• 2024年01月17日(水) 10:30 ~ 17:30

１．Python入門
　（１）．Pythonの基本概念
　（２）．データの処理と管理(１pandas)
　（３）．繰り返し処理(pandas, list, NumPy)
　（４）．データの可視化(pandas, Matplotlib, seaborn)

・単にデータにモデルを当てはめるのではなく、データに適したモデルを探索的に探し当てる思考方法を学びます

２. 時系列データの基礎
　（１）．時系列データの概要
　（２）．時間トレンド
　（３）．ランダムウォークモデル
　（４）．自己回帰移動平均モデル(ARMAモデル)
　（５）．外生変数と内生変数
　（６）．赤池情報量基準(AIC)

・時間の経過とともに変化するデータを扱うモデルの基本を学びます

３.時系列データの予測への応用
　（１）．インサンプル予測とアウトオブサンプル予測
　（２）．補間と予測の違い

・時系列データの予測の意味とデータの取り扱い方の基本を学びます

４．statsmodelsを用いた時系列データ分析と応用
　・statsmodelsは様々な統計的データ探索に必要な関数を提供するオープンソースのライブラリです。データの特徴を理解し、信頼区間を得るためには必須の道具です。この道具を自在に操ることで、目的に応じたデータの将来像を得ることができます

　（１）．自己回帰モデル(aｕｔｏRｅｇ)
　　　　ａ．最小二乗法とＡＩＣを用いた解析的手法
　　　　ｂ．確定的トレンド、季節性ダミー、季節性の動的表現(ラグの選択)、外生変数
　（２）．季節性自己回帰和分移動平均モデル(SARIMAX)
　　　・自己回帰(AR)、和分(I)、移動平均(MA)を合わせたモデルをARIMAモデルといいます。これに季節性(S)と外生変数(X)を加えたモデルがSARIMAXです。パラメータの推定には最尤法とカルマンフィルターを用います。このモデルはARMAモデル、ARIMAモデルの同定に使われるだけではなく、状態空間方程式を用いたモデルにも用いられます。
　　　 ・状態空間方程式、ローカルレベルモデル、ＡＲ(２)モデル
　（３）．マルコフスイッチング動的回帰モデル(MarkovRegression)
　　ａ．リジームスイッチングモデル
　　　 ｂ．ＦＥＤファンドレートのリジームスイッチ　
　（４）．ベクトル自己回帰移動平均モデル(VARMAX)
　　・自己回帰モデルを多変量に拡張したもの
　（５）．動的要因モデル（DynamicFactor）
　　 　・動的要因モデルは、未観測要因の遷移ダイナミクスを明示的にモデル化

オンラインセミナー