個人のお客様はこちら

日本の金融理論教育をリードするシグマインベストメントスクール


menu

データサイエンス・ワークショップ by 野村俊一

Rからはじめる『カルマンフィルター』の実装

※8/29(火)開催の「Rからはじめる一般化線形モデルGLM(損保数理過去問演習)」
 とのお得な2日間総合パック(64,800 円税込)があります。

【開催日】 2017年8月 30日(水) 18:00~21:00 (3時間)
【受講料】 40,500 円(税込)

ワークショップの特徴

R

 EXCELでは対応が難しい大量かつ複雑なデータの処理を行う実際の業務においては、統計解析フリーソフトRが利用・活用されています。それを踏まえ、弊社では、Rやその様々なパッケージを活用したデータサイエンス・ワークショップをシリーズで開催することにしました。本ワークショップでは、Rパッケージ”KFAS”を活用します。

 本ワークショップでは、『カルマンフィルタ』著者の野村俊一氏に、時系列データを分析して将来を予測するための方法として「カルマンフィルタ」および「状態空間モデル」を解説します。 状態空間モデルとは、有名なARIMAモデル等を含む時系列モデルの広大なフレームワークであり、カルマンフィルタとは、状態空間モデルの効率的な推定アルゴリズムであります。 講義では、データの観察からの一連の分析プロセスを示し、実践演習を通じて習得していただきます。 保険を題材とした理論やアルゴリズムの説明は一切省略し、Rで実装できるようになることを目的として、 ケーススタディを、 統計解析ソフトRを用いて実際に解析していただき、現場ですぐに実行できる実践力を身につけていただきます。


講師からのメッセージ

 時系列モデルはARIMAモデルが有名で広く使われていますが、増減要因の説明ができない、正規分布以外は扱えないなど、いくつかの問題点もあります。状態空間モデルでは、自然に増減要因分解ができて説明力がある、拡張性が高く非正規分布や非線形なモデルも扱えるなどの多くのメリットを持ち、実務家の発想を柔軟に取り込むことができる優れたモデルです。近年Rのパッケージ”KFAS”を用いて手軽に解析できるようになった状態空間モデルをこの機会にぜひ習得いただき、実務や研究にご活用ください。

 なお、本講義では確率分布や回帰モデルに関する知識が必要となるため、不安のある方は併せて開講されます「Rからはじめる一般化線形モデルGLM(損保数理過去問演習)」の受講をお薦めいたします。

こんな方におすすめ

  • 独力でRプログラミングができるよう平易に解説します
  • 事故件数などの正規分布に従わない時系列データも解析・予測できます
  • 時系列の増減を自然に要因分解して説明できるため、収支管理等の分析業務にも役立ちます

皆様のご参加をお待ちしています。

実施スケジュール

日 程 ※開始時刻の30分前より、入場できます。
2017年8月30日(水) 18:00~21:00
定 員 25名
(先着順。定員を超えた場合、お申込順で締め切らせて頂きます)
会 場 シグマベイスキャピタル株式会社 教室
東京都中央区日本橋茅場町2-9-8 茅場町第2平和ビル 3階
アクセス 東京メトロ 東西線・日比谷線「茅場町」駅下車 2番出口より徒歩1分
東京メトロ 日比谷線「八丁堀」駅 徒歩4分
東京メトロ 銀座線・東西線、都営地下鉄 浅草線「日本橋」駅 徒歩8分

講師

講師写真

野村 俊一

  • 統計数理研究所、弊社アクチュアリー講座講師
  • 日本アクチュアリー会正会員
  •  4年で1次試験・2次試験全科目に合格し、理事長賞受賞(2010年)
  •  損保数理、年金数理 平成19年度試験 成績優秀賞受賞(2008年)
  • 統計数理研究所 リスク解析戦略研究センター 地震予測解析プロジェクト 外来研究員
  • 慶応義塾大学大学院 システムデザイン・マネジメント研究科 研究員

