Soumettre la recherche
Mettre en ligne
あるおっさんが記録し続けたデータを使えば人生一発逆転か?
•
7 j'aime
•
6,444 vues
Nagi Teramo
Suivre
第23回R勉強会@東京(#TokyoR)の資料
Lire moins
Lire la suite
Technologie
Signaler
Partager
Signaler
Partager
1 sur 32
Télécharger maintenant
Télécharger pour lire hors ligne
Recommandé
AtCoder Beginner Contest 024 解説
AtCoder Beginner Contest 024 解説
AtCoder Beginner Contest 024 解説
AtCoder Inc.
関西大学総合情報学部・画像情報処理(担当・浅野晃)
2018年度秋学期 画像情報処理 第10回 Radon変換と投影定理 (2018. 12. 14)
2018年度秋学期 画像情報処理 第10回 Radon変換と投影定理 (2018. 12. 14)
Akira Asano
関西大学総合情報学部 応用数学(解析)(担当・浅野晃)
2018年度秋学期 応用数学(解析) 第3部・微分方程式に関する話題 第10回 生存時間分布と半減期 (2018. 11. 20)
2018年度秋学期 応用数学(解析) 第3部・微分方程式に関する話題 第10回 生存時間分布と半減期 (2018. 11. 20)
Akira Asano
関西大学総合情報学部・応用数学(解析)(担当・浅野晃)
2018年度秋学期 応用数学(解析) 第3部・微分方程式に関する話題 第11回 振動と微分方程式 (2018. 11. 27)
2018年度秋学期 応用数学(解析) 第3部・微分方程式に関する話題 第11回 振動と微分方程式 (2018. 11. 27)
Akira Asano
PRML復々習レーン #2 2012/06/17 アフィン云々の部分で誤りがありました。お詫びして訂正致します。
PRML 2.3.9-2.4.1
PRML 2.3.9-2.4.1
marugari
Pyramid
Pyramid
tomerun
RUPC2014_Day2_C
RUPC2014_Day2_C
s1190048
関西大学総合情報学部 画像情報処理(担当・浅野晃)
2016年度秋学期 画像情報処理 第4回 離散フーリエ変換 (2016. 10. 20)
2016年度秋学期 画像情報処理 第4回 離散フーリエ変換 (2016. 10. 20)
Akira Asano
Recommandé
AtCoder Beginner Contest 024 解説
AtCoder Beginner Contest 024 解説
AtCoder Beginner Contest 024 解説
AtCoder Inc.
関西大学総合情報学部・画像情報処理(担当・浅野晃)
2018年度秋学期 画像情報処理 第10回 Radon変換と投影定理 (2018. 12. 14)
2018年度秋学期 画像情報処理 第10回 Radon変換と投影定理 (2018. 12. 14)
Akira Asano
関西大学総合情報学部 応用数学(解析)(担当・浅野晃)
2018年度秋学期 応用数学(解析) 第3部・微分方程式に関する話題 第10回 生存時間分布と半減期 (2018. 11. 20)
2018年度秋学期 応用数学(解析) 第3部・微分方程式に関する話題 第10回 生存時間分布と半減期 (2018. 11. 20)
Akira Asano
関西大学総合情報学部・応用数学(解析)(担当・浅野晃)
2018年度秋学期 応用数学(解析) 第3部・微分方程式に関する話題 第11回 振動と微分方程式 (2018. 11. 27)
2018年度秋学期 応用数学(解析) 第3部・微分方程式に関する話題 第11回 振動と微分方程式 (2018. 11. 27)
Akira Asano
PRML復々習レーン #2 2012/06/17 アフィン云々の部分で誤りがありました。お詫びして訂正致します。
PRML 2.3.9-2.4.1
PRML 2.3.9-2.4.1
marugari
Pyramid
Pyramid
tomerun
RUPC2014_Day2_C
RUPC2014_Day2_C
s1190048
関西大学総合情報学部 画像情報処理(担当・浅野晃)
2016年度秋学期 画像情報処理 第4回 離散フーリエ変換 (2016. 10. 20)
2016年度秋学期 画像情報処理 第4回 離散フーリエ変換 (2016. 10. 20)
Akira Asano
