「ビットコインの価格がなぜ動いたのか、ニュースの後追いではなく数字で理解したい」
そう考えたことはありませんか。ビットコイン市場は、現物ETFの承認によってその構造が大きく変わりました。ブラックロックなどの巨額資金がどこから入り、クジラたちがどう動いているのかを知ることは、投資判断の精度を上げるための必須条件といえます。
これまではプロの投資家だけが扱っていたような複雑なデータ分析も、最新のAIツール「Claude Code」を使えば個人で簡単に行えます。この記事では、ビットコイン現物ETFの流入額とオンチェーンデータを組み合わせ、価格との相関性を自分自身で解析するための具体的な手順を解説します。
ビットコイン価格を動かす「ETF資金」と「オンチェーンデータ」
現代のビットコイン市場を理解するには、従来のテクニカル分析だけでは不十分です。市場の「需給」を直接的に左右する2つの大きな要因、すなわち「ETFへの資金流入」と「取引所内外のビットコインの動き（オンチェーン）」をセットで分析することが不可欠となっています。
この章では、これらのデータがなぜ重要なのか、そして価格に対してどのようなインパクトを与えるのかという全体像を解説します。解析を始める前に、まずはビットコインの需給バランスを決める主要な要素を整理しておきましょう。読者は以下の3つのポイントを通じて、分析の基盤となる知識を身につけることができます。
現物ETFの資金流入が需給に与えるインパクト
ビットコイン現物ETFの登場は、それまで市場に参加できなかった機関投資家や個人マネーを呼び込む巨大な蛇口となりました。ETFへの「資金流入（インフロー）」が増えるということは、ETF運用会社が市場から現物のビットコインを買い上げることを意味します。
例えば、1日で数億ドル規模の流入があれば、それだけで数千BTCの買い圧力が生まれます。これは発行上限が決まっているビットコインにとって、極めて強力な価格押し上げ要因です。逆に「資金流出（アウトフロー）」が続くときは、運用会社が保有分を売却するため、市場には強い売り圧力がかかります。
特にブラックロック（IBIT）やフィデリティ（FBTC）といった大手ETFの動きは、市場全体のセンチメントを左右する指標となります。日々の流入額を追うことは、次にくる波の大きさを予測するための最も確実な方法の一つといえるでしょう。小括として、ETFは現代のビットコインにおける「最大の買い手」であると認識することが重要です。
取引所残高から読み解く「売り圧力」の正体
ETFのデータが「買いの勢い」を示すのに対し、オンチェーンデータは「売りの準備」を可視化してくれます。その代表的な指標が「取引所のビットコイン残高」です。投資家がビットコインを売ろうと考えたとき、まず最初に行うのは個人ウォレットから取引所への送金だからです。
オンチェーン上で「取引所への流入量」が急増しているときは、近いうちに大きな売りが出る可能性を警戒しなければなりません。逆に、取引所から個人ウォレットへビットコインが引き出されているときは、長期保有（HODL）の意思が強く、市場の供給が絞られている健全な状態と判断できます。
以下の表に、オンチェーンデータの主要な指標とその意味をまとめました。
| 指標名 | 状態 | 市場への影響 |
| Exchange Inflow | 急増 | 売り圧力の高まり（価格下落リスク） |
| Exchange Reserve | 減少 | 供給不足による価格上昇のサポート |
| Whale Transaction | 活発 | 相場の転換点や大きなボラティリティ |
| Mining Revenue | 低下 | マイナーによる売却リスクの増大 |
このように、オンチェーンデータは市場の「裏側の動き」を映し出す鏡のような存在です。
個人投資家もデータを自前で分析すべき理由
これまでは「ETFへの流入が凄かったらしい」というニュースを数時間遅れで受け取るのが一般的でした。しかし、ビットコインのような動きの速い市場では、その情報の遅れが致命的な機会損失に繋がることがあります。
自前でデータを分析できるようになれば、誰かが加工した情報ではなく、生の数字から自分自身の投資判断を下せるようになります。情報の格差を埋めることは、相場という戦場で生き残るための最大の防御です。
