株式投資

株式投資の世界で「いいタイミングで買いたい」と考えたとき、真っ先に出てくる戦略のひとつが 押し目買い です。英語では “Buy the Dip” と呼ばれ、世界中のトレーダーが日常的に意識している王道の手法です。 この記事では、押し目買いの基本概念・メリット・リスク・見極め方を解説します。 押し目買いとは 押し目買い（おしめがい） とは、上昇トレンドにある株価が一時的に下がったタイミング（調整局面）を狙って買いを入れる投資手法です。 株価は一本調子で上がり続けるわけではなく、上昇と小幅な下落を繰り返しながら右肩上がりに推移します。その「小幅な下落」こそが 押し目 であり、そこを狙って参入するのが押し目買いです。 山登りに例えると、次の急斜面に備えて一息ついている「踊り場」で合流するイメージです。 押し目が生まれるメカニズム 押し目が発生する典型的な流れは以下のとおりです。 株価が大きく上昇する 利益を確定させたい投資家の 利益確定売り が集まり、一時的に価格が下落する（＝押し目） 「安くなった」と判断した新たな買い手が参入し、再び上昇に転じる この「3」の動きが確認できれば、押し目での買いが成功したことになります。 メリットとリスク 押し目買いにはメリットが多い反面、特有の難しさもあります。 メリット リスク（注意点） 割安で購入できる：上昇トレンドの途中にある株を、直近の高値より安い価格で取得できる 「落ちてくるナイフ」になる危険：一時的な下落だと思ったら、そのままトレンドが転換して大きく下落するケースがある 損切りラインを決めやすい：直前の安値を下回ったら損切りするという明確なルールが立てやすい 判断が難しい：「一時的な調整」なのか「トレンド終焉の始まり」なのかの見極めには経験が必要 代表的な押し目の見極め方 投資家はテクニカル指標を使って「そろそろ反発するタイミング（押し目）」を判断します。以下は代表的な手法です。 移動平均線（MA） 25日移動平均線や75日移動平均線まで株価が下がってきてタッチしたタイミングは、押し目として注目されやすいポイントです。移動平均線は多くの投資家が参照するため、そこで反発が起きやすい 自己実現的な性質（多くの人が同じ指標を見て同じ行動をとるため、予測が現実になりやすい）があります。 一目均衡表の「雲」 一目均衡表は日本発のテクニカル指標で、相場のトレンドや支持・抵抗帯を視覚的に把握できます。その中心的な要素である「雲」は、株価の支持帯・抵抗帯として機能します。 株価が一目均衡表の「雲（支持帯）」の上端付近にサポートされたタイミングは、押し目として判断する根拠になります。 心理的節目（きりの良い数字） 1,000円・5,000円・10,000円といったキリの良い価格帯は、多くの投資家が意識するため、そこで反発が起きやすい傾向があります。 「押し目待ちに押し目なし」という格言 「安くなったら買おう」と待っていると、株価が全く下がらずにどんどん上がってしまう この格言は、押し目買いの難しさを端的に表しています。 完璧なタイミングを狙いすぎると、機会を逃してしまう。一方、焦って飛び込むと押し目ではなく天井をつかむ結果になる。その葛藤を乗り越えるためには、事前に明確な判断基準（エントリールール）を決めておくこと が重要です。 まとめ ポイント 内容 定義 上昇トレンド中の一時的下落（押し目）で買いを入れる手法 英語名 Buy the Dip 最大のメリット 割安なエントリー価格と損切りラインの明確化 最大のリスク 押し目に見えてトレンド転換（落ちてくるナイフ）になる可能性 見極めに使う指標 移動平均線・一目均衡表の雲・心理的節目 押し目買いは「シンプルだが奥深い」戦略です。テクニカル指標を組み合わせながら、自分なりのエントリールールを磨いていくことが、長期的な収益につながります。

