| 年度 |
2025年度 |
開講部局 |
先進理工系科学研究科博士課程前期先進理工系科学専攻情報科学プログラム |
| 講義コード |
WSN22801 |
科目区分 |
専門的教育科目 |
| 授業科目名 |
Data Science of Algorithmic Finance |
授業科目名
（フリガナ） |
データサイエンスオブアルゴリズミックファイナンス |
| 英文授業科目名 |
Data Science of Algorithmic Finance |
| 担当教員名 |
TING HIAN ANN |
担当教員名
(フリガナ) |
ティン ヒェン アン |
| 開講キャンパス |
東広島 |
開設期 |
1年次生 後期 ３ターム |
| 曜日・時限・講義室 |
(3T) 金5-8 |
| 授業の方法 |
講義 |
授業の方法
【詳細情報】 |
対面 |
| Homework, Data Analysis, Quiz |
| 単位 |
2.0 |
週時間 |
4 |
使用言語 |
E
:
英語 |
| 学習の段階 |
5
:
大学院基礎的レベル
|
| 学問分野（分野） |
25
:
理工学 |
| 学問分野（分科） |
02
:
情報科学 |
| 対象学生 |
M1 & M2 |
| 授業のキーワード |
Data analysis, data processing, algorithm, quantitative finance, futures, options, indexes, ETFs, random |
| 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） | |
|---|
| 授業の目標・概要等 |
The industry landscape of investment, trading, and risk management has been revolutionized by computing technologies, data science, and quantitative finance. To progress in tandem with these changes in the industry, the topics covered in this course include alternative ETF construction, market microstructure, and algorithmic trading.
In addition to mathematical modeling, an important part of this course is the practical aspect: computational implementations with statistical tests. Given that implementation and test procedures are involved, this course is algorithmic and hands-on in nature. |
| 授業計画 |
第1回Different kinds of data from financial markets
第2回Cross-sectional data analysis
第3回Comparative data analysis
第4回Analysis of variance (ANOVA)
第5回Stock price adjustments and returns
第6回Stock market indexes
第7回ETFs, smart beta portforlio
第8回Construction of continuous futures price series
第9回 Indexes from derivatives
第10回Log returns and random walk
第11回Market microstructure
第12回Simple linear regression
第13回Application of linear regression: Event study
第14回Multiple linear regression II
第15回Summary |
| 教科書・参考書等 |
Ting, C. H. A. Algorithmic Finance: A Companion to Data Science, World Scientific, 2022. |
授業で使用する
メディア・機器等 |
|
| 【詳細情報】 |
Latex beamer and projector from notebook |
授業で取り入れる
学習手法 |
|
予習・復習への
アドバイス |
For each lecture, the before- and after-lecture reviews are needed. |
履修上の注意
受講条件等 |
Working knowledge on differential and integral calculus, and Python programming. |
| 成績評価の基準等 |
Comprehensive evaluation will be based on the reports(about 4) and active participation in lectures. |
| 実務経験 |
有り
|
実務経験の概要と
それに基づく授業内容 |
Practical experiences in data sourcing, data processing, and data analysis of financial markets using Python |
| メッセージ |
Lectures will be all in English. |
| その他 |
Attendance at each lecture will be taken. No examination for this course. Grades are based on reports (timely submission of assignments). |
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。 |