エンジナビ
AI × 日本株 ・ 自分で動かす比較ハブ

AIで株を分析する最新ツール比較【2026年版】ローカルLM・Claude Code・J-Quants

決算書・決算コールをAIに読ませて手がかりを探す。無料OSSから日本株データAPIまで、“自分で動かせる順”に中立整理。

ai-hedge-fund — local
$ python src/main.py --ticker 7203 --ollama --model qwen3:4b
最終更新: 2026-06-17比較件数: 6件編集部がこのPCで実走確認
比較ツール
18種
無料OSS＋公式API
自作コスト
¥0〜
ローカルLMなら課金ゼロ
日本株データ
J-Quants
JPX公式・無料枠あり
最終更新
2026.05
公式情報で再確認推奨

先に結論

まず無料で全体像を掴むなら、著名投資家を模した ai-hedge-fund をローカルLM（Ollama）で動かすのが最短。日本株でやるなら JPX公式の J-Quants API（無料プランで過去2年・約12週遅延の日次データ。分足/Tickは有料アドオン）にデータを差し替えるのが本命。決算文書を深く読ませる手法は MarketSenseAI 型、複数エージェントで議論させるなら TradingAgents、完全ローカル運用は FinGPT/FinRobot。いずれも研究・ペーパートレード用で、実弾化は最小ロット＋フォワード検証の後。

Compare

主要18ツール 横並び比較

種別・日本株対応・ローカルLM可否・用途・難易度・料金で一覧化。◎=得意/公式対応・○=対応・△=工夫すれば可・—=非対象。

ai-hedge-fund

無料OSS（米）

¥0
日本株
○ J-Quants差替で実走確認
ローカルLM
◎ Ollama/qwen3で確認
主な用途
著名投資家エージェントで分析＋バックテスト
難易度
低〜中

TradingAgents

無料OSS（米）

¥0
日本株
△ データ差替前提（要確認）
ローカルLM
◎ Ollama対応
主な用途
役割分担マルチエージェントで“議論”させる
難易度
中〜高

FinGPT

無料OSS

¥0
日本株
△ データ差替前提（要確認）
ローカルLM
◎ 完全ローカル/LoRA
主な用途
金融特化LLMをローカルで微調整
難易度
高（GPU/ML）

FinRobot

無料OSS

¥0
日本株
△ データ差替前提（要確認）
ローカルLM
○ ローカル/クラウド両対応
主な用途
財務分析ワークフローのエージェント化
難易度
中〜高

J-Quants API

公式API（JPX）

無料〜（Light¥1,650/Std¥3,300）
日本株
◎ 東証公式の一次データ
ローカルLM
— データ提供のみ
主な用途
日本株の株価・財務データ取得（OSSの土台）
難易度
低（APIキー）

