ChatGPTとPythonで日本株スクリーニングを自動化する

投資戦略

ChatGPTとPythonを活用して日本株スクリーニングを自動化し、投資候補を効率的に発掘する方法を解説します。

2026.06.09

はじめに

個人投資家が市場平均を上回る成果を目指すうえで最大の課題の一つが情報処理です。上場企業は数千社存在し、その中から有望銘柄を探す作業は膨大です。本記事ではChatGPTとPythonを組み合わせ、日本株スクリーニングを自動化する方法を解説します。

多くの投資家はニュースやSNSを中心に銘柄を探します。しかしそれでは市場参加者より遅れやすくなります。自動化の目的は市場全体を定期的に点検し、条件に合う銘柄だけを抽出することです。

感情を排除できる、調査時間を削減できる、同じ条件で継続検証できるという利点があります。

まず投資対象の特徴を数値化します。例えば売上成長率20%以上、営業利益率10%以上、ROE12%以上、時価総額1000億円以下などです。

これらの条件をPythonで処理し、候補銘柄を抽出します。その後ChatGPTを利用して事業内容や成長要因を要約します。

単純なPERやPBRだけではなく、利益成長率、ROIC、フリーキャッシュフロー、出来高増加率などを組み合わせます。

例として以下の条件を設定します。

抽出後の銘柄をChatGPTへ入力し、事業内容、競争優位性、主要リスク、業績変動要因を整理します。これにより決算資料を読む前段階の調査効率が向上します。

毎週末にデータ取得、Pythonによる抽出、ChatGPTによる分析、ウォッチリスト更新を実施します。

重要なのは予測ではなく候補発掘です。最終判断は必ず決算資料や有価証券報告書を確認します。

例えばデータセンター需要増加やAI投資拡大といったテーマがある場合、関連企業を抽出し、売上成長率や利益率改善を確認します。テーマだけで買うのではなく数字の裏付けを重視します。

抽出条件は過去データで検証します。過去5年や10年で条件を満たした銘柄の成績を確認し、勝率や平均リターンを測定します。

条件を増やしすぎると対象銘柄が消えます。また過去データに最適化しすぎると将来機能しなくなる場合があります。

ChatGPTとPythonを組み合わせることで、個人投資家でも機関投資家に近い調査体制を構築できます。重要なのは継続運用できるシンプルなルールを作ることです。スクリーニングは銘柄発掘の出発点であり、その後の定性分析と組み合わせることで真価を発揮します。

データ分析と継続検証を重ねることで投資判断の質は向上します。