10年先を見据えた資産運用！Pythonアルゴリズムで長期投資を自動化する方法

2026年3月7日2026年3月9日

URLをコピーしました！

資産運用を始めるとき、一番の敵は自分の感情です。株価が下がれば不安になって売りたくなり、上がればもっと欲しくなって買いすぎてしまう。こうした心の揺れが、10年、20年という長期的なリターンを削ってしまうことは珍しくありません。

そこで活用したいのが、Pythonを使った投資の自動化です。プログラミングと聞くと難しく感じるかもしれませんが、実は決めたルールを淡々と守ることにおいて、機械は人間より遥かに優秀です。この記事では、10年先も安心して資産を預けられるような、アルゴリズムによる長期投資の作り方を具体的に解説します。

なぜ長期投資にPythonのアルゴリズムが必要なのか？

資産運用で最も難しいのは、10年という長い月日を淡々と継続することです。どうしても自分のお金が動くと冷静ではいられなくなります。アルゴリズムを使う最大の意義は、自分という一番不安定な要素をシステムでカバーすることにあります。データに基づいた判断がいかに投資の質を変えるのか、まずはその土台となる考え方を整理しましょう。

感情を排除してリバランスを徹底できる

リバランスとは、値動きによって崩れた資産の比率を元に戻す作業です。例えば株50%：債券50%で持っていたものが、株の値上がりで株70%：債券30%になったとします。このとき、好調な株を売って不調な債券を買うのが正しい投資行動ですが、人間にはこれが心理的にとても難しく感じられます。

機械なら、感情を一切挟まずに計算通りに売買を実行できます。もっと上がるかもといった根拠のない期待を捨てて、常に自分に最適なリスクの状態へ戻してくれるのです。これこそが、長期的にリターンを安定させるための大きなカギになります。

過去データから資産配分を導き出せる

自分の勘で「今はこれが上がりそう」と決めるのではなく、数十年分におよぶ膨大な過去のデータから、最も効率の良い銘柄の組み合わせを算出できます。Pythonを使えば、数千通りの組み合わせを瞬時にシミュレーションし、リスクを抑えつつリターンを最大にする黄金比を見つけ出すことが可能です。

これはプロの投資家が行っている手法ですが、今の時代なら個人でも同じレベルの分析が自宅のPCで行えます。自分のポートフォリオが歴史的に見てどれくらいのリスクを抱えているのか、数値で把握しているのといないのとでは、長期運用の安心感が全く違います。

比較項目	手動での運用	アルゴリズムでの運用
判断基準	その時の気分やニュース	蓄積された過去のデータ
継続性	忙しいと放置しがち	24時間365日休みなし
リバランス	心理的な抵抗が強い	ルール通りに即実行
監視の負担	常にチャートが気になる	通知が来るまで忘れていい

チャート監視からの解放

10年という長いスパンで投資をするなら、毎日の小さな値動きに一喜一憂するのは時間の無駄です。仕事中や家族との団らん中にスマホでチャートを確認する生活は、精神的にも良くありません。

自動化の仕組みを作ってしまえば、システムがあなたの代わりに24時間市場を見守ってくれます。異常な動きがあったときや、リバランスが必要なタイミングだけ通知を受け取るようにすれば、投資のことを考える時間は最小限で済みます。空いた時間を趣味や仕事に回せることこそ、自動化の最大のメリットです。

運用を始めるためのPython実行環境を整える

アルゴリズムを作るには、まずPythonを動かせる環境が必要です。難しく考える必要はありません。今は自分のパソコンを改造しなくても、インターネットブラウザさえあれば無料でプログラミングができる便利なツールが揃っています。ここを整えるだけで、プロの分析官と同じスタートラインに立つことができます。まずはスムーズに作業ができる環境を作っていきましょう。

yfinanceをインストールして市場データを取得しよう

株価データを集めるために、世界中の投資家が愛用しているyfinanceというライブラリを導入しましょう。これを使うと、米国株や日本株、さらには世界中のETFの価格を1行の命令で取り込めます。

pip install yfinance pandas matplotlib seaborn

インストールが終われば、例えば過去10年分のS&P500のデータを取得するのも一瞬です。自分でExcelに数字を打ち込むような苦労はもう必要ありません。データの正確さとスピードが、自動運用の質を支えます。

データの加工に欠かせないpandasの基本操作

取得したデータは、そのままでは単なる数字の羅列です。これを整理して使いやすくしてくれるのがpandasというライブラリです。Excelの表をプログラムの中で扱うような感覚で、特定の期間だけを抜き出したり、平均値を計算したりといった作業が自由自在になります。