所属学会:日本統計学会、日本行動計量学会、日本地震学会、日本地球惑星科学連合、日本オペレーションズ・リサーチ学会、日本保険・年金リスク学会


2005年東京大学工学部卒業。2007年東京大学情報理工学系研究科 修士課程 修了。2012年総合研究大学院大学複合科学研究科 博士課程 修了(博士(統計科学)「Stochastic Models and Forecast for Recurrent Earthquakes」)。株式会社 損害保険ジャパン、東京工業大学大学院 助教を経て現職。

books

主な著書・論文

  • 統計学One Point 2「カルマンフィルタ:Rを使った時系列予測と状態空間モデル」(共立出版、2016)
  • 「活断層で繰り返される地震の点過程モデルとその長期確率予測」(統計数理 第63巻 第1号、2015年6月)
  • “Space-time model for repeating earthquakes and analysis of recurrence intervals on the San Andreas Fault near Parkfield, California(with Ogata, Y. and Nadeau, R.M.)”(Journal of Geophysical Research, Vol.119, Issue9, September 2014)

カリキュラム

  • カルマンフィルタ/状態空間モデルとは?
    Rパッケージ"KFAS"による
    状態空間モデルの組み立て方と解析例
    訪日外客数予測
    ファクターモデルの動的回帰でR実践演習
    交通事故死傷者数の将来予測でR実践演習

※カリキュラム内容は一部変更になる場合がありますので、あらかじめご了承ください。

ワークブック

確率統計やRについての事前知識は不要ですが、下記資料に事前に目を通しておくと学習効果がアップします。

事前学習用

当日資料

講義資料とR演習データセット資料を当日配布します。

※R演習データセットはUSBメモリに格納してお持ち帰りいただけます。

参考書籍

野村 俊一『カルマンフィルタ:Rを使った時系列予測と状態空間モデル』(2016, 共立出版)

関連ワークショップ

関連講座

受講料

40,500 円(税込)


【割引料金のご案内】

  • ・弊社の「アクチュアリー1次試験対策講座」「統計検定直前対策講座」「証券アナリスト1次試験対策講座」を受講された方は、定価の2割引である「32,400 円(税込)」で受講できます。該当する方は、お申し込みフォームの備考欄に、受講されたコース名をご記入ください。
  • ・弊社の通学制スクール・専門科コースを終了された方は、定価の2割引で受講できます。該当する方は、お申し込みフォームの備考欄に、受講された専門科コース名をご記入ください。
  • ・同一法人から2名以上同時にお申込み頂いた場合、1名あたりの受講料は2割引とさせていただきます。
  • ※単日受講の場合は割引適用外です。

お申し込み方法

WEB申込

下記申込みフォームに必要事項を入力し、送信してください。
(お申し込みボタンを押すと、新しいウィンドウまたはタブが開きます。)
送信されますと、弊社より確認メールが届きます。

ワークショップ お申込み

Rからはじめる『カルマンフィルター』の実装
申し込み

お申込みに関する注意事項

  • 定員になり次第、受け付けを終了いたします。
  • お申込み状況により、延期または中止になる可能性があります。
    開講前に中止の旨をご連絡しますので、ご了承ください。
    受講料をお支払い済みの方には、受講料を返金いたします。
  • ワークショップの開催確定後、その旨のご連絡と併せ「受講証」「請求書(希望された方)」をメールにてお送りします。
  • お支払方法「銀行振込」でお申し込みの方には、開催確定後、受講料の請求書をお送り致しますので、所定の金額を全納してください。
    ※原則、実施日までにお振込をお願い致します。ただし、法人でお支払いの場合は、御社の「締め・支払い」規程に基づき、受講料をお振込頂ければ構いません。
  • ワークショップ当日は、「受講証」を必ずご持参ください。

お申込みに関するお問合せ

 電話番号:03-3665-8191


Rプログラム(事前学習用)


# 乱数シードを固定
set.seed(20160510)
# データ作成
date <- seq(as.Date("2016-04-01"), as.Date("2016-04-30"), by = "1 day")
item <- c("A", "B")
sale <- 100 * as.integer(c(rnorm(30, 10, 3), rnorm(30, 6, 2)))
data <- data.frame(
  Date = rep(date, times = 2),
  Item = rep(item, each = 30),
  Sale = sale
)

library(ggplot2)        # ggplot2
library(scales)         # 軸の変更など
library(RColorBrewer)   # カラーパレット

g <- ggplot(data, aes(x = Sale, group = Item)) +
   geom_histogram(aes(fill = Item), bins = 5)
print(g)

g <- ggplot(data, aes(x = Sale, group = Item)) +
   geom_density(aes(fill = Item), alpha = 0.75)
print(g)