Такаhаshi, Riкiyа

先ほどの話にちょっと戻るが、国内のデータ分析職の人々はなんだかんだでwebとかITで働いてる人が多い。この結果、業務知識がハイテク企業に偏るので、尚更悪いポートフォリオを組んでしまうような

(ファンダメンタル, リターン)の回帰モデル学習データを十分なサンプル数確保するにはお金を払った上でデータクレンジングする必要がある。でもこの手間は、4本値からテクニカルばかり計算するのより最終的には時間対リターンが高いと思う

テクニカル指標(直近の価格を使って計算する種々の説明変数)で非線形予測は、「ちょっとだけ予測できるけどそれでポジションはっても手数料に勝てない」にだいたい落ち着く。ごく一部例外はあるが。一方でファンダメンタル指標を説明変数にすると強力な予測精度になることをなぜか皆利用しない

投資に関しては、SeekingAlphaのスレッドを色々読んだ上で、統計学よりも物理学を勉強した方が良い。僕は物理学全然詳しくないので常に学び途上です

狭い意味でのデータ分析職の人も悪いポートフォリオを組んでるやつが多そう。データ分析の人全般でなら特に悪いということはないと思うが、知識が機械学習に偏ってるタイプは投資における需要供給のメカニズムをきちんと考えずひたすらテクニカル指標をGBDTに突っ込む、とかやってそう

思い立って2chの株式板を読んでみた。スレッドで議論したがる母集団の方よりもあるが、ハイテク株を持ってるやつ随分いるのね。もし、自分の近隣会社に投資したがる傾向があるなら ITとかweb業界で働いてるやつはポートフォリオのパフォーマンス悪そうだな・・

「言わなくてもわかるでしょ。」ってのは極めて日本固有の考え方だと思います。中学で日本に来た時に一番戸惑いました。僕はフランスからの帰国ですが、かの国では「相手の考えを勝手に類推してはいけない」ということを厳しく言われました。

全てのアーティストがコンピューターを駆使して創作する必要は無いけど、今の最先端の研究でコンピューター上のアルゴリズムでどこまでのことができて、どこからは今は人間にしかできないのかリサーチした上で自分のスタンスを見極めていないと、一気に作品に時代性が無くなっていく。#今は2016年

結果よりプロセスが重要という観点もあるとは思うけど、人間が作曲した厳格な12音音楽と、良くできたコンピューター生成の調性音楽を聴感上だけで比較すると、後者のほうがオーガニックで人間らしさを感じたりするし、見る人が見ても仕上がりからは人間仕事か機械仕事かの判別がつかない問題がある。

前職ではあるお客様に長い間お世話になったけど、僕が彼をキープできたのは本質的にはcompetitorが弱かったからで、彼(物理 & 金融出身)は特定の与えられた問題しか解けないエンジニアが多すぎると呆れていた。その条件に当てはまらないだけでも仕事は手に入るということです

僕がよく見かける愚か者は、教師ラベルの予測だったら (落ちてるツールを使って)機械学習で解けますとか言ってる人。一方でその問題に当てはまらないならやり方わからないと言って逃げてしまう。

あなたがこれから解く問題は基本的に全て未解決問題です。ですから未解決問題を解決可能な形にどう分解していくかのメタ分析的な能力を身につけることが本質。教育機関に通うことははその力を底上げするための投資の一つに過ぎない

変な絡まれ方をしたものをどうするかしばしば迷うことがある。時間ないので基本放置だが、前提を間違えて理解してる人にsuggestしてあげても良い気もするし

部分的には欧州の徒弟制の影響が強く残り続けたか、universityでクラスで訓練することを体系化させたかで明暗が分かれたように思える

学部もそう。日本はアートの成分が高い分野でこの傾向が強い。音大(音楽学部)は良い例で、米国の作曲テキストは本当に譜面も読めないような人が4年でそれなりの仕事ができるように変わるよう体系化されてる https://twitter.com/csstudyabroad/status/693495697505701888 …