指数分布とポアソン分布について簡単に説明した後、それらは同じ事象を別々の視点から見たものであることを説明。さらにR言語を用いて実際にそれを確認。第20回R勉強会@東京(#TokyoR)(http://atnd.org/events/24629)でのトーク資料。
指数分布とポアソン分布のいけない関係
指数分布とポアソン分布のいけない関係
Nagi Teramo
データサイエンスLT祭り 2夜目 http://data-science-lt.connpass.com/event/35412/ の資料
Reproducebility 100倍 Dockerマン
Reproducebility 100倍 Dockerマン
Nagi Teramo
単回帰分析を復習した後、単純に回帰分析を適用してはいけない『やってはいけないケース』を紹介。 そしてそれがなぜ起こるのかを実例を通して紹介した後、この問題を検出するための方法の1つという観点から単位根検定の紹介をします。
Rで学ぶ回帰分析と単位根検定
Rで学ぶ回帰分析と単位根検定
Nagi Teramo
https://japanr.connpass.com/event/43919/
20161127 doradora09 japanr2016_lt
20161127 doradora09 japanr2016_lt
Nobuaki Oshiro
第33回R勉強会@東京(#TokyoR)の発表内容です。 http://atnd.org/events/42438 当日見ながら実行できるように先行公開します。
Rで計量時系列分析~CRANパッケージ総ざらい~
Rで計量時系列分析~CRANパッケージ総ざらい~
Takashi J OZAKI
第2回さくさくテキストマイニング勉強会で発表したk-meansに関する資料です。
今日から使える! みんなのクラスタリング超入門
今日から使える! みんなのクラスタリング超入門
toilet_lunch
Excelで動くフリーの統計分析プログラム、HADの解説です。 プログラムは、以下のサイトからダウンロードできます。 http://norimune.net/had エクセルで統計分析 HADについて http://slidesha.re/10ARA0k エクセルで統計分析2 HADの使い方 http://slidesha.re/RsVBp7 エクセルで統計分析3 回帰分析のやり方 http://slidesha.re/XVATPV エクセルで統計分析4 因子分析のやり方 http://slidesha.re/YWUGNY
エクセルで統計分析 統計プログラムHADについて
エクセルで統計分析 統計プログラムHADについて
Hiroshi Shimizu
「はじめてでもわかるRandomForest (ランダムフォレスト) 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京 濱田晃一 (hamadakoichi)
「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京
「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京
Koichi Hamada
読書会
第六回「データ解析のための統計モデリング入門」前半
第六回「データ解析のための統計モデリング入門」前半
Atsushi Hayakawa
About junit
About junit
About junit
エンジニア勉強会 エスキュービズム
第五回Tokyo.Scipyでのトーク資料です。
レプリカ交換モンテカルロ法で乱数の生成
レプリカ交換モンテカルロ法で乱数の生成
Nagi Teramo
7月の最新版概要資料です。 APPにて動画リワード広告を使ったマネタイズをするなら、 CPCVモデルのmaioを是非ご導入くださいませ。 【特徴】 純国産アドネットワークとして、市場規模を拡大したアイモバイルにて、既にお取組みのある1,000社以上のクライアント様から、順次動画広告を配信していただいております。 そのため、案件数が豊富でございます。 フリークエンシー(デイリーでの1人あたりの視聴制限)、リーセンシー(1つの動画を見てから、○分後までは同じ動画は見れない)についてもキャップが緩いため高フィルレートを保つことが可能です。 高単価、高フィルレートのmaioを是非よろしくお願いいたします!
【7月】maio media guide
【7月】maio media guide
Yuki Hayase
TOPIX
TOPIX
TOPIX
美夏(Mika) 村田(Murata)
Y1141617
Y1141617
sohail_s
Tokyo.R 26 LT isobe
Tokyo.R 26 LT isobe
Masayuki Isobe
投資授業-Part 5 Powerpoint slides
オンライン講座第二回.33
オンライン講座第二回.33
hitomedia, inc.
