Pythonで『時系列解析』

 

Rの時系列本はいろいろ出ているのにPythonの時系列本はあまり出ていないので島田直希氏のこの本は貴重です。

共立出版のサポートページにサンプルのコードがあります。

2.2 ARモデルの40ページのプログラムはtp://島田氏の『時系列解析』だとstatsmodels.tsa.ar_model.AR()を使っているけれどar_model.AR()はv0.12で削除されたので代わりにar_model.AutoReg()を使えとなります。

statsmodels.tsa.ar_model.AutoReg

P40は以下に書き換えるとうまくいく。

from statsmodels.tsa.ar_model import AutoReg

res = AutoReg(y_diff, lags = 11,old_names=False).fit()

out = 'AIC: {0:0.3f}, HQIC: {1:0.3f}, BIC: {2:0.3f}'

print(out.format(res.aic, res.hqic, res.bic))

p41は以下に書き換え。

for i in range(20):

    res = AutoReg(y_diff, lags = i+1,old_names=False).fit()

    print('lag = ', i+1, out.format(res.aic, res.hqic, res.bic))

ラグ11のAICが最小なので、ラグ11のモデルを選ぶ。

金融庁「資産運用業高度化プログレスレポート2022」で紹介されていたMITのESG論文

 金融庁の「資産運用業高度化プログレスレポート2022」が公表されました。

資産運用業高度化プログレスレポート2022

資産運用業高度化プログレスレポート2022（概略版）

ESGに関するページが多くて、金融庁のESGへの関心の高さがうかがえます。

そのなかでMITのAggregate Confusion Project が紹介されていました。

そこにはESGのレーティングがバラバラであることの問題点を分析した3つの論文が紹介されています。

1. Aggregate Confusion: The Divergence of ESG Ratings

2. Is History Repeating Itself? The (Un)Predictable Past of ESG Ratings

3. ESG Confusion and Stock Returns: Tackling the Problem of Noise

ESGの現状についてよく把握できる本として『ESGの奔流』をお勧めします。