FinRL

無料OSS（AI4Finance）

¥0
日本株
△ データ差替前提（要確認）
ローカルLM
—（深層強化学習）
主な用途
強化学習で売買戦略を学習・検証
難易度
高（ML/RL）

Qlib

無料OSS（Microsoft）

¥0
日本株
△ データ差替前提（要確認）
ローカルLM
—（ML基盤）
主な用途
機械学習で予測する量的投資プラットフォーム
難易度
高

OpenBB

無料OSS

¥0〜
日本株
○ 一部データ対応（要確認）
ローカルLM
○ LLM連携可
主な用途
投資リサーチ端末・データ集約
難易度
中

QuantConnect / LEAN

OSS＋クラウド

無料〜従量
日本株
○ データ対応（要確認）
ローカルLM
—（クラウド実行）
主な用途
アルゴ取引エンジン・MCP連携でClaudeから操作
難易度
中〜高

backtrader

無料OSS（ライブラリ）

¥0
日本株
○ データ次第
ローカルLM
—
主な用途
Pythonでバックテストを書く定番
難易度
中

Backtesting.py

無料OSS（ライブラリ）

¥0
日本株
○ データ次第
ローカルLM
—
主な用途
軽量・最小構成のバックテスト
難易度
低〜中

vectorbt

無料OSS（ライブラリ）

¥0（有料版あり）
日本株
○ データ次第
ローカルLM
—
主な用途
高速ベクトル化バックテスト・分析
難易度
中〜高

nautilus_trader

無料OSS

¥0
日本株
○ データ次第
ローカルLM
—
主な用途
本格的なアルゴ/高頻度取引基盤
難易度
高

FinanceToolkit

無料OSS（ライブラリ）

¥0
日本株
○ データ次第
ローカルLM
—
主な用途
財務指標・比率を一括計算
難易度
低〜中

TA-Lib / pandas-ta

無料OSS（ライブラリ）

¥0
日本株
○ 価格データに適用
ローカルLM
—
主な用途
テクニカル指標の計算
難易度
低

yfinance

無料OSS（ライブラリ）

¥0
日本株
△ 主に米国データ
ローカルLM
—
主な用途
株価データ取得（主に米国株）
難易度
低

FinMem / FinAgent

研究OSS

¥0
日本株
△ データ差替前提（要確認）
ローカルLM
◎ LLMエージェント
主な用途
記憶付きLLMで売買判断（研究段階）
難易度
高

MarketSenseAI

手法/サービス（要確認）

要確認
日本株
—
ローカルLM
○ LLM＋RAG
主な用途
決算文書をRAG+LLMで深読みする手法
難易度
中

※ 各公式リポジトリ/公式情報＋編集部の実走確認（2026年5月時点）。スター数・対応範囲・料金は変動するため、導入前に各公式で最新を確認してください。自社教材（AI決算分析キット）はPR・買切¥1,980〜の予定です。

Quick Pick

あなたはどれ？ 早見

目的が決まっているなら、ここから選ぶのが最短です。

まず無料で全体像を掴みたい
ai-hedge-fund
著名投資家エージェント＋バックテストが入っていて、Ollamaで¥0から動く
日本株でやりたい
J-Quants ＋ ai-hedge-fund
JPX公式データを土台に、OSSのデータ取得部を差し替える
データを外に出したくない／GPUがある
FinGPT（＋FinRobot）
完全ローカルで微調整・運用でき、情報漏れと課金に強い
“議論して決める”高度な構成を試したい
TradingAgents
ファンダ/テクニカル/リスク等を役割分担して合議させる
環境構築でつまずきたくない
AI決算分析キット（自社教材）
環境構築〜J-Quants接続〜決算スコアリングまでの再現手順（買切）

AI株分析ツールの選び方

1

まず“無料OSS＋ローカルLM”で動かせるか（API課金で溶かさない）

2

日本株か米国株か（日本株は J-Quants、米国株は各OSS既定のデータ源）

3

自分のPC/GPUで完結させたいか（情報漏れ・コスト面でローカルLMが有利）

4

Claude Code / Codex から実装・バックテストまで回せるか（MCP対応）

5

“研究用”か“実弾用”か。著名OSSの多くは作者自身が実弾非推奨と明記している

この記事の信頼性

価格・機能・運営方針を、比較前に明記します。

各ツールの機能・無料/有料・ローカル可否は、2026年5月時点の公式リポジトリ/公式サイトの公開情報をもとに中立に整理しています。スター数や実績数値は変動するため、申込み・導入前に各公式で最新を確認してください。
本ページは特定銘柄の売買や投資成果を保証するものではありません。掲載ツールは分析・学習・検証のための道具であり、運用判断と結果は利用者に帰属します。
比較対象に当サイトの有料教材（note/Brain）が含まれる場合は、PR・自社である旨をページ内とフッター付近で開示します。証券口座・VPS等のリンクには広告（アフィリエイトプログラム）を含みます。
運営は匿名運営（NODE）です。個人名は掲載しません。

比較ランキング

  1. 1

    ai-hedge-fund (virattt)

    ★ 5/5

    ai-hedge-fund — 著名投資家エージェント＋バックテスト・無料OSS・ローカルLM可

    提供元: OSS（米）

    「AI投資の全体像を“無料で動かして掴む”最短ルート。まずこれ。」 — ナギ

    よいところ

    • バフェット/マンガー/バーリ等の思考を模したエージェント
    • バックテスト＋ペーパートレード内蔵
    • 13社LLM対応・ローカルモデル可

    弱点・注意点

    • README自身が実弾運用は非推奨と明記
    • 既定は米国株データ（日本株はJ-Quants差し替え要）
    ai-hedge-fund (virattt)を詳しく見る →公式サイトを見る
  2. 2

