Rで学ぶデータマイニングII
シミュレーションの視点から
『R』でデータマイニングが
出来る時代が
やってきました！！！
本書はデータマイニングの実証として実例３件を収載。
１）選挙データ解析出来る時代が
やってきました！！！
２）ニューラルネットワークにおけるデータ解析
３）株式売買におけるデータ解析
無料付属CD-ROMですぐにはじめられる！
※在庫があれば上記サイトで
入手できます。 |
［著］熊谷悦生、舟尾暢男 ［監］ ［価格］3,990 円（税込） ［判型］B5変型／264頁／CD-ROM 1枚付き ［初版］2007/10/18 ［ISBN］978-4-86167-198-2 |
■ 本書について
本書は「Rで学ぶデータマイニングI」の続編です．前著では「Rの基本的な使用方法」と「データのハンドリング方法」を紹介した後，「グラフ描画によるデータマイニングの方法」「メディア等に溢れるデータ〜記事の中で見られる問題点をデータ解析の視点から指摘」「合計特殊出生率と少子化に関するデータ解析」を行ってきました．本書では，主にWindowsユーザーの方を対象として「選挙データ解析」「ニューラルネットワークにおけるデータ解析」「株式売買に関するデータ解析」を行います．それぞれの概要は以下の通りです．
- ●選挙データ解析
- 1995年と1999年に行われた大阪市長選挙の多変量解析（検定＋回帰分析＋クラスター分析）により行政区の特徴を抽出．これに産業構造統計を加えた解析の例の紹介．
- ●ニューラルネットワークにおけるデータ解析
- ニューラルネットワークの概説，データ「iris」を使ったニューラルネットワークによる予測手法の紹介，出生児データ「birthwt」を使った感度分析方法（ニューラルネットワークで構築した予測ルールの検証方法）の紹介．
- ●株式売買におけるデータ解析
- 時系列の基礎の復習．時系列モデルにおいて日経平均株価を「ARMAモデル」「ARIMAモデル」「GARCHモデル」などに適用する例，確率微分方程式における幾何ブラウン運動との関連性，代表的なテクニカル分析（一目均衡表，移動平均線，RSI，MACD，Bollinger bands）のRによる関数実装例の紹介．株価売買の戦略シミュレーションの考察方法の紹介．また，東証1部における代表銘柄での実行例も紹介．
2007年8月
■ 書籍関連サイト
サポートページ
■ 目次
Rで学ぶデータマイニング I 目次へ
- 第3部 種々のデータマイニング
- 第20章 選挙データ解析
- 20.1 大阪市長選挙における選挙データ解析
- 20.1.1 男女別投票率と合計投票率
- 20.1.2 区による投票率の違い
- 20.1.3 1995年と1999年における2大候補の得票率
- 20.1.4 区による2大候補の得票率の違い
- 20.1.5 1995年と1999年における2大候補の得票率
- 20.2 投票率と産業構造統計との関係
- 20.2.1 1995年での投票率との関係
- 20.2.2 1999年での投票率との関係
- 20.2.3 AICによる説明変数の選択
- 20.1.1 男女別投票率と合計投票率
- 第21章 ニューラルネットワークにおけるデータ解析
- 21.1 ニューラルネットワークの概説
- 21.1.1 ニューラルネットワークによる解析の流れ
- 21.1.2 ニューラルネットワークの欠点
- 21.2 Rでのニューラルネットワーク実践例（1）
- 21.2.1 データ「iris」を用いてルールを作成する
- 21.2.2 データ「iris」を用いて予測の−致度を調べる
- 21.3 Rでのニューラルネットワーク実践例（2）
- 21.3.1 出生児データ「birthwt」にロジスティック回帰を適用する
- 21.3.2 出生児データ「birthwt」にニューラルネットワークを適用する
- 21.3.3 ニューラルネットワーク・ルールを感度分析で検証する
- 21.1.1 ニューラルネットワークによる解析の流れ
- 第4部 シミュレーションの現場
- 第22章 株式売掛こ関するデータ解析
- 22.1 時系列解析のおさらい
- 22.1.1 時系列解析とは？
- 22.1.2 定常過程と非定常過程
- 22.1.3 まとめ
- 22.2 日経平均株価データの概要
- 22.2.1 日経平均株価（銘柄コード：998407）について
- 22.2.2 時系列としての基本的チェック
- 22.2.3 時系列としての基本的チェックの例
- 【キリンホールディングス（銘柄コード：2503）】