例えば、SNSで「暴落がくる」と騒がれていても、データを見てETF流入が止まっていないことを確認できれば、冷静にホールドを続けられます。Claude Codeのようなツールを使えば、プログラミングに詳しくなくてもプロ並みの解析が可能です。まずは「数字を自分で確認する」という姿勢を持つことから始めてみましょう。
Claude Codeを使って分析環境を整える
データ分析を始めるには、道具が必要です。従来はPythonというプログラミング言語を一から学習し、自分のパソコンに複雑な設定を行う必要がありました。しかし、Claude Codeを使えば、対話形式で環境構築からコードの実行までをスムーズに進められます。
この章では、分析の司令塔となるClaude Codeのセットアップと、解析に必要なPythonライブラリの準備について解説します。端末（ターミナル）を操作することに慣れていない方でも、手順通りに進めれば数分で環境が整います。全体の流れを把握してから、一つひとつのステップを確実に実行していきましょう。
ターミナルからClaude Codeをセットアップしよう
Claude Codeは、Anthropicが提供するエンジニア向けのコマンドラインツールです。これを使えば、ターミナル上でAIと会話し、直接ファイルを操作させたりプログラムを実行させたりすることができます。
まずはNode.jsがインストールされている環境で、以下のコマンドを実行してインストールを行いましょう。
npm install -g @anthropic-ai/claude-code
インストールが完了したら、claude と入力して起動します。初回はログインが求められますが、ブラウザ経由で簡単に承認できます。
これまでのAIチャットとの大きな違いは、Claude Codeがあなたの代わりに「パソコンの中のファイルを読み書きし、コマンドを実行する」点にあります。例えば、「ビットコインの分析用フォルダを作って、そこに解析用ファイルを生成して」と伝えるだけで、すべての作業が完了します。小括として、Claude Codeはあなたの「優秀な助手」として機能し始めるのです。
Pythonのデータ分析用ライブラリを準備する
環境が整ったら、ビットコインの価格やETFのデータを扱うための「専門的な道具」を導入します。Pythonには、世界中のデータサイエンティストが利用している強力なライブラリが揃っています。
以下のリストは、今回の解析で必ず使用する主要なライブラリです。
- pandas：表形式のデータをエクセルのように自由自在に加工します。
- yfinance：Yahoo Financeから最新の価格データを自動で取得します。
- seaborn / matplotlib：計算結果を美しいグラフに可視化します。
- scipy：価格と資金流入の相関関係を数学的に算出します。
これらを一括でインストールするには、Claude Codeに向かって「データ分析に必要なライブラリをインストールして」と伝えるか、以下のコマンドを実行してください。
pip install pandas yfinance seaborn matplotlib scipy
これで、あなたのパソコンはビットコインのビッグデータを解析できる「分析マシン」へと生まれ変わりました。
解析に使用するデータの取得元を確保する
最後に、肝心のデータをどこから持ってくるかを確認します。価格データは yfinance で簡単に取得できますが、ETFの資金流出入データは少し工夫が必要です。
もっとも信頼できるソースの一つは「Farside Investors」というサイトが公開しているデータです。ここには日々の各社ETF（IBIT, FBTC, GBTC等）の純流入額がまとめられています。
Claude Codeを使えば、こうしたサイトからCSVデータを読み込んだり、必要に応じてスクレイピング（自動収集）するコードを書いてもらったりすることも可能です。まずは「どのデータがどこにあるか」を把握することが、正確な分析への近道です。
ETFの流入額とビットコイン価格データを取得
環境が整ったら、いよいよデータを手元に集めていきましょう。分析において最も手間がかかるのが、この「データ収集と整理」の工程です。しかし、Claude Codeを使えば、この退屈な作業も数秒の指示で終わらせることができます。
