財務管理特論２

財務管理特論２

998F53Z

86ECMBF502

山田　昌弘

Masahiro Yamada

2026年度前期

2026年度

①First semester

火曜3限

Tue3

経営学研究科　経営学専攻

Department of Management, Graduate School of Management

2.00単位

講義

Lecture

-

① [対面]対面授業/ [On-site] On-site class

マーケット・マイクロストラクチャーとは、日中における金融資産の取引を分析するファイナンスの分野の一つである。この分野では取り扱うデータ量が極めて大きく、データ分析のためには効率的なデータ操作に特化したプログラミングが必要となる。また、通常のファイナンス理論とは異なり、その理論的基礎は取引参加者の間に情報の非対称性があることを前提としている。本講義では、この分野における古典的な理論に関する文献の講読と、データを使った演習を行う。

Market Microstructure is a subfield of finance that analyzes the trading of financial assets during a day. This area involves extremely large volumes of data, necessitating programming that specializes in efficient data manipulation for effective analysis. Unlike conventional finance theory, the theoretical foundation of market microstructure assumes an information asymmetry among trading participants. This course will cover classical theories through the reading of literature and include practical exercises involving data analysis.

本講義の目的は、マーケット・マイクロストラクチャー分野における研究を行うための理論的基礎の理解と、プログラミング言語を用いたデータ分析能力を身に着けることである。経営学研究のディプロマ・ポリシー（１）専門知識の獲得、に対応した授業科目である。

The objective of this course is to provide students with a theoretical foundation for research in the field of market microstructure, as well as to develop data analysis skills using programming languages.

金融資産の短期的な取引における戦略と制度設計に関する専門書と論文について、その基本的な理論モデル構造を理解し、自らデータを収集して再検証することができる。

Students will understand the theoretical model structures in books and papers on strategies and institutional design in the short-term trading of financial assets. They will also be able to collect data independently and conduct re-evaluation analyses.

統計・ファイナンス・プログラミングに関する科目の事前履修。特にプログラミング能力については必須であり、Python、R、Matlabのいずれかの言語を扱えることを前提とする。

Prerequisites: Undergraduate level courses on statistics, finance, and programing (Matlab, Python, or R).

グループワーク　Group work／プレゼンテーション　Presentation／-

-

受講者は少なくとも2回は論文の講読を主導し、指定された論文に関する解説を行うことが求められる。またデータ分析に関する講義の後には、講義後に自らコードを書いて実験してみることが推奨される。これらの作業のため、週平均4時間以上の事前・事後学習が必要となる。

Participants are required to present at least twice and provide explanations on the assigned papers or textbooks. Additionally, after lectures on data analysis, students are encouraged to write their own code and experiment independently, with an expected commitment of around five hours per week.

課題提出（50％）および講読への参加（50％）
課題提出率が50%未満または割り当てられた講読の欠席は履修放棄とみなす。

Assignments (50%) and Participation in Discussions (50%)
A submission rate of less than 50% for assignments or absence from assigned discussions will be considered as withdrawal from the course.

・S：到達目標を十分に達成し、極めて優秀な成果を収めている
・A：到達目標を十分に達成している
・B：到達目標を達成している
・C：到達目標を最低限達成している
・D：到達目標を達成していない
・-：学修成果の評価を判断する要件を欠格している

・S：Achieved outcomes, excellent result
・A：Achieved outcomes, good result
・B：Achieved outcomes
・C：Minimally achieved outcomes
・D：Did not achieve outcomes
・-：Failed to meet even the minimal requirements for evaluation

N

-

教科書および一部の参考書は、MyKiTS (教科書販売サイト) から検索・購入可能です。
​https://gomykits.kinokuniya.co.jp/tokyorika/​​​

It is possible to search for and purchase textbooks and certain reference materials at MyKiTS (online textbook store).
​​https://gomykits.kinokuniya.co.jp/tokyorika/

