ほとんどのマーケティング従事者が興味を持たない「エーザイの統合報告書」がヤバいから読んだ方が良いぞ！という件｜池田紀行@トライバル代表
PwC Japanの坂野さんと、エーザイ専務執行役CFOにして早稲田大学大学院会計研究科客員教授も務める柳さんの対談記事です。 コンサルファームのPwC（プライスウォーターハウスクーパース）と企業のCFOがESGと財務の話をしている時点で、大半のマーケターが「あ、この記事は自分にとって関係ないな」と感じるのでは。 ちなみに、PwC Japanの坂野さんが書いたこの本は（まだ読んでいる途中ですが）めちゃくちゃ必読です（「ESGとかCSRとかSDGsって、儲からないけど、しょうがなくやらなきゃならない企業の社会的責任でしょ？」って思っている人こそ読む本です）。 ここから、僕が感じたエーザイのヤバさ（良い意味）について解説します。 ESGと財務情報の相関性を定量的に検証しようとしている先に挙げた記事の中で、柳さんはこう言っています。 ESGのさまざまなKPI（重要業績評価指標）と企業価値との関連
「行動経済学は死んだ」騒動のメモ｜ふろむだ@分裂勘違い君劇場
まず、Jason Hrehaという人が「行動経済学の死」という記事を書いた。 その記事の日本語訳はこちら。 この人は、ウォルマートの行動科学研究のトップ(Global Head of Behavioral Sciences at Walmart)の人。 Hrehaさんは、 「行動経済学は死んだ。 その主要な発見は何年も再現に失敗している。 その中核的アイデアである『損失回避バイアス』にもろくな再現性がない。 僕自身、実際マーケティングキャンペーンで研究したから知ってるんだ。」 という趣旨のことを言ってる。 ※「損失回避バイアス」とは、利得よりも損失の方を大きく評価する心理的傾向のこと。 その記事を山形浩生さんが知って以下のツイート： うっひーマジっすか。行動経済学は再現性皆無、カーネマン＆トヴァースキーもかなり悪質なチェリーピッキングしていて、鉄板と思われていた損失忌避すらかなり怪しく、ナ
行動経済学の『ずる』は予想以上に不合理 - 本しゃぶり
ダン・アリエリーの論文の一つに再現性が無い。 調査の結果、データが全部捏造されたものだという。 どうしてこうなった。 ダン・アリエリーへの疑い ベストセラーとなった行動経済学の本に『予想どおりに不合理』がある。このブログでも何度かお勧めしている本で、読んだ人も多いだろう。 予想どおりに不合理 行動経済学が明かす「あなたがそれを選ぶわけ」 作者:ダン アリエリー早川書房Amazon 本書の著者、ダン・アリエリーが共著者である論文について、データ捏造の疑いがかけられ話題となっている。 実験の主導者であるアリエリーは、「データが捏造されていること」については同意しているが、問題のデータは研究パートナーの「保険会社からもらったもの」であり、自分および共同執筆者たちはプライバシーの観点からデータ収集・データ入力・データのマージには関与していないと言っている*1。 本件はデータの不正を暴く過程が面白
ドルコスト平均法の効果検証（モンテカルロ法） - モーくん
要点 ドルコスト平均法は忘れていいよ、ということをモンテカルロシミュレーションをしながら確認していきます。 目次 1. ドルコスト平均法の論点 2. ドルコスト平均法に効果がない理由 3. ドルコスト平均法のモンテカルロシミュレーション 3.1. 毎月積立のシミュレーション 3.2. 各年初に一括投資のパターン 3.3. 各年末に一括投資のパターン 3.4. 6月に一括投資のパターン 3.5. 20年分を一括投資するパターン 3.6. 10年分を一括投資するパターン 4. ちょっと補足 5. 結論 6. 追記（固定口数か固定金額か） 6.1 固定口数積立方式 6.2 固定金額積立方式 6.3 固定口数vs固定金額の結論 6.4 ほんとうにそうだろうか（追記の追記） 6.5 追記の追記のまとめ 1. ドルコスト平均法の論点 投資、特に個人の資産運用の話題になると、ドルコスト平均法を推奨する人
Hiroshi Takahashi
