プログラミング未経験でも、ChatGPTを使いながら日本株の投資支援ツールを作れるのでしょうか。
私は2026年8月、Pythonのコードを自分で一から書けない状態から、日本株の分析ツール開発を始めました。
最初はVS Codeの操作やコードの貼り付け位置さえ分からず、インデントのずれやエラーへの対処にも苦労しました。それでもChatGPTに画面を見せながら作業を進め、株価データの取得から約20銘柄のスコアリングまで実装できました。
この記事では、未経験から何を作れたのか、どこでつまずいたのか、実際にどう開発を進めたのかを、当時の画面とともに紹介します。
※この記事は2026年8月の開発初期を振り返った記録です。現在の開発状況とは異なる部分があります。
結論:未経験でも分析ツールは作れた。ただし売買戦略の有効性は別問題
開発初期に実現できたのは、日本株の株価取得、テクニカル指標の計算、複数銘柄のスコアリング、売買候補と判定理由の表示です。
特に効果的だったのは、機能を1つ追加する → 実行して確認する → GitHubに保存するという進め方でした。
一方で、スコアを計算できても、そのスコアで株価の上昇を予測できるとは限りません。
この段階で完成したのは、あくまで投資判断を補助する分析ツールです。利益の出る売買ルールが完成したわけではありません。
なぜ日本株の投資支援ツールを作ろうと思ったのか
私は日本株のデイトレードや数日間のスイングトレードを行っています。
売買候補を探す際には、株価チャート、出来高、テクニカル指標、決算、ニュースなど、多くの情報を確認します。
ChatGPTに個別銘柄の分析を依頼することもできますが、毎回複数銘柄の株価や指標を手作業で確認するのは効率的ではありません。
そこで考えたのが、株価の取得と基本的な分析をPythonで自動化し、売買候補を絞り込む仕組みを作ることでした。
最初から証券口座と接続して注文を出すのではなく、分析機能を作り、売買ルールを検証してから実際の運用へ進む方針にしました。

開発に使ったツールと、それぞれの役割
開発には主にPython、VS Code、GitHub、ChatGPTを使用しました。
| ツール | 今回の開発での役割 |
|---|---|
| Python | 株価データの取得やテクニカル指標の計算 |
| VS Code | プログラムの編集・実行 |
| GitHub | コードの変更履歴を保存 |
| ChatGPT | コード作成、エラー原因の整理、作業手順の確認 |
開始時点では、Pythonだけでなく、VS CodeやGitHubの操作もほとんど理解していませんでした。
そのため、最初は売買ロジックよりも、開発環境を使えるようになることが大きな課題でした。
プログラミング未経験で最初につまずいたこと
実際に困ったのは、難しい計算式よりも基本的な操作です。
- VS Codeのどこにコードを書けばよいか分からない
- ターミナルのエラーメッセージを読めない
- ChatGPTが作ったコードの貼り付け位置が分からない
- インデントがずれてプログラムが動かない
そこで役立ったのが、作業画面のスクリーンショットをChatGPTに見せる方法でした。
例えば、コードを追加するときには、実際の画面を見せながら「この位置で合っているか」「インデントは正しいか」と確認しました。

初心者にとっては、コードを生成してもらうだけでは不十分でした。
生成されたコードをどこに配置し、どう実行し、何を確認すればよいのかまで質問できたことが、開発を進めるうえで特に助けになりました。
まずは1銘柄の株価取得から開発を開始
最初に取り組んだのは、日本株の株価データをPythonで取得することです。
いきなり多数の銘柄を分析するのではなく、まずは1銘柄のデータが正常に取得できるか確認しました。
開発では、次の手順を基本にしました。
- 機能を1つ追加する
- プログラムを実行して動作確認する
- 問題がなければGitHubに変更を保存する
- 次の機能に進む
一度に多くのコードを変更しないことで、エラーが発生したときに原因を追いやすくしました。
株価を取得できるようになった後は、移動平均線などのテクニカル指標も追加しました。

