出版書誌データベース

　本書は，ノンパラメトリック回帰とその発展型と見なされる種々の手法に関する基礎的な概念からファイナンスへの応用手法までを，古典的な回帰手法との関連を明確にしながら解説し，ファイナンスにおける実施例を提示している。本書が取り上げている具体例で，市場参加者の関心を引きつけると期待される話題として，ポートフォリオ選択がある。
　ポートフォリオ選択のために用いるモデル化において，パラメトリックな方法を用いる場合とノンパラメトリック回帰を応用する場合とを実データを用いて比較し，ノンパラメトリック回帰を応用する方法の圧倒的な優位性を明らかにしている。また，信頼に足るヘッジファンド複製インデックスの作成によって，資産運用が透明で，手数料が低い投資商品を作成できる。さらに，ノンパラメトリック回帰を活用することの意義を，実データを用いて明らかにしている。
　読者は，市場データに限らず，その他の多様なデータから有益な情報を引き出すための手段として，ノンパラメトリック回帰とデータ視覚化手法が有益であることを，理論的にも感覚的にも明瞭に理解できるであろう。本書を梃子として，様々な場面でノンパラメトリック回帰の応用とデータの視覚化に取り組んでいただくことを期待したい。
　なお，本書に所収されているRプログラムは，R 3.3.1 GUI1.68 Mavericks build (7238)，Rのパッケージ「denpro 0.9.2 Date:2015-05-12」で動作を確認している。

訳者まえがき

まえがき

序論
0.1　条件付き分布に関するいくつかの汎関数の推定
0.2　定量ファイナンス
0.3　視覚化
0.4　参考文献


第Ⅰ部　回帰手法と分類手法のいろいろ

第1章　回帰と分類の概観
1.1　回帰
1.2　離散目的変数
1.3　パラメトリック族回帰
1.4　分類
1.5　定量ファイナンスへの応用
1.6　実データによる例
1.7　データ変換
1.8　中心極限定理
1.9　推定量の性能を測定
1.10　信頼集合
1.11　検定

第2章　線形手法とその拡張
2.1　線形回帰
2.2　変動係数線形回帰
2.3　一般化線形モデルとその関連モデル
2.4　級数推定量
2.5　条件付き分散とARCHモデル
2.6　ボラティリティと分位点推定における応用
2.7　線形分類器

第3章　カーネル法とその拡張
3.1　リグレッソグラム
3.2　カーネル推定量
3.3　最近傍推定量
3.4　局所平均を用いた分類
3.5　中央値平滑化
3.6　条件付き密度推定
3.7　条件付き分布関数推定
3.8　条件付き分位点推定
3.9　条件付き分散推定
3.10　条件付き共分散推定
3.11　リスク管理への応用
3.12　ポートフォリオ選択への応用の数々

第4章　セミパラメトリックモデルと構造モデル
4.1　単一指標モデル
4.2　加法モデル
4.3　その他のセミパラメトリックモデル

第5章　経験的リスク最小化
5.1　経験的リスク
5.2　局所経験的リスク
5.3　サポート・ベクトル・マシーン
5.4　段階的方法
5.5　適応的リグレッソグラム


第Ⅱ部　視覚化

第6章　データの視覚化
6.1　散布図
6.2　ヒストグラムとカーネル密度推定量
6.3　次元削減
6.4　グラフ化オブジェクトとしての観測値

第7章　関数の視覚化
7.1　断面図
7.2　部分依存関数
7.3　集合の再構築
7.4　レベル集合ツリー
7.5　単峰型の密度

付録　Rについての手引き
A.1　データの視覚化
A.2　線形回帰
A.3　カーネル回帰
A.4　局所1次式回帰
A.5　加法モデル：後退あてはめ法
A.6　単一指標回帰
A.7　前進段階的モデル
A.8　分位点回帰

参考文献

著者索引

事項索引