ＭＣＭＣ法を用いたベイズ的アプローチによるパラメタ推定

★ アルゴリズムの仕組みから学び、統計モデルをベースとした予測方法を理解する！

セミナー講師

(株)フィンデクス　代表取締役　博士(学術)　青木 義充 氏

【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、代表取締役を務める。2020年11月に社会人向けデータサイエンス教育プログラムとデータ解析コンサルティングに特化した株式会社フィンデクスを共同創業し、代表取締役に就任。

セミナー受講料

1名につき55，000円（消費税込み・資料付き）
〔1社2名以上同時申込の場合1名につき49，500円（税込み）〕

受講について

• 本講座はZoomを利用したLive配信セミナーです。セミナー会場での受講はできません。
• 下記リンクから視聴環境を確認の上、お申し込みください。
  　→ https://zoom.us/test
• 開催日が近くなりましたら、視聴用のURLとパスワードをメールにてご連絡申し上げます。
  セミナー開催日時に、視聴サイトにログインしていただき、ご視聴ください。
• Zoomクライアントは最新版にアップデートして使用してください。
  Webブラウザから視聴する場合は、Google Chrome、Firefox、Microsoft Edgeをご利用ください。
• パソコンの他にタブレット、スマートフォンでも視聴できます。
• セミナー資料はお申込み時にお知らせいただいた住所へお送りいたします。
  お申込みが直前の場合には、開催日までに資料の到着が間に合わないことがあります。ご了承ください。
• 当日は講師への質問をすることができます。可能な範囲で個別質問にも対応いたします。
• 本講座で使用される資料や配信動画は著作物であり、
  録音・録画・複写・転載・配布・上映・販売等を禁止いたします。
• 本講座はお申し込みいただいた方のみ受講いただけます。
  複数端末から同時に視聴することや複数人での視聴は禁止いたします。
• Zoomのグループにパスワードを設定しています。
  部外者の参加を防ぐため、パスワードを外部に漏洩しないでください。
  万が一部外者が侵入した場合は管理者側で部外者の退出あるいはセミナーを終了いたします。

セミナー趣旨

ベイズ統計学におけるパラメタ推定法として利用されているMCMC法は，様々な統計解析ソフトウェアでパッケージプログラムとして提供されており，多くの方に利用されている一方で，内部構造が分かりづらいために，MCMC法を適切に利用できているか心配になる方が少なからずいらっしゃいます．
本セミナーでは，MCMC法の考え方と計算の仕組みについて基礎から学習します．また，Rを用いた実例では，パッケージプログラムを利用せずに，アルゴリズムの仕組みを丁寧に解説します．
さらに，統計モデルをベースとした予測を行う際に問題となる，モデルのパラメタ推定時に生じるゆらぎについて，MCMC法を用いたパラメタ推定と同時に予測プログラムを組み合わせることで，推定時のパラメタのゆらぎを考慮した予測法についても解説します。

受講対象・レベル

・ベイズ統計学の基礎が理解できているが，パラメタ推定法に自信がない方
・MCMC法の考え方，利用法が分かりにくいと思っている方
・統計モデルを用いた予測を行っている方

習得できる知識

・MCMC法を用いたベイズ的アプローチによるパラメタ推定法
・MCMC法を利用する際の考え方，コツ
・パラメタ推定時のゆらぎの考え方と対処法

セミナープログラム

1.推定手法としてのMCMC法
　1.1 MCMC法の基礎
　　1.1.1 MCMC法の考え方
　　1.1.2 推定アルゴリズムの考え方
　1.2 Rによるプログラミング
　　1.2.1 Rの利用法と実行環境
　　1.2.2 パラメタ推定の結果とその評価

2.統計モデルを用いた予測
　2.1 線形回帰モデルにおけるベイズ推定
　2.2 MCMC法によるパラメタ推定方法と予測
　2.3 Rを用いたMCMC法の計算プログラム
　2.4 推定結果の評価と予測値の利用

3.時系列モデルを用いた予測
　3.1 時系列モデル（自己回帰モデル）のベイズ推定
　3.2 MCMC法によるパラメタ推定法と予測
　3.3 Ｒを用いたMCMC法の計算プログラム
　3.4 推定結果の評価と予測値の利用

【質疑応答】