年度 |
2024年度 |
開講部局 |
経済学部経済学科昼間コース |
講義コード |
G6216443 |
科目区分 |
専門教育科目 |
授業科目名 |
国際経済政策論2 |
授業科目名 (フリガナ) |
コクサイケイザイセイサクロン2 |
英文授業科目名 |
International Economic Policy 2 |
担当教員名 |
安武 公一 |
担当教員名 (フリガナ) |
ヤスタケ コウイチ |
開講キャンパス |
東広島 |
開設期 |
3年次生 後期 3ターム |
曜日・時限・講義室 |
(3T) 水1-4:経B159 |
授業の方法 |
講義 |
授業の方法 【詳細情報】 |
|
講義と演習とディスカッションと学生の発表をミックスした授業を展開します.教員の出張によりオンラインで実施することがあるかもしれませんが,その場合には事前にアナウンスします. |
単位 |
2.0 |
週時間 |
|
使用言語 |
B
:
日本語・英語 |
学習の段階 |
3
:
中級レベル
|
学問分野(分野) |
24
:
社会科学 |
学問分野(分科) |
03
:
経済学 |
対象学生 |
|
授業のキーワード |
機械学習・深層学習・外国為替レート・国際経済諸変量・時系列分析 |
教職専門科目 |
|
教科専門科目 |
|
プログラムの中での この授業科目の位置づけ (学部生対象科目のみ) | |
---|
到達度評価 の評価項目 (学部生対象科目のみ) | 現代経済プログラム (能力・技能) ・経済政策,国際経済学,経済事情等に関する知識を応用して,政策課題を分析・検討する能力 |
授業の目標・概要等 |
この授業では国際経済諸変量の時系列データの分析を協調活動的なhands-on(座学ではない協調学習的な実習)で学ぶことにより,以下のスキルや知識をマスターすることを目指します.
- 伝統的な統計学的モデルによる時系列分析の基礎をマスターします - 人工知能的アプローチによるデータサイエンス的な時系列分析の基礎をマスターします. - 伝統的な統計学的モデルとデータサイエンス的アプローチがまったく異なるものであることを明確に学習することができます. - データ分析と管理の実習を通して基礎的なUnixの操作方法をマスターすることができ,コンピュータとより親しくなることができます(事前知識やスキルは一切要求しません). - 経済諸変量の予測に関するグループレポートの作成を通してアカデミック・ライティングの基礎を習得することができます. |
授業計画 |
第1回 ガイダンス(この授業の内容・目標・スタイル・前提とする基礎知識・成績評価等について) 第2回 Unix・Pythonの基礎知識の学習(前提とする基礎知識は一切ありません) 第3回 時系列データの基礎知識と時系列データの予測について 第4回 伝統的統計学的モデルを使った予測 (1) ARMA過程とARIMA過程(定常性・非定常性)(課題レポート) GAFAの株価はランダムウォークしていると言えるか? 第5回 伝統的統計学的モデルを使った予測 (2) SARIMA過程と予測 第6回 伝統的統計学的モデルを使った予測 (3) (試してみよう(課題レポート))国際線航空旅客数の予測・実質GDPの予測と国際比較 第7回 伝統的統計学的モデルを使った予測 (4) VAR過程 第8回 伝統的統計学的モデルを使った予測 (5) (試してみよう(課題レポート))実質可処分所得・支出所得の予測と国際比較 第9回 データサイエンスアプローチ (1) ディープラーニングとは何か?(基礎知識と初級DNNモデルの実装) 第10回 データサイエンスアプローチ (2) LSTMアーキテクチャの実装 第11回 データサイエンスアプローチ (3) CNNアーキテクチャの実装とLSTMとの組み合わせ 第12回 データサイエンスアプローチ (4) ARLSTMアーキテクチャの実装 第13回 データサイエンスアプローチ (5) (試してみよう(課題レポート))電力消費量の予測と国際比較 第14回 データサイエンスアプローチ (6) (試してみよう(課題レポート))外国為替レートの予測と比較分析 第15回 (試してみよう(課題レポート))伝統的統計学的アプローチとデータサイエンス的アプローチいずれかによる国際的経済諸変量の時系列データ分析レポートの作成
カタカナが多いシラバスですが,プログラミング言語やUnixに関する基礎知識は一切問いません.正真正銘のビギナーでも責任をもってガイドします.安心してください.また最終的な期末レポート以外の授業中の課題レポートはグループ単位での作成を予定しています.グループ単位でのレポート作成方法については,授業中にガイドしますので,この点についても安心してください. |
教科書・参考書等 |
GitHubで公開されているドキュメントを教科書・参考書として事前に指示します. |
授業で使用する メディア・機器等 |
|
【詳細情報】 |
GitHubで公開されている資料・ノート・ドキュメント等を積極的に使用します.ChatGPTを導入した授業展開も予定しています. |
授業で取り入れる 学習手法 |
|
予習・復習への アドバイス |
コンピュータやファイナンスに関する基礎知識は一切前提としません.安心してください.Windowsのファイル操作でさえおぼつかない方であっても大丈夫!心配しないでください.授業中,あるいは事前学習と事後学習をきちんと実行すれば,必ずコンピュータと友だちになれます.夢を持って授業に臨んでください. |
履修上の注意 受講条件等 |
毎回ラップトップコンピュータ(Note PC)は持ってきてください.スマホのみの受講は禁止します(そもそもスマホだけでは何もできません). |
成績評価の基準等 |
授業に対する参加度,グループ活動への貢献度,課題レポート,そして期末レポートの評価点によって成績を評価します. |
実務経験 |
|
実務経験の概要と それに基づく授業内容 |
|
メッセージ |
データ分析の授業ですので必然的にコンピュータを使いまくりますが,現在の知識レベル,技術レベルは一切問いません.大事なことは「データ分析やデータサイエンスに憧れや夢や希望を持っているか」どうか,です.それがあるなら,プログラムに関する知識など一切不要です.ひとつひとつ責任を持ってガイドします.是非チャレンジしてみてください. |
その他 |
|
すべての授業科目において,授業改善アンケートを実施していますので,回答に協力してください。 回答に対しては教員からコメントを入力しており,今後の改善につなげていきます。 |