Python3ではじめる時系列分析 (トレンドの判別)

Pythonをインストール済みのノートパソコンを弊社で準備いたします。 　本ワークショップでは日経平均株価のトレンドの判別方法を題材に、Pythonというインタープリタ言語の活用方法を習得していきます。Pythonはフリーで手に入る統計ライブラリー (Scypy: statsmodel, sikit – learn ) を幾つか持ちますが、ここではstatsmodelを用います。仮説検定について説明した後に、特に最小二乗法、確定的トレンド、確率的トレンド、定常過程、非定常過程について学習し、拡張ディッキー・フラー検定について考察します。また、理解を確かめるためにモンテカルロ法により時系列データを生成し、その特徴を理解します。 　参考文献は「Python 3ではじめるシステムトレード」です。ブラック=ショールズのオプションモデルではドリフト項がなぜ消えてしまうのか?なぜ現実のオプション市場は、モデルの前提条件のようにボラティリティが行使価格に対して、そして満期までの期間に対して一定にならないか等の示唆を得ることができます。 　また、ここで学習する基礎知識は統計学の基礎的な原則を再確認するために有効なだけではなく、今活発に議論されるビックデータの抱える問題、今後大きな発展が期待される機械学習、深層学習などの将来性、限界と有効性などを養うためには最適です。 　一般のPythonセミナーではカバーされない「金融時系列分析」が本ワークショップでは取得できます。

1. Python入門
   1. Pythonの特徴と日本での使用状況
   2. URL上のデータのダウンロード
   3. csvファイルの読み書き
   4. 要約量、グラフを用いたデータの特徴の把握
2. 確定的トレンドについて
   1. トレンドの発生要因
   2. 日本経済と日経平均株価
   3. データの事前処理
   4. 線形回帰モデル
   5. 標本と母数
3. 統計分析の基礎
   1. 統計的仮説検定
   2. p – 値
   3. 区間推定
   4. 相関係数と因果関係
4. 確率的トレンド
   1. 確率過程
   2. 単位根問題 (ADF検定)
   3. ドリフトの意味
   4. ドリフトと確定的トレンド
5. 自己相関
   1. ARモデル
   2. 自己相関と偏自己相関
6. モンテカルロ・シミュレーション
   1. ARモデルとランダムウォーク
7. 取引戦略のバックテスト
   1. リスク分析
   2. ブレイクアウトシステム