夢の「不労所得」をコードで描く！Pythonで作る株の自動売買プログラム構築ガイド

2026年3月7日2026年3月9日

URLをコピーしました！

仕事中や寝ている間も、自分の代わりにコンピューターが相場を監視して取引をしてくれたら。そんな個人投資家の理想を叶えてくれるのが、Pythonを使った株の自動売買です。かつてはプロの領域だったシステムトレードも、今では無料の道具を組み合わせるだけで、誰でも自宅から始められるようになりました。

「プログラミングなんて難しそう」と身構える必要はありません。この記事では、難しい専門知識を省き、実際に手を動かしながら自動売買の仕組みを作り上げる手順を丁寧に解説します。自分の手で投資のルールをコードに書き込み、感情に振り回されない「賢い運用環境」を構築していきましょう。

なぜPythonで株の自動売買を始めるのか？

「安い時に買って高い時に売る」。言葉にするのは簡単ですが、いざ自分のお金がかかると、恐怖や欲に負けてルールを破ってしまうのが人間です。Pythonで自動売買を行う最大の意義は、こうした「心の弱さ」を排除し、淡々とプログラムに取引を任せられる点にあります。

まずは、なぜ数ある手段の中でPythonが選ばれているのか、その理由を具体的に整理してみましょう。

感情を排除してルール通りに取引できる

投資で失敗する原因の多くは、損切りができずにお祈りをしてしまったり、急騰に飛びついて高値掴みをしたりする「感情」によるものです。プログラムには心がありません。あらかじめ決めた「10%下がったら売る」という命令を、コンマ1秒の狂いもなく忠実に実行します。

例えば、深夜に米国市場で大きなニュースが出たとき、人間はパニックになりがちです。

しかし、自動売買なら事前に設定したシナリオ通りに反応するため、一時の感情で大切な資産を失うリスクを大幅に減らせます。

24時間365日プログラムが市場を監視してくれる

市場には常にチャンスが転がっていますが、人間がずっと画面を見続けるのには限界があります。

Pythonを使えば、あなたが仕事をしている間も、家族と過ごしている間も、プログラムが代わりに全銘柄をスキャンし続けます。

以下のリストは、自動化によって得られる時間のゆとりをまとめたものです。

取引所の開場に合わせて無理に起きる必要がなくなる
数千の銘柄から「買い条件」に合うものを一瞬で探し出せる
為替や金利など、株価に影響する外部要因も同時にチェックできる

自分の時間を切り売りして相場に張り付くスタイルから、システムに働いてもらうスタイルへと切り替えることができます。

無料で使える強力なライブラリが充実している

Pythonが投資家に愛される理由は、世界中のプロが開発した「投資の道具（ライブラリ）」が無料で公開されているからです。

一から複雑な計算式を書かなくても、用意されたパーツをパズルのように組み合わせるだけで、高度な分析環境が整います。

代表的なライブラリとその役割を比較してみましょう。

ライブラリ名	役割	投資でのメリット
pandas	データの表計算	膨大な株価をExcelより高速に処理できる
yfinance	株価データの取得	世界中の株価を一行のコードで呼び出せる
backtrader	シミュレーション	過去のデータで「儲かるか」をテストできる

