ChatGPT株自動売買システムの作り方｜Pythonコード付き完全ガイド

3. 【実践編】ChatGPTを使った株自動売買システムの作り方｜5ステップ

お待たせしました。ここからはいよいよ、実際に手を動かしてシステムを構築していく実践編です。理論を学び、ChatGPTの能力を理解した今、その力を現実世界で形にしていきましょう。

この章では、システム開発の全工程を5つのステップに分解し、一つずつ丁寧に解説していきます。専門的な内容も含まれますが、順番に進めていけば必ず全体像が掴めるはずです。さあ、始めましょう。

3-1. ステップ1：準備 – 必要なものリスト

何事もまずは準備から。システム開発を始める前に、必要な道具とスキル、そしてインフラを揃えましょう。

3-1-1. ハードウェア：一般的な性能のPCでOK

特別なハイスペックPCは必要ありません。あなたが普段お使いのノートPCやデスクトップPC（Windows, Mac問わず）で十分に開発可能です。

3-1-2. ソフトウェア：Python, VSCode等の開発環境

• Python: 本システムの根幹となるプログラミング言語です。公式サイトから最新の安定版をインストールしましょう。
• VSCode (Visual Studio Code): Microsoftが提供する無料のコードエディタです。豊富な拡張機能により、Pythonのコーディングを強力にサポートしてくれます。

3-1-3. 必須スキル：Python基礎文法とAPIの概念理解

• Pythonの基礎知識: 変数、if文（条件分岐）、for文（繰り返し）、関数といった、基本的な文法の理解は必須です。もし自信がなければ、Progateやドットインストールといった学習サイトで1〜2週間ほど基礎を学ぶことを強く推奨します。
• APIの概念: APIとは、ソフトウェア同士が情報をやり取りするための「通訳」や「窓口」のようなものです。「APIを叩く」とは、この窓口に決まった形式でリクエストを送り、情報を受け取る行為だと理解しておきましょう。

3-1-4. 証券口座：APIを提供している証券会社を選ぶ

これがなければ始まりません。重要なのは**「取引API」を公式に提供している証券会社**を選ぶことです。2025年現在、日本では以下の証券会社などが選択肢となります。

• SBI証券
• 松井証券
• 楽天証券
• auカブコム証券 各社でAPIの仕様（取得できる情報、注文方法、利用料金など）が異なるため、自分の作りたいシステムに合わせて選びましょう。

3-1-5. APIキー：OpenAI APIキーと証券会社APIキーの取得

APIを利用するための「鍵」となるのがAPIキーです。

• OpenAI APIキー: ChatGPTのAPIを利用するためのキーです。OpenAIの公式サイトにアカウントを登録し、ダッシュボードから取得します。利用には料金がかかるため、クレジットカードの登録が必要です。
• 証券会社APIキー: 上記で開設した証券口座の管理画面などから、API利用の申請を行い、キーを取得します。

3-2. ステップ2：環境構築

道具が揃ったら、次は開発を行うための「作業場」を整えます。

3-2-1. Pythonのインストールと仮想環境の構築

PCにPythonをインストールした後、プロジェクト専用の「仮想環境」を作成します。これは、他のPythonプロジェクトとライブラリ（後述）が混ざらないようにするための、独立したお部屋のようなものです。ターミナル（コマンドプロンプト）で以下のコマンドを実行すれば作成できます。

# 'my_trader_env' という名前の仮想環境を作成
python -m venv my_trader_env
# 仮想環境を有効化（Mac/Linuxの場合）
source my_trader_env/bin/activate

3-2-2. 必要なライブラリのインストール

仮想環境の中で、システム開発に必要な拡張機能（ライブラリ）をインストールします。

# pipコマンドで一括インストール
pip install pandas numpy openai requests

• pandas: 取得した株価などを表形式で効率的に扱うためのライブラリ。
• numpy: 数値計算やデータ分析を高速に行うためのライブラリ。
• openai: ChatGPT APIをPythonから簡単に利用するための公式ライブラリ。
• requests: 証券会社APIやニュースAPIなど、様々なWeb APIと通信するためのライブラリ。

3-3. ステップ3：データ取得と戦略構築

ここからがコーディングの本番です。システムの「心臓部」を作っていきます。

3-3-1. 証券会社APIを使い株価データ（四本値）を取得するPythonコード例

証券会社のAPIドキュメントを参考に、特定の銘柄の株価データ（始値・高値・安値・終値）を取得するコードを書きます。

import requests
import pandas as pd

# (証券会社のAPI仕様に沿った認証やリクエスト処理)
# 以下はあくまでイメージです
response = requests.get('https://api.example-sec.com/v1/stock/7203/daily', headers={'Authorization': 'Bearer YOUR_API_KEY'})
data = response.json()

