個人投資家でもクオンツ投資は始められる
クオンツ投資という言葉を聞くと、多くの人は巨大なサーバー、金融工学の博士号、高額な市場データ、機関投資家だけが使う特殊なシステムを想像しがちです。しかし、個人投資家が実践するクオンツ投資は、必ずしも複雑な数式や高速取引を意味しません。むしろ本質はもっとシンプルです。感情や思い込みに頼らず、過去データ、財務データ、価格推移、出来高、需給、銘柄属性などを使い、売買判断をルール化することです。
たとえば「なんとなく上がりそうだから買う」ではなく、「過去20日高値を更新し、出来高が60日平均の2倍以上、かつ直近決算で営業利益が増益だった銘柄だけを候補にする」と決めます。さらに、買った後は「終値が10日移動平均を割ったら撤退」「含み益が15％を超えたら半分利確」「1銘柄への投資額は総資産の5％まで」といった形でルールを固定します。このように、投資判断を再現可能な条件に落とし込むことが、個人投資家にとってのクオンツ投資の出発点です。
低コストで始める場合、最初から完璧な自動売買環境を作る必要はありません。むしろ、最初にやるべきことは「自分の売買アイデアを数字で検証する習慣」を作ることです。株価チャートを眺めているだけでは、都合の良い成功例ばかり記憶に残ります。一方で、同じ条件を過去100回、過去300回、過去1000回に適用して集計すれば、その戦略が本当に優位性を持つのか、単なる思い込みなのかが見えてきます。
クオンツ投資で最初に理解すべき3つの考え方
1. 予想ではなく条件を扱う
クオンツ投資の強みは、未来を当てることではありません。未来は誰にも正確には分かりません。重要なのは「特定の条件がそろったとき、過去にはどのような結果になりやすかったか」を調べ、その傾向に資金を配分することです。つまり、相場観ではなく条件付き確率を扱います。
たとえば「決算が良かった銘柄は上がる」という表現は曖昧です。何をもって決算が良いと判断するのか、いつ買うのか、何日保有するのか、どこで損切りするのかが決まっていないからです。これをクオンツ的にするなら、「営業利益が前年同期比20％以上増加し、通期予想を上方修正し、翌営業日の寄り付きが前日終値から5％以内だった銘柄を寄り付きで買い、20営業日後に売却する」といった形にします。条件が明確になれば、検証ができます。
2. 勝率より期待値を見る
投資戦略の評価で初心者が間違えやすいのは、勝率だけを見てしまうことです。勝率70％でも、負けるときに大きく負ける戦略は資産を減らします。反対に、勝率40％でも、勝つときの利益が負けるときの損失より十分に大きければ、長期的には資産を増やせる可能性があります。
戦略を見るときは、平均利益、平均損失、最大ドローダウン、連敗回数、保有期間、売買回数、手数料負担をセットで確認する必要があります。たとえば1回あたりの平均利益が4％、平均損失が2％、勝率45％であれば、単純な期待値はプラスになり得ます。しかし、年に3回しか発生しない条件なら資金効率は低いかもしれません。逆に期待値が小さくても、発生頻度が高く、ドローダウンが浅く、複数銘柄に分散できるなら実用性があります。
3. 完璧なモデルより壊れにくいルールを優先する
個人投資家がクオンツ投資で失敗する典型例は、過去データに合わせすぎることです。条件を細かくしすぎると、過去には素晴らしい成績に見えても、将来まったく機能しない戦略になります。これをカーブフィッティングと呼びます。
たとえば「月曜日に、株価が25日移動平均より3.2％上で、RSIが61から64の間で、出来高が過去37日平均の1.8倍以上で、時価総額が237億円から411億円の銘柄だけ買う」といった条件は、見た目は精密ですが、実際には過去の偶然を拾っている可能性が高くなります。低コストで実践する個人投資家ほど、条件は少なく、意味のあるものに絞るべきです。
低コストで使えるデータの種類
クオンツ投資に必要なデータは、最初から高額である必要はありません。日本株であれば、証券会社のスクリーニング機能、株価情報サイト、適時開示情報、四季報系データ、無料API、CSVダウンロード、表計算ソフトのインポート機能などを組み合わせれば、かなりの検証ができます。米国株やETFであれば、無料で取得できる日次価格データやETF構成情報を使うだけでも、積立、リバランス、暴落時買い増し、移動平均戦略などを検証できます。
