はじめまして。pykabu.com は、生成AI と Python を使って 日本株のデータを自分で分析できるようになる ことを目指す、入門者向けの学習サイトです。
このページでは、サイトの目的・想定読者・全体構成・おすすめの読み進め方を案内します。「自分が読むべき記事はどれか」がわかる地図として使ってください。
このサイトが目指していること
ひとことで言うと、
「生成AI を相棒にして、自分の手で日本株のデータを取得・分析・可視化できるようになる」
ことです。具体的には、
- データソース: J-Quants API(日本取引所グループ公式の株価・財務データAPI)
- 手を動かす道具: Python(無料・教材が豊富・株式分析の標準言語)
- コードを書く相棒: 生成AI(ChatGPT / Claude Code / GitHub Copilot / Codex など)
の3つを組み合わせ、最終的には 自分のウォッチリストを Python で分析できる ところまで導くのがゴールです。
想定している読者
次のいずれかに当てはまる方を強く想定しています。
- プログラミングの経験がない / 久しぶり:変数・関数といった言葉から解説します。
- 生成AI を使ったコーディングは初めて:プロンプトの書き方やレビューの仕方も記事にします。
- 株式分析は初心者:PER・ボラティリティといった用語から説明します。
「3つとも未経験」でも問題ありません。むしろそういう方に向けて記事を組み立てています。
ある程度プログラミングや株式分析の経験がある方も、たとえば以下のような目的で活用できます。
- 生成AI を使った効率の良いコード生成・レビューの 作法を知りたい
- J-Quants API の 使い方をひと通りまとめて確認したい
- pandas / Polars / TA-Lib / Streamlit を 手早く実例で押さえたい
サイトの全体マップ(全12カテゴリ)
記事は次の12カテゴリで整理されています。各カテゴリは独立して読めます。気になるところからどうぞ。
| # | カテゴリ | 内容 |
|---|---|---|
| 1 | はじめに・サイト案内 | このページや免責、用語集 |
| 2 | 環境構築 | Python / VSCode / Colab / API キー管理 |
| 3 | Python 基礎 | 変数・関数・例外処理など最低限 |
| 4 | データ分析ライブラリ | NumPy / pandas / Polars / 可視化 |
| 5 | 統計の基礎 | 平均・分散・相関・回帰・リターン |
| 6 | J-Quants API | 認証から株価・財務取得まで |
| 7 | 生成AI の使い方 | プロンプト・レビュー・落とし穴 |
| 8 | ファンダメンタルズ分析 | PER / PBR / ROE / スクリーニング |
| 9 | テクニカル分析 | 移動平均・RSI・MACD・TA-Lib |
| 10 | 統計・定量分析 | ボラ・シャープ・MDD・データリーク防止 |
| 11 | 実践ケーススタディ | 「分析結果まで」通しで公開 |
| 12 | 可視化・ダッシュボード | Plotly 応用 / Streamlit |
カテゴリ 1 〜 7 が「準備と道具」、カテゴリ 8 〜 12 が「実際の分析」というイメージです。
おすすめの読み進め方
「全部読まないといけない」と感じる必要はありません。次の3つの読み方を用意しているので、自分の状況に近いものを選んでください。
A. ゼロから始める方(プログラミング・株式分析どちらも初心者)
- このページ(1-1)
- 必要なもの一式チェックリスト(1-3)で準備物を揃える
- Python のインストール(2-1 / 2-2)と venv で仮想環境(2-3)
- 生成AI で Python を書く・はじめの一歩(7-1)
- J-Quants API とは何か(6-1)→ アカウント登録(6-2)→ 認証(6-3)
- 株価データを取得する(6-5)
- pandas 入門(4-2)+ matplotlib 基本チャート(4-6)
- ここまで来たら、移動平均(9-2)や PER 計算(8-1)などお好きな分析へ
最初の「動いた!」体験までを、なるべく短い距離で踏めるよう順番を組んでいます。
B. プログラミング経験はあるが、株式分析が初めての方
- J-Quants API(カテゴリ 6)を一気に通読
- 統計の基礎(カテゴリ 5)から自分が弱い項目だけつまみ読み
- ファンダメンタルズ(カテゴリ 8)→ テクニカル(カテゴリ 9)→ 統計・定量(カテゴリ 10)
- 実践ケーススタディ(カテゴリ 11)で実データに当ててみる
- 余力があれば Streamlit でダッシュボード化(12-3 〜 12-6)
C. 株式分析の経験はあるが、Python・生成AI が初めての方
- 環境構築(カテゴリ 2)を上から順に
- Python 基礎(カテゴリ 3)を必要なところだけ
- 生成AI の使い方(カテゴリ 7)を全部 — ここが一番リターンが大きいはずです
- J-Quants API(カテゴリ 6)+ pandas(4-2 〜 4-5)
- 自分の分析手法を Python に翻訳する作業へ
記事の共通フォーマット
すべての記事は次の要素を含むよう書かれています。読み返すときの目印にしてください。
- 想定読者と前提知識:途中から読む場合、どこから戻ればいいかがわかります。
- 学べること:この記事のゴール。
- 使用するライブラリ / API:pip でインストールするものが先頭でわかります。
- コピペで動く Python コード:そのまま貼り付けて実行できます。
- 生成AI へのプロンプト例:同じコードを自分でも生成できるよう、プロンプトを公開します。
- 実行結果:チャート・数値・スクリーンショット。
- まとめと次に読む記事:次の一歩を案内します。
大切なお願い(免責)
本サイトの内容は 学習目的の解説 であり、特定の銘柄や手法の 売買を推奨するものではありません。
- 投資判断はご自身の責任において行ってください。
- 過去のデータ・バックテスト結果は将来の成果を保証しません。
- 記事中のコード例は教育目的のため、そのまま実取引に使うことを想定していません。
詳細は このサイトで学べること・学べないこと(1-2)もあわせてご一読ください。
次に読む記事
- 必要なもの一式チェックリスト(1-3) — まず手元に何を揃えるか
- J-Quants API とは何か(6-1) — 取得できるデータの全体像
- 生成AI で Python を書く・はじめの一歩(7-1) — 学習効率を一段上げる相棒の使い方
それでは、ゆっくり始めましょう。