# 取得したデータをPandasのDataFrameに変換
df = pd.DataFrame(data['prices'])
print(df.head())

3-3-2. 外部APIからニュースを取得する方法

ニュース配信APIサービスを利用するか、各金融メディアが提供するRSSフィードを定期的にチェックすることで、分析対象のテキストデータを取得します。

3-3-3. ChatGPT APIに分析を指示するプロンプトエンジニアリング

取得したニューステキストを、前章で解説したようなプロンプトに組み込み、ChatGPTに分析させます。

import openai

openai.api_key = 'YOUR_OPENAI_API_KEY'
news_text = "（ここに取得したニュース記事のテキスト）"

response = openai.chat.completions.create(
    model="gpt-4o",
    messages=[
        {"role": "system", "content": "あなたは一流の金融アナリストです。"},
        {"role": "user", "content": f"以下のニュースを分析し、センチメントを-1.0から+1.0でスコアリングしてください。記事：{news_text}"}
    ]
)
sentiment_score = response.choices[0].message.content
print(f"センチメントスコア: {sentiment_score}")

3-4. ステップ4：売買注文の実行

【警告】このステップはあなたの資産に直接影響します。必ずデモ口座で十分なテストを行い、本番環境では最小単元（1株）から慎重に始めてください。

3-4-1. 証券会社APIを叩いて成行・指値注文を出すコード例

ステップ3で生成された売買シグナル（’BUY’など）をトリガーに、証券会社APIへ発注命令を送ります。

def place_order(signal, stock_code, quantity):
    if signal == 'BUY':
        # (証券会社のAPI仕様に沿った発注処理)
        # 以下はあくまでイメージです
        payload = {'symbol': stock_code, 'qty': quantity, 'side': 'buy', 'type': 'market'}
        response = requests.post('https://api.example-sec.com/v1/orders', json=payload, headers={'Authorization': 'Bearer YOUR_API_KEY'})
        print(f"発注結果: {response.json()}")

# シグナルに基づき発注
if final_signal == 'BUY':
    place_order('BUY', '7203', 100) # トヨタ自動車を100株、成行で買い

3-4-2. 誤発注を防ぐためのエラーハンドリングとログ出力の実装

システムが予期せぬエラーで停止したり、暴走したりするのを防ぐ仕組みは必須です。

• エラーハンドリング: try-except構文を使い、API通信の失敗やデータ形式のエラーが発生しても、プログラムが異常終了しないようにします。
• ログ出力: loggingライブラリを使い、「いつ、どの銘柄を、なぜ、いくらで売買したか」という全記録や、発生したエラーをファイルに書き出します。これが後の分析と改善の生命線になります。

3-5. ステップ5：バックテストとデモ取引

システムが完成したら、いよいよ性能テストです。これなくして本番稼働はありえません。

3-5-1. 過去10年間のデータで戦略の有効性を検証する（バックテスト）

バックテストとは、構築した売買戦略が「過去の市場で通用したのか」をシミュレーションすることです。これにより、その戦略の期待リターン、リスク（最大下落率など）、勝率を客観的に評価できます。

3-5-2. backtesting.pyライブラリの活用方法

backtesting.pyは、Pythonで手軽にバックテストを実装できる人気のライブラリです。過去の株価データを読み込ませ、あなたの売買戦略を定義するだけで、詳細なパフォーマンスレポートを自動で生成してくれます。

from backtesting import Backtest, Strategy

class MyChatGptStrategy(Strategy):
    def init(self):
        # 戦略の初期化
        pass
    def next(self):
        # ここに売買ロジックを記述
        if self.chatgpt_signal == 'BUY':
             self.buy()
        elif self.chatgpt_signal == 'SELL':
             self.sell()

# バックテストを実行
bt = Backtest(historical_data, MyChatGptStrategy, cash=1_000_000)
stats = bt.run()
print(stats)
bt.plot()

3-5-3. 証券会社が提供するデモ環境で本番さながらのテストを行う

バックテストで良好な結果が出たら、最後のステップとして、証券会社が提供するデモ（シミュレーション）環境でシステムを動かします。これは、仮想のお金を使い、リアルタイムの市場で取引のテストを行うものです。APIの接続や注文処理が意図通りに動くか、本番と全く同じ環境で最終確認します。