この章では、実際にPythonを使って価格データとETFの流入データを取得し、解析しやすい形に整える方法を解説します。コードの意味を理解しながら進めることで、後から自分なりに条件を変えて分析できるようになります。以下の手順を参考に、データの取得を自動化してみましょう。
yfinanceで過去の価格履歴を抽出しよう
まずは、分析の基準となるビットコイン価格を取得します。yfinance ライブラリを使えば、複雑なAPI連携なしに最新の履歴データを手に入れることができます。
以下のコードをClaude Codeに実行させてみましょう。
import yfinance as yf
# ビットコインの価格データを取得
btc = yf.download('BTC-USD', start='2024-01-01', end='2026-03-01')
print(btc.head())
これだけで、日付ごとの始値、高値、安値、終値が手に入ります。ETFが承認された日以降のデータを指定することで、ETF時代特有の動きに焦点を当てることができます。
取得したデータは、後でETFデータと結合させるために「日付」をキーにして管理します。まずは1行でもコードを動かして、実際に価格が表示される喜びを味わってみてください。小括として、価格の取得は自動化の第一歩です。
ETFの純流入データを整理してPythonへ読み込む
次に、今回の主役であるETFの資金流入データを取り込みます。通常はCSV形式で保存されたデータを利用することが多いです。
「ETFの流入額がまとめられたCSVファイルを読み込んで、日付をインデックスに設定して」とClaude Codeに指示しましょう。
import pandas as pd
# ETFの資金流入データを読み込む
etf_data = pd.read_csv('etf_inflow.csv')
etf_data['Date'] = pd.to_datetime(etf_data['Date'])
etf_data.set_index('Date', inplace=True)
このとき、ブラックロックの「IBIT」やフィデリティの「FBTC」、そしてグレースケールの「GBTC」などの合計値である「Net Inflow（純流入額）」に注目します。GBTCからの流出はマイナスとしてカウントされるため、市場全体の「本当の純増分」を把握することができます。
データが手元にない場合は、Claude Codeに「ダミーデータを作って分析の流れをテストさせて」と頼むことも可能です。まずは分析のフローを体験することが上達のコツです。
日付と数値を整えるコツ
価格データとETFデータが揃ったら、これらをガッチャンコ（結合）させる必要があります。しかし、土日も動くビットコイン価格に対し、ETFデータは市場が開いている平日のみという「ズレ」が生じます。
このズレを解消するのが、Pandasの結合機能です。
# 価格とETFデータを結合
merged_data = pd.concat([btc['Close'], etf_data['Total Net Inflow']], axis=1)
merged_data.fillna(0, inplace=True) # 欠損値を0で埋める
このように、データの欠落（土日のETF流入など）を適切に処理しないと、後々の計算が狂ってしまいます。Claude Codeなら、「日付を基準に2つのデータを結合して、データがない日は0で埋めて」と伝えるだけで、最適なコードを提示してくれます。
以下のリストは、データクレンジングの際にチェックすべきポイントです。
- 日付の形式：両方のデータが同じ形式（YYYY-MM-DD）になっているか。
- 単位の不一致：ドル単位なのか百万ドル単位なのか。
- タイムゾーン：データの集計時間がズレていないか。
Claude Codeで資金流入と価格の相関性を可視化
データが綺麗に揃ったら、いよいよ今回のメインディッシュである「相関分析」と「可視化」に移ります。数字の列を眺めるだけでは気づけないパターンも、グラフにすることで一気に「物語」として見えてきます。
この章では、統計的な手法を使って価格と資金流入の関係を数値化し、それを直感的に理解できるグラフに落とし込む手順を解説します。Claude Codeを使えば、プロ級の美しいチャートを数秒で作成できます。計算の意味を理解しつつ、データの裏側にある真実を探っていきましょう。