はじめに AIブームが引き起こした「電力テーマ」は、単なる半導体株の上昇にとどまらず、複数のセクターを順番に押し上げるセクターローテーションとして進行しています。 株式市場で成果を出している投資家の間で「半導体はもう買っていない」という声が増えています。なぜか。答えはシンプルで、上がる前に買うという鉄則を実践しているからです。 この記事では、AI電力テーマのセクターローテーション4段階の構造と、現在の注目フェーズである蓄電池への移行ロジック、そして「上がる前に仕込む」実践的な視点を解説します。 AI電力テーマのローテーション構造 AI電力テーマは次の4段階でセクターを移動していると分析されています。 各フェーズを順番に見ていきます。 第1フェーズ：半導体 AIの計算需要が爆発的に増大し、NVIDIAのGPUや関連半導体株が急騰しました。ChatGPT登場以降のAIブームをけん引した最初の波です。この段階では「AI = 半導体」という図式が定着し、多くの資金が流入しました。 しかし、すでに市場価格に織り込まれており、上昇余地が限定的になってきています。賢い投資家はここから次のフェーズへ資金を移動させています。 第2フェーズ：データセンター建設・REIT AIを動かすには大量のサーバーを収容するデータセンターが必要です。建設・不動産投資信託（REIT）セクターへの資金移動が起きました。Alphabet・Amazon・Microsoft・Metaによるデータセンター投資拡大の発表が相次ぎ、関連銘柄が注目を集めました。 第3フェーズ：発電・電力株 データセンターの電力消費は膨大です。米国では三マイル島原発の再稼働（Microsoftとの長期契約）や小型モジュール炉（SMR）への投資発表など、電力インフラへの関心が高まりました。日本でも原発再稼働の動きが加速し、発電会社や電力関連インフラ株がこのフェーズの主役となりました。 第4フェーズ：蓄電池（現在進行中） 現在注目されているのが蓄電池セクターです。 電力需要の増大に対して、安定した電力供給を実現するには蓄電技術が不可欠です。再生可能エネルギーの出力変動を平準化し、データセンターの無停電を支える基盤として、蓄電池の重要性が増しています。 なぜ蓄電池が次のフェーズなのか 電力安定化の需要 太陽光・風力など再生可能エネルギーは発電量が天候に左右されます。データセンターのような24時間365日稼働が必要な施設には、安定した電力供給が不可欠です。電力会社レベルの大規模蓄電（グリッドスケールESS: Energy Storage System）が、この変動を吸収する役割を担います。テスラのMegapackに代表されるユーティリティスケール蓄電製品への需要が世界的に拡大しています。 EV・モビリティとの相乗効果 電気自動車（EV）の普及加速も蓄電池需要を押し上げています。EV向けと定置型蓄電はどちらもリチウムイオン技術を基盤としており、製造規模の拡大がコスト低下に相乗効果をもたらしています。ただし化学系統には差異があり、EV向けはNMC（ニッケル・マンガン・コバルト）、定置型蓄電はLFP（リン酸鉄リチウム）が主流です。テスラ自身もMegapackをLFP系統に切り替えており、安全性・コスト面でのLFP優位性が定置型市場のトレンドとなっています。 グリッドレベルの蓄電 電力会社レベルの大規模蓄電への投資も世界的に拡大しています。再生可能エネルギーの比率が上がるほど、出力変動を吸収する蓄電インフラの整備が急務となるためです。 「上がる前に買う」という鉄則 セクターローテーションで重要なのは次に資金が流入するセクターを先読みすることです。 すでに上昇したセクターに遅れて入るのは、リスクとリターンのバランスが悪化します。先行して動いた投資家が利益確定に動く場面で、後から入った投資家が損失を被る構図になりがちです。 セクターローテーションを意識した投資では、以下の4点を意識します。 現在の主役セクターを把握する — 今どこに資金が集中しているか 次の受益セクターを特定する — インフラ整備の連鎖を読む 材料出尽くし前に仕込む — ニュースが広まる前に入る 過熱感を見極めて乗り換える — 次のフェーズへの移動タイミングを逃さない まとめ AI電力テーマのセクターローテーションは「半導体 → データセンター → 電力 → 蓄電池」という流れで進行しており、現在は蓄電池フェーズにあるとされています。 投資で成果を上げる人たちに共通するのは、注目が集まる前に動き、注目が集まったときに次を見ているという姿勢です。「上がってから買うのではなく、上がる前に買う」——この原則はセクターローテーション戦略の本質を突いています。 もちろん、投資判断は自己責任であり、相場には常に不確実性があります。セクターローテーションの読みが外れることもありますが、市場のテーマ性と資金の流れを理解しておくことは、投資戦略を立てる上での重要な視座になります。 参考: @KB_Hiragi さんのポスト (X)

