非エンジニアがAIに28,000行のトレードシステムを作らせた話【概要編】

はじめに

私はエンジニアではありません。Pythonのコードを1行も書けません。それでも今、私のPCの中では毎朝自動的に株のトレードシステムが動いています。

このシステムを作ったのは、私ではなくAI（Claude Code）です。私がやったことは「何を作りたいか」を伝えただけです。7日間で28,000行のコードが生まれ、65個のファイルが作られ、69回のコミット（バージョン管理システムへの記録）が行われました。

この記事は3本シリーズの1本目です。ここでは全体像とインパクトをお伝えします。

どんなシステムを作ったのか

作ったのは日本株のトレードシステムです。正式には「EOD型自動トレードシステム」と呼んでいます。

EODとは「End of Day」の略です。市場が閉まった後にデータを分析して、翌朝の取引で何を買うか・売るかを決めるタイプのシステムです。デイトレードのように秒単位で売買するのではなく、1日1回だけ判断します。

システムの構成

システムの構成は5つの部門に分かれています：

• データ取得部門: 株価や出来高（取引量）などの市場データを自動で集める
• 分析部門: 集めたデータから売買のシグナル（買い時・売り時の合図）を生成する
• バックテスト部門: 過去のデータを使って「このルールで取引していたらどうなっていたか」を検証する
• リスク管理部門: 損失が大きくなりすぎないように監視する
• レポート部門: 現在のポジション（保有している株）や損益をダッシュボードに表示する

ダッシュボードはHTML1枚で完結しています。ブラウザで開けば、今どの株をいくら持っているか、いくら儲かっているか（あるいは損しているか）がひと目で分かります。

なぜ作ろうと思ったのか

投資で勝ちたいから——ではありません。

私は過去に何度か株で損をしました。そのたびに「なぜ負けたのか分からない」というモヤモヤが残りました。感情で売買していたので、記録もなく、検証のしようがありませんでした。

今回作ったシステムは、ルールベースで動きます。すべての判断に理由があり、すべての取引が記録されます。負けたときも「このルールがこの相場では機能しなかった」と分かります。

もちろん利益が出れば嬉しいですが、それ以上に「自分の投資の癖やルールの弱点を客観的に見たい」というのが動機です。

バックテスト結果（あくまで過去データです）

システムが完成したので、過去のデータで動かしてみました。これをバックテストと言います。

結果は以下の通りです：

数字だけ見ると魅力的ですが、これはあくまで過去のデータに対する結果です。未来の相場で同じ結果が出る保証は一切ありません。

バックテストには「過去に最適化されすぎて、未来では機能しない」という罠があります。過去の試験問題の答えを暗記しても、新しい問題は解けないのと同じです。

だから今、実際のお金は入れずにペーパートレード（仮想の取引）で様子を見ています。

ペーパートレードと実弾投入の判断基準

現在、システムは毎朝自動で動いています。ただし実際のお金は動かしていません。

初期資金は200万円を想定していますが、これは架空の金額です。システムは「200万円あったらこう動く」というシミュレーションを毎日実行しているだけです。

実弾投入の判断基準

実弾（本物のお金）を投入するかどうかは、ペーパートレードの結果次第です。私は以下の判断基準を設けています：

• システムが安定して動作している（エラーで止まらない）
• データ取得が毎日成功している
• シグナル生成のロジックが想定通りに動いている
• リスク管理が機能している（大きすぎるポジションを取っていない）
• ダッシュボードで状況が正しく把握できている
• 少なくとも1ヶ月以上、ペーパートレードで上記がすべて問題ない

これらの項目がすべてPASSになったら、200万円を入れて実弾運用を始めます。もちろん、それでも負ける可能性は十分にあります。

AIとどうやって開発したのか

役割分担

私の役割:

• 何を作るかを決める
• どういう仕組みにするかを考える
• できたものをチェックする
• うまく動かないときに「ここがおかしい」と伝える

AIの役割:

• コードを書く
• ファイルを作る
• エラーを修正する
• テストを実行する
• Gitにコミットする

実際のやりとり

具体的には、こんな感じでやりとりしました：

私: 「日本株のトレードシステムを作りたい」

AI: 「了解しました。まずディレクトリ構成を作ります」
    → データ取得・分析・バックテスト・リスク管理・レポートの
      5層構造を提案し、コードを書き始める