ピアソン相関係数でデータの結びつきを数値化する
「相関」とは、片方の数字が増えたとき、もう片方も増える傾向があるかどうかを示す関係です。これを-1から1の間で表すのが「ピアソン相関係数」です。
Claude Codeに「価格と流入額の相関係数を算出して」と指示すると、以下のような計算を行ってくれます。
correlation = merged_data['Close'].corr(merged_data['Total Net Inflow'])
print(f"相関係数: {correlation}")
この数値の読み方はシンプルです。
| 数値の範囲 | 意味 |
| 0.7 〜 1.0 | 非常に強い正の相関（連動して動く） |
| 0.4 〜 0.7 | かなりの相関がある |
| 0.2 〜 0.4 | 弱い相関がある |
| 0付近 | ほとんど関係がない |
例えば相関係数が0.8であれば、ETFに資金が入った日は高確率でビットコインの価格も上がっているといえます。逆にこの数値が低いときは、ETF以外の要因（マクロ経済やニュースなど）が強く影響している時期だと判断できます。
流入額の推移と価格チャートを重ねて表示する
数値だけでなく、視覚的に傾向を掴みましょう。価格の推移（折れ線グラフ）と、日々の流入額（棒グラフ）を1つのチャートに重ねるのがおすすめです。
Claude Codeに「2軸のグラフを作って。左軸にビットコイン価格、右軸にETFの純流入額を配置して」と依頼してみましょう。
import matplotlib.pyplot as plt
fig, ax1 = plt.subplots(figsize=(12, 6))
ax1.plot(merged_data.index, merged_data['Close'], color='orange', label='BTC Price')
ax2 = ax1.twinx()
ax2.bar(merged_data.index, merged_data['Total Net Inflow'], alpha=0.3, label='ETF Inflow')
plt.title('BTC Price vs ETF Inflow')
plt.show()
グラフを見ると、「ETFが数日連続で流入したあとに価格が急騰している」といったタイミングが手にとるようにわかります。これこそが、自前で分析を行う醍醐味です。小括として、グラフ化は隠れたパターンを暴く最強の武器となります。
資金流入が価格に反映されるまでのタイムラグを検証
面白いことに、ETFの資金流入はその日の価格だけでなく、数日後の価格にも影響を与えることがあります。これを「ラグ分析」と呼びます。
Claude Codeに「ETFの流入額を1日ずつずらして（ラグをかけて）、相関係数がどう変わるか計算して」と頼んでみてください。
# 1日前の流入額と今日の価格の相関
data['Inflow_Lag1'] = data['Total Net Inflow'].shift(1)
new_corr = data['Close'].corr(data['Inflow_Lag1'])
もし「今日の流入額」よりも「1日前の流入額」の方が価格との相関が高い場合、ETFのニュースを聞いてから買っても間に合う可能性があるということです。
こうした分析は、自分のエントリータイミングを決めるための貴重なヒントになります。AIを活用して、一歩踏み込んだ「プロの視点」を手に入れてみましょう。
オンチェーンデータで分析の解像度を上げる
ETFの動きだけでも強力な指標になりますが、さらに精度を高めるには「オンチェーンデータ」の力を借ります。ETFが「入り口」のデータだとすれば、オンチェーンは「市場全体の血液循環」を示すデータです。
この章では、取引所への送金量やクジラの動きなど、より深いデータを組み合わせて分析する方法を解説します。ETF資金が入っているのに価格が上がらないとき、裏で何が起きているのか。Claude Codeを使って、その「不都合な真実」を暴き出す手法を学びましょう。
取引所の入出金フロー（Netflow）を監視する
価格上昇の足を引っ張るのは、常に「売り圧力」です。取引所にビットコインが大量に入庫される（Netflowがプラス）ときは、投資家が売却の準備を整えているサインです。