画像では、日付・終値に加え、MA5・MA25・MA75などの列が出力されています。
移動平均線に加え、MACDやボリンジャーバンドなども計算する仕組みを追加しました。
最初は株価を取得するだけだったプログラムが、複数の指標をまとめて計算するところまで進みました。
テクニカル指標を追加し、銘柄をスコアリング
株価データの取得後は、売買候補を一定の基準で比較するため、指標を少しずつ追加しました。
初期段階で実装した主な機能は次のとおりです。
| 機能 | 分析での用途 |
|---|---|
| 5日・25日・75日移動平均線 | 株価のトレンドを確認 |
| RSI14 | 買われすぎ・売られすぎの目安 |
| 出来高倍率 | 通常時と比べた出来高の増加を確認 |
| 移動平均線クロス | GOLDEN・DEAD・NEUTRALを判定 |
| 銘柄スコアリング | 複数条件を数値化して候補を比較 |
例えば、RSIが一定の水準を下回った場合に加点するなど、条件ごとにスコアを変化させる仕組みを作りました。
その後、監視対象を約20銘柄まで拡張しています。
実際のスコアリング結果
以下は、2026年8月22日にプログラムを実行した際の画面です。

画像では、7012.T(川崎重工業)について次の結果が表示されています。
| 項目 | 実行結果 |
|---|---|
| 株価 | 2,604円 |
| RSI | 41.4 |
| スコア | 15 |
| シグナル | HOLD |
| BUY候補 | なし |
| SELL候補 | なし |
スコアの判定理由として、RSIの低下、MACDの位置関係、ボリンジャーバンド、移動平均線の位置関係なども表示されています。
単に「買い」「売り」という結論を出すだけでなく、どの条件が評価に影響したのかを確認できる形にしたことが、この段階での成果です。
ただし、スコアが高ければ株価が上昇するという保証はありません。
この時点では、一定の条件で銘柄を比較する仕組みができただけで、売買ルールの有効性までは確認できていませんでした。
ChatGPTを使った開発で重視したこと
ChatGPTにはコードの作成だけでなく、エラーの原因調査や次に追加する機能の検討も手伝ってもらいました。
一方で、AIが生成したコードが必ず正しいとは限りません。
実際、コードの修正によって別の箇所にエラーが発生することもあります。
そのため、機能を小さく追加し、実行結果を確認してから次に進むことを重視しました。
また、GitHubに変更履歴を残しておくことで、問題が起きた際に以前の状態を確認できるようにしました。
プログラミング未経験の私にとっては、一度に大量のコードを生成するよりも、この進め方の方が作業内容を把握しやすかったと感じています。
これから始める人が真似できる進め方
今回の経験から、プログラミング未経験で株価分析ツールを作るなら、最初から複雑な機能を目指さず、小さな単位で動作確認する方法が取り組みやすいと感じました。
- 最初は1銘柄:株価データが正常に取得できることを確認する
- 指標は1つずつ:移動平均線などを追加し、計算結果を確認する
- エラーは画面ごと相談:コードだけでなく、エラーメッセージや実行環境もChatGPTに伝える
- 動いたら保存:正常に動く状態をGitHubに記録してから次へ進む
- 分析と検証を分ける:売買シグナルが出ても、利益が出るとは判断しない
この進め方なら、問題が発生したときにも、直前に変更した部分を中心に確認できます。
開発初期にできたことと、残っていた課題
2026年8月の初期段階では、次の機能まで実装できました。
- 日本株の株価データ取得
- 約20銘柄の監視
- テクニカル指標の自動計算
- 条件に応じたスコアリング
- 売買候補と判定理由の表示
- 流動性などによる銘柄の絞り込み
一方、実際に利益を出せる売買ルールが完成したわけではありません。
そこで次の課題となったのが、過去の株価データを使って売買ルールを検証するバックテストです。
勝率だけでなく、損失の大きさ、売買条件、資金制約などを確認しなければ、実際の運用に使えるかは判断できません。
まとめ:未経験でも小さく作りながら進められた
プログラミング未経験からのスタートでしたが、ChatGPTに実際の画面を見せながら、株価取得から複数銘柄のスコアリングまで実装できました。
特に役立ったのは、機能を1つずつ追加し、動作確認をしてからGitHubに保存するという進め方です。
ただし、ツールを動かせることと、利益の出る売買ルールを作れることは別です。
この後はバックテストやリスク管理など、売買ルールの有効性を確かめる開発へ進みました。
自動売買ツール開発の現在地
この記事は、2026年8月の開発初期を振り返った記録です。
その後は、複数銘柄を対象としたバックテスト、損切りルールの検証、仮想注文・約定、Paper Tradingに向けた機能開発などを進めています。
開発の全体像や、その後の検証記事は以下のページにまとめています。
日本株AI自動売買ツール開発記録|未経験から実運用を目指すまで
※この記事は個人による開発記録であり、紹介したツールや売買シグナルの有効性を保証するものではありません。



コメント