長期投資では毎月の平均収益率や資産の推移を計算する機会が多いため、pandasの扱いに慣れておくと分析の幅がぐっと広がります。最初は難しいコードを覚える必要はありません。表としてデータを整理する道具だと考えておけば十分です。

セキュリティを守るためのAPIキーの管理方法

自動売買や通知の設定をする場合、APIキーと呼ばれる専用のパスワードを扱うことになります。これをプログラムの中に直接書き込んでしまうと、万が一コードが他人に漏れたときに、あなたの大切な口座を悪用される危険があります。

環境変数という仕組みを使って、コードの中身とパスワードを切り離して管理するのが鉄則です。例えば、設定ファイル（.env）を別に作って読み込ませるようにしましょう。最初からセキュリティに配慮した作り方をしておくことで、安心して運用を続けることができます。

10年持てるポートフォリオを作る最適化アルゴリズム

長期投資で最も大切なのは、どの銘柄を何%持つかという資産配分です。これを科学的に計算するのが、Pythonによる最適化アルゴリズムの役割です。自分の直感に頼らず、数学的な根拠を持ってこれなら10年持てる、と確信できるポートフォリオを作っていきましょう。

現代ポートフォリオ理論をコードで再現する

現代ポートフォリオ理論とは、簡単に言うとリスクを同じに保ちながら、リターンを最も高くする組み合わせを見つける方法です。複数の銘柄を組み合わせることで、お互いの値動きを補い合い、資産全体の揺れを小さくすることができます。

Pythonを使えば、この理論に基づいた計算を瞬時に行えます。過去の相関係数を分析し、株が下がったときに上がる傾向のある資産を自動でピックアップして、最適な比率を提案してくれます。

シャープレシオを最大化する銘柄比率の計算

効率の良い投資を判断する基準にシャープレシオという指標があります。これは、負っているリスクに対して、どれだけ効率よくリターンを得られているかを示す数値です。この数値が高いほど、ハラハラしないのに利益が出る優れたポートフォリオだと言えます。

アルゴリズムを使って、このシャープレシオが最大になる比率を逆算してみましょう。

例えば、以下のようなコードで各資産の収益率とリスクを算出します。

import yfinance as yf
import pandas as pd

# データの取得
tickers = ['VOO', 'TLT', 'GLD']
data = yf.download(tickers, period='10y')['Adj Close']

# 収益率の計算
returns = data.pct_change().dropna()
# 年率平均リターンと共分散行列
mean_returns = returns.mean() * 252
cov_matrix = returns.cov() * 252

リスク・パリティの考え方

最近注目されているのが、各銘柄のリスクを等しく配分するリスク・パリティという手法です。株のように動きが激しい資産は少なく持ち、債券のように安定した資産を多く持つことで、市場のどんな局面でも資産全体がガクンと減るのを防ぎます。

これは特定の銘柄が当たったときの爆発的な利益は狙えませんが、10年、20年と負けない投資を続けるためには非常に強力な武器になります。Pythonなら、日々の変動率から動的にこの比率を算出することができるため、常に最新の市場環境に合わせた守りの盾を作れます。

過去10年で検証！バックテストを実行してリスクを知る

理論上のポートフォリオができたら、次はもしこれを10年前に買っていたらどうなっていたか、を試してみましょう。これをバックテストと呼びます。この章では単なる利益だけでなく、最も苦しい時期にどれくらい資産が減ったのかを確認する方法を学びます。あらかじめ最悪の事態を数字で見ておくことで、暴落が来たときでもパニックにならずに済みます。

累積リターンと最大ドローダウン（MDD）を算出する

投資の成功を見る指標は利益だけではありません。最も重要なのは、運用期間中に資産が最大で何%減ったかを示す最大ドローダウン（MDD）です。10年で資産が2倍になったとしても、途中で半分に減る時期があったら、多くの人は耐えられずに売ってしまうでしょう。

# 累積リターンの計算
cumulative_returns = (1 + returns).cumprod()

# 最大ドローダウンの計算
peak = cumulative_returns.expanding(min_periods=1).max()
drawdown = (cumulative_returns / peak) - 1
max_drawdown = drawdown.min()

このようにPythonで計算すれば、客観的な事実を知ることができます。この数字の裏付けこそが、長期投資を続けるための心の支えになります。

配当再投資を含めたシミュレーションの方法

長期投資の醍醐味は、配当金を再び投資に回すことで生まれる複利効果です。yfinanceで取得できるデータには配当調整済みの価格が含まれているため、これを使えば配当を再投資し続けた場合の真のリターンを計算できます。

