日本株トレードエンジンのエントリー判定はテクニカル分析75指標に基づくスコアリングで行っているが、テクニカルだけでは財務的に脆弱な銘柄を排除できない。好シグナルが出ても、決算後に急落するケースが繰り返し発生していた。
JS-E8施策では、J-Quants V2 /fins/summary の107フィールドから5軸の複合スコアを算出し、買いシグナルの quality_score にボーナス/ペナルティを適用する。財務健全な銘柄には加点、脆弱な銘柄には減点することで、勝率+2〜4%の改善を目指す。
テクニカル分析だけでは防げない損失
問題：決算後の急落
テクニカル指標が強い買いシグナルを出した銘柄が、翌日の決算発表で急落するケースがあった。
銘柄A: テクニカルスコア 8.5/10（強い買い）
→ 翌日決算で営業利益-30% → 株価-12%
→ 損切り発動、SL幅を超える損失
銘柄B: テクニカルスコア 7.2/10（買い）
→ 自己資本比率 15%、有利子負債過大
→ 金利上昇局面で急落 → 損切りテクニカル分析は「株価の動き」を見るが、「企業の体力」は見ない。
5軸ファンダメンタルスコアリング
設計思想
財務データの107フィールドから、銘柄の「質」を判定するのに最も有効な5軸を選定した。
ファンダメンタル複合スコア（0〜10）
│
┌──────┬──────┬──────┬──────┐
│ │ │ │ │
自己資本率 BPS成長 営業CF 配当予想 EPS成長
(安定性) (資産成長) (現金力) (還元) (収益成長)
0-2点 0-2点 0-2点 0-2点 0-2点5軸の詳細
| 軸 | 指標 | 計算方法 | 高評価基準 | 低評価基準 |
|---|---|---|---|---|
| 1 | 自己資本比率 | equity_to_asset_ratio | ≥50%: 2点 | <30%: 0点 |
| 2 | BPS成長率 | BPS(今期) / BPS(前期) - 1 | ≥10%: 2点 | <3%: 0点 |
| 3 | 営業CF | cash_flows_from_operating_activities | 正: 2点 | 負: 0点 |
| 4 | 配当予想 | forecast_dividend_per_share_annual | 正: 2点 | 0/未定: 0点 |
| 5 | EPS成長率 | EPS(今期) / EPS(前期) - 1 | ≥20%: 2点 | <5%: 0点 |
ランク判定とスコア調整
合計スコア → ランク → スコア調整
8-10点 → A → +0.5（ボーナス）
5-7点 → B → 0 （中立）
3-4点 → C → -0.5（ペナルティ）
0-2点 → D → -1.0（強ペナルティ）実装
コアクラス
# _jsTradingEngine/core/fundamental_scorer.py
@dataclass(frozen=True)
class FundamentalScore:
code: str
total_score: float # 0-10
rank: str # A/B/C/D
adjustment: float # スコア調整値
equity_ratio: float
bps_growth: float
operating_cf_positive: bool
dividend_positive: bool
eps_growth: float
class FundamentalScorer:
def __init__(self, config: FundamentalScorerConfig, db_conn):
self._config = config
self._db_conn = db_conn
self._cache: dict[str, FundamentalScore] = {}
def preload(self, trade_date: date, codes: list[str]) -> None:
"""対象銘柄の最新FY + 前年FYをDBから一括取得"""
query = """
SELECT code, fiscal_year,
equity_to_asset_ratio,
book_value_per_share,
cash_flows_from_operating_activities,
forecast_dividend_per_share_annual,
earning_per_share
FROM jquants_financials
WHERE code = ANY(%s)
AND disclosed_date <= %s
ORDER BY code, fiscal_year DESC
"""
rows = self._db_conn.execute(query, [codes, trade_date])
self._build_cache(rows)
def get_score_adjustment(self, code: str) -> float:
"""スコア調整値を返す（データなしなら0）"""
score = self._cache.get(code)
if score is None:
return 0.0
return score.adjustment
def _calculate_score(self, current_fy: dict, prev_fy: dict) -> FundamentalScore:
"""5軸スコアを計算"""
points = 0.0
# 軸1: 自己資本比率
equity_ratio = current_fy.get("equity_to_asset_ratio", 0)
if equity_ratio >= self._config.equity_ratio_thresholds[0]:
points += 2.0
elif equity_ratio >= self._config.equity_ratio_thresholds[1]:
points += 1.0
# 軸2: BPS成長率
bps_current = current_fy.get("book_value_per_share", 0)
bps_prev = prev_fy.get("book_value_per_share", 0)
bps_growth = (bps_current / bps_prev - 1) * 100 if bps_prev > 0 else 0
if bps_growth >= self._config.bps_growth_thresholds[0]:
points += 2.0
elif bps_growth >= self._config.bps_growth_thresholds[1]:
points += 1.0
# 軸3: 営業CF
op_cf = current_fy.get("cash_flows_from_operating_activities", 0)
op_cf_positive = op_cf > 0
if op_cf_positive:
points += 2.0
# 軸4: 配当予想
dividend = current_fy.get("forecast_dividend_per_share_annual", 0)
dividend_positive = dividend is not None and dividend > 0
if dividend_positive:
points += 2.0
# 軸5: EPS成長率
eps_current = current_fy.get("earning_per_share", 0)
eps_prev = prev_fy.get("earning_per_share", 0)
eps_growth = (eps_current / eps_prev - 1) * 100 if eps_prev > 0 else 0
if eps_growth >= self._config.eps_growth_thresholds[0]:
points += 2.0
elif eps_growth >= self._config.eps_growth_thresholds[1]:
points += 1.0
# ランク判定
rank, adjustment = self._classify_rank(points)
return FundamentalScore(
code=current_fy["code"],
total_score=points,
rank=rank,
adjustment=adjustment,
equity_ratio=equity_ratio,
bps_growth=bps_growth,
operating_cf_positive=op_cf_positive,
dividend_positive=dividend_positive,
eps_growth=eps_growth,
)トレードエンジンへの統合
# _jsTradingEngine/core/trading_engine.py（統合部分）
class TradingEngine:
def __init__(self, config: TradingConfig):