企業の財務データや株主構成から「1年以内に他社株TOB（公開買い付け）の対象となる確率」を機械学習で予測し、その確率を使ったポートフォリオが TOPIX を上回るリターンを出せる——そんな研究結果が発表されました。 久保正裕・梶並俊彦・鈴木智也（2026）による論文「機械学習による他社株TOBの予測可能性」（人工知能学会第二種研究会資料・金融情報学研究会、FIN-036 巻 41 号、p.257-263）の内容を紹介します。 論文DOI: 10.11517/jsaisigtwo.2026.FIN-036_257 研究の概要 TOBが発生すると対象企業の株価にはプレミアムが上乗せされるため、投資家にとって非常に魅力的なイベントです。この研究では、東京証券取引所の上場全銘柄（データ取得期間：2011年1月〜2025年5月）を対象に、財務指標だけでなく「株主構成」に関する特徴量を加えて予測モデルを構築しました。 分析1: 不均衡データへの徹底した前処理 TOBは上場企業全体から見ると年間数十件程度と非常にレアなイベントです。そのまま学習すると多数派（TOB非発生）のデータに過剰適合してしまいます。この問題を解決するため、複数ステップの前処理を実施しています。 時系列分割: 予測対象年から過去5年間を学習データとして分割し、TOB発生メカニズムの時変性に対応 Random UnderSampling: 多数派を減らしてクラス比を調整 Tomek Links: クラス境界付近のノイズとなる多数派データを削除 SMOTENC: 少数派（TOB発生銘柄）の疑似データを生成し、機械学習による分類が容易な学習環境を整備 分析2: 予測精度と決定要因（SHAP分析） 再学習した Random Forest モデルは ROC-AUC で 0.60〜0.75 を達成しました（ランダム予測の AUC=0.50 を大きく上回り、十分な予測能力があることが確認されています）。 SHAP 分析によって TOB 予測に寄与する要因も明らかになっています。 特徴量 解釈 筆頭株主の保有割合（最重要） 親会社が子会社を完全子会社化する「親子上場の解消」などのケースを示唆 個人保有比率（低いほどTOB対象になりやすい） 個人投資家が多いと売却を促すためのプレミアムが高くなり、買収コストが嵩む 時価総額（LnMV）・PBR・配当性向（低い企業） 必要なコストが少ない点や非効率な投資への懸念（フリーキャッシュフロー仮説）から狙われやすい 分析3: ポートフォリオ運用シミュレーション この予測モデルの出力を実際の株式運用に応用した結果が特に注目されます。 機械学習が算出した予測確率の**上位5%・15%・25%**の銘柄で等ウェイトのロングポートフォリオを構築し、年1回リバランスするシミュレーションを実施 いずれのポートフォリオも TOPIX を上回るリターンを獲得 上位5% > 上位15% > 上位25% の順でリターンが段階的に高くなる傾向を示し、予測確率の有用性が示された 最も有益な発見: TOBが発生しなかった銘柄の動き この研究の最も重要な発見は「実際にはTOBが発生しなかった銘柄」の動きです。 TOBが発生しなくても、予測確率が高い銘柄群は統計的に有意にプラスのリターンを生み出していました これは、市場の先行指標である株価が、TOBの発生可能性を先読みして価格上昇している可能性を示唆しています つまり、TOBが発生する・しないにかかわらず、「TOB予測確率」という指標自体がポートフォリオの銘柄選択において非常に有用であるという、実務的応用価値の高い性質を示す結論となっています。 まとめ 項目 内容 手法 Random Forest + 不均衡データ対策（RUS / Tomek Links / SMOTENC） データ 東証上場全銘柄（2011年1月〜2025年5月）、財務指標＋株主構成 予測精度 ROC-AUC 0.60〜0.75 最重要特徴量 筆頭株主の保有割合 運用結果 上位5%・15%・25%いずれのポートフォリオも TOPIX をアウトパフォーム 重要示唆 TOB未発生銘柄でも予測確率が高い銘柄群は統計的に有意なプラスリターン 財務データと株主構成データを組み合わせたこのアプローチは、個人投資家にとっても参考になる視点を提供しています。「TOB予測確率」を独自に計算することは難しいですが、筆頭株主の保有割合や個人保有比率、PBR、時価総額といった公開情報を活用した銘柄スクリーニングは、誰でも実践できる投資戦略のヒントになりそうです。