- 22.3 単位根検定
- 22.3.1 単位根モデル
- 22.3.2 単位根検定の例【武田薬品工業（銘柄コード：4502）】
- 22.3.3 見せかけの回帰
- 22.4 幾何ブラウン運動モデル
- 22.4.1 日経平均株価の対数
- 22.4.2 日経平均株価の対数の差分
- 22.5 日経平均株価データに対するARlMAモデル
- 22.5.1 AR，MA，ARMAモデル
- 22.5.2 ARモデルによる日経平均株価の予測
- 22.5.3 ARIMAモデルによる日経平均株価の予測
- 22.5.4 ARIMAモデルによる予測例
- 【神戸製鋼所（銘柄コード：5406）】
- 22.5.5 ARIMAモデルによるシミュレーション
- 22.5.6 ARIMAモデルによるシミュレーション例
- 【ダイキン工業（銘柄コード：6367）】
- 22.6 GARCHモデル
- 22.6.1 日経平均株価でのGARCHモデル
- 22.6.2 日経平均株価の収益率でのGARCHモデル
- 22.6.3 GARCHモデルの適用例
- 【太陽誘電（銘柄コード：6976）】
- 22.7 代表的なテクニカル分析
- 22.7.1 一目均衡表
- 22.7.2 一日均衡表の適用例【マツダ（銘柄コード：7261）】
- 22.7.3 移動平均線
- 22.7.4 移動平均線の適用例【高島屋（銘柄コード：8233）】
- 22.7.5 RSI（Relative Strength lndex）
- 22.7.6 RSIの適用例【住友信託銀行（銘柄コード：8403）】
- 22.7.7 MACD（Moving Average Convergence and Divergence）
- 22.7.8 MACDの適用例
- 【西日本旅客鉄道（銘柄コード：9021）】
- 22.7.9 ボリンジャーバンド（Bollinger bands）
- 22.7.10 ボリンジャーバンド（Bollinger bands）の適用例
- 【大阪ガス（銘柄コード：9532）】
- 22.8 株価売買の単純戦略シミュレーション
- 22.8.1 乱数を使った株価売買の単純戦略シミュレーション
- 22.8.2 株価売買の単純戦略シミュレーション
- 22.8.3 株価売買の単純戦略シミュレーション例
- 【NTTドコモ（銘柄コード：9437）】
- 22.1.1 時系列解析とは？
- 第23章 シミュレーションに関する補遺
- 23.1 株価データを取得する方法
- 23.2 パッケージtseriesのインストール方法
- 23.3 シミュレーションに関する補足
- 23.3.1 ARIMAモデルの適用
- 23.3.2 ARTMAモデルによるシミュレーション
- 23.3.3 乱数を使った株価売買の単純戦略シミュレーション
- 23.2 パッケージtseriesのインストール方法
- 第5部 補説
- 第24章 SQL趨入門
- 24.1 データベースとSQL
- 24.2 パッケージの読み込み
- 24.3 RODBCを使った外部ファイルの読み込み
- 24.3.1 ExcelファイルやAccessファイルの読み込み
- 24.3.2 SQLの命令を用いたファイルの読み込み
- 24.4 SQLの命令を使ったデータフレームの編集方法
- 24.4.1 データの表示
- 24.4.2 データの条件抽出（1）
- 24.4.3 データの条件抽出（2）
- 24.4.4 データの条件抽出（3）
- 24.4.5 ワイルドカードを用いたデータの条件抽出
- 24.4.8 データの縦結合
- 24.4.7 データフレームの各カテゴリの平均
- 24.4.8 データの並べ替え（1）
- 24.4.9 データの並べ替え（2）
- 24.4.10 データの並べ替え（3）
- 24.4.11 重複レコードの削除
- 24.5 SQLiteとRSQLite
- 24.2 パッケージの読み込み
- 第25章 Rのインストール
- 25.1 Windows版Rのインストール
- 25.2 MacOSX版Rのインストール
- 25.3 Linux版Rのインストール
- 25.3.1 Fedora Core，Red Hat Linuxへのインストール例
- 25.3.2 Vinelinuxへのインストール例
- 25.3.3 openSUSE Linuxへのインストール例
- 25.3.4 DebianGNU/Linux，Ubuntuへのインストール例
- 25.2 MacOSX版Rのインストール
