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

KABU BUILDでは、AIとPythonを使って日本株の投資支援・自動売買ツールを開発しています。

プログラミング未経験から始め、売買ルールの作成、バックテスト、資金管理、証券会社APIとの接続、Paper Tradingの準備へと進んできました。

このページでは、実際に取り組んだ開発と検証を時系列でまとめています。成功した結果だけでなく、最大損失の大きさや、株価データの扱いに関する失敗も紹介します。

開発の現在地

現在は、売買シグナルから仮想注文・仮想約定までの機能を実装し、Paper Tradingを継続運用する前の安全性を確認する段階です。

  • ✓ 日本株の分析ツールを開発
  • ✓ 複数銘柄のスコアリング
  • ✓ バックテストと損切りルールの検証
  • ✓ 資金制約・スリッページの検証
  • ✓ 注文管理・安全対策の実装
  • ✓ 証券会社APIから市場データを取得
  • ✓ Paper Trading用の資金管理・仮想注文・仮想約定判定を実装
  • → 監査ログと安全条件の最終確認
  • 今後:継続的なPaper Trading
  • 今後:少額での実運用を検討

※各機能の実装・テストが完了したことは、実際の市場で継続的に運用できたことを意味しません。実運用の開始や収益の発生を示すものではありません。


プログラミング未経験から開発をスタート

最初はChatGPTとPythonを使い、株価データの取得、RSI・MACDなどのテクニカル指標の計算、複数銘柄の分析に取り組みました。

当初の目的は完全自動売買ではなく、投資判断に必要な情報を整理するツールを作ることでした。

→ プログラミング未経験から日本株AI投資支援ツールを作ってみた

複数の指標から売買候補をスコア化

株価データを取得できるようになったあと、RSI・MACD・出来高などを組み合わせ、銘柄ごとの売買判断をスコア化する仕組みを追加しました。

単に点数を出すのではなく、「なぜそのスコアになったのか」を確認できるようにし、複数銘柄から候補を絞り込む仕組みへ発展させています。

売買ルールをバックテスト

売買候補を出せるようになったところで、「この売買ルールは過去の相場でも利益が出ていたのか」を検証するため、バックテスト機能を作りました。

最初の検証から対象を20銘柄まで拡大すると、勝率は高かった一方、最大損失が60%を超える取引も見つかりました。

→ 株のバックテストとは?プログラミング未経験者がPythonで売買ルールを検証してみた

→ 株のバックテストを20銘柄に拡大|224取引で勝率75%、でも最大損失-62%

「勝率が高い=安全」ではなかった

翌営業日の始値で売買する方式のバックテストでは、20銘柄・224取引で勝率76.3%、平均損益率+8.23%となりました。しかし、最大損失は-61.30%でした。

