは，時系列データの特徴をとらえながら分析する手法の考え方，特にデータの順序関係を意識 することで生じるメリットについて，実際の時系列データを用いながら説明します． また，データ分析に広く利用されているR言語を用いた演習を通じて，より実践的な学習効果が望めます．
プログラム
１． はじめに (１) ランダムを記述する a 確率の考え方 b データのばらつき具合の表現法 (２) データの性質の確認法 a 指標による確認法 b 視覚的な確認法 (３) 統計的仮説検定 a 統計的仮説検定による判断の枠組み b Ｒを利用した仮説検定の確認法 ２． 時系列データの特徴 (１) 時系列データの定義 a 時刻変化に伴い値が変化するデータは時系列データなのか？ b 発生順番に依存するデータは時系列データなのか？ (２) 時間依存の構造 a 順番によって傾向があるデータの表現方法 b 過去の記憶の薄れ方 (３) 時間依存を確認する方法 a 自己相関係数とコレログラム b 自己相関係数と偏自己相関係数 ３． 時系列データの分析 (１) 時系列構造の導入 a 時間依存の考え方と自己回帰構造 b 自己回帰構造の引き継ぎ方 c さまざまな時系列モデル（ＡＲ，ＭＡ，ＡＲＭＡ，ＡＲＩＭＡ） (２) 単位根と見せかけの回帰 a 単位根とは何か b 単位根が存在したときの問題点 c 単位根の有無の確認法 (３) 分析手順の実例 a データの視覚化 b 性質の確認 c モデルの当てはめ d モデルの検証 ４． 予測・シミュレーション (１) 時系列構造を考慮した予測法 a 予測するための理論とシミュレーション実例 b 計算機を用いた逐次的な予測理論とシミュレーション実例 (２) 未来の表現法とリスクの計測 a 未来のデータの変動具合とリスク b リスクの計測法と評価 講師紹介 略歴： 慶應義塾大学にてニューラルネットワーク，衛星レーダの画像解析の研究に従事． 2004年に一橋大学助手就任し，金融データ解析を専門とする． 2007年から株式会社QUICKで，金融業界動向のマーケティング，新たな金融情報 サービスの企画，金融機関などとの共同研究に従事する傍ら，総合研究大学院大学 複合科学研究科統計学専攻を修了し，商品先物のリスクに関する研究で学位（学術）を 取得する．それ以降，金融に関する学会，論文の発表，著書の執筆のほか，一橋大学， 上智大学で非常勤講師としてデータサイエンス，数理ファイナンスを指導． 2018年9月，FinTech時代に真に役立つ金融知識と技能を幅広い方々に届けるべく， 株式会社エフビズを創立し，代表取締役に就任．