    TradingAgents (Tauric Research)

    ★ 5/5

    TradingAgents — 役割別マルチエージェントで“トレード会社”を再現・Ollama対応

    提供元: OSS（米）

    「“議論して決める”AIトレードの最前線。中級者向け。」 — ナギ

    よいところ

    • ファンダ/センチメント/テクニカル/トレーダー/リスクを分業
    • Ollamaでローカル運用可
    • 2026年に強化版 Trading-R1 を公開

    弱点・注意点

    • 構成が大きく学習コスト高め
    • 研究用途前提
    TradingAgents (Tauric Research)を詳しく見る →公式サイトを見る
  3. 3

    FinGPT (AI4Finance)

    ★ 4/5

    FinGPT — 完全ローカルの金融特化LLM・LoRA微調整・API課金ゼロ

    提供元: OSS（AI4Finance）

    「“ローカルLMで稼ぐ”の本体。データを外に出したくない人向け。」 — ナギ

    よいところ

    • Llama系を金融センチメントにLoRA微調整
    • 自前GPUで運用＝コスト/情報漏れに強い
    • FinRobot（エージェント基盤）と併用可

    弱点・注意点

    • GPU環境と機械学習の前提知識が要る
    • 単体は分析寄り（売買執行は別途）
    FinGPT (AI4Finance)を詳しく見る →公式サイトを見る
  4. 4

    FinRobot (AI4Finance)

    ★ 4/5

    FinRobot — FinGPT上のAIエージェント基盤・財務分析を自動化

    提供元: OSS（AI4Finance）

    「FinGPTを“分析作業の流れ”に落とすなら見る候補。」 — ナギ

    よいところ

    • 分析ワークフローをエージェント化
    • ローカルLM/クラウド両対応
    • 研究機関発で更新が活発

    弱点・注意点

    • 導入はやや手間
    • 実運用は自前で設計が必要
    FinRobot (AI4Finance)を詳しく見る →公式サイトを見る
  5. 5

    J-Quants API (JPX)

    ★ 5/5

    J-Quants API — 東証公式・日本株の一次データ・無料で過去2年・2026年から分足/Tick

    提供元: JPX公式

    「日本株でAIをやるなら、ここが土台。OSSのデータ取得部をこれに差し替える。」 — ナギ

    よいところ

    • JPX公式で信頼性が高い
    • 無料プランで過去2年・有料で範囲拡張
    • 2026年1月から分足・Tick・CSV対応／MCP・生成AIから取得可

    弱点・注意点

    • データ提供のみ（戦略・LLMは自分で組む）
    • アフィリ報酬なし＝純粋に中立紹介
    J-Quants API (JPX)を詳しく見る →公式サイトを見る
  6. 6

    （自社）AI決算分析キット（有料note/Brain）

    ★ 5/5自社サービス

    AI決算分析キット — ローカルLM×Claude Code×J-Quantsで決算評価AIを作る完全手順（買切）

    提供元: 自社教材

    「上の無料OSSを“日本株で動かす”ところまでを一気に短縮する自社教材。」 — ナギ

    よいところ

    • 環境構築〜J-Quants接続〜決算スコアリングまで再現手順
    • コピペ可能なプロンプト/コード
    • つまずき所（課金/過剰最適化）を回避

    弱点・注意点

    • 実装は各自の環境差あり
    • 売買成果を保証しない教材
    表示: 買切 ¥1,980〜¥4,980（想定）
    （自社）AI決算分析キット（有料note/Brain）を詳しく見る →公式サイトを見る
Cost

いくらで自作できる？ 月額コスト試算

同じツールでも「どこまでクラウドLMに頼るか」で費用は大きく変わります。3パターンで整理しました。

完全ローカル

おすすめ

月 ¥0

Ollama＋qwen3 等のローカルLMで推論、ai-hedge-fund などのOSSは無料、データは J-Quants 無料枠（過去2年・約12週遅延）。API課金ゼロで一通り動かせる。