「判断ロジックさえ言語化できれば、Claude Code で株式投資を自動化できるのでは？」という仮説を立て、3週間試した結果、月次リターン 4.19% を達成したという事例が話題になっています。 なぜAlpacaなのか 日本の主要ネット証券（SBI証券、楽天証券、マネックスなど）は、個人向けの自動売買 API を（調査した限りでは）公開していません。唯一カブコム証券には API がありますが、口座開設の手間や日本株に限定されるという制約があります。 米国株を自動売買したいなら、選択肢はほぼ Alpaca（アルパカ） 一択になります。 AlpacaのAPIが優れている理由 全機能を Python から操作可能: 注文・ポジション管理・履歴取得など 株・ETF・仮想通貨をすべて API で売買できる 「ほぼ自動売買のために作られた証券会社」という印象 ただしデメリットもあります。米国の証券会社であるため、確定申告の手続きが複雑になる点や、日本居住者の口座開設にそれなりの手間がかかる点は事前に承知しておく必要があります。 投資ロジックの言語化 このシステムの核心は「負けなければいい」という考え方です。予測に頼るのではなく、期待値がプラスになるルールを設定して淡々と運用するだけです。 麻雀で相手が満貫や倍満だと分かっているのに、リーのみでリーチしないのと同じ理屈で、期待値が見合っていない状況では投資しないのが原則です。 具体的には以下の3カテゴリのポートフォリオを組んでいます。 1. 資産の70%：配当貴族 「配当貴族」と呼ばれる、何十年も株価が上がり続けている銘柄に損切りなしで長期投資します。 2. 中期成長株 「-8% で損切り、+20% で利確」 というルールを設定しています。 期待値 = (0.33 × 20%) + (0.67 × -8%) = 1.24% 3回に1回勝てばトントン以上になる計算です。予測なしでルールを守るだけで期待値がプラスになります。 3. 短期株 「-3% で損切り、+9% で利確」 という設定です。 期待値 = (0.5 × 9%) + (0.5 × -3%) = +3% 勝率50%でも利益が積み上がる計算になります。 Claude Code + Alpaca API の連携構成 実装は驚くほどシンプルです。判断ロジックを言語化して API と連携するだけなので、特に難しいことはありません。 ...

概要 株式投資の取引スタイルはポジション保有期間によって4種類に大別される。スキャルピング（数秒〜分）・デイトレード（数分〜数時間・当日決済）・スイングトレード（数日〜数週間）・中長期投資（数ヶ月〜年単位）。期間が短いほどリスク管理と判断スピードが、長いほど企業分析と忍耐が求められる。 4スタイルの比較 スタイル 保有期間 1日の取引回数 向く人 スキャルピング 数秒〜数分 多い 上級者・専業向き デイトレード 数分〜数時間 数回〜数十回 集中できる時間が確保できる人 スイングトレード 数日〜数週間 少ない 日中忙しい人・トレンド分析が好きな人 中長期投資 数ヶ月〜1年以上 少ない 配当・複利重視の長期志向 デイトレードの特徴 メリット 資金効率がよい（利益をすぐ次の取引に回せる） 1回あたりのリスクが小さい（損失は1日分の値幅の範囲内） 持ち越しリスクなし（夜間の海外相場の影響を受けない） デメリット 一度に大きな利益は期待できない 取引時間中に値動きを細かくチェックする必要がある スイングトレードの特徴 メリット 取引回数が少なく時間的・精神的余裕がある 瞬時の判断が不要で冷静にトレードできる 1回のトレードで取れる値幅がデイトレードより大きい デメリット 相場の急変動の影響を大きく受ける 要人発言・重要指標・地政学イベントが損失に直結する可能性 トレンド転換は予測が難しい スイングトレードの保有期間の決め方 保有期間は「期間」ではなく「相場の状態」で決めるのが原則。 決め方 概要 トレンドの継続性 トレンドが続く限り保有、転換シグナルで決済 テクニカル指標 25日移動平均線の上抜け/下抜けで判断 リスクリワード比 損切り幅の2:1以上を目標に利確 時間ストップ N営業日経っても動かなければ撤退 イベントリスクによる区切り: 決算発表・週末またぎ・FOMC/日銀金融政策決定会合等のイベント前はポジション整理が定石。 