株式市場において,注文を公開せずに注文を付き合わせる,ダーク・プールという取引市場が普及してきている.ダーク・プールは市場の安定化につながると言われている一方,ダーク・プールは価格決定を行わない市場であるため,市場全体の価格発見機能が低下し,市場全体の効率性が失われるという批判もある.本研究では1つのリット市場(注文情報が公開されている通常の市場)と1つのダーク・プールが存在する人工市場モデル(マルチ・エージェント・シミュレーション)を用いて,ダーク・プールの普及が市場の効率性や発見機能にどのようなメカニズムで影響を与えうるか議論行い,さらに,シンプルな数式モデルを提案し,可能性のあるメカニズムについて議論を深めた.その結果,ダーク・プール売買数量シェアある値より小さい領域で市場は効率化し,それを超えると非効率となることが分かった.これは最適なダーク・プール売買数量シェアが存在することを示している. SOR(smart order routing)は成行注文をリット市場からダーク・プールへ回送するため,リット市場への約定率が低下する.これにより,リット市場での指値注文は厚くなり,これらが成行注文を吸収する.そのため,市場価格はファンダメンタル価格付近にとどまり市場は効率化する.しかし,ダーク・プールに多くの買い注文が待機しすぎると,市場価格をファンダメンタル価格へ収束させる成行注文がSORによりダーク・プールへ回送されて待機注文に吸収されてしまい,市場価格はファンダメンタル価格に収束しなくなる.そのため,市場は非効率になる. また,シンプルな数式モデルを用いてダーク・プールが市場を効率化または非効率化するメカニズムを議論した.市場が効率化するか非効率化するかは,リット市場とダーク・プールの売買数量の大小関係が,本質的に重要であることを示した.ダーク・プールでの売買数量がリット市場での売買数量を超えると市場が非効率化する恐れがあることを示した. ダーク・プールの使用量が小さい場合,大きな売り買いの不均衡があっても,価格発見機能は破壊されないことを示した.一方,ダーク・プールの使用量が大きい場合,非常に小さな売り買いの不均衡によって,ダーク・プールは価格発見機能を破壊してしまうことが示した.そして,シミュレーション結果とも比較を行い,傾向は一致していることを確認した.
ダーク・プールが市場効率性と価格発見メカニズムに与える影響~人工市場モデルと数式モデルを用いたメカニズムの分析~スパークス・アセット・マネジメント水田孝信
ダーク・プールが市場効率性と価格発見メカニズムに与える影響~人工市場モデルと数式モデルを用いたメカニズムの分析~スパークス・アセット・マネジメント水田孝信
Takanobu Mizuta
2015年11月14日開催、第4回八子クラウド座談会in関西 開催趣旨とアジェンダ、コレまでの歩みを説明する資料。 別途ワークショップ時のメモなどを修了後に公開します。
座談会資料(趣旨とあゆみ)配布用 20151114
座談会資料(趣旨とあゆみ)配布用 20151114
知礼 八子
ロジスティック回帰分析の入門 -予測モデル構築-
ロジスティック回帰分析の入門 -予測モデル構築-
Koichiro Gibo
ゼミでのプレゼン
株価分析ゼミ
株価分析ゼミ
Sho Mukuno
第86回R勉強会@東京(#TokyoR) RをAWS Elastic Container Serviceで動かしてデータサイエンティストがすなる意思決定支援といふものを低額で機械にさせる、俺のために。
第86回R勉強会@東京 LT資料
第86回R勉強会@東京 LT資料
Nagi Teramo
tokyor 61
Rでを作る
Rでを作る
Nagi Teramo
Contenu connexe
En vedette
指数分布とポアソン分布について簡単に説明した後、それらは同じ事象を別々の視点から見たものであることを説明。さらにR言語を用いて実際にそれを確認。第20回R勉強会@東京(#TokyoR)(http://atnd.org/events/24629)でのトーク資料。
指数分布とポアソン分布のいけない関係
指数分布とポアソン分布のいけない関係
Nagi Teramo
データサイエンスLT祭り 2夜目 http://data-science-lt.connpass.com/event/35412/ の資料
Reproducebility 100倍 Dockerマン
