本科目設置の狙い及び専攻の目的との連関性を踏まえ、データ、情報分析に関する専門的知識・実務等について学ぶとともに課題解決に向けた実践力を身につける。

演習科目「ゼミナール」で課されるグラデュエーションペーパーで用いる統計処理やネットワーク分析について学ぶ。

Based on the aim of establishing this course and its linkage with the objectives of the professional degree course, students will learn specialized knowledge and practices related to data and information analysis and acquire practical skills for solving problems.

Students will practice statistical processing and network analysis for the graduation paper assigned to "MOT seminar."

• 本科目は専門科目である。本専攻のディプロマ・ポリシー、カリキュラムポリシーとの関連性は『履修の手引き』を参照すること。

• グラデュエーションペーパー（GP）の作成に関して、データを扱う分析を行うための最低限かつ実践的な知識と能力を修得する。MOTでは分析に関する授業は多々あるが、本授業では特にグラデュエーションペーパー（GP）の作成に際し、必要なデータを扱う定量的分析手法を学ぶことを主な目的としており、そのために統計学やネットワーク分析などをエクセルや必要に応じPythonなどのプログラム作成を通じて学んだり、またディーリングルームにてブルームバーグ端末を使った演習を行う。

• This course is a specialized subject. For its relevance to the diploma policy and curriculum policy of this program, please refer to the Course Guide. 

• The course provides the minimum and practical knowledge and ability to conduct data analysis to prepare a Graduation Paper (GP). For this purpose, students will learn statistics and network analysis through programming in Excel and, if necessary, Python and practice using a Bloomberg terminal in the dealing room.

• グラデュエーションペーパーを作成するために必要となる社会科学、経済学などでの統計分析、アンケート調査の設計と分析、ネットワーク分析、金融工学での分析等が自分でできるようになる。また、そのことを通じて、データを読む力・知見や課題解決に向けた実践力を養う。

• 本科目について定められている本専攻のカリキュラムポリシーに関連する教育領域（『履修の手引き』を参照）の知見を修得している。

• Students will be able to perform their own statistical analysis in social sciences, economics, etc., design and analyze surveys, network analysis, and analysis in financial engineering, which are necessary to prepare a grad paper. Through this, students will also develop the ability and knowledge to read data and practical problem-solving skills.

• Students will acquire knowledge related to the educational domains specified in the curriculum policy of this program for this course (refer to the Course Guide).

• 一般的な進め方のイメージ(ゲストスピーカーの回を除く)は下記の通りである。

30分　GPでの分析事例の紹介、分析の際の注意点の説明

30分　GPに応用できるような例題を演習形式で解く

30分　演習の結果を発表しながら、理解を深める

• 内容を⼀部変更する場合があり、その場合は事前に授業内で説明する。
• 関連科目：技術経営入門、新規事業戦略、アカウンティング、ファイナンスと企業統治

• A general idea of how to proceed (excluding guest speaker sessions) is as follows

30 minutes: Brief lecture and intro

30 minutes: Solving simple exercises

30 minutes: Introduction of examples of analysis in GP and explanation of points to keep in mind when analyzing

30 minutes: Solve example problems that can be applied to GP in the form of exercises

30 minutes: Deepen understanding by presenting the results of the exercises

• The contents of the syllabus may be changed in some cases, which will be explained in class in advance.

• Related subjects: "Introduction to Technology Management," "New Business Strategy," "Accounting," and "Finance and Corporate Governance."
  
