Advanced Statistics for Management

Course Title

Course Title in English

Advanced Statistics for Management

Course Type

-

専攻科目

Eligible Students

Graduate School of Social Sciences

Target Grade

All

Course Numbering Code

KCBDS7MCA3

Credits

2.00Credits

The course numbering code represents the faculty managing the subject, the department of the target students, and the education category (liberal arts / specialized course). For detailed information, please download the separate manual from the upper right 'question mark'.

Type of Class

講義 (Lecture)

Eligible Year/Semester

Spring semester 2026

Instructor

Toru KAISE

Affiliation

社会科学研究科

Language of Instruction

Japanese

Related SDGs

9

Office Hours and Location

適宜、研究室にて（要予約）

Contact

kaise@g3s.u-hyogo.ac.jp

Corresponding Diploma Policy

A double circle indicates the most relevant DP number and a circle indicates the associated DP.

Corresponding Undergraduate School DP

ー

Corresponding Graduate School DP

1◎

Corresponding University-Wide DP

N/a

Academic Goals of Teacher Training Course

ー

Course Objectives and Learning Outcome

時刻に依存して変化するデータを対象とした時系列解析について扱う。時系列解析では定常過程と自己回帰モデルを基本とし、パラメータの推定には最小２乗法を用いることが一般的である。これらを状態空間モデルと線形推定で整理することで、フィルタリングや予測の体系が構成できる。さらに，これらをベイズに基づく方法論として整理することで，先端の解析手法の理解が可能となる．そこで本講では、ファイナンスの計量分析を目的とした時系列解析の方法論を詳細に検討する。

Subtitle and Keywords of the Class

統計的意思決定、経営システム科学、データサイエンス

Course Overview and Schedule

Ⅰ講義内容
時系列解析の内容とする。

Ⅱ授業計画
以下の項目を扱う。
１．確率過程
２．ガウス分布
３．線形状態空間モデル
４．最小２乗法とベイズ推定
５．カルマン・フィルター
６．最尤推定とベイズ推定
７．時系列解析の応用事例（ファイナンス・データ）
８．情報と確率
９．情報幾何
１０．情報量、符号化
１１．情報量規準
１２．時系列解析における情報量規準の応用（ファイナンス・データ）
１３．計算機統計学（ブートストラップ, MCMC)とモデル選択
１４．基礎演習
１５．実践演習
１６．評価（到達度の確認）

In-person/Remote Classification

In-person

Implementation Method and Remote Credit Limit Application

都合により遠隔授業とする回がある場合は、事前に授業等で周知する。

Uses of Generative AI

Limited permission for use

Precautions for using Generative AI

生成AIの使用に関して、授業中にその方法を説明する。

Textbook

J. Durbin, S.J. Koopman, Time Series Analysis by State Space Methods, Oxford,
その他（授業時に説明する）

References

Thomas Kailath, et al., Linear Estimation, Prentice Hall, その他　(授業時に説明する)

Contents and Estimated Time for Pre- and Post- Learning (Preparation and Review)

予習：事前の知識整理(15h), プレゼンテーション準備(5h)

復習：レポート作成(25h)、全体の知識整理(15h)

Contents of Active Learning

ディスカッションを通じて、学生が研究テーマについて理解を深め、物事を論理的・多面的・客観的に捉えることができるようにする。

Grading Criteria and Methods

【成績評価の基準】
　講義目的・到達目標の到達度に基づき、社会科学研究科規程に従い成績評価の上、単位を付与する。
【成績評価の方法】
　予習・復習課題の提出および小テストを評価する平常点（5０％）とレポート（5０％）を基準とし、総合的に評価する。

How to Disclose Assignments and Exam Results

課題について授業の中で行う。

Precautions and Requirements for Course Registration

予習を十分すること。また、教員に頼ることなく自らが考えること。

Practical Education

該当しない。

Remarks

In cases where any differences arise between the English version and the original Japanese version, the Japanese version shall prevail as the official authoritative version.

Syllabus data