ローソク足の読み方を Python で可視化 | 生成AIxPythonで始める株式分析|Python×J-Quants

ローソク足(candlestick)は、1 本で「ある期間の始値・高値・安値・終値」をまとめて表示できるテクニカル分析の基本図形です。本記事では、OHLC の意味、Python での描画方法、代表的な形状の読み方を順に整理します。

ローソク足が示す 4 つの値

ローソク足は OHLC(Open, High, Low, Close)を 1 つの図形で表します。

始値(Open): その期間の最初に付いた価格
高値(High): その期間の最高値
安値(Low): その期間の最安値
終値(Close): その期間の最後に付いた価格

太い箱状の部分を 実体(body)、上下の細い線を ヒゲ(shadow / wick) と呼びます。

実体の上下端は始値と終値
実体の上から伸びる線は高値、下から伸びる線は安値
終値が始値より高ければ陽線(慣例的に白・赤など)
終値が始値より低ければ陰線(慣例的に黒・青など)

色のルールはチャートツールごとに異なります。日本では「陽線=赤、陰線=青」が一般的、欧米では逆になることが多い点を覚えておくと混乱が減ります。

サンプルデータの準備

サンプルとして、ランダムウォークから OHLC を生成します。

1
import numpy as np
2
import pandas as pd
3

4
rng = np.random.default_rng(seed=7)
5
n = 60
6
# 日中の値動きを 4 本足っぽく組み立てる
7
returns = rng.normal(loc=0.0005, scale=0.012, size=n)
8
close = 1000 * np.exp(np.cumsum(returns))
9
open_ = np.concatenate([[1000.0], close[:-1]])  # 翌営業日の始値は前日終値近辺
10
intraday = rng.normal(scale=0.008, size=(n, 2))
11
high = np.maximum(open_, close) * (1 + np.abs(intraday[:, 0]))
12
low  = np.minimum(open_, close) * (1 - np.abs(intraday[:, 1]))
13
volume = rng.integers(100_000, 500_000, size=n)
14

15
ohlc = pd.DataFrame(
16
    {"O": open_, "H": high, "L": low, "C": close, "Vo": volume},
17
    index=pd.date_range("2026-02-02", periods=n, freq="B"),
18
)
19
print(ohlc.head())

mplfinance は列名 Open / High / Low / Close / Volume を要求します。J-Quants V2 の O/H/L/C/Vo から変換した DataFrame を渡します。

mplfinance で描画する

mplfinance は matplotlib をベースにした、ローソク足専用の描画ライブラリです。

pip install mplfinance

最小コードは次の通りです。mplfinance 用に列名を変換してから渡します。

1
import mplfinance as mpf
2

3
# mplfinance は Open/High/Low/Close/Volume を要求するため変換する
4
ohlc_mpf = ohlc.rename(
5
    columns={"O": "Open", "H": "High", "L": "Low", "C": "Close", "Vo": "Volume"}
6
)
7

8
mpf.plot(
9
    ohlc_mpf,
10
    type="candle",
11
    style="yahoo",
12
    volume=True,
13
    title="Sample Candlestick",
14
    figratio=(12, 6),
15
    savefig=dict(fname="candlestick.png", dpi=120),
16
)

type="candle" でローソク足
volume=True で下段に出来高
style="yahoo" は陽線が緑、陰線が赤の配色。charles などほかの style も選べる
savefig で画像出力

「日本式の赤=陽線、青=陰線」にしたい場合は、marketcolors を上書きしたカスタム style を作ります。

1
mc = mpf.make_marketcolors(up="red", down="blue", edge="inherit", wick="inherit", volume="gray")
2
jp_style = mpf.make_mpf_style(base_mpf_style="yahoo", marketcolors=mc)
3