これらはすべて無料で、世界中の投資家によって日々改良されています。この環境を使いこなすだけで、有料の分析ソフトを買う必要はほとんどなくなります。

開発環境を整えてプログラムを動かす準備をする

「プログラミングを始めるための設定が一番難しい」と言われることもありますが、安心してください。

今の時代は、自分のパソコンに何もインストールしなくても、Googleが提供する無料のサービスを使えばすぐにPythonを実行できます。

この章では、最短で開発をスタートするための環境作りと、大切なAPIキーの扱いについてお伝えします。

Google Colabを使ってブラウザで開発を始める

Google Colab（グーグル・コラボ）は、Googleアカウントがあればブラウザ上でPythonを動かせるサービスです。

設定に何時間も費やす必要はなく、URLにアクセスしてボタンを押すだけで、強力なコンピューター上でプログラムが走り始めます。

使い始めの手順は、驚くほどシンプルです。

Googleドライブにアクセスする
「新規」から「Google Colaboratory」を選択する
表示された画面の枠内にコードを書いて実行ボタンを押す

これだけで、自分のパソコンの性能に関係なく、スムーズに自動売買の開発を進められます。

投資分析に必須のライブラリをインストールする

Google Colabが用意できたら、投資に必要な追加パーツを読み込みましょう。

株価を取得するための「yfinance」や、チャートを綺麗に描画するための道具を一行の命令で追加します。

以下のコードをコピーして、最初の枠（セル）で実行してみてください。

!pip install yfinance mplfinance backtrader
import yfinance as yf
import pandas as pd
import matplotlib.pyplot as plt

これで、あなたの環境は「投資専用マシン」へと進化しました。

エラーが出なければ、世界中の金融データにアクセスする準備が整った証拠です。

APIキーを安全に管理して不正利用を防ぐ

本格的に自動売買を始めると、証券会社やデータ提供サービスから「APIキー」というパスワードのようなものを発行してもらう機会が増えます。

これは銀行の暗証番号と同じくらい大切なものです。万が一他人に知られてしまうと、勝手に取引をされたり、個人情報を抜かれたりする恐れがあります。

「絶対にやってはいけないこと」をリストにしました。

APIキーを直接コードの中に書いて、SNSやGitHubに公開する
メモ帳などに保存して、パスワードをかけずに放置する
信頼できない第三者が作った「自動売買ツール」にキーを入力する

セキュリティを意識することは、投資のスキルを磨くのと同じくらい重要です。

キーの扱いには細心の注意を払い、プログラムには「環境変数」という仕組みを使って読み込ませるようにしましょう。

株価データを自動で取得して分析する

準備が整ったら、次はいよいよ実際のデータを手元に取り寄せてみましょう。

自動売買の第一歩は、正しい情報を素早く、大量に集めることです。ここでは、世界的に有名なライブラリ「yfinance」を使い倒す方法を解説します。

データ取得から整理までの流れをマスターして、分析の土台を作り上げましょう。

yfinanceで日本株と米国株のデータを取り込む

yfinanceを使えば、日本株（トヨタやソニーなど）も米国株（Appleやテスラなど）も、同じ書き方でデータを取得できます。

日本株の場合は「銘柄コード.T」のように、最後に「.T（東京証券取引所）」を付けるのがルールです。

例えば、Appleの過去1年分の株価を取得するコードは以下の通りです。

# Appleの株価を1年分取得
data = yf.download("AAPL", period="1y")

# 最初の5行を表示して中身を確認
print(data.head())

これだけで、日付ごとの始値、高値、安値、終値、出来高がリストアップされます。

手作業で一つひとつ調べていた時間が、わずか数秒の処理に変わる快感をぜひ味わってください。

pandasを使ってデータを扱いやすい形に整理する

取得したばかりのデータは「ただの数字の羅列」に見えますが、Pythonの「pandas」を使えば魔法のように綺麗に整理できます。

例えば、特定の期間だけを抜き出したり、土日の休場日を除外したりといった作業も自由自在です。

データを整理するメリットは、以下のように視覚的に分かりやすくなる点にあります。

日付順に並び替えて、直近の勢いを確認できる
特定の条件（例：出来高が急増した日）だけを抽出できる
複数の銘柄を一つの表にまとめて比較できる

表形式でデータを管理できるようになると、「この株は最近ずっと上がっているな」といった傾向を、コンピューターが自動で見つけてくれるようになります。

欠損値やエラーデータを処理して精度を高める

ネットから取得したデータには、稀に「抜け（欠損値）」や、極端な異常値が含まれていることがあります。

こうした不純物をそのままにしておくと、プログラムが誤作動を起こして、間違った売買判断を下してしまいかねません。

「データの掃除」を習慣にしましょう。

データが抜けている行を削除する、または前日の値で埋める
明らかにおかしい異常値（前日比1000%アップなど）がないか確認する
不要な列（使わない指標）を削って、動作を軽くする