最初に扱うべきデータは、終値、高値、安値、始値、出来高の5つです。これだけで、移動平均、ブレイクアウト、出来高急増、ボラティリティ、乖離率、トレンド判定、押し目判定など多くの戦略を作れます。次に財務データを追加します。売上成長率、営業利益率、自己資本比率、ROE、配当利回り、PER、PBR、EPS成長率などです。価格データだけの戦略は短期売買に偏りがちですが、財務データを加えると中期投資や銘柄選別の精度が上がります。
重要なのは、データの正確性を過信しないことです。無料データには分割調整のズレ、上場廃止銘柄の欠落、配当込みリターンの未反映、決算発表日のズレなどが含まれることがあります。したがって、最初から細かい数値の精度にこだわりすぎるより、「大きな方向性が確認できるか」「極端に都合の良い結果になっていないか」「現実の売買で再現できるか」を優先します。
最初に作るべきクオンツ戦略の型
型1：移動平均トレンドフォロー
最も基本的な戦略は、株価が中長期の移動平均線を上回っている銘柄だけを買うトレンドフォローです。たとえば「終値が25日移動平均と75日移動平均を上回っている」「25日移動平均が75日移動平均を上回っている」「直近20営業日の高値を更新している」という条件を使います。これは単純ですが、相場の上昇局面に資金を乗せ、下降局面の銘柄を避けるという意味があります。
具体例として、東証上場銘柄の中から時価総額300億円以上、平均売買代金1億円以上の銘柄を対象にします。その中で、終値が75日移動平均を上回り、かつ過去20日高値を更新した銘柄を抽出します。買いは翌営業日の寄り付き、売りは終値が25日移動平均を割った日、または保有30営業日経過時とします。これだけでも、感情に頼る売買よりは検証可能な戦略になります。
型2：出来高急増ブレイクアウト
小型株や材料株では、出来高の変化が重要です。株価だけが上がっても出来高が伴っていない場合、上昇の持続力は弱いことがあります。一方で、長期間の横ばいから出来高を伴って上放れた場合、新しい資金が入ってきた可能性があります。
条件例は「過去60日間の高値を更新」「当日の出来高が過去60日平均の2.5倍以上」「当日終値が始値より高い」「翌日も前日安値を割らない」です。この戦略では、初動で飛び乗るより、翌日に崩れないことを確認してから入る方がダマシを減らしやすくなります。売却ルールは「買値から8％下落で損切り」「20％上昇で半分利確」「10日移動平均割れで残り撤退」など、あらかじめ決めておきます。
型3：高配当・増配フィルター
中長期投資に向くクオンツ戦略として、配当と業績を組み合わせる方法があります。単に配当利回りが高い銘柄を買うのではなく、「配当利回り3％以上」「営業利益が2期連続増益」「配当性向が70％未満」「自己資本比率が一定以上」「過去5年で減配が少ない」といった条件を組み合わせます。
この戦略の狙いは、減配リスクが高い見せかけの高配当株を避けることです。配当利回りが高い理由が株価下落によるものなのか、利益成長によるものなのかを分けて考える必要があります。さらに、購入タイミングにはチャート条件を追加します。たとえば「株価が200日移動平均を上回る」「直近安値から10％以上回復している」といった条件です。これにより、業績は良いが株価が下落トレンドにある銘柄を避けやすくなります。
表計算だけで始める簡易バックテスト
最初からPythonを使う必要はありません。ExcelやGoogleスプレッドシートでも、簡単なバックテストは可能です。まず、銘柄コード、日付、始値、高値、安値、終値、出来高を列に並べます。次に、25日移動平均、75日移動平均、出来高平均、過去20日高値、買いシグナル、売りシグナル、損益率を計算します。
たとえば、買いシグナル列では「終値が過去20日高値を更新し、出来高が60日平均の2倍以上なら1、それ以外は0」とします。売却は「買いから20営業日後の終値で売る」と単純化しても構いません。最初は細かい約定価格やスリッページを完全再現するより、戦略の方向性を見ることが重要です。その後、手数料、税金、スリッページ、売買代金制限を追加して現実に近づけます。
