| 研究成果の概要 |
本研究にて以下の成果が得られた。
本研究で提案・確立・開発された複数の手法は経済・経営の時系列データの解析に適用できるのみならず, 確率微分方程式(SDE)の構造変化の検知や,時系列データの信号処理などと言った多くの分野において, それらの有効性が実証分析および数値解析等で確認された。またMulticoreを用いたParallel Computingによって,Markov Chain Monte Carlo Methods等の計算時間が指数的に大幅に削減することができた。さらに国内外の研究者による共同研究, 研究連携などによって, 日本の研究成果を世界に発信することができた。
|
| 研究成果の学術的意義や社会的意義 |
非線形確率システムにおける状態変化・構造変化に関する既往の成果よりも,本研究では,より汎用的な数理モデリング/解析手法を複数に提案・開発しており, より正確的にリアルタイムにシステムの状態変化・構造変化を検出することができた。
提案手法はシステムの構造変化, COVID-19の感染者数の動的変化, ネット攻撃, 株価・為替レートの急激な変化などをいちはやく捉えることができた。文理を問わず,多くの分野における提案・開発された手法の有効性が実証分析・数値解析によって確認された。これからのより情報化・AI化の社会において、様々な状況において,提案手法の活用が期待できると考えられる。
|
