株取引で予想が当たるYoutuberを見つける [株取引自動化 Part2]

情報取得／解析エージェントアルゴリズム最適化

Market Sentiment Explorer (2)

何故作ったか

株式市場について様々なYoutubeチャンネルが存在しているが、予想が当たるYoutuberを見つけたかった

何を作ったか

毎日指定した Youtube Channelを巡回し最新のtranscriptを取得し、Claude Codeに内容を分析させ、市場の今後のセンチメントを数値として把握できるようにする。次に実際の各セクターのその後の値動きを数値化し、両者の相関を計算することで予想の当たりやすさを数値化する。

ranking2

仕組み

Youtube Channelを巡回しtranscriptを取得します。こちらは別記事で詳細を解説しています。

フローチャートは下記のようになっています。この右側部分が本プロジェクトでの解説記事になります。

diagram_2

Claude CodeとChat GPTに手動で対話せさながらS&P500の各ティッカーをどれかのセクターに振り分ける

まず、S&P500の各ティッカーシンボルとその該当セクター分けのリストを作ります。リストはClaude CodeとChat GPTでそれぞれに作らせ、2つのリストをそれぞれのエージェントに渡して検討させながら最終的に一つのリストを作成します。

ticker_list

基準日からの値動き率 (セクタームーブメント)を計算する

Yahoo Financeで毎日のティッカーシンボルの終値を取得し、各セクターごとに各ティッカーの時価総額を用いて加重平均し、各セクターのインデクス価格を計算します。さらにはある日から2週間の各日の終値を加重平均し、基準日からその後どれだけ株価が動いていたかをセクタームーブメント指数として計算しておきます。

(ドットマーカー付きのグラフがセンチメント、実線だけのグラフがその後２週間のムーブメント)

movement

Youtuberの予想センチメントと、その後の値動きの相関を計算する

その後、現在ある45日分のデータセットを使って各セクターごとにあるyoutuberが予想や所感を述べた場合に -100 ~ 100までのセンチメントが計算され、それに対して後日の値動き（ムーブメント指数）との相関を計算します。

correlation

どうやって作ったか、難しかったポイントなど

基本的に全てClaude CodeあるいはCodexに頼んでコードを書いてもらっています。

GUIはPythonでそのままコードが書けるようにStreamlitを使いました。（これは後に後に分析されたセンチメントと実際の値動きの相関を分析するためにpythonのライブラリを使いたかったため）

コツとしては、アルゴリズムを全てパラメーター化することでパラメータ探索を行い、データが溜まってきたところで随時アルゴリズムの最適化を行えるようになっています。

システム維持費用が高い

Claude Code ($20/mo) システム開発、Daily Report 作成 Codex ($20/mo) システム開発、各video transcript/tweetからのセンチメント／リスク算出 Twitter API ($60/mo) Tweet 取得 (1日250件程度)

計 $100/mo

作ったことで得られたインサイトなど

それなりに自分が感じていた所感と同じような結論が数値で得られた (このyoutuberは当たらないと感じていたら負の相関が示された)
ただし、一部直感に異なる数値が得られているところもある
計算されたセンチメントを使って今後の株価変動を予想する場合、各セクター平均での結果の相関係数が 0.4だった。思ったよりも良い結果
予想の当たるYoutuberに高い荷重をかけてそれで予想システムの精度が上がるか検証したが、平均的な精度としては上がらなかった。　（予想が当たらないYoutuberでもオーバーフィッティングを妨げる効果がある？）
45日分程度のデータではまだまだ信頼度が低い

今後やりたいことなどがあれば

とりあえずのシステムは完成したのでまずはよりデータを集めることに専念して、データが集まったところでセンチメントの予想アルゴリズムをエージェントに自動で修正させてるようにしたいです。

数千の人格がその状況でどう動くかをマルチエージェントを使ってシミュレーションする技術があるのでそれと繋げてみたいですね。 https://github.com/666ghj/MiroFish

Comments (2)

@rika2026年6月15日(月) 16:42
Part1/Part2どちらも面白かったです。私は普段あまりYouTubeで株式市場の情報収集をしていないので、特に「Youtuberは一般的にXユーザーよりも楽観的」というインサイトが面白いなと思いました。複数チャンネルを毎日追うとなるとかなり時間がかかりそうなので、120チャンネル以上を網羅できるようにするだけでもかなり価値がありそうだと感じました。株式市場に限らず、トレンドの変化が早い領域にも応用できそうですね。また、「全ての情報を数値として集約するだけでは限界がある」という点にも共感しました。私も以前、会社で仮想通貨の自動取引ボットを開発していて、ストラテジーの大量シミュレーションやコピートレーディング検証をしていたので、こういう市場情報をどうシグナル化して使うかという部分に興味があります。Numeraiのような外部シグナルも組み合わせたら、どの程度予測精度が変わるのかも気になりました。
1
- @jin2026年6月17日(水) 20:49
  Re: @rika
  おぉ、なんとこんなところにプロの方が！！ありがとうございます。Neumerai って言うのがあるんですね。各種情報がDB化されていて予想モデルとか作るなら凄く良さそうですね。今は各種経済指標を取り込んでサマリーを作れるようにしてあるのですが、いずれセンチメントの計測制度を上げるためには使っていかないとなと思ってます。ただ、基本的に予測モデルを作る場合はトレーニングデータ量を増やしてよりポテンシャルの高いモデルを使うっていうのが道筋だとは思うんですけど、株の場合はちょっと違うんじゃって思ってるんですよ。例えば昔と今で投資家の考え方、判断基準や経験ってかなり違うと思うんです。なので今当たるモデルが過去でも当たるかというとそうでもないだろうし、そうなると過去のデータも使ってトレーニングするのはどうなんだろうということになっておいそれとデータ増やせばいいって訳にはいかない気がするんですよね。その時の情勢とかを数値化するのも難しいし。というわけでまさに「トレンドの変化が早い領域」でアダプティブに動くモデルに興味があります。予測をすること自体は今はあまり追わずに、投資家一人一人の動きをLLMで簡易にシミュレートしたりとかそういうのもやってみたいなと思ってます。是非々々いろいろ教えて下さい！！
  0

You need to log in to comment.