内容紹介：現在、和書洋書を問わずファイナンスにおける機械学習の応用に関する書籍はかなりの数が出版されてきている。しかし、これまで出版されてきた書籍は、理論や技術に関する詳細には触れず機械学習やFinTechの広範な活用を紹介するものと、機械学習のテクニックを金融データへ応用した技術書とがほとんどで、前者のような初歩的な紹介本から後者のような技術書へのギャップは非常に大きい。本書はこうしたギャップを埋めることを目的の一つにしている。つまり、ファイナンスの標準理論をなるべく直観的な形で行い、その理論の中でなぜ機械学習を活用することが重要なのか、それがファイナンスにおいてどのような意味があるのかを可能な限り自然に理解できるように試みた。また、単にファイナンスにおける機械学習の意義を説明するだけでなく、実際に読者自身でも応用が可能なようにPythonによる豊富な実装例を載せていることも特長の一つである。また、技術書によくみられるファイナンスの理論とPython実装例を並行した記述スタイルをとらず、両者を分離した記述スタイルをとったことも特長の一つである。これにより理論の意味や解釈をはっきりと示しただけでなく、一般的なファイナンス理論の教科書としても使えるように配慮した。さらに理論の直観的な理解を助けるため、難しい数式展開などは極力、演習問題の形で掲載し、本文中の議論の展開は理論の意義や解釈に重点を置くようにした。これにより、理論の全体的な流れを把握したい読者は本文のみを通読し、厳密な理論展開を好む読者は演習問題にも取り組むことで、読者の目的に応じてそれぞれの満足度を高めつつ一定の理解度に到達できるような構成になっている。
本書はファイナンスの標準理論および機械学習のいくつかの手法を解説し、ファイナンス理論の中で機械学習を活用することがなぜ重要なのか、データドリブンな手法がどのような意味をもつのかについて、可能な限り自然に理解できるようにまとめている。また、単にファイナンスにおける機械学習の意義を説明するだけでなく、実際に読者自身の手で応用・活用できるようにＰｙｔｈｏｎによる豊富な実装例を掲載していることも特長の一つである。ファイナンス理論については、直感的に理解できるように、難しい数式展開などは避け、理論の意義や解釈に重点をおくようにした。ただし、数理的な展開は演習問題にまとめているため、厳密な理論を好む読者は、本文を通読した後に、演習問題に取り組むことで、十分に満足できる構成になっているだろう。
もくじ情報：金融の仕組みについて；第１部　均衡価格アプローチ（最適ポートフォリオ；ＣＡＰＭ；回帰モデル）；第２部　無裁定価格アプローチ（無裁定；デリバティブ；統計的裁定）；第３部　データ駆動アプローチ（分類；ディープラーニング；リカレントニューラルネットワーク）

吉川　大介(ヨシカワ　ダイスケ)
京都大学経済学部卒、京都大学大学院経済学研究科において博士（経済学）取得。みずほ第一フィナンシャルテクノロジー、日本銀行金融研究所、北海学園大学経営学部を経て、関西大学政策創造学部教授（本データはこの書籍が刊行された当時に掲載されていたものです）