ショートスイングの実践テクニック（1〜4営業日） エントリーシグナル: RSI 55〜70、MACD ゴールデンクロス、出来高 +20% 以上を組み合わせる 損切り: エントリー価格 −（14日 ATR × 1.5〜2.0） のATRベースが相場ボラティリティに適応 ポジションサイジング: 1トレードのリスク = 口座資金の1%以内 利確: リスクの2倍（RR 2:1）で半分利確、残りをトレーリングストップで伸ばす 時間管理: 4時間足が短中期スイングに最適な時間軸 中長期投資の特徴 複利効果: 配当金再投資で資産増加 日々の値動きに惑わされない: 一時的な下落でも株価に一喜一憂しにくい 3つの分散: 資産クラス・銘柄・時間で大きな損失を避けやすい デメリット: 企業価値・成長性の吟味が必要で、結果が出るまで時間がかかる 共通の鉄則 損切りラインは「希望」で動かさない — 「もう少しで戻るかも」が最大の敵 エントリー前にシナリオを書く — 利確・損切り・想定保有期間を事前に確定させる 記録をつける — 勝ちパターン/負けパターンを把握するためにトレードログを残す 関連ページ 財務分析 — 中長期投資の企業分析に関連する概念 ソース記事 株式投資の短期売買とは — デイトレード/スイングトレード/スキャルピング/中長期投資の違いとメリット・デメリット — 2026-04-21

株式投資の取引スタイルは、ポジションを保有する時間軸によって「スキャルピング」「デイトレード」「スイングトレード」「中長期投資」の 4 つに大別される。本稿では、松井証券の解説ページを参考に、それぞれの特徴とメリット・デメリットを整理する。 デイトレードとは デイトレードは、保有するポジションを 当日中に反対売買 するトレードスタイル。1 日の間に何度も取引を行うことが多く、1 回のポジション保有時間は数十分から数時間とさまざまだが、ポジションを翌日に持ち越さない のが大きな特徴。 同じく当日中に売買を完結させる手法に「スキャルピング」がある。スキャルピングはポジション保有時間が 数秒〜数分 とさらに短く、1 日に数十回のトレードを重ねる。 スイングトレードとは スイングトレードは、ポジションを 数日〜数週間 にわたって保有する取引手法。デイトレードのような短期売買では相場状況の予測が難しくなるため、スイングトレードでは長めの時間軸で「トレンド」（相場の方向性や値動きの傾向）を分析する。 基本戦略は、上昇トレンド時に「買い」、下降トレンド時に「売り」を行う 順張り で利益を狙うこと。 4 つのスタイルの比較 スタイル 保有期間 1 日の取引回数 スキャルピング 数秒〜数分 多い デイトレード 数分〜数時間 数回〜数十回 スイングトレード 数日〜数週間 少ない 中長期投資 数ヶ月〜1 年以上 少ない スキャルピングやデイトレードは、相場状況に合わせて柔軟に売買できるため、うまくいけば損失を抑えつつ利益を積み上げられる。一方、発注タイミングを瞬時に判断する必要があり、誤ると損失が続くこともあるため 上級者向け。初心者は少額・1 日数回程度の売買から始めるのが無難。 スイングトレードは保有期間が長く取引回数も少なめで、トレンドを意識するため日中の小さな値動きはあまり気にする必要がない。チャートからトレンドを的確に予測できれば大きな利幅も狙えるが、翌日まで持ち越すため取引時間外のニュースや海外（特にアメリカ）相場の影響を受ける リスクがある。 中長期投資は数ヶ月〜年単位でポジションを保有するスタイル。直近の値動きやトレンドではなく、現時点の株価が企業価値・業績・将来性に対して割安か という観点が重要になる。 各スタイルのメリット・デメリット デイトレードのメリット・デメリット メリット 資金効率がよい — 1 日に何度も取引するため、利益をすぐ次の取引に回せる。元手が少なくても短期間で資金を増やせる可能性がある。松井証券の「一日信用取引」では、デイトレード対象の手数料・金利・貸株料が約定代金にかかわらず 0 円のため、信用取引でレバレッジをかけることでさらに資金効率を高められる。 1 回あたりのリスクが小さい — その日のうちに反対売買するため、原則として損失は最大でも 1 日で動く値幅の範囲内。取引数量を抑えればさらにリスクを縮小できる。 持ち越しリスクがない — 夜間にアメリカ株式市場が暴落しても、ポジションを持っていなければ影響を受けない。精神的な負担が小さい のも利点。 デメリット 一度に大きな利益は期待できない。 細かな利益を積み重ねるには取引回数を増やす必要があり、取引時間中は値動きを細かくチェックする必要がある（取引に集中できる時間の確保が前提）。 スイングトレードのメリット・デメリット メリット ...