正しい判断を下すためには、正しいデータが欠かせません。

このひと手間が、後の自動売買の安定感を大きく左右します。

「いつ買っていつ売るか」のロジックを作成する

自動売買プログラムの「脳」にあたる部分を作っていきましょう。

投資の世界には星の数ほどの手法がありますが、最初はシンプルで、かつ明確なルールから始めるのが成功のコツです。

ここでは、王道と言われるテクニカル指標を使った売買判定の作りかたを紹介します。

移動平均線を使ったゴールデンクロスを判定する

「ゴールデンクロス」とは、短期の移動平均線が長期の移動平均線を下から上に突き抜けた瞬間のことで、上昇トレンドへの転換サインとされています。

これをPythonでコード化すれば、24時間市場を見張って、クロスした瞬間に通知を出すことができます。

具体的な判定ロジックは以下のようになります。

# 短期（5日）と長期（25日）の移動平均線を計算
data['SMA5'] = data['Close'].rolling(window=5).mean()
data['SMA25'] = data['Close'].rolling(window=25).mean()

# ゴールデンクロスの判定（前日は下、当日は上）
data['Signal'] = (data['SMA5'] > data['SMA25']) & (data['SMA5'].shift(1) <= data['SMA25'].shift(1))

このように、「もしAならばBする」という条件を積み重ねていくことで、あなたの投資スタイルが形になっていきます。

RSIなどの指標で買われすぎの状態を検知する

移動平均線だけでは、「上がりきったところで買ってしまう」というミスを防ぎきれないことがあります。

そこで役立つのが、相場の過熱感を測る「RSI（相対力指数）」です。RSIが70を超えたら「買われすぎ（売り検討）」、30を下回ったら「売られすぎ（買い検討）」というルールを付け加えます。

複数の指標を組み合わせることで、以下のような「慎重な判断」ができるようになります。

ゴールデンクロスが発生し、かつRSIがまだ高すぎない時だけ買う
利益が出ている状態で、RSIが80を超えたら利益確定する
指標が矛盾している時は、あえて何もしない

ルールを厳しくすれば取引回数は減りますが、その分、精度の高いトレードが期待できるようになります。

独自の売買シミュレーション関数を定義する

判定ロジックが出来上がったら、それを一つの「関数（パッケージ）」にまとめましょう。

関数化しておくことで、銘柄名を変えるだけで、トヨタでもAppleでもビットコインでも、同じルールで即座に分析できるようになります。

「自分だけの必勝パターン」を関数として保存していくイメージです。

最初は小さな工夫で構いません。「月曜日は下がりやすいから買わない」といった自分なりのこだわりをコードに反映させて、世界に一つだけのロジックを育てていきましょう。

過去のデータで戦略の有効性を確かめる

作ったロジックをいきなり本番で動かすのは、ブレーキの効きを確かめずに高速道路を走るようなものです。

大切な資産を投じる前に、必ず「バックテスト（過去検証）」を行いましょう。過去の相場でそのプログラムを走らせていたら、いくら儲かっていたか（あるいは損をしていたか）をシミュレーションします。

ここでは、シミュレーションを行う際の注意点と、結果の読み解きかたを解説します。

バックテストを行って勝率とリスクを把握する

バックテストの目的は、単に「儲かったか」を確認するだけではありません。

「最大でどのくらいの損失（ドローダウン）が発生したか」を知ることこそが重要です。いくら最終的な利益が出ていても、途中で資産が半分になるような戦略では、心の平穏を保てません。