Reproducebility 100倍 Dockerマン
Nagi Teramo
単回帰分析を復習した後、単純に回帰分析を適用してはいけない『やってはいけないケース』を紹介。 そしてそれがなぜ起こるのかを実例を通して紹介した後、この問題を検出するための方法の1つという観点から単位根検定の紹介をします。
Rで学ぶ回帰分析と単位根検定
Rで学ぶ回帰分析と単位根検定
Nagi Teramo
https://japanr.connpass.com/event/43919/
20161127 doradora09 japanr2016_lt
20161127 doradora09 japanr2016_lt
Nobuaki Oshiro
第33回R勉強会@東京(#TokyoR)の発表内容です。 http://atnd.org/events/42438 当日見ながら実行できるように先行公開します。
Rで計量時系列分析~CRANパッケージ総ざらい~
Rで計量時系列分析~CRANパッケージ総ざらい~
Takashi J OZAKI
第2回さくさくテキストマイニング勉強会で発表したk-meansに関する資料です。
今日から使える! みんなのクラスタリング超入門
今日から使える! みんなのクラスタリング超入門
toilet_lunch
Excelで動くフリーの統計分析プログラム、HADの解説です。 プログラムは、以下のサイトからダウンロードできます。 http://norimune.net/had エクセルで統計分析 HADについて http://slidesha.re/10ARA0k エクセルで統計分析2 HADの使い方 http://slidesha.re/RsVBp7 エクセルで統計分析3 回帰分析のやり方 http://slidesha.re/XVATPV エクセルで統計分析4 因子分析のやり方 http://slidesha.re/YWUGNY
エクセルで統計分析 統計プログラムHADについて
エクセルで統計分析 統計プログラムHADについて
Hiroshi Shimizu
「はじめてでもわかるRandomForest (ランダムフォレスト) 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京 濱田晃一 (hamadakoichi)
「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京
「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京
Koichi Hamada
読書会
第六回「データ解析のための統計モデリング入門」前半
第六回「データ解析のための統計モデリング入門」前半
Atsushi Hayakawa
About junit
About junit
About junit
エンジニア勉強会 エスキュービズム
第五回Tokyo.Scipyでのトーク資料です。
レプリカ交換モンテカルロ法で乱数の生成
レプリカ交換モンテカルロ法で乱数の生成
Nagi Teramo
7月の最新版概要資料です。 APPにて動画リワード広告を使ったマネタイズをするなら、 CPCVモデルのmaioを是非ご導入くださいませ。 【特徴】 純国産アドネットワークとして、市場規模を拡大したアイモバイルにて、既にお取組みのある1,000社以上のクライアント様から、順次動画広告を配信していただいております。 そのため、案件数が豊富でございます。 フリークエンシー(デイリーでの1人あたりの視聴制限)、リーセンシー(1つの動画を見てから、○分後までは同じ動画は見れない)についてもキャップが緩いため高フィルレートを保つことが可能です。 高単価、高フィルレートのmaioを是非よろしくお願いいたします!
【7月】maio media guide
【7月】maio media guide
Yuki Hayase
TOPIX
TOPIX
TOPIX
美夏(Mika) 村田(Murata)
Y1141617
Y1141617
sohail_s
Tokyo.R 26 LT isobe
Tokyo.R 26 LT isobe
Masayuki Isobe
投資授業-Part 5 Powerpoint slides
オンライン講座第二回.33
オンライン講座第二回.33
hitomedia, inc.