  • ローカルLM（Ollama＋qwen3:4b 等）= ¥0
  • OSS本体（ai-hedge-fund/TradingAgents 等）= ¥0
  • J-Quants 無料プラン（過去2年・12週遅延）= ¥0

GPUが無くてもCPUで動くが、1銘柄でも数分かかることがある。

ハイブリッド

月 ¥0〜3,300目安

普段はローカルLMで回し、決算文書の要約など要所だけ高性能クラウドLMを従量で使う。直近データが要るなら J-Quants 有料プランで遅延を縮める。

  • ローカルLM中心＋クラウドLMは要所のみ（従量・変動）
  • J-Quants Light ¥1,650／Standard ¥3,300（公式・要確認）
  • VPSで24h常駐するなら別途VPS代

「全部クラウドLM」にしないのがコストを抑える要点。

クラウド全振り

従量（膨らみやすい）

全銘柄・全文書を高性能クラウドLMで処理する構成。手軽で速いが、銘柄数×文書量で課金が一気に増える。コスト上限の設定を必ず。

  • クラウドLM API＝処理量に比例して従量課金
  • 大量スクリーニングは特に高額化しやすい
  • 費用対効果はローカル/ハイブリッドと必ず比較

「毎日全銘柄をAIに読ませる」は課金事故の典型。上限設定を。

※ 価格は各公式・2026年5月時点の目安です。J-Quants の料金やクラウドLMの従量単価は変動するため、申込み前に各公式で最新を確認してください。

Recipes

そのまま使える再現コマンド集

編集部が実際にこのPC（Windows）で動かして確認した手順です（2026年5月時点）。上から順にコピペで「無料の株分析ボット」が立ち上がります。

① ai-hedge-fund を入れる

著名投資家を模したエージェントで株を分析する無料OSS。仮想環境を作って導入する。

ai-hedge-fund を入れる
git clone https://github.com/virattt/ai-hedge-fund
cd ai-hedge-fund
python -m venv .venv
.venv\Scripts\pip install -e .

② ローカルLM（Ollama）を準備

Ollama をインストール後、軽量モデルを取得。これでAPI課金なしに推論できる。

ローカルLM（Ollama）を準備
ollama pull qwen3:4b

③ 米国株をローカルLMで分析

PYTHONUTF8=1 はWindowsの文字化け対策で必須。analysts は著名投資家エージェント名。

米国株をローカルLMで分析
set PYTHONUTF8=1
.venv\Scripts\python src/main.py --ticker AAPL --analysts michael_burry --ollama --model qwen3:4b

④ 日本株（J-Quants）で分析

4〜5桁の証券コード（例: トヨタ 7203）を渡す。価格系の technical_analyst が日本株で動く。

日本株（J-Quants）で分析
set PYTHONUTF8=1
.venv\Scripts\python src/main.py --ticker 7203 --analysts technical_analyst --ollama --model qwen3:4b --start-date 2025-03-03 --end-date 2025-08-29

⑤ J-Quants v2 で株価を直接取得

JPX公式の日本株データAPI。認証は x-api-key ヘッダにキーを直接。<YOUR_KEY> は自分のキーに置き換え。

J-Quants v2 で株価を直接取得
curl -H "x-api-key: <YOUR_KEY>" \
  "https://api.jquants.com/v2/equities/bars/daily?code=7203&from=2025-03-01&to=2025-08-31"

※ OSSの仕様・引数は更新で変わることがあります。エラー時は下の「よくある失敗と解決」を参照してください。投資は自己責任で、まずはペーパートレードから。

Real Output

編集部の実走サンプル出力

実際にこのPCで ai-hedge-fund を走らせた結果です（ローカルLM・API課金¥0）。AIの出力は分析の手がかりで、投資判断・成果を保証するものではありません。

米国株BEARISH

AAPL（Apple）

エージェント
Michael Burry エージェント
モデル
ローカル qwen3:4b（Ollama・API課金¥0）
確信度
確信度 75%
AIの出力例: HOLD（見送り）※ ツールの出力例であり、売買の推奨ではありません
日本株BULLISH