Skip to the content. 機械学習の研究者を目指す人へ 機械学習の研究を行うためには、プログラミングや数学などの前提知識から、サーベイの方法や資料・論文の作成方法まで、幅広い知識が必要になります。本レポジトリは、学生や新社会人を対象に、機械学習の研究を行うにあたって必要になる知識や、それらを学ぶための書籍やWebサイトをまとめたものです。 目次 プログラミングの準備 Pythonを勉強しよう 分かりやすいコードを書けるようになろう 数学の準備 最適化数学を学ぼう 基本的なアルゴリズムとその実践 機械学習の全体像を学ぼう 基本的なアルゴリズムを学ぼう 深層学習の基礎を学ぼう scikit-learnやPyTorchのチュートリアルをやってみよう サーベイの方法 国際会議論文を読もう Google Scholarを活用しよう arXivをチェックしよう スライドの作り方 論文の
国友直人のホームページ
私のホーム・ページにようこそ 制作協力：福井崇人・一場知之/最後の訂正:2023年1月15日 [ 英語 | 日本語 ] 研究・教育活動の主な分野 統計学、計量経済学、数理・計量ファイナンス、経済統計学、データサイエンス(統計科学) 最近の活動 社会協力活動 国土交通省第三者委員会委員(建設工事受注動態統計調査の不適切処理問題, 2021.12.23-2022.1.14) 報告書, 国土交通省 研究協力 経済時系列解析プログラム・季節調整法X12SIML(佐藤整尚先生, 2023.2.1) 日本語解説, 英語解説 新刊 「データ分析のための統計学入門」("OpenIntro Statistics, 4th Edition" by D.Diez, M.Cetinkaya-Rundel and C.Barr, 日本語印刷版(誤植訂正版), 日本統計協会, 小暮厚之氏・吉田靖氏と共訳,2021年3
第27回 ガチャと確率とPython［その1］ | gihyo.jp
新年早々、新型コロナウィルスの緊急事態宣言が11都府県に再発令されるなど、2021年も前途多難な年になりそうです。 そういうご時世にもかかわらず（だからこそ）、この連載では今年も「式（ソフトウェア）」を「玩（もてあそ）ぶ」、浮世離れした話題をまったりと綴っていくつもりなので、興味ある人はお付き合いをよろしくお願いします。 さて今回は、昨今しばしば問題となる、ソシャゲのガチャの確率をソフトウェア的に考えてみました。 ガチャと提供確率 ソシャゲのガチャに大金を投じてしまう「廃課金」者の存在は、しばらく前から社会問題化しています。その結果、ガチャの際にはキャラの提供確率を表示することが義務化され、最近のガチャ画面には「★5キャラの提供割合は○○％」などと明示されるようになりました。 さて、それでは、提供割合が「1％」の場合、何回くらいガチャを回せば目的のキャラが手に入るのでしょうか？ カ
統計・機械学習・R・Pythonで用途別のオススメ書籍 - StatModeling Memorandum
比較的読みやすい本を中心に紹介します。今後は毎年このページを更新します。 微分積分 高校数学をきちんとやっておけばそんなに困ることないような。偏微分とテイラー展開は大学演習のような本でしっかりやっておきましょう。ラグランジュの未定乗数法のような、統計・機械学習で必要になる部分は、ネット等で学べばいいかなと思っています。 線形代数 tensorflowなどのおかげで順伝播部分（行列積および行列とベクトルの積）さえ書ければ線形代数の知識はそこまでいらないんじゃないかという流れを感じます。しかし、主成分分析やトピックモデルなどの行列分解や、ガウス過程などのカーネル法のような様々なデータ解析の手法に一歩踏み込むと、きちんとした勉強が必要になります。理解しやすくて使いやすくて、統計や機械学習への応用を主眼においた線形代数の本はまだ見たことないです。機械学習シリーズとかで基礎から「The Matrix
アベノミクスで「雇用と賃金」は結局どうなったのか、数字で徹底検証する（飯田 泰之） @gendai_biz