表計算で注意すべき点は、未来のデータを使わないことです。たとえば、今日の終値でシグナルが出たのに、同じ日の終値で買えたことにすると、現実より有利な検証になります。実際には、今日の終値で条件を確認したなら、買えるのは翌営業日の寄り付きまたは翌日の成行注文です。これを守らないと、バックテスト結果は簡単に過大評価されます。
Pythonを使う場合の実践フロー
Pythonを使う利点は、銘柄数や期間が増えても処理しやすいことです。最初に覚えるべきライブラリは多くありません。データ処理にはpandas、数値計算にはnumpy、グラフにはmatplotlib、株価データ取得には利用可能なデータ取得ライブラリやCSV読み込みを使います。個人投資家の最初の段階では、高度な機械学習よりも、データを読み込み、条件を作り、損益を集計する力の方が重要です。
実践フローは、まず銘柄リストを作ることから始まります。流動性が低すぎる銘柄を除外するため、平均売買代金、時価総額、上場市場などで対象を絞ります。次に、日足データを取得し、移動平均、出来高平均、リターン、ボラティリティなどの特徴量を作ります。そのうえで、買い条件と売り条件を定義し、売買履歴を作成します。最後に、総損益、勝率、平均利益、平均損失、最大ドローダウン、年率換算リターン、売買回数を集計します。
ここで大切なのは、最初から複雑なAIモデルを使わないことです。ランダムフォレストやニューラルネットワークを使う前に、単純なルールベース戦略を検証すべきです。単純なルールで優位性が確認できない市場に対して、複雑なモデルを当てても、過去データに合わせただけの不安定な戦略になる可能性が高いからです。
個人投資家向けの低コスト環境構成
最低限の環境は、パソコン、表計算ソフト、無料または低価格のデータソース、証券会社のスクリーニング機能で十分です。Pythonを使うなら、無料の開発環境で問題ありません。クラウド環境を使えば、パソコンに複雑な設定をしなくても分析できます。重要なのは、高額なツールを導入することではなく、検証手順を継続できる形にすることです。
おすすめの構成は、銘柄抽出は証券会社やスクリーニングサイト、データ保管はCSV、分析は表計算またはPython、売買判断は週1回または日次で更新、発注は手動という形です。完全自動売買にすると便利に見えますが、最初の段階ではバグや想定外の約定がリスクになります。まずは半自動化にして、シグナルだけを機械的に出し、最終発注は自分で確認する運用が現実的です。
費用を抑えるコツは、最初からデータを広げすぎないことです。日本株全銘柄を毎日細かく分析しようとすると、管理が大変になります。まずは流動性のある500銘柄、または自分が売買しやすい業種だけに絞ります。ETF戦略であれば、S&P500、NASDAQ100、TOPIX、日経平均、債券ETF、金ETFなど10本程度から始めても十分です。
戦略評価で必ず見るべき指標
最大ドローダウン
最大ドローダウンは、資産曲線がピークからどれだけ落ち込んだかを示します。年率リターンが高くても、最大ドローダウンが大きすぎる戦略は実運用に向きません。たとえば年率25％の戦略でも、途中で資産が50％減るなら、多くの個人投資家は継続できません。逆に年率12％でも、最大ドローダウンが15％程度に収まるなら、長く続けやすい可能性があります。
売買回数と手数料負担
バックテストでは、売買コストを必ず入れるべきです。特に小型株や短期売買では、スプレッドとスリッページが無視できません。終値ベースで利益が出ているように見えても、実際には希望価格で約定できないことがあります。売買回数が多い戦略ほど、コストを厳しめに見積もる必要があります。
連敗回数
戦略の継続性を判断するうえで、連敗回数は重要です。期待値がプラスでも、10連敗、15連敗が普通に発生する戦略なら、資金管理と心理面の準備が必要です。1回あたりの損失を小さくしなければ、連敗時に資金が大きく削られます。個人投資家の場合、1回のトレードで総資産の1％以上を失う設計はかなり攻撃的です。
実践例：低コスト小型株モメンタム戦略
