Overviewゼミの概要
五島ゼミでは、ファイナンスやデータサイエンスに関心を持つ学生の参加を歓迎します。プログラミングやデータ分析の初学者も歓迎します。基礎から一緒に学び、研究に取り組みましょう。
2・3年次には、株式市場データや資産価格データを題材として、論文の輪読や分析の実装を通じて、投資理論と実証研究の基本的な方法論を学びます。4年次には、それまでに身につけたファイナンスとデータ分析の知識を活用し、各自の関心に基づいた研究テーマに取り組みます。研究は学術論文を出発点とし、仮説を立て、データに基づいて検証するという実証研究のプロセスを重視します。
輪読や学内発表にとどまらず、理系の研究室に近い形で、研究成果を学会やデータ分析コンペティションなどで対外的に発表することを目標としています。
2026年の在籍人数は、4年生が7名、3年生が3名です。
金融市場の理解やデータ分析の技能は、投資銀行、資産運用会社、政府系金融機関など金融業界への就職を考えている学生にとっても役立つものです。
Activities3年間の活動
-
2年次
基礎の習得
輪読や演習を通じて、ファイナンスおよびデータ分析に関する基礎的な知識を身につけます。
-
3年次
グループでのコンペ参加
3〜4名のグループでファイナンス関連のコンペティションに参加します。分析内容を3年生の終わり頃に学会で発表することもあります。
-
4年次
卒業論文
1年間かけて個人で卒業論文を執筆します。学会発表やインゼミを通じて、成果を対外的に発表することを目指します。
Finance学ぶ内容① ファイナンス
株価や金利などの金融データを題材に、投資理論や資産価格が決まるしくみを学びます。理論を学ぶだけでなく、実際のデータを使って「本当にそうなっているか」を確かめる実証分析を重視します。扱うテーマの例は次のとおりです（ファイナンスという学問の全体像は「ファイナンスとは」をご覧ください）。
投資のリスクを測る
株式などの資産がどれくらい値動きするか、損失がどの程度起こりうるかを数値で表す方法を学びます。
例となる問い：複数の資産を組み合わせると、リスクはどのくらい小さくなるか。
資産価格を予測する
過去のデータや経済の情報から、将来の株価や収益率を予測するモデルをつくり、その精度を検証します。標準的な理論では説明しにくい株価の規則的なパターン（アノマリー）も扱います。
例となる問い：どのような情報が、将来の株式リターンの予測に役立つか。
気候変動と金融市場
気候変動に関わるリスクや企業の環境への取り組みが、金融市場でどのように評価されているかを分析します。
例となる問い：CO2排出量の多い企業と少ない企業で、株式の評価に違いはあるか。
Data Science学ぶ内容② データサイエンス
データから意味のある情報を取り出すための手法を学びます。手法の考え方を理解したうえで、実際にプログラムを書いて分析できるようになることを目指します。
統計学・計量経済学
データの特徴をまとめる方法や推定・検定といった分析の土台に加え、回帰分析や時系列分析など、経済・金融データからある要因の影響を推定する方法を学びます。
機械学習・自然言語処理
大量のデータからパターンを学習して予測や分類を行う手法（深層学習を含む）と、ニュース記事や企業の開示資料などのテキストを数値化して分析に使う技術を学びます。
プログラミング（Python）
Python を使って、データの収集、整理・加工、分析、結果の可視化までを自分で行えるようにします。
配属時点でこれらを習得している必要はありません。ゼミ活動の中で学びます。
Data扱うデータ
実際の金融市場や企業に関するデータを分析します。数値のデータだけでなく、文章のデータも扱うことが特徴です。
| データの種類 | 内容 | 分析の例 |
|---|---|---|
| 市場データ | 株式、債券、為替、暗号資産などの価格や取引量 | リスクの計測、リターンの予測、市場間の関係 |
| 企業・経済のデータ | 企業の財務情報やCO2排出量、景気・物価・金利などの経済指標 | 企業の特徴や経済の動きと株式リターンの関係 |
| テキストデータ | ニュース記事、企業開示資料、SNSなど | 文章の内容と株価の関係 |
Research Process学ぶ内容③ 研究の進め方
