生成AI×投資分析：Pythonで情報収集を自動化する3ステップ

なぜ生成AIで投資分析を自動化するのか

結論：情報処理のスピードと網羅性が大幅に向上する

一言説明

生成AI＝文章を理解・要約・生成できるAI

課題

• 開示情報が多すぎる
• ニュースを追いきれない
• 人力では偏りが出る

解決

• 自動収集 → 自動整理 → 自動要約
• 人間は「判断」に集中できる

全体構成：RAGの基本設計

結論：検索＋生成の組み合わせが最適

一言説明

RAG＝必要な情報を検索してからAIが回答

処理フロー

1. データ収集（API・スクレイピング）
2. テキスト分割（チャンク化）
3. ベクトル化（検索用）
4. 類似検索
5. 要約生成

ポイント

• 「正しい情報を渡す」ことが精度の鍵
• AI単体よりも誤情報が減る

ステップ①：情報収集の自動化

結論：まずデータを集める仕組みを作る

方法

• RSSフィード
• API（ニュース・開示）
• Webスクレイピング

Python例（簡易）

import feedparser

feed = feedparser.parse("https://example.com/rss")

for entry in feed.entries:
    print(entry.title, entry.link)

実務ポイント

• 更新頻度を決める（例：1時間ごと）
• ノイズ情報も一旦保存する

ステップ②：キーワード抽出とフィルタリング

結論：必要な情報だけに絞る

一言説明

フィルタリング＝条件に合う情報だけ抽出

例

• 「増益」「上方修正」
• 「M&A」「自社株買い」

Pythonイメージ

keywords = ["増益", "上方修正"]

filtered = [text for text in texts if any(k in text for k in keywords)]

ポイント

• キーワードは定期的に見直す
• 過剰フィルタに注意

ステップ③：生成AIで要約

結論：短時間で本質を把握する

一言説明

要約＝重要な部分だけ抽出する

活用方法

• ニュース要約
• 開示情報のポイント整理
• ポジティブ/ネガティブ判定

出力例

• 要点3行
• リスク要因
• 投資判断材料

実務での使い方（重要）

結論：分析補助として使う

NG

• AIの出力をそのまま信用する

OK

• 判断材料の整理ツールとして使う

役割分担

導入時の注意点

• データの信頼性を確認
• 過去データでテストする
• コスト（API・計算）を管理

よくある失敗

• 完璧な自動化を目指す
• ノイズ除去をやりすぎる
• AIの要約を鵜呑みにする

まとめ

• 生成AIは情報処理の効率を大幅に上げる
• RAGで精度と信頼性を改善できる
• 最終判断は必ず人間が行う

行動ステップ

• ① RSSやAPIで情報収集を自動化
• ② キーワードでフィルタリング
• ③ AIで要約し判断に活用