バックテストで確認すべき3つのポイントをまとめました。

勝率：全取引のうち、何回利益で終わったか
最大ドローダウン：資産のピークから、一時的に最大で何％減ったか
プロフィットファクター：総利益が総損失の何倍あるか

もし最大ドローダウンが30%を超えるようなら、もっと損切りを早くするなどの改良が必要です。

現実の厳しさをシミュレーションで味わっておくことが、本番での成功に繋がります。

特定の市場環境での弱点を見つけ出す

どんなに優れた戦略でも、得意な相場と苦手な相場があります。

例えば「上昇トレンドに乗る戦略」は、株価が横ばいで上下に振れるだけの「レンジ相場」では、何度もダマシに遭って手数料負けをしてしまいます。

過去のデータを使って、以下のようなシチュエーションでどう動いたかを確認してみましょう。

2020年のコロナショックのような急落時
2024年以降のような歴史的な株高局面
ニュースで金利が大きく変動した日

「この時期に大きく負けているな」と分かれば、その弱点を補うための新しいフィルター（追加条件）を追加するヒントになります。

過学習を避けて実運用に耐える設定に調整する

バックテストを繰り返すと、「過去のデータにだけ完璧にフィットする設定」を作ってしまいがちです。これを「過学習（カーブフィッティング）」と呼びます。

過去の特定の時期にだけ勝てるように数値をいじくり回しても、未来の相場では全く通用しません。

過学習を防ぐためのチェックリストです。

指標の期間設定（例：25日線）が、極端な数字になっていないか
非常に狭い期間のデータだけでテストしていないか
手数料やスリッページ（注文時の価格ズレ）を考慮に入れているか

シンプルなルールほど、未知の相場でも通用しやすい傾向にあります。

「過去に100点」を目指すのではなく、「どんな場面でも60点」を取れるような、粘り強い戦略を目指しましょう。

証券会社のAPIと連携して自動注文を出す

シミュレーションで自信がついたら、いよいよ現実の取引へと足を踏み出します。

Pythonから証券会社に「この株を100株買って」という命令を送るには、証券会社が提供するAPIを利用します。日本ではまだ対応している会社が限られていますが、徐々に選択肢は増えています。

ここでは、API対応の証券会社の選び方と、注文コードを書く際のポイントを紹介します。

国内で自動売買に対応している証券会社を選ぶ

日本では、すべての証券会社がAPIを公開しているわけではありません。

自動売買を公式にサポートし、個人投資家が使いやすい環境を整えている代表的な会社は以下の通りです。

証券会社名	特徴	向いている人
auカブコム証券	「kabuステーションAPI」が強力	国内株を本格的に自動化したい人
楽天証券	市販のRSSツール経由で連携可能	Excel感覚で自動化を始めたい人
Alpaca（アルパカ）	米国株に特化したAPI証券	手数料無料で米国株を運用したい人
GMOクリック証券	FXやCFDのAPIが充実	株以外にも幅広く投資したい人