4
mpf.plot(ohlc_mpf, type="candle", style=jp_style, volume=True, savefig="candle_jp.png")

matplotlib だけで描く場合

外部ライブラリを増やしたくない場合、matplotlib.patches.Rectangle で実体を、vlines でヒゲを描く方法もあります。

1
import matplotlib.pyplot as plt
2
from matplotlib.patches import Rectangle
3

4
fig, ax = plt.subplots(figsize=(10, 5))
5
for i, (idx, row) in enumerate(ohlc.iterrows()):
6
    color = "red" if row["C"] >= row["O"] else "blue"
7
    # ヒゲ
8
    ax.vlines(i, row["L"], row["H"], color=color, linewidth=1)
9
    # 実体
10
    bottom = min(row["O"], row["C"])
11
    height = abs(row["C"] - row["O"])
12
    ax.add_patch(Rectangle((i - 0.3, bottom), 0.6, height, color=color))
13

14
ax.set_xlim(-1, len(ohlc))
15
ax.set_xticks(range(0, len(ohlc), 5))
16
ax.set_xticklabels([d.strftime("%m-%d") for d in ohlc.index[::5]], rotation=45)
17
ax.set_title("Candlestick (matplotlib only)")
18
ax.grid(alpha=0.3)
19
plt.tight_layout()
20
plt.savefig("candlestick_raw.png", dpi=120)
21
plt.close(fig)

ライブラリ依存を抑えたいプロジェクトでは、この方法がメンテしやすくなります。

代表的な形状

名称	形	一般的な解釈
大陽線	長い実体・短いヒゲ(陽)	強い買い圧
大陰線	長い実体・短いヒゲ(陰)	強い売り圧
十字線(同時線)	実体がほぼ無い	均衡・転換の兆し
カラカサ	下ヒゲが長い小さな実体	安値圏で出ると反発の示唆
トウバ	上ヒゲが長い小さな実体	高値圏で出ると反落の示唆

形状の解釈は 単独で使うものではない 点が重要です。出来高・前後の流れ・他指標と合わせて読みます。

形状を機械的に判定する例

「実体が小さい」「上下ヒゲが長い」を数値で判定する単純な関数を書きます。

1
def classify(row: pd.Series, body_ratio: float = 0.1) -> str:
2
    rng = row["H"] - row["L"]
3
    if rng == 0:
4
        return "flat"
5
    body = abs(row["C"] - row["O"])
6
    upper = row["H"] - max(row["O"], row["C"])
7
    lower = min(row["O"], row["C"]) - row["L"]
8

9
    if body / rng < body_ratio:
10
        return "doji"
11
    if lower / rng > 0.6 and body / rng < 0.3:
12
        return "hammer"
13
    if upper / rng > 0.6 and body / rng < 0.3:
14
        return "shooting_star"
15
    return "normal"
16

17
ohlc["pattern"] = ohlc.apply(classify, axis=1)
18
print(ohlc["pattern"].value_counts())

「形が当てはまる」ことと「実際にトレンドが転換する」ことは別問題で、判定はあくまで観察の補助だと割り切ります。

注意点

ローソク足はあくまで要約: 1 本に圧縮した時点で、日中の細かい動きは失われている
時間軸の混同: 日足・週足・分足で見える形は変わる。同じ「カラカサ」でも日足と分足では意味が違う
特定の形 = 売買シグナルではない: 過去データに対する後付け解釈になりがちで、実運用ではシグナル化に慎重さが必要

生成AI へのプロンプト例

J-Quants 由来の DataFrame をそのまま mplfinance に流し込むラッパーを作る例です。

入力 DataFrame は次の構造です:
- columns: Date (datetime64), O, H, L, C, Vo
- 1 行 1 営業日

mplfinance を使って次の関数を作ってください。

def plot_candle(df, title: str, out_path: str) -> None:
    - 日付昇順に並び替え
    - O/H/L/C/Vo を Open/High/Low/Close/Volume に変換(mplfinance 要件)
    - Date を index にしてから mpf.plot を呼ぶ
    - style は「陽線=赤・陰線=青」の日本式カスタム
    - 下段に出来高を表示
    - PNG として out_path に保存

要件:
- pandas 2.2 / mplfinance 最新
- 例外: 列が欠けていれば ValueError
- import を含む 1 ファイルで完結

まとめ

ローソク足は 1 本で OHLC をまとめて表す
描画は mplfinance が手軽。配色をローカライズする場合は make_marketcolors を使う
matplotlib だけでも Rectangle + vlines で描ける
形状は単独では弱い手がかり。他の指標・出来高との組み合わせ で意味が増す

目次