アベノミクスで「雇用と賃金」は結局どうなったのか、数字で徹底検証する 雇用は500万増、じつは実質賃金も… 突然の辞意表明以来、その安倍政権の各政策について数多くの評価・批判が行われている。なかでも安倍政権発足時、またはそれに先立つ自民党総裁選以来の看板であった経済政策についての評論は多い。 ある者はその功績を讃え、ある者はそれを誹（そし）る。このように、大いに評価が分かれる議論考えるにあたっては、その成果を数字から検討するとよいだろう。ここでは雇用・賃金と当初のアベノミクスの「1本目の矢」である金融政策の関係を中心に考えていきたい。 なお、統計データ自体は客観的な事実であるが、その取捨選択が恣意性を免れることはない。ご存じの向きもあるだろうが、筆者はアベノミクス――そのなかでも大胆な金融政策の効果は大きく、今後もその強化や財政政策と連携してのさらなる発展が必要であると考えている点にご留意
「未経験文系から3ヶ月でデータサイエンティストになって一発逆転」はここで終わり (2020/7/31 更新) - todo-mentor’s diary
データサイエンティストを生業にする手段と実態について述べる。 途中、具体例・境界値の例として私個人の話もするが、なるべく一般性のある話をする。 この記事で言いたいことは具体的には4つだ。 プログラミングスクールをディスるなら代わりの入門方法を提供しようよ。 もう「未経験文系から3ヶ月でデータサイエンティストで一発逆転物語」を止めろ。*1 おじさんは人生逆転したいなら真面目にやれ。 若者はワンチャンじゃなくて、ちゃんと化け物になれよ。 この記事についてはパブリック・ドメインとして転載・改変・リンク記載を自由にしてよいです。 (続き書いた) a. 入門は辛いが… b. 思考停止でプログラミングスクールに通うな。 なろう系・始めてみよう系資料一覧 （最速・最短ルート用） まずは動かしてみよう。強くてニューゲームが体験出来るぞ！ 入門以前の本 一般向け業界本 (AI業界と展望がわかる本) 技術者入
実務の専門家として機械学習や統計分析を手掛けたい人にオススメの書籍初級5冊＆中級8冊＋テーマ別11冊（2020年2月版） - 渋谷駅前で働くデータサイエンティストのブログ
(Image by Pixabay) この記事は以下のオススメ書籍リスト記事のアップデートです。 毎回の断り書きで恐縮ですが、この記事では「データサイエンティストや機械学習エンジニアなどデータ分析の実務の専門家として」*1機械学習や統計分析を手掛けていきたいという、主に初級ないし中級ぐらいのスキルレベルの人たちにお薦めしたい書籍を、初級向け5冊・中級向け8冊及び細かいテーマ別に11冊、それぞれ挙げていきます。スタンスとしては相変わらず「当座の最終到達点を『中級』に置いた時に最初に読んで内容をマスターしておくべき書籍」を初級に置いているので、世の中のこの手のお薦め書籍リストに比べると若干ハードな内容のものが初級向けに多いかもしれません。 後はちょっと気が早いかもしれませんが、機械学習パートに関しては「AutoML時代にあっても実務の専門家であれば知っておくべき知識」を収めた書籍を選んでおきま
高校レベルの数学から大学の教養数学くらいまでを独学/学び直した - razokulover publog
去年の12月頃から数学の学び直しを始めた。 職業柄少し専門的な、特に機械学習の方面の書籍などに手を出し始めると数式からは逃れられなかったりする。とはいえ元々自分は高校時代は文系で数学1A2Bまでしか履修していない。そのせいか少し数学へ苦手意識があり「図でわかるOO」とか「数学無しでもわかるOO」のような直感的に理解出来る解説に逃げることが多かった。実務上はそれで問題ないにしてもこのまま厳密な理解から逃げているのも良くないなと感じたのでもう少し先の数学に取り掛かることにした。 巷には数学の学び直しについての記事が既にたくさんある。それに自分の場合は何かの受験に成功した！とか難関の資格を取得した！というような華々しい結末を迎えている状態ではない。そんな中で自分が何か書いて誰の役にたつかもわからないが、少なくとも自分と似たようなバックグランドを持つ人には意味のある内容になるかもしれないので、どの
食べログ3.8問題を検証 - クイックノート