7203（トヨタ自動車）

エージェント
Technical Analyst（テクニカル）
モデル
ローカル qwen3:4b ＋ J-Quants（2025-03-03〜08-29）
確信度
確信度 43%（ADX 31.2 / RSI 60 等）
AIの出力例: BUY 4株※ ツールの出力例であり、売買の推奨ではありません
Troubleshoot

よくある失敗と解決（実機でハマった3つ）

実際に詰まったポイントと、その場で効いた対処です。同じ環境（Windows＋ローカルLM）で再現性を確認済み。

症状1：--model と --ollama を指定したのに「クラウド扱い」になる／ベンダー誤検知（qwen3 が Alibaba クラウド判定）

解決：src/cli/input.py の select_model で、--ollama 指定時は provider を OLLAMA に強制する1行を足す。これでローカル推論に固定される。

症状2：Windows で UnicodeEncodeError: 'cp932' が出て止まる

解決：実行前に環境変数 PYTHONUTF8=1 を設定する（cmd: set PYTHONUTF8=1／PowerShell: $env:PYTHONUTF8=1）。日本語出力の文字化け・例外を回避できる。

症状3：--model に渡した名前が通らない／モデルが見つからない

解決：--model はアプリが対応するモデル名のみ有効（src/llm/ollama_models.json の qwen3:4b / gemma3:4b 等）。一覧外の名前は弾かれる。

Brokers

AIで株分析するなら、どのネット証券？

「データの取りやすさ・米国株対応・分析ツール」の観点で主要ネット証券を中立比較。手数料等は変動するため、各公式で最新をご確認ください（投資にはリスクがあります）。

DMM株

米国株 ○

日米株を1つの口座・アプリで。シンプルで初学者向き

向き：日本株と米国株を1画面でまとめたい人

口座開設(PR) →

SBI証券

米国株 ◎

取扱が幅広く、株価・4本値など分析の素材を集めやすい総合口座

向き：メイン口座として総合力で選びたい人

公式サイト →

楽天証券

米国株 ○

MarketSpeed等の分析ツール。楽天経済圏との連携

向き：楽天経済圏・ツールでまとめたい人

公式サイト →

マネックス証券

米国株 ◎

米国株の取扱銘柄が多く、銘柄スカウター等の分析情報が手厚い

向き：米国株の分析情報を重視する人

公式サイト →

松井証券

米国株 ○

サポート・少額からの始めやすさ。日本株中心の人に

向き：少額・サポート重視で日本株から始める人

公式サイト →

※ ◎＝取扱・分析素材が特に充実／○＝対応。手数料・取扱商品・キャンペーンは変動します。口座開設や投資のご判断は各公式の最新情報をご確認のうえ、自己責任でお願いします（一部リンクはPR）。

投資にあたっての注意・運営方針（必ずお読みください）

  • ・株式・投資信託・FX・暗号資産・CFD等の金融商品は元本割れの可能性があり、手数料・為替スプレッド・金利等のコストがかかります。
  • ・本ページは特定の銘柄・口座開設をすすめるもの、利益や運用成果を保証するものではありません。「必ず儲かる」といった断定はしません。最終的な投資判断はご自身の責任で、各社公式の最新情報をご確認のうえ行ってください。
  • ・AIツールの出力（売買シグナル等）はあくまで参考情報で、その通りの結果を保証しません。

運営：NODE TOKYO（屋号）／編集：ナギ（IT・データ分析の実務目線で、実際に動かして確かめた範囲を書いています）。

出典主義：数値・制度・提供範囲は各社公式／金融庁／取引所の一次情報を根拠とし、変動するため掲載前に再確認しています（→「出典・公式リンク」参照）。

広告の開示：本ページには広告（アフィリエイトプログラム）を含むリンクがあります（PR表記）。対価で評価順位を変えることはしません。

比較軸ごとの深掘り

無料で始めたい

ai-hedge-fund / TradingAgents / FinGPT は無料OSS。ローカルLM（Ollama＋Llama系）ならAPI課金もゼロ。まずここから。

日本株でやりたい

JPX公式 J-Quants API が一次データ源。無料プランで過去2年・約12週遅延の日次データが使える。分足・Tickは Light以上＋有料アドオン（料金は公式要確認）。OSSのデータ取得部を差し替える。