概要 東洋経済新報社が年4回発行する上場企業の財務・業績情報誌。株式投資における基本的な情報ソースとして個人投資家から機関投資家まで幅広く活用される。Web 版（四季報 Web）や API 提供版（四季報 Pro）も提供されており、スクリーニング機能と組み合わせた定量的な銘柄選定に使われる。 財務欄の8指標 四季報の【財務】欄には以下の8つの数値が掲載される。 指標 意味 ROE（自己資本利益率） 株主資本に対する純利益の割合 ROA（総資産利益率） 総資産に対する純利益の割合 総資産 企業規模・投資規模の把握 自己資本 株主の出した資金（純資産）の合計 自己資本比率 総資産に占める自己資本の割合 資本金 設立・増資時に払い込まれた名目資本 利益剰余金 過去の純利益の蓄積（内部留保） 有利子負債 利息支払いを伴う借入金・社債の合計 安心な投資先を探す7チェックポイント 三菱UFJ eスマート証券「カブヨム」の四季報編集部解説をもとに整理した投資判断の視点。 総資産の増減とその要因 — 積極投資か借入依存かを確認する 自己資本比率の業種比較 — 高いほど財務が安定。業種平均との比較が重要 ROEと自己資本比率の組み合わせ — ROEが高くても自己資本が低い場合は過剰レバレッジの可能性 利益剰余金の増加トレンド — 持続的な利益蓄積を確認 有利子負債の水準 — 総資産有利子負債比率が高すぎる場合は注意 自己資本の増減理由 — 公募増資・第三者割当は希薄化要因になる場合がある 債務超過のリスク確認 — 2期連続債務超過は原則として上場廃止 補足指標：ROIC 最近注目される指標として ROIC（投下資本利益率）がある。 1 ROIC = 税引き後営業利益 ÷（自己資本 + 有利子負債） ROE・ROA より事業の実質的な収益力を測れるとされ、分母に「コストが発生する資本」だけを置く点が特徴。 活用ツール 四季報 Web: ブラウザでスクリーニング・企業比較 四季報 Pro: 機関投資家向けの詳細データ・API バフェット・コード: EDINET XBRL を活用した財務分析 SaaS。四季報データと連携した指標比較に有用 関連ページ 財務分析の基礎指標 — ROE・自己資本比率などの体系的な解説 バフェット・コード — EDINET データを活用した企業財務分析ツール ソース記事 四季報の財務欄から「安心な投資先」を探す7つのポイント — 2026-04-07

『会社四季報』の【財務】欄は、企業の安全性や収益性を見極めるための重要なセクションです。この記事では、三菱UFJ eスマート証券（旧 auカブコム証券）の「カブヨム」に掲載された四季報編集部による解説をもとに、財務欄から安心な投資先を探すための7つのポイントを整理します。 財務欄に載っている8つの数字 四季報の【財務】欄には以下の項目が掲載されています。 ROE（自己資本利益率） ROA（総資産利益率） 総資産 自己資本 自己資本比率 資本金 利益剰余金 有利子負債 これらの数字を組み合わせて読むことで、企業の「安全性」「収益性」「成長性」を多角的に評価できます。 ポイント1: 総資産で会社の規模を把握する 総資産は、会社の事業を行うための諸要素を合計したもので、貸借対照表（BS）の左側に記載されます。ただし、総資産が大きい＝良い会社とは限りません。 総資産の増加が積極投資によるものなら前向き 有利子負債の増加が主因なら安全性の懸念 投資後の利益率が低下すれば収益性は悪化 総資産の増減を見る際は、ROA や自己資本比率とセットで確認しましょう。 ポイント2: 自己資本比率で安全性を測る 自己資本比率は、総資産に対する自己資本の割合です。 高い → 返済不要な資金の比率が大きく、財務的に安定 低い → 借入金への依存度が高く、景気悪化時にリスク ただし、自己資本比率が高すぎると ROE が低下する「安全性と効率性のトレードオフ」が存在します。業種ごとの平均値と比較して判断するのがポイントです。 ポイント3: ROE で稼ぐ力を見る ROE（自己資本利益率）は、純利益を自己資本で割った指標です。 1 ROE = 純利益 ÷ 自己資本 純利益が同額なら、自己資本が少ない会社ほど ROE は高くなる ROE が高い＝優れた企業とは限らない（過度な借入で自己資本が小さいケースもある） 自己資本比率とセットで評価するのが重要 東証が求める「資本コストや株価を意識した経営」の流れの中で、ROE は特に注目される指標です。 ポイント4: 利益剰余金の蓄積をチェックする 利益剰余金は、毎年の純利益から配当金を差し引いた残りの累計です。 プラスで増加傾向 → 着実に利益を積み上げている マイナスに転落 → 過去の累積赤字が大きい状態 利益剰余金 ≠ 現預金（設備投資等に回されている） 利益剰余金がマイナスに膨らむと、自己資本そのものがマイナスとなる「債務超過」に陥ります。 ...

