σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft Academyロードマップスキル
Ctrl K
AO
+1.2k 人の学習者
ログイン参加する ↗
ロードマップスキル
AO
+1.2k 人の学習者
ログイン
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
uantCraft Academy

実践で学ぶクオンツ開発。短いレッスン、採点付きラボ、本格的なIDEをブラウザで。

学ぶ
すべてのロードマップすべてのスキルPython スキルC++ スキル近日公開OxCaml スキル近日公開Market Structure スキルCalculus スキルLinear Algebra スキルProbability スキルStatistics スキルMatrix Decompositions スキルOptimization スキルTime Series スキルStochastic Calculus スキルBayesian Inference スキル
サポート
フィードバックを送るコーヒーをおごる
法務
プライバシーポリシー利用規約
© 2026 QuantCraft Solutions. All rights reserved.
QuantCraft
σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft Academyロードマップスキル
Ctrl K
AO
+1.2k 人の学習者
ログイン参加する ↗
ロードマップスキル
AO
+1.2k 人の学習者
ログイン
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
スキル›Bayesian Inference
B

Bayesian Inference スキル

公開中ここから開始

バックテストは1つの数を出しますが、それをどこまで信じてよいのでしょうか。ベイズ推論は、1つの推測ではなく、もっともらしい値の範囲全体で答えます。このスキルは、短いチェック(計算する数、並べ替える手順、結び付ける概念)と金融の例で、平易な手順で説明します。事前の信念と数日の結果の組み合わせ方、10日中7日勝った戦略がまだ証明されていない理由、信用区間の読み方とそこからの意思決定、公式のない事後分布をサンプラーがどう探索するか、多くの株の平均リターンを互いに引き寄せるべき理由、2つのモデルを公平に比べる方法です。総仕上げは、サンプラーと縮小推定を自分で書き、実在株のリターンに使うコードラボです。

3モジュール採点付きラボ10本~10 時間中級 → 上級
スキルを始める

前提知識

確率(条件付き確率、代表的な分布)を前提とし、基礎的な統計があると役立ちます。ベイズの予備知識は不要です。

  • PProbability
  • SStatistics

カリキュラム

10トピック · どのトピックも好きな順に開けます
  1. 1事前分布・尤度・事後分布未開始50 分開始
  2. 2共役モデル:ベータ二項とガウス未開始50 分開始
  3. 3事後区間と意思決定未開始45 分開始
  4. 4ベイズ線形回帰未開始1 時間開始
  1. 5ゼロから作るメトロポリス・ヘイスティングス未開始1 時間 5 分開始
  2. 6ギブスサンプリング未開始55 分開始
  1. 7階層モデルと縮小推定未開始1 時間開始
  2. 8モデル比較とベイズファクター未開始50 分開始
  3. 9戦略パフォーマンスのベイズ更新未開始55 分開始
  4. 10総仕上げ:実在株でのベイズ・シャープレシオと縮小推定未開始1 時間 30 分開始

修了条件

10本のラボすべてで70点以上を取るとスキルを修了し、プロフィールにベイズ推論バッジが付きます。

0 / 100%

前提知識

確率(条件付き確率、代表的な分布)を前提とし、基礎的な統計があると役立ちます。ベイズの予備知識は不要です。

  • PProbability
  • SStatistics

使用するツール

PythonNumPypandaspytest

学べること

  • 事前分布とデータを組み合わせて事後分布を得て、各部分の意味を平易な言葉で説明する
  • 共役モデルとベイズ回帰を使い、信用区間を読んで意思決定に生かす
  • メトロポリス・ヘイスティングス法とギブスサンプラーを書き、チェーンが事後分布を探索できたか確認する
  • 階層モデルでノイズの多い推定値を縮小し、ベイズファクターでモデルを比較する
  • シャープレシオに正直な誤差範囲を付け、縮小推定のほうが予測が良いかを実際のリターンで検証する
uantCraft Academy

実践で学ぶクオンツ開発。短いレッスン、採点付きラボ、本格的なIDEをブラウザで。

学ぶ
すべてのロードマップすべてのスキルPython スキルC++ スキル近日公開OxCaml スキル近日公開Market Structure スキルCalculus スキルLinear Algebra スキルProbability スキルStatistics スキルMatrix Decompositions スキルOptimization スキルTime Series スキルStochastic Calculus スキルBayesian Inference スキル
サポート
フィードバックを送るコーヒーをおごる
法務
プライバシーポリシー利用規約
© 2026 QuantCraft Solutions. All rights reserved.
QuantCraft
ログイン参加する ↗
ログイン