目次

1. I.ビッグデータの時代
2. II.データサイエンスと金融工学
3. III.ビッグデータとオルタナティブデータ
4. IV.オルタナティブデータの活用事例
   1. AI 技術とSNSデータの統計への活用
   2. AIでテキストデータから情報抽出
   3. テキストから景況感を判断するAI
   4. AIの学習
   5. 学習精度の検証
   6. SNSテキストを指数化する
      1. (1)SNS × AI 景況感指数
      2. (2)SNS × AI 鉱工業生産予測指数
5. V.おわりに

要約と結論

1. 計算機科学の進展により、ビッグデータの蓄積と分析が可能になった。このことが計算機科学における、基礎理論と実装に次ぐ、第三の軸としての「経験主義（Empiricism）」の台頭、いわゆるデータサイエンスの隆盛の背景にある。
2. データ分析にもとづいて仮説と検証を繰り返していくデータサイエンス研究対象は、金融経済現象にも当然のように広がっている。科学的なアプローチで経済金融現象を分析することにより、新たな金融工学の地平が切り開かれていく可能性がある。
3. 伝統的に分析されてきた株価や財務情報といったデータに対して、衛星画像データやインターネット上のテキストデータなどは、非伝統的データという意味で、オルタナティブデータと呼ばれる。データ分析の落とし穴として、データサイズが大きければ大きいほど良いという錯覚があるが、重要なのはそのデータ分析によって初めて得られる知見であり、データの大きさではない。その意味で、オルタナティブデータの分析は大きな可能性を秘めている。
4. 近年のディープラーニングをはじめとするAI技術の急速な発展で、従来に比べて非常に高い精度の分析が可能になってきている。本稿では野村證券が経済産業省の事業の一環として開発した「SNS × AI 景況感指数」と「SNS × AI 鉱工業生産予測指数」を例に、AI技術のオルタナティブデータへの活用例を具体的に紹介する。