  

• 各週回に資料がある場合は、1週間程度前に配信する。配信資料を手掛かりにデータ分析や授業での議論のための準備を行うこと
• なお、ゲストスピーカーの資料は事前にアップすることができない場合がある。その際は、その方の経歴・実績や過去の論文、本などを予習の上、授業に臨むこと。
• 準備学習：事前配布資料等に基づく次回授業参加の準備、復習（毎週8時間程度）。
• 毎週回では必要に応じて、授業で行った練習問題、演習に関する復習を行う。またレポートを課し、授業復習に代わる学習と位置づける場合もある。

• If materials are available for each weekly session, they will be made available on LETUS approximately one week in advance.
• Uploading the guest speaker's materials in advance may not be possible. In such cases, please prepare the guest speaker's background, achievements, past papers, books, etc., before coming to class.
• Preparation: Preparation and review for the next class based on the materials distributed in advance (about 7 hours each week).
• Students will review the exercises and exercises done in class each week as needed. In some cases, a report will be assigned to replace the class review.

• 授業への貢献度（授業の概要、目的を踏まえた、議論を発展させる質の良い発言・コメント、質問 等）30％、各週回で行う演習、および最終発表　70％
• 各週回で行う演習、発表のフィードバックは基本的に授業中に取り上げることをもって行う。
• 成績は、科⽬主担当教員が代表して評価する。
  
  

• Class Contribution (30%): Quality contributions that develop discussions based on the course objectives, including insightful comments, questions, and participation.
• Weekly Exercises and Final Presentation (70%): Exercises conducted each week and the final presentation.

• Feedback on weekly exercises and presentations will primarily be provided during class discussions.

• Grades will be evaluated by the primary instructor representing the course and will be based on a relative evaluation system.

• ダンカン・ワッツ『スモールワールド・ネットワーク［増補改訂版］』（ちくま文芸文庫、2016年）
• 村田剛志『Pythonで学ぶネットワーク分析:  ColaboratoryとNetworkXを使った実践入門』（オーム社、2019年）
• 増田直紀・今野紀雄『複雑ネットワーク』（近代科学社、2010年）
• 山西健司『異常検知からリスク管理へ』（サイエンス社、2022年）

【Course Schedule】

1. (Sep. 16) Introduction (Tamura)
   The course outline will be explained. Students will conduct basic data analysis using Excel and simple sample data. In addition, they will discuss the distinction between correlation and causation in groups.

2. (Sep. 30) Basics of Statistical Analysis (1) (Tamura)
   Students will learn correlation analysis, t-tests, simple and multiple regression analysis, and logistic regression analysis through individual exercises.

3. (Oct. 7) Basics of Statistical Analysis (2) (Tamura)
   Through exercises, students will learn causal inference, difference-in-differences (DiD) analysis, panel data analysis, factor analysis, and principal component analysis.

4. (Oct. 14) Practical Training on Bloomberg Terminal Data Retrieval (Tamura)
   Using the Bloomberg terminals available in the program, students will practice retrieving financial data and performing statistical analysis.

5. (Oct. 21) Network Analysis (Tamura)
   An introduction to network analysis will be given, followed by a hands-on exercise using network analysis techniques. Mr. Ryo Nakai from Nomura Research Institute will join as a guest speaker to deliver the lecture and lead the exercises.

6. (Oct. 28) Text Analysis (Tamura)
   Mr. Yamamoto, CEO of the AI venture company aiQ, will be invited as a guest speaker to introduce cutting-edge techniques in text analysis and AI-driven analytics.

7. (Nov. 4) Preparation for Final Report (Tamura)
   Students will present and discuss their ideas for the final report. Based on feedback, they will revise their analysis plan and begin preparing their final reports.

8. (Nov. 11) Presentation Session (Tamura)
   Students will present their graduation paper topics and data processing approaches, followed by Q&A sessions.

Guest speakers with expertise in statistical data characteristics, limitations, or advanced analytical techniques are expected to be invited. However, guest appearances may be subject to change or cancellation.

田村浩道

野村證券、FTSE Russellにてクオンツ分析、AI解析を行った実績を生かし、実務に役立つ定量分析に関する授業、指導を行う。

Hiromichi Tamura

Lectures and provides guidance on quantitative analysis for practical use, utilizing his experience in quantitative analysis and AI analysis at Nomura Securities and FTSE Russell.