Claude Code を使って東証の株取引を半自動化するシリーズ。ペーパートレード開始から5日間で14件の決済が行われ、勝率0%、実現損失は-186,250円。全敗だった。しかし、これはペーパートレードだからこそ見つけられた17件のバグの記録でもある。 免責事項: 本記事は技術的な解説であり、特定の投資戦略や銘柄を推奨するものではない。株式投資には元本割れのリスクがある。投資判断は自己責任で行うこと。また、APIを介した自動売買にはプログラムの不具合による意図しない発注のリスクが伴う。必ず少額から始め、十分な検証を経てから運用すること。 8連敗からの始まり ペーパートレード開始から3日目。決算データを使った戦略が8連敗した。損失は-68,550円。 下降トレンド中でも買う。損切り直後に同じ銘柄を再び買う。ストップ幅が狭すぎて、通常の値動きで損切りに引っかかる。人間のトレーダーなら「3連敗したら今日はやめよう」と判断する。AIにはその判断が最初からプログラムされていなかった。 タイミングも悪かった。ペーパートレードを始めた週、イラン情勢の緊迫化で日経平均もTOPIXも大幅に下落していた。バグだらけのシステムが、下落相場に突っ込んだ格好だ。 AIが書いたコードは「動く」。だが「正しく動く」とは限らない このシリーズでは、Claude Code を使って東証の株取引を半自動化する方法を紹介してきた。プログラミング不要で、AIに「やって」と言うだけ。それは嘘ではない。実際に Claude Code はスクリーニングから発注まで、動くコードを書いてくれた。 問題は「動く」と「正しく動く」の間に深い溝があることだ。 ペーパートレードを始めてから5日間で、17件のバグが見つかった。全て、ライブでも同じように発生するバグだ。一つ残らず実弾を撃つ前に発見できた。逆に言えば、ペーパートレードをスキップしていたら、17個の地雷を踏みながらライブトレードをしていたことになる。 「AIで簡単に自動売買」はSNSでよく見かけるフレーズだ。ツールとしてのAIは確かに強力だが、「簡単に」の部分は幻想だ。少なくとも私の場合はそうだった。長年コードを書いてきたエンジニアが、Claude Code にコードを書かせて、それでも17件のバグを出した。 ここから先は、その17件のうち特に危険だったものを紹介する。 放置すれば資金が溶けるバグ 8連敗して止まらない 冒頭の決算系戦略8連敗。-68,550円。 原因は安全機構の欠如だ。クールダウン（損切り後に一定期間エントリーを見送る仕組み）がない。戦略あたりのポジション上限がない。動的ストップ（値動き幅に応じて損切りラインを調整する仕組み）がない。 AIは「損切りラインを-5%に設定する」コードは書ける。だが「この銘柄のボラティリティなら-5%は狭すぎる」という判断はしない。ATR（平均的な1日の値動き幅）が3%の銘柄に5%のストップを置けば、2日間の通常の値動きで引っかかる。 ポジションサイズが制御されていない 1銘柄あたりの投資上限を設定するパラメータが、コードのどこにも参照されていなかった。パラメータは存在するが、使われていない。設定画面だけ立派で中身が空のセキュリティソフトのようなものだ。 ライブなら、1銘柄に資金が偏り、その銘柄が暴落したときに取り返しのつかない損失になる。 損切りしても枠が空かない 「損切りが先、新規エントリーが後」であるべき処理が、逆の順序で実行されていた。 1戦略あたりのポジション上限は3件。朝の処理で、まず新規エントリーを判定し、その後でストップ注文を処理する。すると、損切りで空くはずの枠が認識されず、新規エントリーがブロックされる。損切りされた銘柄の代わりに入るべき新しい銘柄が、いつまでも入れない。 暴落の朝に無防備にエントリーする 前日比10%のギャップダウン。市場が恐慌状態にある朝に、通常通りエントリーしていた。 ギャップの大きさを検出するロジックが存在しなかった。修正後は、10%以上のギャップで停止、5%以上でストップ幅を自動拡張するようにした。 50銘柄を超えると価格が取れなくなる kabu Station API には銘柄登録の上限がある。50件だ。株価の取得を要求するたびに銘柄が自動登録され、上限に達すると51件目以降は全てエラーになる。 110件の候補のうち36件が脱落した。ライブなら、高スコアの候補が価格を取得できずエントリー機会を逃す。あるいは、保有銘柄の価格が取れずストップ注文が発動しない。 「動いている」が「正しく動いている」ではないバグ 荒れた板でも平気でエントリーする 寄り付き直後の特別気配（売り買いの注文が極端に偏った状態）、スプレッドが通常の10倍、出来高ゼロ——そんな状態でも注文が通っていた。 