決算を深く読ませたい

MarketSenseAI 型（10-K/10-Qの脚注や決算コールのトーンまでRAG+LLMで読む）。決算文書の要点抽出を自動化する考え方で、運用成果を保証するものではありません。

Claude Codeで実装まで

QuantConnect MCP / Quant-Investing MCP を繋ぐと、Claudeからバックテスト・スクリーニングまで会話で回せる。実装はCodexに任せると速い。

用語・基礎解説

ローカルLM

自分のPC/GPUで動かす大規模言語モデル（Ollama＋Llama系など）。API課金なし・データを外部送信しないのが利点。

J-Quants API

東京証券取引所(JPX)グループ公式の個人向けデータAPI。株価・財務・銘柄一覧などを取得できる。

RAG

検索拡張生成。決算書など大量文書をLLMに“参照させて”回答精度を上げる手法。決算分析の中核。

バックテスト

過去データで戦略を検証すること。良い結果が出ても本番（フォワード）で同じとは限らない点に注意。

ペーパートレード

仮想資金での模擬売買。実弾化の前に必ず通すべき検証段階。

よくある失敗・後悔

1

バックテストの数字を信じて実弾化する

過剰最適化で“過去だけ勝つ”戦略は本番で崩れる。著名OSSも実弾非推奨を明記。最小ロット＋数週間のフォワード検証を必ず挟む。

2

従量APIで生成を回し続けて課金が膨らむ

大量の銘柄・文書をクラウドAPIで処理するとコストが嵩む。ローカルLM（Ollama）に寄せると課金ゼロ。

3

高レバレッジで“毎日いくら”を狙う

少額×レバ×毎日ノルマは破産の典型。AIツールは判断補助であって、無リスクの自動収益機ではない。

4

海外データ前提のOSSをそのまま日本株に使う

多くのOSSは米国データ既定。日本株は J-Quants にデータ取得部を差し替える前提で設計する。

よくある質問

プログラミング初心者でも動かせますか？

Claude Code や Codex に手順を任せれば、OSSのセットアップやデータ取得コードはかなり自動化できます。まずは無料OSS＋ペーパートレードから始めるのが安全です。

ローカルLMとクラウドAPI、どちらが良いですか？

コストと情報管理を重視するならローカルLM（Ollama）。精度や手軽さ重視なら高性能クラウドモデル。多くのOSSは両対応で後から切替できます。

日本株のデータはどこから取りますか？

JPX公式の J-Quants API が定番です。無料プランで過去2年・約12週遅延の日次データが使えます。分足・TickはLight以上＋有料アドオン（料金は公式で要確認）。

これで必ず儲かりますか？

いいえ。掲載ツールは分析・検証の道具で、利益を保証しません。バックテストが良くても本番は別物です。実弾化は最小ロットで、フォワード検証の後に。

証券口座は必要ですか？

実際に売買・データ連携する段階では必要です。AI/API連携やデータ取得のしやすさで選ぶとよいでしょう（ページ下部に主要ネット証券を整理）。

一部に広告（PR）を含みます

動かすのに要るもの

ツール比較とは分けて掲載します。一部のリンクは広告（アフィリエイトプログラム）を含み、それ以外は公式URLです（提携承認しだい順次拡大）。

ネット証券

AI/API連携・データ取得しやすさを軸に、主要ネット証券を中立比較。実リンクはアクセストレード/A8等で取得後に差し替え。

VPS / GPUクラウド

ローカルLM検証や24h運用の置き場所。実リンクはA8/もしも等で取得後に差し替え。

書籍 / 講座

Python金融データ分析・機械学習株価系の学習導線。実リンクはAmazonアソシエイト/もしも/Udemy等で取得後に差し替え。

  • Amazon.co.jp

    書籍導線の公式プレースホルダ

  • Udemy

    講座導線の公式プレースホルダ

出典・公式リンク

数値・機能・提供範囲は変動するため、公開前に各公式で再確認してください。

開示: 当ページには自社教材（AI決算分析キット）を含みます。証券口座・VPS・書籍/講座リンクの一部には広告（アフィリエイトプログラム）を含みます（順次拡大）。売買推奨や投資成果の保証は行いません。