まずは、自分の投資対象（日本株なのか米国株なのか）に合わせて、口座開設を検討してみましょう。

それぞれの会社で、Python用のサンプルコードが公開されていることも多いため、初心者でも比較的スムーズに連携できます。

買い注文と売り注文を送るコードを書く

証券会社のAPIキーを取得したら、プログラムから注文を出してみましょう。

基本的には「銘柄コード」「数量」「注文方法（成行・指値）」を指定するだけで、数行のコードで注文が完了します。

注文を出す際の典型的な流れは以下の通りです。

APIに接続し、ログイン認証を行う
口座の買付余力（残高）を確認する
条件を満たした銘柄に対して注文命令を送る
注文IDを保存し、約定（成立）したかを確認する

「本当に動くか不安」という場合は、まずは「1株（単元未満株）」などの少額から、あるいは仮想のお金で取引する「デモ口座」を使ってテストすることをお勧めします。

注文が通ったかを確認するログ機能を実装する

自動売買は、プログラムに任せきりにするため、後で「何が起きたか」を振り返るための「ログ（記録）」が欠かせません。

「何時何分に、なぜこの株を買ったのか」「注文は正常に通ったのか」を、テキストファイルに自動で書き出すように設定しましょう。

ログを取っておくことで、以下のようなトラブルを防げます。

通信エラーで注文が出ていなかったことに気づかない
同じ銘柄を何度も重複して買ってしまう
ロジックが間違っていて、意図しないタイミングで売ってしまう

「記録を読み返すまでが自動売買」だと考えてください。

毎日ログをチェックすることで、プログラムが自分の思い通りに動いているという実感が持てるようになります。

プログラムを24時間安定して動かし続ける方法

せっかくの自動売買も、自分のパソコンの電源が切れたり、ネットが途切れたりすれば止まってしまいます。

プロの投資家のように、常に市場を監視し続ける環境を作るためには、「クラウドサーバー」を活用するのが一般的です。

この章では、低コストでプログラムを24時間稼働させるための現実的な方法を解説します。

AWSなどのクラウドサーバーを活用する

自分のパソコンではなく、Amazon（AWS）やGoogle（GCP）が運営するクラウド上のコンピューターを借りる方法です。

これらは非常に安定しており、停電やネットトラブルで止まる心配がほとんどありません。

クラウドサーバーを使うメリットを整理しました。

24時間365日、勝手にプログラムを動かしておける
スマホからでも稼働状況を確認できる
初心者向けの「無料枠」があるサービスも多い

最初は難しく感じるかもしれませんが、「24時間つけっぱなしの、ネットに繋がった専用パソコンを一台借りる」というイメージで捉えてください。

定期的にプログラムを実行するスケジュール設定

「市場が開く直前にデータを取得し、開場と同時に売買判定を行う」といったルーチンワークを自動化するには、「スケジュール実行（cronなど）」という仕組みを使います。

これを使えば、あなたが寝ていても、指定した時間にプログラムが自動で起動し、仕事を終えたら自動で終了します。

例えば、以下のようなスケジュールを組むことができます。

毎朝8時55分：今日の監視銘柄リストを更新
市場開催中の5分おき：株価をチェックして売買判定
15時30分：今日の取引結果を自分宛てにメール送信

一度このリズムを作ってしまえば、日々の分析作業は完全に「ハンズオフ（手放し）」になります。

異常事態をスマホに通知する仕組みを作る

ずっとプログラムを見張っている必要はありませんが、「何かあった時だけ」は知りたいですよね。

Pythonなら、売買が発生した瞬間や、エラーでプログラムが止まった時に、LINEやSlackにメッセージを飛ばすことができます。

「LINE Notify」などの無料サービスを使えば、以下のような通知が届くようになります。

「【通知】トヨタ自動車(7203)を100株購入しました」
「【警告】証券会社への接続に失敗しました。確認してください」
「【報告】本日の損益は＋5,000円です」

ポケットに入れたスマホに「仕事が終わった」という報告が届く。

これこそが、Pythonで作る「自分だけの不労所得マシン」の醍醐味です。

失敗を避けるために守るべきリスク管理の鉄則

最後に、自動売買の世界で生き残るために最も重要な「リスク管理」についてお話しします。

どれほど優れたプログラムも、相場の急変ですべてを失ってしまえば終わりです。技術的なスキル以上に、資金を守るための知恵を身につけましょう。

安全に、長く自動売買を続けるための3つの約束を心に刻んでください。

損失を最小限に抑える損切りコードを組み込む

自動売買において、最も恐ろしいのは「プログラムのバグ」や「異常な相場」で損失が無限に膨らむことです。

「買値から5%下がったら、どんな理由があっても強制的に成行で売る」という損切りロジックは、絶対にプログラムの中に組み込んでおくべきです。

「いつか戻るだろう」という人間的な甘えを、コードの力で完全に封じ込めましょう。

損切りは負けではなく、次のチャンスを掴むための「必要経費」です。これを自動化できることこそが、システムの最大の強みと言えます。

運用資金の一部だけを割り当てるルールを作る

最初から全財産を自動売買プログラムに預けるのは、非常に危険です。

まずは資産の数％程度の、失っても生活に困らない範囲の資金から始めましょう。

以下のテーブルは、安全なステップアップの例です。

段階	資金の目安	主な目的
ステップ1	0円（デモ口座）	プログラムのバグ取りと動作確認
ステップ2	数万〜10万円	実際の市場での注文や約定の練習
ステップ3	資産の5〜10%	ロジックの有効性を少額でテスト
ステップ4	余裕資金の範囲内	安定稼働を確認した後の本格運用