FoldAlpha – AIで投資戦略を検証し、自動通知まで自然言語で

 (app.foldalpha.com)
4 ポイント 投稿者 sbyoun 2026-04-09 | まだコメントはありません。 | WhatsAppで共有

AI投資、みんな関心ありますよね

XやThreadsを見ると、AIで投資してみた経験を共有する投稿が本当にたくさんあります。コーディングエージェントに任せれば、投資戦略もサッと作ってくれて、実際に回してみることもできます。おそらく最初は、多くの人がAIに銘柄を選んでもらうところから始めるのではないでしょうか。

ただ、このやり方には構造的な限界があります。AIの判断に基づく投資は、科学的な検証が難しいのです。AIは過去データをすでに学習しているため、「2020年3月時点のニュースを見て銘柄を選んで」と指示しても意味がありません。すでに結果を知っているからです。結局、ライブで回しながら実際の収益を追跡するしかなく、事前に収益を見積もる方法がありません。

これに気づくと、自然とクオンツ手法——ファクターベースのスクリーニング、データベースのバックテスト——に関心が向かいます。本気で投資を体系化するなら、これが王道だと思います。

でもデータは思ったより難しい

クオンツ投資をするにはデータが必要です。韓国市場の日足、財務諸表、需給データを10年以上分持っていてこそ、バックテストに意味が出てきます。もちろんコーディングエージェントに任せれば収集もしてくれます。ただ、無料で単発的に取得するだけでは、思った以上に限界があります。API呼び出し制限、データの整合性、上場廃止銘柄の処理などをすべて考慮すると、かなり手間がかかります。

加えて、バックテストエンジン、スケジュールジョブで毎日回す仕組み、通知、さらに将来的な自動売買までつなげようとすると、やることはかなり多いです。

そこで、この環境をあらかじめ構築しておき、自然言語で簡単に使えるようにしたのがFoldAlphaです。

こんなことができます

  • 自然言語バックテスト: 「PBR 0.5以下、営業利益率10%以上の銘柄で四半期リバランス」といった戦略を自然言語で定義すると、エージェントがSQLに変換して10年分のバックテストを実行します。CAGR、MDD、Sharpe Ratio、KOSPI対比の超過収益まで自動計算されます。
  • スケジュールジョブ + Telegram通知: 「毎朝9時に急騰の可能性がある銘柄を分析して」といった条件を登録すると、毎日自動実行され、結果をTelegramで送ってくれます。
  • 金融データQ&A: 自然言語で財務諸表、株価、需給データを照会・分析できます。

私自身もこのデータを使って、韓国市場・米国市場で月次・四半期単位の銘柄選定とリバランスをしながら実際に投資しています。ものすごいリターンだとは言えませんが、個人が取り組める中では最も論理的で客観的な方法だと思っています。

AI推薦投資ももちろん可能です

ニュースや決算を見て、「HBMバリューチェーンの恩恵株」「トランプ関税の恩恵株」——周囲でもほとんどがこうした形で投資しています。

これももちろん可能です。スケジュールジョブで「毎日、その日の急騰可能性銘柄をニュースベースで分析して」と登録しておけば、エージェントがリアルタイムニュースを検索・分析して毎日推薦し、翌日に実際に上がったかどうかまで追跡できます。現在このシナリオをライブで動かしながら結果を蓄積しています。

今はライブ推薦の結果をもう少し観察したうえで、次の段階としてここに自動売買まで接続することを考えています。韓国投資証券API基準では初期設定がやや複雑ですが、キー登録さえしてもらえれば、注文を出すこと自体はそれほど難しくないはずです。

ニュースベースの戦略投資も、科学的にアプローチするにはニュースアーカイブの構築が必要ですが、過去ニュースを遡及して収集するのはBloombergでも簡単ではない課題だと思います。長期的に解いていきたいと考えています。

どう作ったのか

当然ながら、バイブコーディングで作りました。Claude Code、Codex、Cursorを幅広く使っています。ただし、バイブコーディングですべてが「ワンクリック」でできるわけではありません。特にLLMエージェントランタイム——ハーネスを作る部分は、かなり深く踏み込む必要がありました。

最初にバイブコーディングが生み出したエージェントは、intent classifier + 9個のツールによる複雑なパイプラインでしたが、レイテンシーも遅く、拡張性もありませんでした。最近公開されたClaude CodeやCodex CLIのようなコーディングエージェントのアーキテクチャを分析し、LLMが各ステップで直接判断するsingle-loopの軽量構造として新たに設計し直したところ、レイテンシーが2倍以上改善しました。この過程はテクニカルレポートとしてまとめ、ランタイムコードもオープンソースとして公開しています。

技術スタック:

  • フロントエンド: Next.js (Vercel)
  • バックエンド: Fastify (Node.js)
  • LLMエージェントランタイム: Python、自前実装 — single-loopエージェントパターン
  • 株式データDB: Oracle Autonomous DB（韓国市場の日足、財務、需給の10年分）
  • ユーザーデータ: Supabase (PostgreSQL)
  • ニュース検索: Brave Search API
  • LLM: Gemini / GPT / Claude (BYOK — ユーザーが自分のAPIキーを使用)

インフラ: すべて無料ティア

  • Vercel: フロントエンドホスティング
  • Supabase: ユーザーDB + 認証
  • Oracle ADB: 株式データDB (Always Free)
  • Oracle Cloud: VMインスタンス1台 — 本番/開発サーバーの両方をここで動かしています
  • Cloudflare: ドメイン + CDN

唯一のコストはドメイン購入費です。本番と開発を1つのインスタンスでポートだけ分けて動かしています。

リンク

フィードバック歓迎です。

関連記事

まだコメントはありません。

まだコメントはありません。