# ... 既存の初期化 ...
if config.fundamental_scorer.enabled:
self._fundamental_scorer = FundamentalScorer(
config.fundamental_scorer, self._db_conn
)
def _evaluate_signal(self, signal: TradeSignal) -> float:
"""シグナル評価（ファンダメンタルスコア適用）"""
score = signal.quality_score
# ファンダメンタル調整
if self._fundamental_scorer is not None:
adjustment = self._fundamental_scorer.get_score_adjustment(signal.code)
score += adjustment
if adjustment != 0:
logger.info(
f"[JS-E8] {signal.code}: "
f"fundamental adjustment={adjustment:+.1f}, "
f"score {signal.quality_score:.1f} -> {score:.1f}"
)
return scoreパラメータ設計
{
"fundamental_scorer": {
"enabled": false,
"filter_mode": "penalty",
"equity_ratio_thresholds": [50, 30],
"bps_growth_thresholds": [10, 3],
"operating_cf_require_positive": true,
"dividend_require_positive": true,
"eps_growth_thresholds": [20, 5],
"rank_a_min_score": 8,
"rank_b_min_score": 5,
"rank_c_min_score": 3,
"bonus_rank_a": 0.5,
"penalty_rank_c": -0.5,
"penalty_rank_d": -1.0,
"always_allow_if_no_data": true
}
}always_allow_if_no_data: true は重要な設計判断。IPO直後の銘柄など財務データが未取得の場合、ペナルティを適用せず通過させる。データ不足で機会損失を起こさないための安全弁。
テスト戦略
テスト構成（72テスト）:
├── 5軸個別計算テスト（25件）
│ ├── 自己資本比率の閾値境界テスト
│ ├── BPS成長率の計算精度テスト
│ ├── 営業CF符号判定テスト
│ ├── 配当予想のNone/0/正値テスト
│ └── EPS成長率の前年比計算テスト
├── ランク判定テスト（12件）
│ ├── 境界値テスト（7.9→B, 8.0→A）
│ └── 全ランクのスコア調整値テスト
├── preloadテスト（15件）
│ ├── 通常取得テスト
│ ├── 複数FYの最新選択テスト
│ ├── データ未存在銘柄のフォールバック
│ └── 大量銘柄（4300件）のパフォーマンス
├── 統合テスト（12件）
│ ├── TradingEngineとの統合
│ ├── enabled=falseで無影響の確認
│ └── 他フィルター（VWAP, PEAD等）との併用
└── 回帰テスト
└── 既存テスト全件PASS確認期待効果
| 指標 | Before | After（予測） |
|---|---|---|
| 勝率 | 48% | 50〜52%（+2〜4%） |
| ランクD銘柄の損失 | 発生 | 排除またはペナルティで回避 |
| 決算急落による損失 | 月1-2回 | 月0-1回 |
まとめ
-
テクニカル分析75指標に加え、財務データ5軸（自己資本比率・BPS成長・営業CF・配当・EPS成長）の複合スコアで銘柄の「質」を判定する。ランクA(+0.5)〜D(-1.0)のスコア調整により、財務脆弱銘柄への投資を構造的に抑制
-
J-Quants V2
/fins/summaryの107フィールドから必要な5フィールドを選定。preload()でセッション開始時にDB一括取得し、トレード中のDB負荷を排除する設計 -
enabled=falseデフォルト +always_allow_if_no_data=trueにより、後方互換性とIPO銘柄の機会損失回避を両立。NEW-04 PEADフィルターのGo/No-Go判定後に有効化予定
関連記事
- 【日本株】PEAD多軸サプライズ拡張：EPS単軸からEPS+売上高+営業利益の3軸判定へ
- 【日本株】VWAP乖離エントリーフィルター：「寄天」損失を構造的に排除する
- 【日本株】外国人投資家フロー連動フィルター：需給環境でエントリーを制御する