ここでは、個人投資家が現実的に試しやすい戦略例を示します。対象は日本株で、時価総額100億円以上1000億円未満、直近20営業日の平均売買代金が5000万円以上、直近決算で営業利益が前年同期比プラスの銘柄とします。買い条件は、終値が過去60日高値を更新し、当日の出来高が60日平均の2倍以上、かつ終値が始値を上回っていることです。
売却条件は3つです。1つ目は、買値から8％下落したら損切り。2つ目は、買値から18％上昇したら半分利確。3つ目は、残りのポジションを10日移動平均割れで売却します。保有期間が40営業日を超えた場合も一度撤退します。この戦略の狙いは、材料や業績改善を背景に新しい買いが入った小型株の初動に乗ることです。
この戦略を検証するときは、必ず流動性条件を入れます。平均売買代金が少ない銘柄では、バックテスト上は利益が出ても実際には買えない、売れない、価格が大きく滑るという問題が起きます。また、ストップ高で買えた前提にしないことも重要です。ストップ高張り付きの日に終値で買った前提にすると、現実より成績が良くなります。実際に買えるのは翌日以降であり、その時点ではギャップアップしている可能性があります。
実践例：ETFリスクオン・リスクオフ戦略
個別株より管理を簡単にしたい場合は、ETFを使ったクオンツ戦略が向いています。たとえば、NASDAQ100連動ETF、S&P500連動ETF、米国債ETF、金ETF、現金を組み合わせます。毎月末に、各ETFの過去6カ月リターンを計算し、上位2つに資金を配分します。ただし、対象ETFが200日移動平均を下回っている場合は、その分を現金または短期債券にします。
この戦略のメリットは、暴落局面でリスク資産への比率を落としやすいことです。常に株式100％で保有するより、下落局面のダメージを抑えられる可能性があります。一方で、急反発局面では出遅れることがあります。したがって、この戦略は最高リターンを狙うというより、大きな下落を避けながら長期運用を続ける設計です。
低コストで検証するなら、月次データだけで十分です。毎日売買する必要はありません。月1回のリバランスなら、手間も少なく、税金や手数料の管理もしやすくなります。個人投資家が長く続けるには、戦略の精度だけでなく、運用負荷の低さも重要です。
クオンツ投資で避けるべき落とし穴
過去最高の条件だけを採用する
バックテストで最も危険なのは、条件を何度も変えて最高成績のものだけを採用することです。移動平均を5日、10日、15日、20日、25日、30日と試し、損切り幅も3％から15％まで試し、保有期間も10日から100日まで試せば、どこかに良い結果は見つかります。しかし、それが将来も機能するとは限りません。
対策は、条件に意味を持たせることです。なぜ25日移動平均なのか、なぜ60日高値なのか、なぜ出来高2倍なのかを説明できる必要があります。また、検証期間を前半と後半に分け、前半で作ったルールが後半でも大きく崩れないか確認します。可能であれば、相場環境別にも分けます。上昇相場、下落相場、横ばい相場で極端に成績が違う戦略は、運用時に注意が必要です。
流動性を無視する
個人投資家でも、流動性の低い銘柄では想定通りに売買できません。特に小型株戦略では、売買代金が小さい銘柄ほどバックテスト成績が良く見えることがあります。なぜなら、価格が飛びやすく、過去データ上の上昇率が大きくなるからです。しかし、実際にまとまった株数を買うと自分の注文で価格が動き、売るときには買い板が薄いという問題が起きます。
そのため、戦略には平均売買代金の条件を入れるべきです。少額運用でも、最低限として直近20日平均売買代金が数千万円以上ある銘柄に絞る方が安全です。資金が大きくなるほど、さらに厳しい条件が必要になります。
税金と資金拘束を無視する
短期売買のバックテストでは、税金を考慮しないと複利効果を過大評価しがちです。実際には利益確定のたびに税負担が発生し、再投資できる資金が減ります。また、複数銘柄に同時にシグナルが出た場合、すべてを買えるとは限りません。資金には上限があります。したがって、ポジション数の上限、1銘柄あたりの資金配分、現金比率を決めておく必要があります。
低コストで精度を上げるための改善手順