株式市場において,注文を公開せずに注文を付き合わせる,ダーク・プールという取引市場が普及してきている.ダーク・プールは市場の安定化につながると言われている一方,ダーク・プールは価格決定を行わない市場であるため,市場全体の価格発見機能が低下し,市場全体の効率性が失われるという批判もある.本研究では1つのリット市場(注文情報が公開されている通常の市場)と1つのダーク・プールが存在する人工市場モデル(マルチ・エージェント・シミュレーション)を用いて,ダーク・プールの普及が市場の効率性や発見機能にどのようなメカニズムで影響を与えうるか議論行い,さらに,シンプルな数式モデルを提案し,可能性のあるメカニズムについて議論を深めた.その結果,ダーク・プール売買数量シェアある値より小さい領域で市場は効率化し,それを超えると非効率となることが分かった.これは最適なダーク・プール売買数量シェアが存在することを示している. SOR(smart order routing)は成行注文をリット市場からダーク・プールへ回送するため,リット市場への約定率が低下する.これにより,リット市場での指値注文は厚くなり,これらが成行注文を吸収する.そのため,市場価格はファンダメンタル価格付近にとどまり市場は効率化する.しかし,ダーク・プールに多くの買い注文が待機しすぎると,市場価格をファンダメンタル価格へ収束させる成行注文がSORによりダーク・プールへ回送されて待機注文に吸収されてしまい,市場価格はファンダメンタル価格に収束しなくなる.そのため,市場は非効率になる. また,シンプルな数式モデルを用いてダーク・プールが市場を効率化または非効率化するメカニズムを議論した.市場が効率化するか非効率化するかは,リット市場とダーク・プールの売買数量の大小関係が,本質的に重要であることを示した.ダーク・プールでの売買数量がリット市場での売買数量を超えると市場が非効率化する恐れがあることを示した. ダーク・プールの使用量が小さい場合,大きな売り買いの不均衡があっても,価格発見機能は破壊されないことを示した.一方,ダーク・プールの使用量が大きい場合,非常に小さな売り買いの不均衡によって,ダーク・プールは価格発見機能を破壊してしまうことが示した.そして,シミュレーション結果とも比較を行い,傾向は一致していることを確認した.
ダーク・プールが市場効率性と価格発見メカニズムに与える影響~人工市場モデルと数式モデルを用いたメカニズムの分析~スパークス・アセット・マネジメント水田孝信
ダーク・プールが市場効率性と価格発見メカニズムに与える影響~人工市場モデルと数式モデルを用いたメカニズムの分析~スパークス・アセット・マネジメント水田孝信
Takanobu Mizuta
2015年11月14日開催、第4回八子クラウド座談会in関西 開催趣旨とアジェンダ、コレまでの歩みを説明する資料。 別途ワークショップ時のメモなどを修了後に公開します。
座談会資料(趣旨とあゆみ)配布用 20151114
座談会資料(趣旨とあゆみ)配布用 20151114
知礼 八子
ロジスティック回帰分析の入門 -予測モデル構築-
ロジスティック回帰分析の入門 -予測モデル構築-
Koichiro Gibo
ゼミでのプレゼン
株価分析ゼミ
株価分析ゼミ
Sho Mukuno
En vedette
(20)
指数分布とポアソン分布のいけない関係
指数分布とポアソン分布のいけない関係
Reproducebility 100倍 Dockerマン
Reproducebility 100倍 Dockerマン
Rで学ぶ回帰分析と単位根検定
Rで学ぶ回帰分析と単位根検定
20161127 doradora09 japanr2016_lt
20161127 doradora09 japanr2016_lt
Rで計量時系列分析~CRANパッケージ総ざらい~
Rで計量時系列分析~CRANパッケージ総ざらい~
今日から使える! みんなのクラスタリング超入門
今日から使える! みんなのクラスタリング超入門
エクセルで統計分析 統計プログラムHADについて
エクセルで統計分析 統計プログラムHADについて
「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京
「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京
第六回「データ解析のための統計モデリング入門」前半
第六回「データ解析のための統計モデリング入門」前半
About junit
About junit
レプリカ交換モンテカルロ法で乱数の生成
レプリカ交換モンテカルロ法で乱数の生成
【7月】maio media guide
【7月】maio media guide
TOPIX
TOPIX
Y1141617
Y1141617
Tokyo.R 26 LT isobe
Tokyo.R 26 LT isobe
オンライン講座第二回.33
オンライン講座第二回.33
ダーク・プールが市場効率性と価格発見メカニズムに与える影響~人工市場モデルと数式モデルを用いたメカニズムの分析~スパークス・アセット・マネジメント水田孝信
ダーク・プールが市場効率性と価格発見メカニズムに与える影響~人工市場モデルと数式モデルを用いたメカニズムの分析~スパークス・アセット・マネジメント水田孝信
座談会資料(趣旨とあゆみ)配布用 20151114
座談会資料(趣旨とあゆみ)配布用 20151114
ロジスティック回帰分析の入門 -予測モデル構築-
ロジスティック回帰分析の入門 -予測モデル構築-
株価分析ゼミ
株価分析ゼミ
Plus de Nagi Teramo
第86回R勉強会@東京(#TokyoR) RをAWS Elastic Container Serviceで動かしてデータサイエンティストがすなる意思決定支援といふものを低額で機械にさせる、俺のために。
第86回R勉強会@東京 LT資料
第86回R勉強会@東京 LT資料
Nagi Teramo
tokyor 61
Rでを作る
Rでを作る
Nagi Teramo
第54回R勉強会@東京の資料
healthplanetパッケージで体組成データを手に入れて健康な体も手に入れる
healthplanetパッケージで体組成データを手に入れて健康な体も手に入れる
Nagi Teramo
Japan.R 2015
闇と向き合う
闇と向き合う
Nagi Teramo
第50回R勉強会@東京
機械の体を手に入れるのよ、鉄郎!!!
