ベクトル自己回帰による高次元時系列予測の応用と実践 ~正則化推定方法を基礎から学び、高次元VARモデルに応用する~

\ベクトル自己回帰(VAR)モデルと正則化による高次元時系列予測について学びます/

概要

【受講料金】

一般料金:11,000円

学生料金:5,500円

【本セミナーの学習内容】
  • LassoやRidgeといった正則化推定方法の初歩を学べます
  • 高次元VARモデルに基づく予測の方法を学べます
  • Rを用いて、学んだ手法を実データに対して適用します
【セミナー概要】

本セミナーは、6月10日に開催した「ベクトル自己回帰による高次元時系列予測の基礎」の続編として、より高次元時系列予測に焦点を当てた実践セミナーとなります。  

時系列モデルとは、時系列データ(商品の売り上げ、株価、Webサイトへのアクセス数など、通時的な変化を伴うデータ)を分析する際に使用する統計モデルのことで、これを使うことでデータの解釈や将来の予測が可能になります。

本セミナーでは、高次元(変数の数が多い)データ分析,特に高次元ベクトル自己回帰(VAR)モデルと正則化について学びます。最終的には、高次元経済データを用いた時系列予測を行うことが目的です。

ここでVARモデルとは自己回帰モデル(現在のデータを過去のデータを用いて表現するモデル)のうち入力が(スカラーではなく)ベクトルで与えられているデータを扱うモデルのことです。また、使用する変数が非常に多い場合、つまり扱うデータが高次元になる場合、特有の困難が発生し、分析が困難になります。これに対する分析手法を紹介します。

また、本セミナーでは、LassoやRidgeといった正則化推定方法を扱います。正則化とは「過学習」(手元のデータに対して当てはめたモデルが複雑すぎる場合、過度に適合した予測を行ってしまい、新しいデータに対する一般性を損なってしまうこと)を防ぐための方法です。LassoやRidgeといった方法は正則化法の一種で、回帰モデルに加工を施しモデルの複雑さを調整します。

この講座で扱う具体的な内容は以下の通りです。

  • ベクトル時系列のベクトル自己回帰(VAR)モデルによる予測の復習:VARモデルによる時系列データの予測方法を簡単に復習します。
  • 最小2乗推定量と正則化推定量 :VARモデルの最小2乗推定法について学び、その拡張として回帰式に調整を加える役割を持つLassoを中心とした正則化推定量を定義します。その統計的性質についても簡単に解説します。
  • 高次元ファクターモデルによる予測 :時間に余裕があれば、高次元ファクターモデルの推定方法と予測への応用について解説します。
  • 高次元マクロ経済データの例 ―  FRED-MDデータセット ― :実データへの応用の準備として、米国マクロ経済データセットであるFRED-MDについて解説します。これは今日における代表的な大規模マクロ経済データセットです。
  • Rによる簡単な分析例 :FRED-MDデータセットを用いた、高次元VARモデルとその正則化推定値による時系列予測をRで行います。

必要となる前提知識は、簡単な回帰分析(最小2乗法)と行列表記ですが、その場で復習しながら進みます。

本セミナーを受講し、時系列予測をご自身の実務や研究に活かすことを目指す方、ソフトウェアの使い方だけではなくその考え方や基礎理論を学びたい皆様のご参加を心よりお待ちしています。

【このような方におすすめ】
  • データ分析の精度を向上させたい方で、LassoやRidgeといった正則化推定方法を学習したい方
  • 実データに基づく分析スキルを向上させたい方で、高次元データの分析と予測を学習したい方
  • 時系列データの予測精度を上げたい方で、VARモデルの応用と正則化手法を学習したい方
  • 経済データの分析に興味がある方で、FRED-MDデータセットを用いた具体的な事例を学習したい方

【講師紹介】

植松 良公(一橋大学院 ソーシャル・データサイエンス研究科 准教授)

所属:一橋大学大学院ソーシャル・データサイエンス研究科 准教授 / 東北大学大学院経済学研究科 客員准教授

学位:博士(経済学)(一橋大学)

個人HPはこちら

[経歴]

2023年4月 - 現在:東北大学, 大学院経済学研究科, 客員准教授

2022年4月 - 現在:一橋大学, 大学院ソーシャル・データサイエンス研究科, 准教授

2022年4月 - 2023年3月:一橋大学, ソーシャル・データサイエンス研究教育推進センター, 准教授

[最近の論文]

Inference in Sparsity-Induced Weak Factor Models

Estimation of Sparsity-Induced Weak Factor Models

Estimation of large covariance matrices with mixed factor structures

ご参加にあたって(必ずご確認ください)

