基本情報/Basic Information

開講科目名 ／Course	計算科学応用演習（24S以前）／Applied Computational Science
時間割コード ／Course Code	7261000021
ナンバリングコード ／Numbering Code
開講所属 ／Course Offered by	理工学部／Faculty of Science and Technology
曜日コマ ／Day, Period	金／Fri　3
開講区分 ／Semester offered	前期／first semester
単位数 ／Credits	2.0
学年 ／Year	3,4
主担当教員 ／Main Instructor	守 真太郎／MORI SHINTARO
科目区分 ／Course Group	専門教育科目
教室 ／Classroom
必修・選択 ／Required/Elective
授業形式 ／Class Format	講義科目
メディア授業 ／Media lecture	－

担当教員情報/Instructor Information

教員名 ／Instructor	教員所属名 ／Faculty/Department
守 真太郎／MORI SHINTARO	理工学研究科／Graduate School of Science and Technology (Master’s Course)

難易度（レベル） ／Level	レベル3
対応するＣＰ／ＤＰ ／CP/DP	CP・DP　２　解決していく力　CP・DP　３　学び続ける力
授業としての具体的到達目標 ／Concrete arrival target as the class	○確率過程の基礎を理解し、簡単な確率微分方程式を解くことができる（解決していく力） ○株価データを分析し，ブラックショールズ公式および数値計算によりオプション価格を評価できる（学び続ける力）
授業の概要 ／Summary of the class	確率解析の基礎とデータサイエンスを直結し、金融データ分析の多面的理解を目指す。 ○確率過程をランダムウォークから始め、ウィーナー過程、確率積分を解説する ○確率微分方程式の解法を学ぶ ○株価を幾何ブラウン運動でモデル化し、ブラック・ショールズ公式を導出する。 ○モンテカルロ・シミュレーションにより株価時系列データを生成し、オプション価格を評価する。
授業の内容予定 ／Contents plan of the class	第１回：ブラウン運動 第２回：演習：ブラウン運動 第３回：伊藤積分 第４回：演習：伊藤積分 第５回：伊藤の公式 第６回：演習：伊藤の公式 第７回：確率微分方程式 第８回：演習：確率微分方程式 第９回：株価変動モデルとブラック・ショールズ公式 第１０回：演習：株価変動モデルとブラック・ショールズ公式 ----------------------------------------------------- 第１１回：株価データ分析（リターン、ボラティリティ、自己相関などの統計） 第１２回：実務家講演：株価データ分析と実務 第１３回：オプション価格データ分析とインプライド・ボラティリティ 第１４回：モンテカルロシミュレーションとオプション価格計算 第１５回：学習状況の確認（期末試験）と解説 ※講義の進行・理解度などにより内容や予定が異なる場合があります。
成績評価方法及び採点基準 ／A scholastic evaluation method and marking standard	・第１回～第１４回のレポート課題：３０％ ・第１回～第１０回までの小テスト：４０％ ・期末試験：３０％ として、総合的に成績評価を行う。 ・小テストは前回の講義のレポート課題から出題する。次回講義冒頭に実施する。 ・レポートは課題への取り組み状況および計算過程の説明の適切さを評価する。 ・第１１回～第１４回については小テストは実施しない。 秀：確率微分方程式の理論を理解し、自力で解を導出し、株価モデルとオプション価格評価の両面から高度な分析ができる 優：理論を理解し、標準的なSDEの計算およびモデル構築ができる 良：基本公式を用いた計算とモデル実装ができる 可：基礎概念を理解している 生成AIの利用について： 補助的利用のみ可（自力で作成した解答の検証に限る。解答生成への直接利用は禁止）とする。
予習及び復習等の内容 ／Contents such as preparations for lessons and the review	教科書・参考書に記載の参考文献や検索により、授業で扱う内容について事前に学んでおくとよいでしょう。 また、授業で扱いきれなかった題材について授業後に学ぶことでより知識が身につきます。必ず手を動かしてやっておくこと。(予習，復習は，最低でも各２時間程度行う必要があります。後半はデータ分析とコーディングで３時間以上取り組むことが必要となります。)
教材・教科書 ／The teaching materials, textbook	「確率微分方程式入門 ―数理ファイナンスへの応用― (数学のかんどころ 26)」、石村直之（共立出版、2014年）
参考文献 ／bibliography	「Pythonによる時系列予測 (Compass Data Science)」Marco Peixeiro (著), 株式会社クイープ (翻訳)出版社 ‏ : ‎ マイナビ出版 (2023/10/25)
留意点・予備知識 ／Point to keep in mind, back ground	Pythonプログラミングと確率計算の知識が必須である。教養教育科目「データサイエンス発展I」と「確率・統計Ｉ」を履修していること。未履修の場合、履修後に本演習を履修すること。
授業内容に関する質問・疑義等 ／Question, doubt about class contents	オフィスアワー以外でも大体OKです。用事でいないこともあるので、事前にメール(shintaro.mori@hirosaki-u.ac.jp)かTeamsのチャットで連絡するのが確実です．
Eメールアドレス・HPアドレス ／E-mail address, HP address	https://sites.google.com/site/shintaromori/
学問分野1（主学問分野） ／Discipline 1	B12:解析学，応用数学およびその関連分野
学問分野2（副学問分野） ／Discipline 2	J60:情報科学、情報工学およびその関連分野
学問分野3（副学問分野） ／Discipline 3	該当なし
実務経験のある教員による授業科目について ／About the class subject by the teacher with the work experience	なし
地域志向科目 ／Local intention subject	なし
授業形態・授業方法 ／Class form, class method	・第９回までは講義と演習が中心です。基本座学です。 ・第1０回からはパソコンを用いた演習中心です。各自パソコンを持参すること。
科目ナンバー ／The subject number	S1-3-1364-B12 S1-3-3152-B12
メディア授業による著作物利用の有無について ／Whether or not copyrighted works are used in media classes	無／Nothing
その他 ／Others	特になし。

No.	回（日時） ／Time (date and time)	主題と位置付け（担当） ／Subjects and instructor's position	学習方法と内容 ／Methods and contents	備考 ／Notes
該当するデータはありません