AI: 「いくつかの戦略を検証しました。
    逆張りと順張りの複合が最も安定しています。
    採用しますか？」

私: 「いいよ、それで」

AI: 「バックテストを回します」
    → 過去データで検証し、結果をレポートにまとめる

私: 「ダッシュボードで見たい」

AI: 「HTML1枚で完結するダッシュボードを作ります」
    → エクイティカーブ・ポジション一覧・損益を可視化

ポイントは、戦略の中身もAIが自分で考えて提案してきたということです。私は「トレードシステムを作りたい」とだけ伝えて、AIがデータを分析し、複数の戦略を検証し、「これが一番いい」と判断して提案してきました。私はその提案を採用するかどうかを決めただけです。

このやりとりを7日間続けた結果、28,000行のシステムができました。

システムの毎朝の動き

現在、システムは毎朝自動で以下の処理を実行しています：

• データ取得 (午前6時): 前日の市場データを取得する
• シグナル生成 (午前7時): 今日買う銘柄・売る銘柄を決める
• 注文 (午前8時): ペーパートレードで仮想的に注文を出す
• 約定確認 (午後4時): 注文が成立したかを確認する
• レポート更新 (午後5時): ダッシュボードを最新状態に更新する

これらはすべて自動です。私は朝起きてダッシュボードを見るだけで、昨日何が起きたか、今日何が起きるかが分かります。

ただし、今はまだペーパートレードなので、実際の証券会社への注文は行っていません。システムが「この銘柄を買う」と判断しても、実際には買いません。ログに「買ったことにする」と記録されるだけです。

技術的な話（少しだけ）

システムは以下の構成になっています：

• 言語: Python
• 総行数: 28,000行
• ファイル数: 65個
• コミット数: 69回
• ライブラリ: pandas（データ処理）、numpy（数値計算）、ta-lib（テクニカル指標）など
• データベース: SQLite（軽量なデータベース）
• ダッシュボード: HTML + JavaScript（グラフ表示にChart.jsを使用）

/data_pipeline  → データ取得・整形
/strategy       → シグナル生成ロジック
/backtest       → 過去データでの検証
/risk           → ポジション管理・損失管理
/reporting      → ダッシュボード・レポート生成

すべてのコードは私が書いたのではなく、AIが生成しました。私はディレクトリ名やファイル名を見て「ああ、ここにシグナル生成のロジックがあるんだな」と理解する程度です。

なぜClaude Codeを選んだのか

AIツールはいろいろありますが、今回はClaude Codeを選びました。理由は以下の通りです：

• コマンドラインで動く: ブラウザを開かなくても、ターミナル（黒い画面）から直接指示を出せる
• ファイル操作が得意: 複数ファイルの作成・編集・削除を一度に処理できる
• コンテキストが長い: 大量のコードを一度に読み込んで理解できる
• コミットまでやってくれる: Gitへの記録も自動でやってくれるので、バージョン管理が楽

特に「ファイル操作が得意」という点が大きかったです。Webブラウザ版のAIだと、コードをコピペして手動でファイルに貼り付ける必要がありますが、Claude Codeは「このファイルを作って」と言えば勝手に作ってくれます。

開発期間と費用

開発期間は7日間です。毎日2〜3時間ほど、AIと対話しながら進めました。

費用は以下の通りです：

• Claude Codeの利用料: 月額100ドル（Anthropic Claude Maxプラン）
• データ取得API: Yahoo Finance API + J-Quants API（Standardプラン）
• サーバー代: 0円（自分のPCで動かしている）

苦労したこと

すべてが順調だったわけではありません。以下のような問題がありました：

• データ形式の不一致: APIから取得したデータの日付形式がバラバラで、バックテストでエラーが頻発した
• シグナルの遅延: シグナル生成のタイミングが遅れて、翌朝の注文に間に合わないことがあった
• リスク管理の抜け: ポジションサイズ（1銘柄に投入する金額）の上限チェックが漏れていて、想定以上に大きなポジションを取りかけた
• ダッシュボードの文字化け: 日本語の銘柄名がブラウザで正しく表示されなかった

AIで何ができるのか

私はエンジニアではありませんが、「EOD型のトレードシステムが欲しい」「リスク管理が必要だ」「ダッシュボードで見たい」といった要求を出すことはできました。AIはそれを受け取って、形にしてくれました。

つまり、「作りたいものがハッキリしていれば、エンジニアでなくても作れる」のが今の時代です。

もちろん、システムの品質や保守性（将来も使い続けられるか）については、プロのエンジニアが作るものには敵いません。でも、個人的な実験や小規模なツールなら、十分に実用的なものが作れます。

おわりに

私はエンジニアではありません。でも、AIと協働することで、28,000行のトレードシステムを作ることができました。

AIは道具です。使い方次第で、できることの幅がかなり変わります。

この記事が、「AIで何かを作ってみたい」と思っている非エンジニアの方の参考になれば幸いです。