【申込方法】

ご参加を希望される一般の方は、画面上部の「一般申込はこちら」をクリックし、お支払いをお願い申し上げます。

学生の方は、画面上部の「学生申込はこちら」をクリックし、Googleフォームへのご記入をお願い申し上げます。

【申込期限】

本セミナーの申込期限は以下です。期限の延長などは致しかねますので、参加をご希望の方はお早めに申込ください。

  • 一般申込期限:開催日前日 23:59まで
  • 学生申込期限:開催日の3営業日前 23:59まで
【注意事項】

お申し込みを検討される方は、下記について必ずご確認ください。

  • 本セミナーはZoom Webinarsを用いて開催いたします。
  • お申し込み後、弊社より本セミナーへのZoom参加用URLを開催当日に送付いたします。
  • 開催時間になりましたら、送付するURLよりご参加ください。
  • 講義終了後からの受講申込や、講義途中からの申込およびライブ受講の欠席による返金は致しかねますので、予めご了承ください。
  • 本セミナーにお申し込みいただいた方には、本セミナーのアーカイブ動画 / 講義資料 / 演習資料(演習のあるセミナーのみ)3点を配布いたします。
  • お申し込み後、諸事情によりリアルタイムでのご参加が難しくなってしまった方にも、上記3点の資料を配布いたします。
  • アーカイブ配信期間は、セミナー終了より1ヶ月間です。
  • 領収書を希望の方は、当社HPのお問い合わせフォーム経由よりお問い合わせください。
  • 万が一、開催時間になっても事前案内メール(Zoomの参加URLや講義資料など)が届かない場合は、迷惑メールフォルダやゴミ箱に自動的に振り分けられている場合がございます。一度ご確認いただきますようお願い申し上げます。
  • 参加URLはメールにてご案内いたします。no-spare.comドメインより受け取ることができるように設定をお願い申し上げます。
【禁止事項】
  • セミナーの録音や録画撮影などはご遠慮ください。
  • セミナーで配布した一切の資料 / 動画を無断で公開・転載することは固く禁じます。
【免責事項】
  • 本セミナーの内容は、事前の告知なく変更を行う場合があります。
  • 主催者および講演者の諸般の事情や、天災地変その他の不可抗力の事態により、本セミナーの一部あるいは全部を中止させていただく場合があります。
  • 弊社ドメインをブロックしていたことによりメールが受け取れなかったことによる参加の遅れや欠席などの責任は負いかねますので、ご了承ください。

上記が発生する場合は、当社から受講者に対して、本ページやSNS、電子メールなどで事前にお知らせいたします。

ただし、事由によっては事前のお知らせがないことを予めご了承ください。

【個人情報提供に関するご承諾について】

セミナーのお申し込みフォームや支払いフォームにご記入いただく個人情報は、当社のプライバシーポリシーに則り、適切かつ厳格に取り扱います。

ベクトル自己回帰による高次元時系列予測の応用と実践 ~正則化推定方法を基礎から学び、高次元VARモデルに応用する~

\ベクトル自己回帰(VAR)モデルと正則化による高次元時系列予測について学びます/
申込はこちら

概要

【受講料金】

一般料金:11,000円

学生料金:5,500円

【本セミナーの学習内容】
  • LassoやRidgeといった正則化推定方法の初歩を学べます
  • 高次元VARモデルに基づく予測の方法を学べます
  • Rを用いて、学んだ手法を実データに対して適用します
【セミナー概要】

本セミナーは、6月10日に開催した「ベクトル自己回帰による高次元時系列予測の基礎」の続編として、より高次元時系列予測に焦点を当てた実践セミナーとなります。  

時系列モデルとは、時系列データ(商品の売り上げ、株価、Webサイトへのアクセス数など、通時的な変化を伴うデータ)を分析する際に使用する統計モデルのことで、これを使うことでデータの解釈や将来の予測が可能になります。

本セミナーでは、高次元(変数の数が多い)データ分析,特に高次元ベクトル自己回帰(VAR)モデルと正則化について学びます。最終的には、高次元経済データを用いた時系列予測を行うことが目的です。

ここでVARモデルとは自己回帰モデル(現在のデータを過去のデータを用いて表現するモデル)のうち入力が(スカラーではなく)ベクトルで与えられているデータを扱うモデルのことです。また、使用する変数が非常に多い場合、つまり扱うデータが高次元になる場合、特有の困難が発生し、分析が困難になります。これに対する分析手法を紹介します。

また、本セミナーでは、LassoやRidgeといった正則化推定方法を扱います。正則化とは「過学習」(手元のデータに対して当てはめたモデルが複雑すぎる場合、過度に適合した予測を行ってしまい、新しいデータに対する一般性を損なってしまうこと)を防ぐための方法です。LassoやRidgeといった方法は正則化法の一種で、回帰モデルに加工を施しモデルの複雑さを調整します。

この講座で扱う具体的な内容は以下の通りです。

  • ベクトル時系列のベクトル自己回帰(VAR)モデルによる予測の復習:VARモデルによる時系列データの予測方法を簡単に復習します。
  • 最小2乗推定量と正則化推定量 :VARモデルの最小2乗推定法について学び、その拡張として回帰式に調整を加える役割を持つLassoを中心とした正則化推定量を定義します。その統計的性質についても簡単に解説します。
  • 高次元ファクターモデルによる予測 :時間に余裕があれば、高次元ファクターモデルの推定方法と予測への応用について解説します。
  • 高次元マクロ経済データの例 ―  FRED-MDデータセット ― :実データへの応用の準備として、米国マクロ経済データセットであるFRED-MDについて解説します。これは今日における代表的な大規模マクロ経済データセットです。
  • Rによる簡単な分析例 :FRED-MDデータセットを用いた、高次元VARモデルとその正則化推定値による時系列予測をRで行います。