Claude Codeに「取引所のネットフローとETF流入額を比較するコードを書いて」と指示してみましょう。
- ETF流入(+) かつ ネットフロー(-)：最強の上昇シグナル。
- ETF流入(+) かつ ネットフロー(+)：買いを売りが相殺している不安定な状態。
- ETF流出(-) かつ ネットフロー(+)：暴落に注意すべき警戒サイン。
このように、2つの指標を掛け合わせることで、一方的なニュースに騙されるリスクを大幅に減らせます。小括として、ネットフローの監視はリスク管理の基本です。
長期保有者の動きを「HODL Waves」で把握する
ビットコイン市場の底力を作っているのは、短期のトレーダーではなく「長期保有者」です。彼らがビットコインを動かさずにホールドし続けている期間が長いほど、市場の供給はタイトになり、価格は上がりやすくなります。
「HODL Waves（ホドル・ウェーブ）」という指標を使えば、保有期間ごとの供給量の割合を可視化できます。
Claude Codeに「長期保有者の割合と価格の推移をグラフにして」と頼んでみましょう。長期保有者がビットコインを取引所に送り始めたときは、いかにETF流入が好調でも、大きな調整が近いかもしれません。共感文になりますが、クジラの動きに逆らって生き残れる個人投資家はいません。彼らの足跡をデータで追うことは、生存戦略そのものです。
複数の指標を組み合わせてダマシを回避する
単一の指標は、時として「ダマシ」を生みます。例えば、ETF流入が1日だけ跳ね上がっても、それが単なる大口のポートフォリオ調整であれば、価格上昇には繋がりません。
複数の指標を「スコアリング（点数化）」して判断する仕組みを、Claude Codeに作らせてみましょう。
# 簡易的なスコアリングの例
score = 0
if etf_inflow > threshold: score += 1
if exchange_netflow < 0: score += 1
if whale_transaction_count > average: score += 1
このように、複数の条件が重なったときだけ「Go」サインを出すように自分を律することで、感情的なトレードを卒業できます。AIはこうしたロジックの構築が得意です。自分だけの「最強の判定フィルター」を磨き上げていきましょう。
Claude Codeへのプロンプトで解析コードを改善
環境もロジックも揃いましたが、実際に作業を進めると「エラーが出て動かない」「グラフの色がダサい」といった小さな壁にぶつかります。ここで威力を発揮するのが、Claude Codeとの「対話」による改善です。
この章では、AIの能力を最大限に引き出すための具体的なプロンプト（指示）の出し方を解説します。AIを単に使うだけでなく、より高度な要求をぶつけることで、あなたの分析ツールはさらに洗練されたものへと進化します。
エラーが出た際に自動でデバッグを依頼する
プログラミングに慣れていないと、1つのエラーで何時間も悩んでしまうことがあります。Claude Codeなら、エラーメッセージをそのままターミナル上で読み取り、修正案を提示・実行してくれます。
使い方は簡単です。エラーが出た直後に、以下のように語りかけてください。
「今のエラーの原因を特定して。コードを修正して再実行してみて」
Claude Codeはスタックトレース（エラーの詳細）を読み込み、「ライブラリのバージョンが古いようです」とか「変数名にタイポがありました」と教えてくれます。そのままファイルを書き換えさせれば、あなたは1行もコードを触る必要がありません。小括として、デバッグはAIに任せるのが現代の効率化です。
グラフのデザインを見やすく改善する指示
デフォルトのグラフは素っ気ないものになりがちです。しかし、投資判断を行う上では、重要なポイントが強調された見やすいチャートであることが望ましいです。
Claude Codeにデザインの要望を出してみましょう。
- 「価格が急騰した日を赤い点で強調して」
- 「土日の背景をグレーにして、ETFデータがない期間をわかりやすくして」
- 「凡例を右上に配置して、フォントサイズを大きくして」
こうした細かな要望にも、AIは即座にコードを書き換えて応えてくれます。自分の好みに合ったチャートを育てることは、データを見る楽しさを倍増させてくれます。