板の品質を評価する仕組みが、単一時点のスプレッドチェックしかなかった。修正後は、出来高・スプレッド・気配の状態・特別気配・ストップ高ストップ安を総合的に評価し、回復可能な状態なら最大5分間リトライする仕組みにした。 全候補がQTY=0で1件もエントリーできない ある朝、40件の候補全てが「数量ゼロ」で見送られた。 資金300万円を5戦略で均等割りすると、1戦略あたり48万円。株価1,000円以上の銘柄は最低購入単位（100株＝10万円）を確保できるが、戦略ごとの予算上限に引っかかって多くの銘柄が除外された。高株価の優良銘柄ほど買えないという、本末転倒な状態だった。 戦略の成績評価が壊れている 戦略の良し悪しを評価する指標（プロフィットファクター）の計算に、まだ決済していない注文のデータが混入していた。買い注文（損益ゼロ）が分母に加算され、評価値が実態と乖離する。 本来なら停止すべき戦略が「成績は悪くない」と判定され、損失を出し続ける。 ポジション管理がデータ不整合 取引ログでは全件決済済みなのに、ポジション管理ファイルには9件が残存していた。ゴーストポジション——実在しないポジションに対してストップ注文が出され続けるか、あるいは実在するポジションが管理から漏れる。 AIから見えない世界のバグ スケジュールが誰にもキックされていない 朝8:10のスクリーニングが、3日間実行されていなかった。 設定ファイルにはちゃんと書いてある。だが、それを読んで実行するスケジューラが、別件で停止したまま放置されていた。設定ファイルに書いた＝実行される、ではない。 3日前の古い候補で取引するところだった。手動で気づいたから事なきを得た。 キャッシュが空で30分タイムアウト スクリーニングが30分以上かかり、朝9:10のエントリーに間に合わない。 ローカルに株価データのキャッシュを持つ仕組みを作ったが、キャッシュを更新する定期ジョブの登録を忘れていた。キャッシュが空なので、毎回APIから全銘柄のデータを個別取得する。1,590銘柄×APIレート制限で30分超。 時計が9時間ずれている 「9:10にエントリーを開始する」と書いたコードが、UTC基準で動いていた。WSL（Windows上のLinux環境）のシステム時刻がUTCで、Python の datetime.now() がタイムゾーン指定なしで呼ばれていた。 日本時間の9:10に動いたのは偶然だ。JST前提で書いたはずのコードがUTCで動いている——この種のバグは、テスト環境と本番環境でタイムゾーンが異なるだけで発生する。 Slack通知が全部失敗している 損切りもエントリーも、通知が何も届いていなかった。 ...

米国市場の業種別リターンから翌日の日本市場を予測する — そんな論文の解説が X で話題になっていました。ポイントは「正則化 PCA（主成分分析）」によるノイズ除去です。本記事ではこの手法の仕組みと、なぜ通常の PCA より優れた結果を出せるのかを整理します。 基本アイデア：時差を利用した業種間伝播 米国市場が夜に動き、数時間後に日本市場が開く。同業種のリターンは国をまたいで伝播する傾向がある — この「時差」を収益機会として捉えるのが基本的な発想です。 具体的には、米国の 11 業種の当日リターンから、日本の 17 業種の翌日リターンを予測します。 データソース：日米の業種別 ETF 分析対象は 日米の業種別 ETF です。 米国側: 業種 ETF の 当日 Close-to-Close リターン（終値ベース）を情報集合とする 日本側: 業種 ETF の 翌営業日 Open-to-Close リターン（寄付→引け）を予測対象とする 米国市場の終値で確定した情報が、翌朝の日本市場の寄付きから日中にかけて反映される — この「リード・ラグ仮説」を ETF の日次リターンデータで検証する構成です。 データの入手方法 業種別 ETF の価格データは誰でも無料で入手できます。 米国の業種 ETF（SPDR Select Sector シリーズ） XLK（テクノロジー）、XLF（金融）、XLE（エネルギー）など 11 セクターの ETF が上場しています。Yahoo Finance や Google Finance で日次データを取得可能です。 日本の業種 ETF（TOPIX-17 業種別シリーズ） NEXT FUNDS TOPIX-17 シリーズ（野村アセットマネジメント）など、17 業種に対応する ETF があります。JPX（日本取引所グループ）や Yahoo!ファイナンスで取得できます。 ...