AIスクリーニングは「銘柄を当てる道具」ではなく「候補を減らす仕組み」です
株式投資でAIを使うと聞くと、多くの人は「上がる銘柄をAIに聞けばよい」と考えます。しかし、この発想は危険です。AIは万能の予言機械ではありません。むしろ個人投資家にとって現実的な使い方は、膨大な銘柄の中から調査対象を効率よく絞り込み、人間が見るべき銘柄リストを短時間で作ることです。日本株だけでも上場銘柄は数千社あります。毎日すべての決算、チャート、出来高、信用残、ニュースを確認するのは不可能です。そこでAIを「一次選別」「異常検知」「比較整理」「仮説作成」に使うと、作業量を大きく圧縮できます。
重要なのは、AIに最終判断を丸投げしないことです。AIはデータの整理や文章の要約は得意ですが、将来の株価を保証する能力はありません。したがって、投資家側が先に条件を設計し、その条件に合う銘柄をAIで抽出し、最後は自分の資金管理ルールに落とし込む必要があります。本記事では、AIを使った銘柄スクリーニングを、投資の現場で使える形に分解して解説します。
AIを使う前に決めるべき3つの前提
投資期間を決める
最初に決めるべきことは投資期間です。短期トレード、数週間から数カ月のスイング、中長期投資では見るべき条件がまったく異なります。短期なら出来高、値動き、材料、需給が重要です。中期なら決算の進捗、上方修正余地、移動平均線の形が重要になります。長期ならROE、営業利益率、キャッシュフロー、増配余力、競争優位性を重視します。AIに銘柄抽出を頼む前に、自分がどの時間軸で利益を狙うのかを明確にしなければ、出てくる候補リストは使い物になりません。
銘柄を探す目的を決める
次に、何を狙うスクリーニングなのかを決めます。たとえば「決算後に強い銘柄を探す」「出来高が急増した小型株を探す」「増配余地のある高配当株を探す」「AI関連テーマでまだ過熱していない銘柄を探す」などです。目的が曖昧なままAIを使うと、もっともらしい一般論だけが返ってきます。AI活用の成否は、質問の質よりも条件設計の質で決まります。
除外条件を決める
銘柄選びでは、買いたい条件だけでなく、買わない条件を決めることが重要です。たとえば、時価総額が小さすぎて流動性がない銘柄、継続赤字で資金繰りに不安がある銘柄、直近で急騰しすぎている銘柄、信用買残が極端に膨らんでいる銘柄は、候補から外す判断も必要です。AIに除外条件を明示すると、リスクの高い銘柄を事前に弾きやすくなります。
AIスクリーニングで使うべきデータの種類
AIスクリーニングで見るべきデータは、大きく分けて財務データ、株価データ、需給データ、材料データ、相対比較データの5つです。1つの指標だけで判断すると誤認が増えます。たとえばPERが低いから割安とは限りません。出来高が増えたから初動とも限りません。AIを使う場合も、複数の視点を重ねて候補銘柄を絞ることが実践的です。
財務データ
財務データでは、売上高成長率、営業利益成長率、営業利益率、ROE、自己資本比率、営業キャッシュフロー、配当性向などを確認します。成長株を探す場合は、売上と利益が同時に伸びているかを見ます。高配当株を探す場合は、配当利回りだけでなく、利益とキャッシュフローで配当を維持できるかを見ます。AIには、決算短信や有価証券報告書の文章を要約させると効果的です。数字の羅列を読むよりも、増収増益の背景、利益率改善の理由、会社側の見通しを短時間で把握できます。
株価データ
株価データでは、移動平均線、年初来高値、52週高値、直近高値、出来高、ボラティリティ、ギャップアップの有無を見ます。AIに過去チャートそのものを完全に判断させるのではなく、「株価が25日線より上にあり、75日線も上向きで、直近20日平均出来高の2倍以上の出来高が発生した銘柄」といった定量条件を作り、その条件に合った銘柄を抽出する形が現実的です。
需給データ
需給データでは、信用倍率、信用買残の増減、空売り残高、浮動株比率、出来高回転率を見ます。株価が上がっていても信用買残が急増している場合、将来の売り圧力が大きくなる可能性があります。一方、株価が上昇しながら信用買残が減っている場合、需給が改善している可能性があります。AIには、需給の変化を表形式で整理させると判断しやすくなります。
実践用スクリーニング条件の作り方
ここからは、実際に使える条件設計を紹介します。ポイントは、最初から完璧な条件を作ろうとしないことです。まず粗い条件で候補を30銘柄程度に絞り、次にAIで決算内容や材料を要約し、最後に人間がチャートとリスクを確認します。この三段階にすると、作業効率と判断精度のバランスが良くなります。
成長株向けの条件例
成長株を探す場合は、売上高成長率、営業利益成長率、営業利益率の改善、株価トレンドを組み合わせます。具体的には、直近四半期の売上高が前年同期比15％以上増加、営業利益が前年同期比20％以上増加、通期進捗率が前年より高い、株価が75日移動平均線より上、直近高値からの下落率が15％以内、といった条件です。この条件なら、単に安い銘柄ではなく、業績と株価の両方が強い銘柄を拾いやすくなります。