複雑な統計処理をClaude Codeに代行させる
相関分析だけでなく、より高度な「回帰分析」や「移動平均」の計算もAIなら一瞬です。
「ETF流入額を使って、1週間後のビットコイン価格を予測する簡易的な回帰モデルを作って」と依頼してみてください。
from sklearn.linear_model import LinearRegression
# Claude Codeが学習から予測までのコードを生成します
もちろん、AIの予測が100%当たるわけではありません。しかし、「データ上、これくらいの確率で価格が動く可能性がある」という目安を知っておくことは、トレードの規律を作るために非常に役立ちます。AIという強力な計算機を、あなたの脳の拡張として使い倒しましょう。
データの解析結果を投資判断に活かす
分析の結果、素晴らしいグラフや数字が得られました。しかし、それだけでは資産は増えません。もっとも重要なのは、得られたデータを「いつ、どのように売買に結びつけるか」という戦略への昇華です。
この章では、解析結果を実際の投資判断に落とし込む際の考え方を解説します。データの「嘘」に惑わされず、冷静な判断を下すための指針を身につけましょう。分析は目的ではなく、あくまで勝つための手段であることを忘れてはいけません。
資金流入の停止を「警戒サイン」と捉える
もっとも分かりやすいシグナルは、勢いの変化です。価格が上がり続けているのに、ETFへの流入額がじわじわと減り始めたとき、それは「上昇トレンドの燃料切れ」を意味します。
データを見て「流入がピークアウトした」と判断できれば、欲を出さずに利確（利益確定）を検討できます。多くの人が「もっと上がるはずだ」とSNSの熱気に流されている中で、あなたは冷静に数字の衰えを察知できるのです。
以下のリストは、警戒すべきパターンの典型例です。
- ETF流入はプラスだが、前日より大幅に減少した。
- 価格が上がっているのに、ETFが3日連続でマイナス（流出）になった。
- 流出額が過去最大を更新した（GBTC以外で）。
オンチェーンデータが示す「底値」のシグナル
逆に、価格が暴落して悲観論が広がっているときこそ、データの出番です。価格は下がっているのに、ETFの流入が再開したり、取引所の残高が急減したりしているときは「絶好の買い場」である可能性が高いです。
クジラたちがこっそり買い集めている様子をオンチェーンデータで見つければ、恐怖に打ち勝ってエントリーすることができます。データは、あなたの「心のブレーキ」を外し、チャンスで踏み込むための勇気を与えてくれます。
小括として、データはあなたの感情の波を鎮めるアンカー（錨）となります。
過去の相関が将来も続くとは限らないリスク
最後に、もっとも重要な注意点をお伝えします。「過去にETF流入と価格が連動していたからといって、明日もそうなる保証はない」ということです。
市場は常に進化しています。ETF流入が当たり前になれば、その影響力は徐々に織り込まれ、相関性が薄れる時期もくるでしょう。あるいは、金利政策や戦争などのマクロ要因がすべてを上書きしてしまうこともあります。
分析結果を「絶対の予言」ではなく「一つの確率的なヒント」として捉える謙虚さが大切です。常に複数のシナリオを想定し、予想が外れたときの損切りルールを決めておくこと。これが、データを使いこなしつつ、相場で生き残り続けるための最終的な正解です。
まとめ：データに基づいた「根拠ある投資」を
この記事では、Claude Codeを活用してビットコイン現物ETFの資金流入を解析し、オンチェーンデータと組み合わせる方法について解説してきました。
- ETF資金と取引所フロー を組み合わせることで、需給の全体像が見える。
- Claude Code を使えば、プログラミング初心者でも高度なデータ分析を自動化できる。
- 相関係数やグラフ化 によって、ニュースの主観に惑わされない客観的な視点が手に入る。
- データの限界 を知り、常にリスク管理をセットで考えることが投資成功の鍵となる。
自分の手でデータを解析した経験は、他人の推奨銘柄を追いかけるのとは比較にならないほどの深い洞察を与えてくれます。まずはClaude Codeを立ち上げ、「ビットコインの直近1ヶ月の価格データを取ってきて」と一言かけることから始めてみてください。その小さな一歩が、あなたの資産運用の未来を大きく変えるはずです。