最初の戦略ができたら、すぐに実資金を大きく入れるのではなく、改善手順を踏みます。第一段階は、過去データで売買履歴を確認することです。利益が出ているトレードだけでなく、損失トレードを重点的に見ます。どのような相場で負けているのか、決算直後に負けやすいのか、地合い悪化時に負けやすいのか、低流動性銘柄で滑っているのかを確認します。
第二段階は、条件を減らすことです。多くの人は条件を追加して改善しようとしますが、実際には条件を減らした方が頑健になることがあります。たとえば、RSI、MACD、ボリンジャーバンド、一目均衡表をすべて入れるより、価格トレンド、出来高、流動性、業績の4項目に絞った方が再現性は高くなります。
第三段階は、少額でフォワードテストを行うことです。過去データではなく、これから出るシグナルを記録し、実際に買った場合の結果を追います。資金を入れなくても、仮想売買で十分です。最低でも3カ月から6カ月は観察し、バックテストと大きく乖離しないかを確認します。
クオンツ投資を日々の運用に落とし込む
個人投資家にとって重要なのは、複雑なモデルを作ることではなく、運用可能な仕組みにすることです。毎日30分以内で更新できる、週末に1回だけ見ればよい、シグナルが出た銘柄だけ確認する、といった設計にしなければ続きません。投資戦略は、続けられなければ意味がありません。
実際の運用では、監視リスト、買い候補、保有銘柄、売却候補を分けます。監視リストには条件に近い銘柄を入れ、買い候補には条件を満たした銘柄を入れます。保有銘柄には買値、損切りライン、利確ライン、保有日数を記録します。売却候補には、ルールに抵触した銘柄を自動または手動で表示します。これだけで、感情的な判断を大きく減らせます。
また、売買記録は必ず残します。日付、銘柄、買い理由、売り理由、損益、ルール通りだったか、例外判断をしたかを記録します。クオンツ投資では、ルールそのものだけでなく、自分がルールを守れたかも重要な検証対象です。成績が悪い原因が戦略にあるのか、運用者の裁量介入にあるのかを分けて考える必要があります。
資金管理こそ最大のエッジになる
低コストのクオンツ投資では、情報量や分析速度で機関投資家に勝つのは難しいです。しかし、個人投資家には小回りという強みがあります。小型株にも入りやすく、ポジションを柔軟に変えられ、顧客説明のために無理な運用をする必要もありません。この強みを活かすには、資金管理が不可欠です。
1銘柄に資産の20％、30％を入れると、どれだけ優位性のある戦略でも一度の失敗で大きなダメージを受けます。目安として、短期売買では1銘柄あたり総資産の3％から8％程度、中長期の分散投資でも10％を超える場合は理由を明確にすべきです。損切り幅が8％なら、1銘柄5％の配分では総資産への損失は0.4％程度です。このように、トレード単位の損失を総資産ベースで管理します。
さらに、同じテーマに偏りすぎないことも重要です。AI関連株、半導体株、グロース株などは一見別銘柄でも、相場が崩れると同時に下落することがあります。銘柄数だけでなく、業種、時価総額、投資テーマ、保有期間を分散します。クオンツ投資の目的は、派手な一撃を狙うことではなく、再現性のある小さな優位性を積み上げることです。
まとめ：個人投資家のクオンツ投資は小さく始めて改善する
個人投資家が低コストでクオンツ投資を始めるうえで、最も重要なのは高額なツールではありません。必要なのは、売買アイデアを条件に分解し、過去データで検証し、実運用で記録し、改善する習慣です。最初は表計算で十分です。移動平均、出来高、過去高値、財務条件、損切り、利確という基本だけでも、多くの投資判断をルール化できます。
成功のポイントは、複雑にしすぎないことです。シンプルな条件で説明できる戦略を作り、未来データを使わず、売買コストと流動性を考慮し、最大ドローダウンに耐えられる資金配分にします。さらに、過去に良かった条件だけを追いかけるのではなく、なぜその条件が機能するのかを考えます。
クオンツ投資は、相場を完全に予測する魔法ではありません。しかし、感情的な売買を減らし、検証可能な判断軸を持つための強力な方法です。低コストで始めるなら、まずは1つのシンプルな戦略を作り、過去検証し、少額または仮想売買でフォワードテストし、売買記録を残すことです。この地味な積み重ねが、個人投資家にとって最も現実的で再現性の高いクオンツ投資の第一歩になります。
コメント