More Related Content
More from Takashi J OZAKI (17)
計量時系列分析の立場からビジネスの現場のデータを見てみよう - 30th Tokyo Webmining
- 2. 一応、自己紹介を…
尾崎 隆 (Takashi J. OZAKI, Ph.D.)
“J”に深い意味はありません
学者だった頃に同業界にT. Ozakiさんがいたので
と思ってJをつけたら、別業界にT. J. Ozakiさんが…
2013/10/19
2
- 4. 一応、自己紹介を…
こういうキャリアをたどっております
1997~2001年
東京大学工学部計数工学科
(※情報工学系)
2001~2006年
東京大学大学院新領域創成科学研究科
修士&博士課程(脳科学)
2006~2011年
理化学研究所脳科学総合研究センター
研究員(脳科学)
2011~2012年
東京大学教養学部 特任研究員(心理学)
2012年4月
慶應義塾大学医学部 特任助教(産学連携)
※30代のうちにポスドク問題を乗り切ることは
事実上不可能と判断して、キャリアチェンジに
打って出ることを決心
2012年6月
株式会社サイバーエージェント
2013年7月
株式会社リクルートコミュニケーションズ
2013/10/19
4
- 41. 見せかけの回帰
適当なランダムウォークで株価時系列2を線形回帰してみると…
> xrw<-cumsum(rnorm(390)) ただのランダムウォーク
> summary(lm(stock2~xrw))
Call:
lm(formula = stock2 ~ xrw)
Residuals:
Min 1Q Median 3Q Max
-879.89 -185.61 -5.68 218.59 698.09
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 1992.457 23.798 83.72 <2e-16 ***
xrw -40.543 2.111 -19.20 <2e-16 *** 何じゃこりゃ!!!
--Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 264.8 on 388 degrees of freedom
Multiple R-squared: 0.4873, Adjusted R-squared: 0.486 あり得ない!!!
F-statistic: 368.8 on 1 and 388 DF, p-value: < 2.2e-16
2013/10/19
41
- 45. 見せかけの回帰を回避するには
差分する
普通は1階差分で十分
場合によっては2階以上やる必要もある。。。
VARモデルに切り替えて、VARモデル内で自己回帰関係を
評価する
ただし見せかけの回帰が生じる時はGranger因果が使えない
インパルス応答は使える
VECM(ベクトル誤差修正モデル)を用いる
かなり複雑なロジックなので大ざっぱに説明します
2013/10/19
45