時系列分析関連の本としては下記などの記事があり、被っている本もありますが、需要予測・市況予測がメインだった私の観点と違う面もあるのでまとめてみました。 Qiita: 時系列データ関連の本10冊読んだので書評書く。+4冊更新 2021年11月 データ分析の方の観点重視？ Logics of Blue 時系列分析のためのブックガイド 統計モデル的な側面を重視？ 時系列分析以外の本の紹介記事は 【データ分析の必読10冊+差をつける10冊＋100冊超】データサイエンス、データ分析、機械学習関連の本 経済・金融指標についての本の紹介はデータ分析が仕事に人が経済学・金融に手を出す 時系列解析 タイトル 入門/実装/理論 推奨度 概要

はじめに みんなが同じ夢を見る。あーあ金が無限に増えないかなぁ。それは人類の根源的な欲求ともいえる。僕たちは億万長者になりたいのだ。そしてその欲望にとりつかれたエンジニアは同様に皆こう考えるのだ。 AIに投資させれば無限に儲けられるのでは？ 私もそう思った一人です。私がその夢をあきらめるまでの2~3週間を共有したいと思います。僕が主張したいのはAI投資が儲からないということではありません。ただ僕はこう思ったからあきらめたという事実です。いけんじゃね？と思った方はどうぞ僕の屍を超えて、AI投資で稼いでください。そしたらやり方をこそっと僕に教えてください。こそっとね。 何が僕を駆り立てたのか？ 金が欲しい。これは前述したように、全人類が抱く欲望です。例にもれず私も思ったわけです。なんか寝てるだけで金稼げねぇかな...そう思ったわけです。 そんな折に、日課の記事探索をしているとこんな記事が目に入

時系列モデルを作るときは、データが定常過程に従っていることを前提とするモデルが多いです。しかし、現実には定常過程に従うデータはあまり多くありません。そんな非定常過程のデータを何となく多変量モデルで解析すると一見ものすごく当てはまりの良いモデルができてしまうことがあります。 今回は、そんな見せかけに騙されないためにも、時系列モデルを作る際に重要な単位根や共和分などの概念ををまとめたいと思います。 書籍等では難しい数式が並びますが、概念自体は直感的にも理解しやすいのです。 単位根とランダムウォーク ADF検定 補足：ADF検定について少し詳しく 単位根はなにが問題か~見せかけの回帰問題~ 補足：見せかけの回帰に騙されない方法 共和分 共和分の検定 Rでの実践 単位根とADF検定 見せかけの回帰 共和分 まとめ 参考書籍 その他 単位根とランダムウォーク 非定常過程というとよく出てくるのが単位根

この記事では時系列データ解析の文脈で出てくる偏自己相関の概念について解説します． 偏自己相関とは，時系列データ${ y_t }$のラグ$h$時点 $t-h$と時点$t$の間に存在する$h-1$個の観測値$y_{t-h+1}, \dots, y_{t-1}$の影響を除去したあとの$y_{t-h}$と$y_t$の相関のことです．この相関をどのように定義するのか，見ていきましょう． 定義（定常性） 時間$t$のときに確率変数$y_t$の値をとる時系列データ${ y_t }$を考えます．ここで，${ y_t }$は定常性を仮定しておきます．定常性とは，平均が時間$t$によらず一定であり，分散が時間差のみに依存するという仮定です.しっかり書くと次のようになります． 時系列データ${ y_t }$が定常過程であるとは $$ \begin{array}{l} E(y_t) = \mu \\ \matho

時系列データとは、ある一時点ではなく、時間軸に沿ってデータが収集され、変数の並び方にも意味があるデータのことを指します。商品の売り上げを月ごとに集積したデータや、企業の株価データ、気温データ、電車の乗客数などが時系列データの例としてあげられますね。 しかし、世の中の多くのデータが時系列データとして集計されているにも関わらず、これを解析するには通常の線形回帰モデルでは火力不足で、正しい解釈を導き出すことが困難です。 そこで、今回から複数回に分けてそんな時系列データ解析の理論やその実践法についてまとめていきます。 記事中の内容は、Rで再現できるようにコードを記載していくすので、参考にしてみてください。（近々pythonでも再現できるようにいたします。） 時系列分析の目的 時系列データの必要性 いにしえの時系列モデル トレンドモデル 平滑化モデル 時系列モデルのその前に 確率過程（重要） 平均・

確率と統計の基礎(事前確率，事後確率，尤度，ベイズの法則，...)を勉強していると，何度も何度も見たことがある説明がなんとなく理解しづらく，難しく思えることがよくあります． 例えば， 「 が与えられたとき となる確率を と書き，事後確率と呼ぶ．」 という文章はあらゆるところで見かけると思います． もちろん確率を勉強した人であれば何度も見た文章なので理解が難しいものではないのですが，それでもこの文章に「尤度」やら「事前確率」やら「カルバックライブラダイバージェンス」やらが混じり始めると，どこかで理解のほつれが出始めることがよくあると思います． 先ほどの文章の何が問題かというと， は「yの事後確率」であって「xの事後確率」ではない点です． xに事後確率が存在しないわけではなく，この場合だと はxの事後確率です． 丁寧に説明されている場合は， 「 が与えられたとき となる確率を と書き， の事後

posted articles:Python:84%株価:26%scikit-learn:16%DeepLearning:16%TA-Lib:16%

統計学の時間 統計学の基礎から応用までを丁寧に解説しています。「Step1. 基礎編」は、大学で学ぶ統計学の基礎レベルである統計検定®2級の範囲をほぼ全てカバーする内容となっています。最後まで読み進めることで、統計検定®2級に合格できる力がつくことを目標にしています。 学習ページは、数式ばかりではなく具体例を多数掲載し、はじめて統計学を学ぶ方にもイメージしやすい内容になっています。学習ページで勉強した後は、練習問題で腕試しができます。練習問題のすぐ下に解説を掲載していますので、理解度をすぐに確認することができます。 一通り勉強して知識が身に着いたら、実際に統計検定®を受験するのがオススメです。 統計WEBでは、統計検定®の受験者を応援しています！ ※統計WEBを使って統計検定®に合格された方の『合格者の声』をブログに掲載しています。こちらからご覧ください。 Step0. 初級編 1. デー

慶應義塾大学・株式会社Nospareの菅澤です． 今回はベイズ統計学を勉強するための参考書の順番 (私見) について紹介していきます． 3年ほど前に『日本語で学べるベイズ統計学の教科書10冊』を紹介しましたが，今回は「どのような順番でどの参考書を読んでいくと比較的スムーズに勉強が進められるのか」に焦点を当て，比較的最近の書籍や英語の書籍まで含めて紹介していきます． まずは全体的なフローのイメージを提示しておきます． 今回の記事では，「ベイズ統計学を勉強すること」のスタートとゴールを以下のように定めます． (スタート) 統計学の基礎的な内容 (統計検定2級程度の内容) は身についている (ゴール) ベイズモデリングに関する最新の論文がある程度理解して読め，自力でモデルを組んだり実装することができる また，このゴールへの道のりとして，大きく2通りのルートを想定します． (ルートA: フルスクラ