シラバス情報

授業科目名
演習Ⅰ(国際金融論)
(英語名)
Seminars I(International Monetary Economics)
科目区分
研究演習科目
対象学生
社会科学研究科
学年
学年指定なし
ナンバリングコード
KCEMS5MCA3
単位数
4.00単位
ナンバリングコードは授業科目を管理する部局、学科、教養専門の別を表します。詳細は右上の?から別途マニュアルをダウンロードしてご確認ください。
授業の形態
演習 (Seminar)
開講時期
2025年度前期、2025年度後期
担当教員
伊藤 国彦
所属
国際商経学部
授業での使用言語
日本語
関連するSDGs目標
目標8/目標9
オフィスアワー・場所
金曜日12:30〜12:50 
研究室 研究棟ⅠA208
連絡先
itok@em.u-hyogo.ac.jp

対応するディプロマ・ポリシー(DP)・教職課程の学修目標
二重丸は最も関連するDP番号を、丸は関連するDPを示します。
学部DP
研究科DP
1◎/3◎/4◎
全学DP
教職課程の学修目標

講義目的・到達目標
【講義目的】このゼミナールの目的は、第1に各自が設定したテーマに関して参考文献を収集し、論点を明確化して適宜途中経過を報告することである。第2に、各自が設定した研究テーマに関連する理論と実証分析手法を身に付けることである。特に、Pythonでの深層学習(ニューラルネットワーク)を用いた金融データ分析方法の習得が重要である。さらに、研究内容の報告の仕方や論文の書き方を習得することも大切である。
【到達目標】到達目標は、参考文献、資料、データ収集を収集して、適切な分析手法を選択し論文の構成を形作ることである。また、Pythonを用いてAIのより高度な分析が着きるようになることである。

授業のサブタイトル・キーワード
サブタイトル:研究の土台となる理論と分析手法を身に付ける演習
キーワード:国際金融理論、時系列分析、深層学習、Pythonプログラミング
講義内容・授業計画
【講義内容】
(1)テーマを設定から論文構成の作成まで
①図書館の検索システムなどを用いて、設定したテーマに関する文献・資料・統計を収集し、サーベイを行う。
②とても参考になる文献は丁寧に読み、ある程度役立ちそうな文献はざっと目を通して、論文に使える部分だけピックアップしておく。調べた文献に記載されている参考文献をみて、さらに文献を探す。
③その過程で、主要な論文に関しては授業で報告し、理解を深める。
④インターネットで、レポートに使えそうな資料や統計を探す。ネット情報に頼り過ぎないことが大切である。基本は、著書・論文である。
⑤論点が明確になるようにテーマを絞り込み、論文の課題を絞り込む。論文の目的は論点についてある結論を導くことである。
⑥論点に関して、証明・資料や統計による分析などの根拠を示して結論(自分の意見・主張・発見)を導く(論証する)。従来の研究にはなかった新しい知見を理論的あるいは実証的な分析から自分自身で発見することが重要である。それをレジメの形式で整理して発表し、指導教員や他の教員からコメントやアドバイスをもらう。
(2)Pythonによる深層学習(ニューラルネットワーク)の習得
テキストを用いて、数理的な考え方や基本モデルから始めて、時系列データに向いているRNNやLSTMまで学ぶ。
【講義計画】
1年次の前期:研究テーマ設定と文献・資料・統計の収集とサーベイとテーマについての発表。
1年次の後期:テーマに関する論点の明確化。
  2月 第1回 公開中間報告会
4〜翌年2月:ニューラルネットの理論とPythonによるニューラルネットの実装

※2年次からは副指導教員の演習も受講する。
2年次の前期:理論分析と実証分析および追加的な文献・資料・統計の収集とサーベイ。論文骨子の作成と論文内容に関する発表。講義内容2)〜7)
  9月 第2回 公開中間報告会
2年次の後期:執筆、提出、面接試験。講義内容8)〜11)
10・11月:研究論文の執筆および校正。
12月:論文完成・提出。
1月:面接試験を兼ねた最終報告会。

生成系AIを利用してよいが、報告や論文作成において、出力されたモノをそのまま使用しない。判明した場合には評価を取り消す。
教科書
論文作成に関しては、各自が自分の研究テーマにあわせて収集する。
我妻幸長,『はじめてのディープラーニング』,SBクリエイティブ. (生協で購入する)
我妻幸長,『はじめてのディープラーニング2』,SBクリエイティブ. (生協で購入する)
参考文献
各自が自分の研究テーマにあわせて収集する。
事前・事後学習(予習・復習)の内容・時間の目安
研究とPython実習は、演習の時間に加えて週当たり最低でも4時間以上の時間をかけて取り組むこと。特に、中間報告会や最終報告会では十分な時間をかけて準備すること。
アクティブ・ラーニングの内容
各報告会では効果的なプレゼンテーションを行うと同時に指導教員や他の教員との質疑応答で適切なコミュニケーションを取り合う。
成績評価の基準・方法
【成績評価の基準】学んだ理論を研究テーマに関する問題の理論的な分析に適用でき、深層学習の知識を基礎としてPythonのデータ分析ツールを使いこなせ、報告会で適切なプレゼンテーションができる学生に単位を与える。その到達目標の達成度に応じてSからCで成績評価をする。
【成績評価の方法】理論的な分析力40点(40%)、実証分析のテクニック40点(40%)報告会のプレゼンテーション20点(20%)の合計100点(100%)である。到達目標にあげた点の達成度に応じてSからCで評価する。
課題・試験結果の開示方法
報告や面接試験で改善点を指摘し、修正・改善する機会を与える。
履修上の注意・履修要件
実践的教育
該当しない。
備考
英語版と日本語版との間に内容の相違が生じた場合は、日本語版を優先するものとします。