必要となる前提知識は、簡単な回帰分析(最小2乗法)と行列表記ですが、その場で復習しながら進みます。

本セミナーを受講し、時系列予測をご自身の実務や研究に活かすことを目指す方、ソフトウェアの使い方だけではなくその考え方や基礎理論を学びたい皆様のご参加を心よりお待ちしています。

【このような方におすすめ】
  • データ分析の精度を向上させたい方で、LassoやRidgeといった正則化推定方法を学習したい方
  • 実データに基づく分析スキルを向上させたい方で、高次元データの分析と予測を学習したい方
  • 時系列データの予測精度を上げたい方で、VARモデルの応用と正則化手法を学習したい方
  • 経済データの分析に興味がある方で、FRED-MDデータセットを用いた具体的な事例を学習したい方

【講師紹介】

植松 良公(一橋大学院 ソーシャル・データサイエンス研究科 准教授)

所属:一橋大学大学院ソーシャル・データサイエンス研究科 准教授 / 東北大学大学院経済学研究科 客員准教授

学位:博士(経済学)(一橋大学)

個人HPはこちら

[経歴]

2023年4月 - 現在:東北大学, 大学院経済学研究科, 客員准教授

2022年4月 - 現在:一橋大学, 大学院ソーシャル・データサイエンス研究科, 准教授

2022年4月 - 2023年3月:一橋大学, ソーシャル・データサイエンス研究教育推進センター, 准教授

[最近の論文]

Inference in Sparsity-Induced Weak Factor Models

Estimation of Sparsity-Induced Weak Factor Models

Estimation of large covariance matrices with mixed factor structures

ご参加にあたって(必ずご確認ください)

【申込方法】

ご参加を希望される一般の方は、画面上部の「一般申込はこちら」をクリックし、お支払いをお願い申し上げます。

学生の方は、画面上部の「学生申込はこちら」をクリックし、Googleフォームへのご記入をお願い申し上げます。

【申込期限】

本セミナーの申込期限は以下です。期限の延長などは致しかねますので、参加をご希望の方はお早めに申込ください。

  • 一般申込期限:開催日前日 23:59まで
  • 学生申込期限:開催日の3営業日前 23:59まで
【注意事項】

お申し込みを検討される方は、下記について必ずご確認ください。

  • 本セミナーはZoom Webinarsを用いて開催いたします。
  • お申し込み後、弊社より本セミナーへのZoom参加用URLを開催当日に送付いたします。
  • 開催時間になりましたら、送付するURLよりご参加ください。
  • 講義終了後からの受講申込や、講義途中からの申込およびライブ受講の欠席による返金は致しかねますので、予めご了承ください。
  • 本セミナーにお申し込みいただいた方には、本セミナーのアーカイブ動画 / 講義資料 / 演習資料(演習のあるセミナーのみ)3点を配布いたします。
  • お申し込み後、諸事情によりリアルタイムでのご参加が難しくなってしまった方にも、上記3点の資料を配布いたします。
  • アーカイブ配信期間は、セミナー終了より1ヶ月間です。
  • 領収書を希望の方は、当社HPのお問い合わせフォーム経由よりお問い合わせください。
  • 万が一、開催時間になっても事前案内メール(Zoomの参加URLや講義資料など)が届かない場合は、迷惑メールフォルダやゴミ箱に自動的に振り分けられている場合がございます。一度ご確認いただきますようお願い申し上げます。
  • 参加URLはメールにてご案内いたします。no-spare.comドメインより受け取ることができるように設定をお願い申し上げます。
【禁止事項】
  • セミナーの録音や録画撮影などはご遠慮ください。
  • セミナーで配布した一切の資料 / 動画を無断で公開・転載することは固く禁じます。
【免責事項】
  • 本セミナーの内容は、事前の告知なく変更を行う場合があります。
  • 主催者および講演者の諸般の事情や、天災地変その他の不可抗力の事態により、本セミナーの一部あるいは全部を中止させていただく場合があります。
  • 弊社ドメインをブロックしていたことによりメールが受け取れなかったことによる参加の遅れや欠席などの責任は負いかねますので、ご了承ください。

上記が発生する場合は、当社から受講者に対して、本ページやSNS、電子メールなどで事前にお知らせいたします。

ただし、事由によっては事前のお知らせがないことを予めご了承ください。

【個人情報提供に関するご承諾について】

セミナーのお申し込みフォームや支払いフォームにご記入いただく個人情報は、当社のプライバシーポリシーに則り、適切かつ厳格に取り扱います。