高配当株向けの条件例
高配当株を探す場合は、配当利回りだけで選ぶと失敗しやすくなります。実践的には、予想配当利回り3.5％以上、配当性向60％以下、営業キャッシュフローが黒字、自己資本比率30％以上、過去5年で大幅減配がない、営業利益が横ばい以上、という条件を組み合わせます。さらにAIに「この会社の配当が持続しにくい理由を3つ挙げて」と逆方向に分析させると、見落としを減らせます。
短期トレード向けの条件例
短期トレードでは、業績よりも需給と材料の鮮度が重要になります。条件例としては、前日出来高が20日平均の3倍以上、株価が直近20日高値を更新、時価総額100億円から1000億円、前日終値が5日線より上、直近で業績修正や大型受注などの材料がある、といったものです。ただし、急騰直後の銘柄は値幅が大きく、損切りが遅れると大きな損失につながります。短期用のスクリーニングでは、必ず損切り位置と利確ルールをセットで設計します。
AIへのプロンプト例
AIを使う場合、漠然と「良い銘柄を教えて」と聞いてはいけません。代わりに、目的、条件、除外基準、出力形式を指定します。たとえば、次のような聞き方が実用的です。
「以下の銘柄リストについて、売上成長、営業利益率、自己資本比率、営業キャッシュフロー、株価トレンド、信用需給の6項目で評価し、短期ではなく3カ月から12カ月の中期投資に向く順に並べてください。評価理由は各銘柄150字以内、懸念点も必ず記載してください。」
このように聞くと、AIは単なる銘柄紹介ではなく、比較表を作る補助役になります。さらに「買い推奨ではなく調査優先順位を作る目的」と明示すると、過度に断定的な回答を避けやすくなります。投資判断では、AIの出力をそのまま採用するのではなく、候補リストの順位付けとして使うのが適切です。
AIスクリーニングの具体的な運用フロー
第1段階：数値条件で候補を抽出する
最初は証券会社のスクリーナー、株探、TradingView、四季報オンライン、各種データベースなどを使い、定量条件で候補を抽出します。ここではAIよりも、正確な数値データを持つツールを優先します。AIは最新の株価や財務数値を常に正確に保持しているわけではないため、数値取得元は別に用意するべきです。抽出した銘柄コード、銘柄名、時価総額、売上成長率、営業利益成長率、PER、PBR、配当利回り、出来高変化率などを表にまとめます。
第2段階：AIで決算と材料を要約する
次に、候補銘柄の決算短信や会社発表資料をAIに要約させます。見るべきポイントは、増収増益の理由が一時的か継続的か、利益率の改善が価格転嫁によるものかコスト削減によるものか、会社計画が保守的か強気すぎるか、です。AIに「ポジティブ要因」「ネガティブ要因」「次の決算で確認すべき項目」に分けて整理させると、調査の質が上がります。
第3段階：チャートと需給で売買候補を絞る
最後に、人間がチャートと需給を確認します。AIが高評価した銘柄でも、すでに短期で急騰しすぎている場合は見送るべきです。逆に、業績が良くても出来高が少なすぎる銘柄は、売りたいときに売れないリスクがあります。候補銘柄を「今すぐ買う候補」「押し目待ち候補」「決算確認待ち候補」「除外候補」に分類すると、無駄な売買を減らせます。
スコアリング方式で銘柄を比較する
AIスクリーニングを実践的にするには、感覚ではなくスコア化が有効です。たとえば、業績成長25点、利益率15点、財務安全性15点、株価トレンド20点、需給15点、材料の質10点の合計100点で評価します。AIには各項目の理由を説明させ、人間は点数が高い銘柄から順に調査します。
ただし、スコアは絶対評価ではありません。業種によってPERや利益率の標準値は異なります。小売業とソフトウェア企業を同じ利益率基準で比較すれば誤った判断になります。そのため、AIには「同業他社比較」を必ず入れます。同業内で見て優れているのか、市場全体で見て目立つだけなのかを分けることが重要です。
具体例：中期成長株を探すケース
たとえば、中期成長株を探すとします。最初の条件は、時価総額200億円以上3000億円以下、売上高成長率15％以上、営業利益成長率20％以上、営業利益率が前年同期より改善、株価が75日線より上、直近出来高が増加傾向、とします。この条件で抽出した銘柄をAIに渡し、決算内容の要約と懸念点の整理を依頼します。
AIの出力で「売上成長はあるが、利益は補助金や一時要因に依存」「受注残は増えているが、原材料費上昇で利益率が悪化する可能性」「株価は高値圏だが、信用買残が増えすぎている」といった指摘が出た銘柄は、すぐに買う候補から外します。一方で、「売上成長と利益率改善が同時進行」「会社計画が保守的」「出来高増加を伴って高値圏を維持」「信用買残が過度に増えていない」といった銘柄は、重点監視リストに入れます。
この流れにすると、AIは銘柄を当てる存在ではなく、調査の抜け漏れを減らすチェック担当になります。個人投資家が機関投資家に勝つには、情報量で正面から勝負するのではなく、意思決定の速さと絞り込みの精度で勝負する必要があります。AIはその補助に向いています。
