【一目均衡表】雲・遅行スパンをPythonで再現！複雑なチャート形状を数値化するロジック

2026年3月7日2026年3月9日

URLをコピーしました！

一目均衡表は、その名の通り「一目で相場の均衡状態がわかる」ように作られた日本発のテクニカル指標です。しかし、実際にチャートを眺めてみると、5本の線が複雑に絡み合い、どこをどう見ればいいのか迷ってしまう方も少なくありません。

この記事では、そんな一目均衡表の複雑な形状をPythonで再現し、数値として客観的に分析する方法を解説します。プログラムを使って「雲」や「遅行スパン」をロジック化することで、裁量判断に頼らない精度の高い投資分析が可能になります。

一目均衡表の5本の線と仕組みを理解する

一目均衡表は、日本で生まれた世界的に有名なテクニカル指標です。その最大の特徴は、価格の動きだけでなく「時間」の概念を深く取り入れている点にあります。ここでは、計算に入る前に、5本の線がそれぞれどのような役割を持ち、チャート上でどのような均衡を表しているのかを整理していきましょう。

転換線と基準線は何を表している？

転換線と基準線は、相場の方向性を測るための重要な線です。転換線は過去9日間の、基準線は過去26日間の「高値と安値の平均」を結んで作られます。

一般的な移動平均線が「終値の平均」をとるのに対し、一目均衡表が「高値と安値の平均（半値）」を使うのは、その期間の相場の中心（均衡点）をより正確に捉えるためです。

転換線：短期的な相場の勢いを示す
基準線：中期的な相場の方向性を示す

例えば、転換線が基準線より上にあり、かつ両方が上を向いているときは、強い上昇トレンドであると判断できます。

雲（先行スパン）ができる計算ロジック

「雲」は先行スパン1と先行スパン2という2つの線に囲まれた領域を指します。最大の特徴は、計算した値を「26日先（当日を含む）」にずらして表示させる点です。

未来のチャート上に表示されるため、これから先に起こる価格変動の「壁（抵抗）」や「支え（支持）」を視覚的に予測することができます。

指標名	計算方法	表示場所
先行スパン1	転換線と基準線の平均	26日先
先行スパン2	過去52日間の高値安値の平均	26日先

雲が厚いほど、その価格帯には強い抵抗があると考えられます。逆に雲が薄い場所は、価格が突き抜けやすい「変化日」としての性質を持ちます。

遅行スパンが26日遅れて表示される理由

遅行スパンは、当日の終値をそのまま「26日前」へずらして表示しただけのシンプルな線です。一見すると意味がないように思えますが、実はこれこそが一目均衡表で最も重要視される要素の一つです。

26日前の価格と現在の価格を直接比較することで、現在の買い手と過去の買い手のどちらが有利な状況にあるかを一瞬で見極められます。

現在の価格が26日前の価格を上抜けることを「遅行スパンの好転」と呼び、強力な買いサインとされます。過去の自分たちに今の自分たちが勝っているかを確認する、非常に論理的な仕組みと言えるでしょう。

Pythonで株価データを取得して準備する

一目均衡表の計算を自作するメリットは、計算期間を自由に変更したり、数千銘柄を同時にスキャンできたりすることにあります。まずは、分析の土台となるデータの取得と、Pythonで計算を行うための下準備を整えていきましょう。

yfinanceを使ってデータをダウンロードしよう

Pythonで株価データを扱うなら、yfinanceライブラリが最も手軽です。数行のコードで、米国株や日本株、さらには暗号資産の価格データまで取得できます。

以下のコードで、必要なツールを揃えてデータを読み込みます。

import yfinance as yf
import pandas as pd
import matplotlib.pyplot as plt

# S&P500のデータを取得
df = yf.download("^GSPC", period="1y")

データが手元にあれば、あとはpandasの機能を活用して一目均衡表のロジックを組み込むだけです。

移動窓の最高値と最安値を計算する方法

一目均衡表の計算で頻繁に登場するのが「過去n日間の最高値と安値」です。これを実現するには、pandasのrollingという機能を使います。

特定の期間をスライドさせながら、その中での最大値や最小値を自動で見つけてくれる便利な関数です。

rolling(window=9)：過去9日間の範囲を指定する
max()：その範囲の最大値をとる
min()：その範囲の最小値をとる

例えば、9日間の高値と安値の平均を出すには、(high.rolling(9).max() + low.rolling(9).min()) / 2 と記述します。

計算後の欠損値（NaN）をどう扱うか？

計算を始めると、データの最初の数日分に「NaN（数値なし）」という表示が出てきます。これは、例えば9日間の平均を出す際、最初の8日間は「過去9日分」のデータが足りないために起こる現象です。

これらを放置すると、その後の計算でエラーが出たり、グラフが表示されなかったりすることがあります。

基本的には、dropna()を使って削除するか、計算に影響が出ない範囲で無視する処理を加えます。特に一目均衡表は「26日先」や「26日前」を扱うため、データの端っこに必ず空欄ができることを覚えておきましょう。

【実践】一目均衡表の5本の線を計算する

それでは、実際にPythonで5本の線を算出するコードを書いていきましょう。ここでは、一目均衡表の標準的な設定値（9, 26, 52）を使い、pandasのデータフレームに新しい列として追加していく手順を解説します。