機械の体を手に入れるのよ、鉄郎!!!
Nagi Teramo
続わかりやすいパターン認識11章(11.1 - 11.4)
続わかりやすいパターン認識11章(11.1 - 11.4)
Nagi Teramo
5分でわかるかもしれないglmnet
5分でわかるかもしれないglmnet
Nagi Teramo
Lightning Talk Document for Tokyo.R 46
Ultra Lightning Talk × 3
Ultra Lightning Talk × 3
Nagi Teramo
F# meet-up in Japan(2015/2/14)
F#談話室(17)
F#談話室(17)
Nagi Teramo
RFinanceJパッケージの紹介です
RFinanceJはじめました
RFinanceJはじめました
Nagi Teramo
Presentation document in TokyoR#42.
東京R非公式おじさんが教える本当に気持ちいいパッケージ作成法
東京R非公式おじさんが教える本当に気持ちいいパッケージ作成法
Nagi Teramo
Tokyo.R 39
お前の逐モン、GETだぜ!
お前の逐モン、GETだぜ!
Nagi Teramo
My talk document for Global Tokyo.R 1
Trading volume mapping R in recent environment
Trading volume mapping R in recent environment
Nagi Teramo
第36回R勉強会@東京(#TokyoR)の資料
~knitr+pandocではじめる~『R MarkdownでReproducible Research』
~knitr+pandocではじめる~『R MarkdownでReproducible Research』
Nagi Teramo
第33回R勉強会@東京(#TokyoR)の資料
とある金融屋の統計技師が時系列解析してみた
とある金融屋の統計技師が時系列解析してみた
Nagi Teramo
第31回R勉強会@東京(#TokyoR)の資料
可視化周辺の進化がヤヴァイ~rChartsを中心として~
可視化周辺の進化がヤヴァイ~rChartsを中心として~
Nagi Teramo
第30回R勉強会@東京(#TokyoR)の資料
「plyrパッケージで君も前処理スタ☆」改め「plyrパッケージ徹底入門」
「plyrパッケージで君も前処理スタ☆」改め「plyrパッケージ徹底入門」
Nagi Teramo
第29回R勉強会@東京(#TokyoR)の資料
Tokyo.R 白熱教室「これからのRcppの話をしよう」
Tokyo.R 白熱教室「これからのRcppの話をしよう」
Nagi Teramo
第27回R勉強会@東京(#TokyoR)用のトーク資料。R言語を用いて乱数生成法の1つである逆変換方について解説。
Rで学ぶ逆変換(逆関数)法
Rで学ぶ逆変換(逆関数)法
Nagi Teramo
構造型モデル(Mertonモデル)の解説と実装した結果について。
Rで学ぶ『構造型モデル de 倒産確率推定』
Rで学ぶ『構造型モデル de 倒産確率推定』
Nagi Teramo
Plus de Nagi Teramo
(20)
第86回R勉強会@東京 LT資料
第86回R勉強会@東京 LT資料
Rでを作る
Rでを作る
healthplanetパッケージで体組成データを手に入れて健康な体も手に入れる
healthplanetパッケージで体組成データを手に入れて健康な体も手に入れる
闇と向き合う
闇と向き合う
機械の体を手に入れるのよ、鉄郎!!!
機械の体を手に入れるのよ、鉄郎!!!