売買ルールまで落とし込む
スクリーニングで良い銘柄を見つけても、買い方が悪ければ利益は残りません。AIで作った候補リストは、必ず売買ルールに接続します。たとえば、買いは25日線付近まで押したとき、または直近高値を出来高増加で更新したときに限定します。損切りは買値から8％下、または決算後の安値割れ、または75日線割れなど、事前に決めます。利確は20％上昇で一部売却、残りはトレーリングストップで追うといったルールにします。
AIには、候補銘柄ごとに「買うならどの条件を待つべきか」「損切りラインをどこに置くべきか」「決算前に持ち越すべきか」を整理させることもできます。ただし、最終的な売買価格は自分で確認します。AIが提示する価格や指標は誤る可能性があるため、必ず証券会社や公式資料で確認してください。
失敗しやすいAI活用パターン
AIの回答を銘柄推奨として受け取る
もっとも危険なのは、AIが挙げた銘柄をそのまま買うことです。AIは説明が上手いため、根拠が薄くても説得力があるように見えます。投資では、説得力のある文章よりも、実際の数字、需給、リスク管理が重要です。AIの回答は調査メモであり、売買指示ではありません。
最新データを確認しない
AIは最新株価、直近決算、信用残、適時開示を常に正確に反映できるわけではありません。特に決算直後、上方修正直後、材料発表直後は情報が急速に変わります。AIで候補を作った後は、必ず公式資料、証券会社の画面、適時開示情報、チャートで確認します。
条件を増やしすぎる
スクリーニング条件を増やしすぎると、候補が極端に少なくなり、過去に都合よく合った銘柄だけを拾う形になります。これはカーブフィッティングに近い失敗です。最初は5から8項目程度の条件にとどめ、候補が多すぎる場合にだけ条件を追加するのが現実的です。
AIと人間の役割分担
AIに任せるべき作業は、情報整理、比較表作成、決算要約、リスク要因の洗い出し、仮説作成です。一方、人間が担当すべき作業は、資金管理、売買判断、チャート確認、ポジションサイズの決定、感情管理です。特にポジションサイズはAIに任せるべきではありません。同じ銘柄でも、資産規模、投資期間、損失許容度によって適切な比率は変わります。
実践では、AIが作った候補リストから上位5銘柄だけを人間が深掘りする形が効率的です。全候補を細かく調べる必要はありません。むしろ、候補を増やしすぎると判断が鈍ります。投資で大切なのは、情報を増やすことではなく、意思決定に必要な情報だけを残すことです。
スクリーニング結果を記録して改善する
AIスクリーニングは一度作って終わりではありません。抽出した銘柄がその後どう動いたかを記録し、条件を改善していく必要があります。記録する項目は、抽出日、銘柄名、抽出理由、株価、出来高、決算内容、買ったかどうか、買わなかった理由、1カ月後と3カ月後の株価、反省点です。これを続けると、自分の条件がどの相場で機能し、どの相場で機能しないかが見えてきます。
AIには、売買記録を読み込ませて「勝ちやすいパターン」「負けやすいパターン」「改善すべき条件」を分析させることもできます。たとえば、利益が出た銘柄は出来高増加と決算上振れが同時に発生していた、損失が出た銘柄は信用買残が急増していた、などの傾向が見つかることがあります。この改善サイクルこそ、AI活用の本質です。
個人投資家が作るべき監視リスト
AIスクリーニングで抽出した銘柄は、すぐに売買するのではなく、監視リストに分類します。分類は、成長株候補、高配当候補、短期材料株候補、決算通過待ち、押し目待ち、除外候補のように分けると使いやすくなります。特に押し目待ちリストは重要です。良い銘柄でも買うタイミングが悪ければ損失になります。AIで銘柄を見つけ、人間がタイミングを待つ。この分業がもっとも実践的です。
監視リストには、買いたい価格帯、損切りライン、次の確認イベント、想定シナリオ、崩れた場合の撤退条件を書きます。たとえば「次の決算で営業利益率が維持されれば継続監視」「75日線を明確に割れたら除外」「出来高を伴って高値更新ならエントリー候補」といった形です。これにより、場中の感情的な判断を減らせます。
まとめ
AIを使った銘柄スクリーニングは、個人投資家にとって非常に有効な武器になります。ただし、AIに上がる銘柄を当てさせるのではなく、候補を効率よく絞り込み、調査の抜け漏れを減らし、判断材料を整理するために使うべきです。財務、株価、需給、材料、同業比較を組み合わせ、スコアリングと監視リストで運用すれば、感覚的な銘柄選びから一歩抜け出せます。
最終的に利益を左右するのは、AIの性能だけではありません。条件設計、売買ルール、ポジション管理、記録と改善の継続です。AIは優秀な補助者ですが、資金を守る責任は投資家自身にあります。だからこそ、AIを使うほどルールを明確にし、出力を鵜呑みにせず、自分の投資プロセスの中に組み込むことが重要です。
コメント