転換線と基準線を算出するコードの記述

まずは基本となる2本の線です。以下のコードでは、高値（High）と安値（Low）を参照して、それぞれの期間の半値を計算しています。

# 転換線 (9日間)
high_9 = df['High'].rolling(window=9).max()
low_9 = df['Low'].rolling(window=9).min()
df['tenkan_sen'] = (high_9 + low_9) / 2

# 基準線 (26日間)
high_26 = df['High'].rolling(window=26).max()
low_26 = df['Low'].rolling(window=26).min()
df['kijun_sen'] = (high_26 + low_26) / 2

この2本が計算できると、トレンドの初期段階を捉える準備が整います。

未来へずらす先行スパンA・Bの処理

次に、雲を形成する先行スパンを計算します。ここでのポイントは、計算した結果を26日分「未来」へスライドさせることです。

Pythonでは、shift()関数を使ってデータをずらすことができます。

# 先行スパン1
df['senkou_span_a'] = ((df['tenkan_sen'] + df['kijun_sen']) / 2).shift(25)

# 先行スパン2 (52日間)
high_52 = df['High'].rolling(window=52).max()
low_52 = df['Low'].rolling(window=52).min()
df['senkou_span_b'] = ((high_52 + low_52) / 2).shift(25)

当日を含めて26日目にするため、引数には25を指定するのが一般的です。これで、チャートの右側の空白部分に線が伸びていく準備ができました。

過去へずらす遅行スパンの記述方法

最後に遅行スパンです。これは当日の終値を26日前へ戻す処理なので、shift(-25)のようにマイナスの値を指定します。

# 遅行スパン
df['chikou_span'] = df['Close'].shift(-25)

この処理を行うことで、26日前のローソク足の真横に、現在の終値がプロットされるようになります。

チャート上に「雲」を可視化して描画する

計算ができたら、次はその結果をビジュアル化しましょう。一目均衡表の醍醐味である「雲の塗りつぶし」を再現することで、一気に本格的な取引ツールの雰囲気に近づけることができます。

matplotlibで雲を塗りつぶすテクニック

2つの線の間を色で塗るには、fill_betweenという関数を使います。先行スパン1が上なら「上昇の雲（赤系）」、下なら「下降の雲（青系）」と色を分けると見やすくなります。

plt.fill_between(df.index, df['senkou_span_a'], df['senkou_span_b'], 
                 where=df['senkou_span_a'] >= df['senkou_span_b'], 
                 color='lightcoral', alpha=0.3)

この一行を加えるだけで、チャート上にあの独特な「雲」が出現します。

全ての指標を重ねてプロットする方法

5本の線とローソク足を重ねて表示することで、全体の均衡が確認できるようになります。matplotlibのplot関数を順番に呼び出していくだけで、レイヤーのように重なっていきます。

見やすくするための色の使い分けを以下にまとめました。

基準線：太めの赤色（トレンドの主軸）
転換線：細めの青色
遅行スパン：緑色
雲：薄い塗りつぶし

これらを同時に描画することで、現在の価格が雲に対してどこに位置しているのか、遅行スパンが壁にぶつかっていないかを確認できます。

グラフのX軸を未来まで拡張して表示する

先行スパンは26日先まで表示されるため、通常のグラフ描画だと右端が切れてしまいます。グラフの表示範囲（xlim）を少し広めに設定してあげるのがコツです。

日付データのインデックスを26日分拡張することで、未来の雲がゆったりと描かれたチャートが完成します。

これにより、来週や再来週に雲がねじれる（変化日）タイミングを事前に予見できるようになります。

雲の状態や遅行スパンの向きを数値化する

チャートを「見る」だけでなく「数値化」すること。これこそがPythonを使う最大の理由です。雲の厚みや位置関係を数字に置き換えることで、自動売買やスクリーニングの条件として利用可能になります。

価格が雲の上か下かを判定するロジック

「価格が雲を上抜けた」という状態をプログラムで判定するには、単純な比較演算子を使います。

# 雲の上にいるかどうかの判定
is_above_kumo = df['Close'] > df[['senkou_span_a', 'senkou_span_b']].max(axis=1)

このis_above_kumoがTrue（真）であれば、相場は強気であるとデジタルに判断できます。

雲の「厚み」を数値として抽出するメリット

雲の厚みは、先行スパン1と2の差の絶対値で表せます。

df['kumo_thickness'] = abs(df['senkou_span_a'] - df['senkou_span_b'])

この数値が大きいほど、その価格帯には強い抵抗が存在することを示します。

例えば、急落しても雲が厚ければ「ここで止まる可能性が高い」と判断でき、逆に雲が極端に薄ければ「あっさり突き抜けるかもしれない」という予測が数値ベースで立てられます。

三役好転を判定するアルゴリズムを組もう

一目均衡表における最強の買いシグナル「三役好転」も、プログラムなら一瞬で判定できます。以下の3つの条件がすべて揃ったときを抽出してみましょう。

条件名	プログラム上の判定
転換線が基準線を上抜ける	tenkan > kijun
遅行スパンが株価を上抜ける	chikou > price_26_days_ago
株価が雲を上抜ける	close > kumo_top

これらが同時にTrueになったポイントを特定すれば、裁量に頼らない強力なエントリーポイントを見つけることができます。