先日、twitter上で食べログの星の数について、 ある問題が話題になりました。 食べログの闇として話題になったその問題とは、 「評価3.8以上は年会費を払わなければ3.6に下げられる」 というものです。 食べログは飲食店についての口コミを集めるサイトで、 その評価は実際のユーザーによって形成されるものとして広く認知されています。 専門的なグルメリポーターでもなく、 一般の人々の素直な感想を集めることで、 その飲食店のリアルな価値が知れると期待して、 利用しているユーザーも多いでしょう。 それだけに、 「食べログが評価を恣意的に操作しているかもしれない」という話は、 瞬く間にネットで話題となりました。 さて、この話は実際に行われていることなのでしょうか。 食べログでは、当然評価点は公開されているので、 このような恣意的な操作があれば、 何らかの形で偏りが見つかるはずです。 ということで、食
行政をハックし、行政データをオープンにしてみようとした結果
2019年6月29日に開催されたCivic Tech Forum 2019の資料です。
検診で乳がんが発見された人が100人いたとして - NATROMのブログ
問題。 検診で乳がんが発見された人が100人いたとします。この100人の中で、がん検診のおかげで乳がんで死なずに済んだ人は、何人ぐらいでしょうか？ がん検診を行えば何かしら治療を要するがんが見つかる。しかし、がんを発見できること自体は、がん検診が有効であることを意味しない。「手術を要するがんが見つかってよかったのではないでしょうか」に代表されるような、がん検診に関する誤解はなかなか解けない。 マンモグラフィーによる乳がん検診は有効性が証明された数少ないがん検診の一つだが、その乳がん検診の大まかな効果の大きさを理解することで、がん検診一般についての理解も進むのではないか。そういうわけで冒頭のクイズである。もちろん、検診の対象者や乳がんの診断・治療法によってこの答えは変わってくるが、だいたい、大雑把にどれぐらいなのかを推測していただきたい。 現在の日本人のデータがあればいいのだが、残念ながら正
統計不正、小川淳也氏の質疑で見えてきた筋書
2月4日、今日から衆院予算委員会、統計不正問題についての本格的な追及が始まる・・・はずだった。 意外なことに、それは出だしからつまづいた。 今回の問題は、すでに15年近くにもわたって続けられていたことが明らかになっているので、厚... さらに動画を見ていくと、立憲民主党3人目の小川淳也氏の質疑が、想定外にシャープだったので、紹介したい。 ３％の符合 小川淳也氏「安倍総理、去年（2018年）の6月に3.3%という驚異的な数字の伸びがありました。21年ぶりと大きく報じられたわけであります。当時安倍総理は、初めて、民間に対して具体的な数字を挙げて賃上げ要請をしています。その数字が３％でありました。」 これは興味深い。 なるほど、調べてみると、「2018年1月5日の経済3団体が集う新年祝賀パーティのあいさつ」という場で、「今年の賃上げ３％をお願いしたい」と自ら呼びかけている。 安倍首相が言ったこと
元日銀マンが斬る 厚労省の統計不正、真の“闇”
厚生労働省の「毎月勤労統計」が火を噴いた。文字通りの炎上である。炎上は意見が対立する側が火に油を注ぐことで大きくなるケースが多いが、厚労省の毎月勤労統計の不正をかばうものはいないだろう。誰の目に見ても明らかな不正である。 毎月勤労統計とは、賃金の動向等を調査し、景気の分析や労働保険の給付金等の算定に用いられるもの。本来、東京都の常用労働者数500人以上の事業所を全て調査すべきところを、2004年からサンプル調査で手抜きしていたことが発覚した。 18年末から報道されていたが、今年に入り、根本匠厚生労働相が問題を認め、雇用保険などで過少給付があったと発表されると、のべ1973万人という対象人数、約567億円という過少給付額のインパクトもあり、普段、聞き慣れない毎月勤労統計という統計を巡る不正が一気に社会問題化した。 毎月勤労統計が公表する数値について、最初に疑問を投げ掛けたのは、地方紙である西
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
「Python」×「株価データ」で学ぶデータ分析のいろは
オープンデータ、使ってほしいけどオススメしづらい3つの理由
宮崎県の統計システムの公募がすごい。