知識を身につけるだけでなく、自分で研究を行い、その成果をまとめて発表するまでの一連の過程を経験します。研究は学術論文を出発点とし、仮説を立て、データに基づいて検証するという実証研究の進め方を重視しています。
論文を読み、再現する
関連する研究論文を読んでこれまでに何が分かっているのかを理解し、論文の分析を自分でデータとプログラムを使って再現します。手法を確実に身につけるための大切な段階です。
問いを立てる
自分の関心に基づいて研究テーマを決め、確かめたい仮説を立てます。
データで検証する
データを集めて分析し、仮説が支持されるかを検証します。結果の意味を自分の言葉で説明・議論できるようにします。
論文にまとめ、発表する
研究の目的、方法、結果を論文（卒業論文）にまとめ、学会やデータ分析コンペティションなどで発表して、学外の研究者や参加者と議論します。
関連する授業
ゼミの内容と関連する授業の例です。このほか、データサイエンス関連科目を履修するとゼミでの学習の理解が深まります。
- 統計学基礎
- データサイエンス・ゼミナール
- 経営学研究のためのテキストデータ分析
- 銀行論
Student Researchゼミ生の研究発表
2025年
- 日本プロ野球における守備シフトが得点能力に与える影響分析 2024年度スポーツデータサイエンスコンペティション（SDSC2024）（オンライン）、2025年1月
- 日本プロ野球における守備シフトが得点能力に与える影響分析 第4回計算社会科学会大会（CSSJ2025）（東京）、2025年2月
Graduate Track大学院進学を希望する学生向けの活動
大学院進学を目指す学生のために、通常のゼミ活動とは別に、より本格的な学術研究に取り組む活動を行っています。研究テーマは各自の関心や将来の進路に応じて設定し、教員の個別指導のもとで文献調査、データ分析、論文執筆などを進め、成果を学会や研究会で発表することを目指します。
進学先は学内の大学院に限らず、他大学や海外の大学院への進学を希望する学生も受け入れています。学年に関係なく実施しており、異なる学年や多様なバックグラウンドを持つ学生同士の交流を重視しています。例年、各学年1名ほどが大学院に進学しています。希望する場合は、配属後に伝えてください。
横浜国立大学の大学院（修士課程）に進学する場合は、筆記試験のない内部進学試験や推薦入学試験、特別選抜（先進実践学環）の利用を勧めています。成績などの出願資格があるため、興味のある人は早めに相談してください。詳しくは大学院のページをご覧ください。
理系の大学院への進学も可能です。ただし、経営学部のコースワークだけでは準備が難しいため、大学院進学に向けた専用の勉強や研究活動が必要になります。早めに相談してください。
Student Lifeほかの活動との両立
- 就職活動・インターンシップ：ゼミと日程が重なった場合は考慮しますので、相談してください。
- 留学：問題ありません。大学の留学プログラムや奨学金を活用できます。例年、各学年1名ほどが留学しています。
- ゼミ合宿：基本的に行わない方針です。
Selection選考について
- 面接による選考を行います。面接では、ゼミの方針と応募者の希望が合っているかどうかを確認するための質問をします。
- プログラミングの経験や、データサイエンスに関する授業の履修歴は選考には関係ありません。
- 選考日程は学務を通じてお知らせします。選考に関する質問は、ゼミ説明会のQ&Aの時間に受け付けます。
FAQよくある質問
機械学習や統計学を勉強したことがないのですが、大丈夫ですか？
配属時点では必ずしも習得している必要はありません。ゼミ活動の中で勉強しますが、データサイエンス関連科目を履修すると理解が深まります。
ゼミの時間以外にどれくらい勉強時間が必要ですか？
本ゼミでは研究に真剣に向き合う時間を大切にしています。その分、学会発表など実りある経験につながります。また、データサイエンティストやクオンツ、エコノミストなどの専門職を目指すのであれば、勉強時間を確保する必要があります。
編入は受け入れてますか？
受け入れ実績があります。まずはご相談ください（受け入れ元の指導教員の許可が必要です）。
連絡先
選考に関する質問は、ゼミ説明会のQ&Aの時間に受け付けています。その他のお問い合わせは下記までご連絡ください。
goshima-keiichi-vh[at]ynu.ac.jp
[at] を @ に置き換えてください。