データ分析の土台となる考え方
因果関係と相関関係 2007年6月
因果関係の証明、その難しさを知ることはデータを独善的に解釈しないための必須条件。
| 01．権威と因果関係の誤謬 | 03．因果関係が備えるべき条件 |
| 02．徹底して仮説を疑う | 04．因果関係を仮定する背理法的アプローチ |
抽出情報の関連性、独立性の認識と整理 2009年8月
悪しき独善から抜け出し、自分の認識の世界を広げていく技法の提案。
| 01．ルッソとシューメーカーの実験 | 05．ボトムアップアプローチ（2/2） |
| 02．データに対する独善的視点を排除する方法 | 06．独立性の高い構成概念の認識（1/2） |
| 03．トップダウンアプローチ | 07．独立性の高い構成概念の認識（2/2） |
| 04．ボトムアップアプローチ（1/2） |
組み合わせの妙 2007年3月
特徴なきものでも捨てずに組み合わせの素材として活かす道を探ってみよう。
| 01．問題編 | 03．システム合成に置き換える |
| 02．解答編 |
シンプソンのパラドックス 2008年9月
今取り扱っているデータの等質性に全幅の信頼を寄せられるか？
| 01．層別化によるサンプル特性の劇的変化 | 03．サンプルの等質性を確保する |
| 02．株価の変動で考えてみる |
データの本質を抽出する技術：多変量解析 & データマイニング
価格変動特性を基準とした個別株式銘柄のクラスタリング 2007年1月
日本を代表する個別企業を、三国志演義の世界観で綴る一大スペクタクルロマン。
アソシエーションルールによる最適な組み合わせの効率的探索 2007年3月
膨大な組み合わせの中から有用な知識を発見する、データマイニングの本丸技術。
| 01．組み合わせ数の増大 | 05．ルールの評価指標 |
| 02．マーケティング分野への活用 | 06．アプリオリアルゴリズムと３変数検証結果 |
| 03．レコメンデーションエンジン | 07．30変数検証結果 |
| 04．使用データとその加工 |
価格変動要因を探るための回帰分析、因子分析の活用 2007年5月
株価の価格変動を定量的に説明するモデルを、回帰分析と因子分析のコラボで構築してみる。
| 01．マルチファクターモデルとは？？ | 11．説明力の高いモデルの発見（２） |
| 02．分析テーマと対象銘柄 | 12．因子分析（１） |
| 03．対象銘柄の相関行列（１） | 13．因子分析（２） |
| 04．対象銘柄の相関行列（２） | 14．因子分析（３） |
| 05．単回帰モデル（１） | 15．因子分析（４） |
| 06．単回帰モデル（２） | 16．説明変数用因子の作成 |
| 07．重回帰分析の利用目的と説明変数の選択 | 17．因子を説明変数とした重回帰モデル |
| 08．仮説として立案したモデルの検証（１） | 18．因子を説明変数とした重回帰モデルの分類 |
| 09．仮説として立案したモデルの検証（２） | 19．トヨタモデル |
| 10．説明力の高いモデルの発見（１） |
ニューラルネットワークによる価格相対位置計測モデルの構築 2008年2月
すべてのトレーダーの夢、価格の天井と底の予測にチャレンジ！
| 01．取り扱いの難しい分析手法 | 05．入力信号の決定 |
| 02．階層型ニューラルネットワークの特徴 | 06．モデル構築結果（モデル構築用データ） |
| 03．ニューラルネットワークの構造と学習方式 | 07．モデル構築結果（フォワードテスト用データ） |
| 04．教師信号（あるべき出力信号）の決定 |
決定木を用いた期待収益極大化のための判別分析 2008年4月
一般的なスクリーニングでは見出せない要因を、おもいっきり引っこ抜いてみよう。
| 01．人間の直感に訴えかける分析手法 | 05．自動生成モデル（2/2） |
| 02．決定木の特徴 | 06．手動生成モデル（1/2） |
| 03．分析用データ | 07．手動生成モデル（2/2） |
| 04．自動生成モデル（1/2） |