Learning Module 11「Introduction to Financial Data Science（金融データサイエンス入門）」は、ビッグデータ、機械学習、AI（自然言語処理・大規模言語モデル・生成AIを含む）が、金融データサイエンス・フィンテック・資産運用でどのように使われているかを扱う単元です。

本記事では、最新版カリキュラムのLOS（Learning Outcome Statement）と、この単元の重要論点を日本語で整理しました。

LM11のLOS（学習目標）

LOSは、この単元で「できるようになるべきこと」として示されている学習目標です。LM11には1つのLOSがあります。

  1. LOS 1：ビッグデータ・機械学習・人工知能が、金融データサイエンス・フィンテック・資産運用でどのように使われるかを説明するdescribe how big data, machine learning, and artificial intelligence are used in financial data science, fintech, and investment management

LM11のまとめ

この単元の要点をまとめると、次のとおりです。

  • 金融データサイエンスは、金融データから意味のある知見を引き出す分野で、数学・統計学・コンピュータサイエンス・金融を組み合わせる
  • 機械学習（ML）は、大量のデータからパターンを学習して予測を行い、金融の複雑な作業を自動化している。主な種類は教師あり学習・教師なし学習・ディープラーニング
  • MLはAIの一分野で、明示的なプログラムなしにデータから学習し改善していくアルゴリズムを開発する
  • 自然言語処理（NLP）や大規模言語モデル（LLM）などの高度なAIツールは、人の手を介さずに作業を行うことができる
  • ビッグデータは量（Volume）・速さ（Velocity）・多様性（Variety）に加え、信頼性（Veracity）が重要。オルタナティブ・データも含む

以下、LOSごとに重要論点を整理します。

LOS 1：ビッグデータ・機械学習・AIが金融データサイエンス・フィンテック・運用でどう使われるかを説明する

ビッグデータの特徴はVolume（量）・Velocity（速さ）・Variety（多様性）にVeracity（信頼性）を加えた4つのV。SNS・衛星画像・カード決済・センサーなどのオルタナティブ・データも含みます。金融データサイエンスは、データサイエンスの手法を金融特有のデータと課題（規制・リスク・時系列の性質など）に応用する分野です。

  • データの種類：構造化（表形式）／非構造化（テキスト・画像・音声）。オルタナティブ・データの出所は個人・ビジネスプロセス・センサー
  • 機械学習：教師あり（正解ラベルあり）・教師なし（ラベルなし）・ディープラーニング
  • 過学習：学習データに合わせすぎて、新しいデータでの精度が落ちる状態。データは学習用・検証用・テスト用に分け、学習用が通常最大
  • NLP：決算説明会やニュースのセンチメント分析、景気の把握
  • LLM・生成AI：文書の要約・情報抽出・レポート作成の補助など。誤りやバイアスへの注意が必要
  • データ処理（取得・整理・保存・検索・転送）と可視化、Python などの言語とデータベース

効率よく学ぶには FA-Academy

CFA®︎の協会テキストは英語で分量も多く、1つひとつの単元を英語だけで理解していくのは大きな負担です。

FA-Academy（Financial Analyst Academy）は、日本語で学べる数少ないCFA®︎試験サポートです。これまで Level 1 から Level 3 まで多くの合格者を輩出しており、合格者の方々との対談も数多く公開しています。どんな方が、どのように合格されたのかは合格者対談・合格体験談の一覧からご覧いただけます。

前の単元：LM10 Applications of Simple Linear Regression in Finance（ファイナンスにおける単回帰分析の応用）
全体の目次：CFA®︎ 学習内容の目次（Level 1 Quantitative Methods）