続わかりやすいパターン認識11章(11.1 - 11.4)
続わかりやすいパターン認識11章(11.1 - 11.4)
5分でわかるかもしれないglmnet
5分でわかるかもしれないglmnet
Ultra Lightning Talk × 3
Ultra Lightning Talk × 3
F#談話室(17)
F#談話室(17)
RFinanceJはじめました
RFinanceJはじめました
東京R非公式おじさんが教える本当に気持ちいいパッケージ作成法
東京R非公式おじさんが教える本当に気持ちいいパッケージ作成法
お前の逐モン、GETだぜ!
お前の逐モン、GETだぜ!
Trading volume mapping R in recent environment
Trading volume mapping R in recent environment
~knitr+pandocではじめる~『R MarkdownでReproducible Research』
~knitr+pandocではじめる~『R MarkdownでReproducible Research』
とある金融屋の統計技師が時系列解析してみた
とある金融屋の統計技師が時系列解析してみた
可視化周辺の進化がヤヴァイ~rChartsを中心として~
可視化周辺の進化がヤヴァイ~rChartsを中心として~
「plyrパッケージで君も前処理スタ☆」改め「plyrパッケージ徹底入門」
「plyrパッケージで君も前処理スタ☆」改め「plyrパッケージ徹底入門」
Tokyo.R 白熱教室「これからのRcppの話をしよう」
Tokyo.R 白熱教室「これからのRcppの話をしよう」
Rで学ぶ逆変換(逆関数)法
Rで学ぶ逆変換(逆関数)法
Rで学ぶ『構造型モデル de 倒産確率推定』
Rで学ぶ『構造型モデル de 倒産確率推定』
あるおっさんが記録し続けたデータを使えば人生一発逆転か?
1.
第23回R勉強会@東京(#TokyoR) あるおっさんが記録し続けた データを使えば人生一発逆転か?
@teramonagi
2.
謎の変数Xを毎 日毎日コツコツ と記録したら
3.
とんでもない法 則を見つけてし まった?
4.
そんなお話
5.
使う分析手法
|| 回帰分析
6.
まず復習
7.
回帰分析って何? • 変数間の関係を定量的に分析
する代表的な分析手法 • ここでは2つの変数の関係を一 次関数で表現 • Rではlm関数を使って(単)回帰 分析することができる
8.
Carsデータ • 1920 年代の車
の速度speed と停止に要す る距離dist
9.
回帰式 •speed = α+β×dist+誤差 –α:切片(intercept) –β:回帰係数(cars$dist)
10.
回帰(Rで実行)
11.
t値(Value) t値=回帰係数/標準誤差 • (絶対値が)大きいほどよい! • 目安は絶対値が2以上 •
回帰係数に意味がある・予測 に意味がある
12.
図示してみると… plot(cars$dist,cars$speed) abline(lm(cars$speed~cars$dist))
13.
株価予測? • 日経平均に対して回帰分析を適用 • うまくいけば… •
日経平均(1日ラグ)= α+β×X+誤差 –α:切片(intercept) –β:回帰係数(data.x)
14.
日経平均取得のおまじない • 超簡単 >library(RFinanceYJ)
>quoteStockXtsData("998407.O") 開発者
15.
謎の変数X導入
16.
とりあえずPlot
・日経平均(左軸) 10000 79 ・謎の変数X(右軸) 78 9500 77 76 9000 75 8500 03/27 04/04 04/12 04/20 04/28 05/06 05/14 05/22 data.dates
17.
回帰結果(謎の変数X)
18.
t値の絶対値が 2以上!!!
19.
キタ━ (゚∀゚) ━!!!
20.
これ使えば 人生一発逆転 や!
21.
謎の変数Xの 正体を教えよう
22.
体重です
23.
え?
24.
俺の体重です
25.
ダイエット中の 俺の体重です
26.
大切な事なので 三回言いました
27.
俺の体重推移
28.
回帰式 •日経平均 (1日ラグ)= α+β×俺の体重+誤差 –α:切片(intercept) –β:回帰係数(data.x)
29.
この回帰… 意味あるの?
30.
ないです(キリッ
31.
Why?
32.
詳しくは・・・ 第12回R勉強会@東京(#TokyoR)の資料で!
Télécharger maintenant