そこで、固定STOP(損切り)の幅を変えて比較し、さらに含み益を守るためのトレーリングSTOPも検証しました。

→ 勝率76%でも最大損失61%|日本株20銘柄で損切り幅5種類を比較した結果

→ トレーリングSTOPは有効?日本株バックテストで6パターン検証してみた

「実際の資金で買えるのか」を検証

売買ルール単体の成績が良くても、実際の資金で同じ取引ができるとは限りません。

そこで、初期資金、日本株の100株単位、同時保有数、現金残高を考慮するポートフォリオ単位のバックテストに進みました。

この過程で、調整済み株価を購入可能額の判定に使用した結果、当時の実際の価格では買えない銘柄を購入可能と判定していた問題が見つかりました。

問題を特定したあと、売買シグナルの計算と購入可能額の判定で使用する価格を区別するように修正しました。

→ 調整済み株価の落とし穴|100万円のバックテストで「買えない株」を買っていた

実運用候補を50銘柄へ拡大

20銘柄の中には、100株を買うだけで大きな資金が必要になる値嵩株も含まれていました。

そこで、50万〜100万円程度の資金で運用することを想定し、対象を50銘柄へ組み直しました。

しかし、購入可能な銘柄を増やしても、現金が余るという別の問題が発生しました。銘柄数だけでなく、同時に何銘柄を保有するかが資金効率に影響することが分かりました。

→ 買える株を50銘柄に増やしたら現金が余った|AI株バックテストで分かった資金配分の重要性

スリッページと期間による違いを検証

バックテストを実運用に近づけるため、想定価格と約定価格のずれを表すスリッページを追加しました。

また、約5年間の合計で利益が出ていても、どの期間でも利益が出るとは限りません。期間を区切って検証すると、1年間ではマイナスになる期間も確認できました。

→ 取引コストより効いた「100株の壁」|スリッページ0〜20bpで自動売買を検証

→ 5年間プラスでも安心できない。バックテストを期間別に分解したら見えた弱点

バックテストから実運用を想定したシステムへ

バックテストの検証を進めたあと、実際の市場で動かすために必要な仕組みを考え始めました。

売買ロジックだけでは、自動売買システムにはなりません。同じ注文を二重に出さないこと、注文状態が不明な場合に無条件で再送しないこと、異常時に新しい取引を止めることなどが必要です。

そのため、注文管理、状態の照合、承認期限、緊急停止などの安全対策を段階的に追加しました。

証券会社APIと実際の市場データ

実際の市場データを取得するため、証券会社のAPI環境を比較しました。

最初の接続先として三菱UFJ eスマート証券のkabuステーションAPIを選び、その後、Pythonから実際の市場データを取得するところまで進めています。

→ 株の自動売買はどの証券会社を選ぶ?APIを比較して三菱UFJ eスマート証券にした理由

→ Pythonで株の自動売買ツールを証券会社APIに接続|実際の株価データ取得まで進んだ

Paper Trading前に資金管理と緊急停止を実装

実際のお金を使う前に、Paper Tradingでシステム全体を検証する方針です。

100万円の仮想資金を設定し、1銘柄への投資上限、総投資額、最低限残す現金、同時保有数、1日の損失上限などのルールを実装しました。

また、異常を検知した場合に新しい注文を止める仕組みも追加しています。

売買シグナルから仮想注文までを接続

それまで個別に作ってきた機能をつなぎ、次の処理を実装しました。

株価データ → 売買シグナル判定 → 買い候補の選定 → 人間による確認 → 注文直前の安全確認 → 仮想注文

この段階では、注文を出したことと約定したことを区別しています。注文を出しただけでは、仮想口座の保有株や現金を変更しません。

市場データを使って仮想約定を判定

次に、出した注文が市場データ上の条件を満たしたかを判定する仕組みを追加しました。

仮想約定と判定できた場合だけ、仮想口座の現金や保有株へ反映します。ただし、これは市場データを使ったシミュレーションであり、実際の取引所で同じ価格・数量が約定することを保証するものではありません。

現在はPaper Trading開始前の最終確認

売買シグナルの生成から仮想注文、仮想約定判定までの機能は実装しました。ただし、正式なPaper Tradingを継続運用した実績ではありません。

現在は、注文・約定・資金管理の記録に矛盾がないか、異常時に新しい注文を停止できるかなど、監査ログと安全条件を確認しています。

今後は一定期間Paper Tradingを行い、売買シグナル、仮想注文価格、仮想約定、損益、バックテストとの違い、想定外の動作を検証する予定です。

その結果を確認したうえで、少額での実運用に進むか判断します。


完成した結果だけではなく、開発の過程も公開します

KABU BUILDでは、完成したツールだけではなく、作る・試す・問題を見つける・改善するという過程も公開しています。

バックテストで良い数字が出ても、売買単位や資金制約、株価データの処理を見直すことで、結果が変わることを経験しました。

今後もPaper Tradingや実運用に向けた検証を進め、確認できた結果に合わせてこのページを更新していきます。