数%の配当も、10年積み重なれば資産の伸びに大きな差をつけます。

プログラムでこの効果を可視化してみると、いかに長く持ち続けることが有利であるかが一目で分かります。

暴落局面で資産がどう動いたかを可視化しよう

グラフを描画するライブラリmatplotlibを使って、資産の推移を可視化しましょう。特にリーマンショックやコロナショックといった歴史的な暴落時に、自分の選んだアルゴリズムがどのように資産を守ったかを確認することが大切です。

文字や数字だけでは伝わらない資産の減り方の生々しさを視覚的に体験しておくことで、将来の暴落に対する免疫がつきます。

例えば、市場全体が30%下がっているときに、自分のポートフォリオが10%の下落で済んでいれば、その戦略に自信を持つことができます。

ズレを自動で修正！リバランスのロジックを実装する

10年投資の成功を左右するのは、買い時ではなくメンテナンスです。価格が変動してポートフォリオの比率が崩れたとき、どうやって元の形に戻すのか。そのロジックをPythonに組み込みます。この記事ではいつ、どのようにリバランスを行うべきか、その具体的な判定基準の作り方を解説します。頻繁にやりすぎず、放置もしすぎないバランスをプログラムで調整しましょう。

資産比率の乖離を検知するコードの書き方

まずは現在の資産評価額を取得し、目標とする比率からどれくらいズレているかを計算するコードを書きます。

# 現在の資産価値（例）
current_values = {'VOO': 6000, 'TLT': 2000, 'GLD': 2000}
total_assets = sum(current_values.values())

# 現在の比率
current_weights = {k: v / total_assets for k, v in current_values.items()}

# 目標とのズレ（例）
target_weights = {'VOO': 0.4, 'TLT': 0.4, 'GLD': 0.2}
diff = {k: current_weights[k] - target_weights[k] for k in target_weights}

毎日この計算を自動で行うようにすれば、自分では気づかないうちに資産配分が危険な状態になっていることを、システムが教えてくれます。

何%ズレたら動く？リバランスの閾値を設定しよう

リバランスには大きく分けて、期間でやる方法とズレの大きさでやる方法があります。おすすめなのは、資産配分が一定以上（例えば5%以上）ズレたときにだけ実行する手法です。

あまりに細かくリバランスを行うと、売買にかかる手間やコストが増えてしまいます。Pythonなら5%を超えたらLINEで通知する、といった柔軟なルール設定が可能です。

手法	特徴	メリット	デメリット
定期リバランス	1年ごとなど時期を決める	計画が立てやすい	急激な変動に対応しにくい
乖離リバランス	5%ズレたら実行するなど	リスクを一定に保てる	頻繁に売買が起きる可能性
ハイブリッド	両方を組み合わせる	最も堅実な運用ができる	コードが少し複雑になる

売買コストを抑えるための判定ロジック

リバランスを実行する前に、その売買で得られるメリットと、かかる手数料・税金を比較するロジックを入れておきましょう。微小なズレを直すために多額の手数料を払っていては本末転倒です。

リバランスによる期待リターンの向上＞取引コスト、となる場合のみ実行する、という1行の条件分岐を加えるだけで、システムの賢さは一段階上がります。こうした細かい配慮ができるのも、自作アルゴリズムならではの強みです。

クラウドで自動化！GitHub Actionsで定期実行する方法

プログラムが完成しても、自分のパソコンで毎日手動で動かすのでは、本当の意味での自動化とは言えません。あなたが寝ている間も、旅行に行っている間も、クラウド上で勝手にプログラムが動く仕組みを作りましょう。GitHub Actionsを使えば、完全に無料で定期実行の仕組みを整えることができます。

サーバー不要！無料でスケジュール実行する仕組み

GitHub Actionsは、プログラムを保存するGitHubが提供している自動化ツールです。あらかじめ設定したスケジュールに合わせて、クラウド上の仮想マシンがあなたの書いたPythonコードを自動で実行してくれます。

これを使えば、自宅のPCが電源オフでも関係ありません。

長期投資に欠かせない継続性を、一銭もかけずに手に入れることができます。

YAMLファイルの設定でPythonを自動で動かす手順

自動実行の指示を出すにはYAMLという形式の設定ファイルを書きます。難しく聞こえますが、定型文をコピーして、動かしたい時間を指定するだけです。

name: daily-rebalance-check
on:
  schedule:
    - cron: '0 0 * * 1-5' # 平日の毎日実行
jobs:
  run-script:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v3
      - name: Set up Python
        uses: actions/setup-python@v4
      - name: Run logic
        run: python my_invest_script.py

このように指定しておけば、あとはGitHubがすべて裏側で処理してくれます。一度設定してしまえば、あなたは時々LINEに届く結果を確認するだけのオーナーになれます。