林高樹、佐藤彰洋，「金融市場の高頻度データ分析」，朝倉書店　2016年
Vives, X., "Information and Learning in Markets: The Impact of Market Microstructure", Princeton Univ Press, 2008
Campbell，"Financial Decisions and Markets: A Course in Asset Pricing"，Princeton Univ Press，2017
Brunnermeier , M., "Asset Pricing under Asymmetric Information: Bubbles, Crashes, Technical Analysis, and Herding", Oxford Univ Press, 2001

講読に必要な場合はコピーを配布する予定

01.     イントロダクション
02.     データの紹介と証券市場に関する背景知識の解説、プログラミング環境の導入と利用
03.     経済・ファイナンス分野におけるプログラミング基礎（1） データのインポート・エクスポート、行列演算、各種関数の利用
04.     経済・ファイナンス分野におけるプログラミング基礎（2） SQLを用いた金融ビッグデータの効率的な取り扱いについて
05.     ※ 日中取引環境を含めた株式リターンの統計的性質の検証（林・佐藤 Ch1 and Ch 2）
06.     ※ 非対称情報下における価格決定理論 概論 （Campbell Ch12）
07.     ※ 非対称情報下における価格決定理論（１）ベイジアン・ラーニングモデル (Hellwig (1980), Vives Ch4)
08.    ※ 非対称情報下における価格決定理論（２）Grossman-Stiglitz(1980)
09.    ※ 非対称情報下における価格決定理論（３） Kyle (1985）
10.    ※ 非対称情報下における価格決定理論（４） Kyle (1989）
11.    ※ 高頻度データの解析（１） 高頻度データの特性、流動性およびボラティリティの計測（林・佐藤 Ch3）
12.    ※ 高頻度データの解析（２）ボラティリティの計測 （林・佐藤 Ch4）
13.    ※ 高頻度データの解析（３）情報の非対称性指標と価格インパクトの計測（林・佐藤 Ch5）
14. ※ 高頻度データの解析（４）金融時系列データ分析（林・佐藤 Ch6）
15. 予備回、到達度評価

（※）のついた講義回は受講者による論文・教科書の解説を中心に進める。割り当ては第2回講義時に決める。すべての講義は対面での出席が求められる。

Here is the translated syllabus outline:

01. Introduction
02. Introduction to Data and Background Knowledge on Securities Markets
03. Programming Basics in Economics and Finance (1): Data import/export, matrix operations, and use of various functions
04. Programming Basics in Economics and Finance (2): Efficient handling of financial big data with SQL
05. Statistical Properties of Stock Returns: Analysis including intra-day trading environment (Hayashi & Sato, Ch.1 and Ch.2)
06. Theories of Securities Trading under Asymmetric Information: Overview (Campbell, Ch.12)
07. Securities Trading under Asymmetric Information (1): Bayesian learning model (Hellwig, 1980; Vives, Ch.4)
08. Securities Trading under Asymmetric Information (2): Grossman-Stiglitz (1980)
09. Securities Trading under Asymmetric Information (3): Kyle (1985)
10. Securities Trading under Asymmetric Information (4): Kyle (1989)
11. High-Frequency Data Analysis (1): Characteristics of high-frequency data, liquidity, and volatility measurement (Hayashi & Sato, Ch.3)
12. High-Frequency Data Analysis (2): Volatility measurement (Hayashi & Sato, Ch.4)
13. High-Frequency Data Analysis (3): Asymmetry information indicators and price impact measurement (Hayashi & Sato, Ch.5)
14. High-Frequency Data Analysis (4): Financial time series data analysis (Hayashi & Sato, Ch.6)
15. Reserve Session or Final Evaluation

Note: Sessions from No.4 to No.15 will be primarily discussion-based, with participants explaining papers and textbook chapters. Assignments for these sessions will be decided in the second class meeting.

-

-

Python, R, Matlab, Excelなど。

オフィスアワーと連絡先はLetus参照のこと。

Y

N