序文：シグナル単体がダメなら、AIで選別すればいいのでは？

このシリーズでは、当ラボが実際に検証して**ボツにした「投資の常識」**を、検証条件と数値ごと公開している。前回（ボツ検証 #1）では、ゴールデンクロスで買いデッドクロスで売るという定番ルールが「買って持ち続ける」に勝てないことを確認した。

そこで当然、次の疑問が浮かぶ。「シグナル単体では弱くても、AIで良い場面だけを選別すれば勝てるのではないか？」

実はこの発想には名前がついている。メタラベリング——ルールが売買の「候補」を出し、機械学習モデルがその候補に「乗るか・見送るか」のラベルを付ける2段構えの枠組みで、ヘッジファンドの世界でも使われる王道の手法だ。今回はこれを約21年分のデータで本気で検証した結果を公開する。

先に結論を言うと、**AIの改善効果そのものは米国株で「統計的に本物」と判定された。それでもボツになった。**その理由にこそ、この検証の一番の学びがある。

⚠️ 先にお断り：本記事は特定の売買を推奨するものではなく、当ラボの検証環境における過去データの分析結果です。将来の成果を保証するものではありません。

📖 まず用語の説明（この記事を読むのに必要な知識はこれだけ）

🧪 検証の仕組み：ルールが候補を出し、AIが選別する

仕組みは2段階になっている。

• ステップ1: 定番の買いシグナル4種が「候補」を出す
  • 3連騰——3日連続で株価が上昇した
  • 押し目——直近25日の平均価格より5%以上安くなった（下がったところを拾う）
  • ゴールデンクロス——直近10営業日以内に発生した
  • モメンタム上位——直近1ヶ月の上昇率が全銘柄の上位20%に入った（勢いに乗る）
• ステップ2: AI（過去データで学習した機械学習モデル）が候補を1件ずつ見て「買う/見送る」を判定する

検証の条件

比べたのは次の2通りだ。

1. ルール通り全部買う——シグナルが点灯した候補を無条件で全部買う
2. AIが選んで買う——AIが「勝てそう」と判定した候補だけ買う（採用率は日米とも約半分）

なお、検証対象は「現在の主要銘柄」を過去にさかのぼる方式のため、途中で上場廃止になった銘柄は含まれない（生存者バイアス）。ただし比較相手の「市場平均」も同じ銘柄群で計算しているため、シグナルの優劣という相対比較への影響は限定的だ。

📊 結果①：21年の集計——AIで選んでも市場平均に届かない

数字は「市場平均と比べて毎月どれだけ上か下か」の中央値を年率に換算したものだ。

まず土台の事実。定番シグナル4種が選ぶ銘柄群は、21年を通して市場平均に負けていた。「シグナルが点灯した銘柄だけを買う」という発想自体が、コスト込みの月次リターンでは市場平均を下回る。

そのうえで、今回一番おもしろい結果はこれだ。

**米国株では、AIによる改善効果（AI選別と全部買いの差、月あたり+0.14%）が、21年・258回の検証で「偶然の範囲」を明確に超えた（p値=0.011）。**AIは傷んだ候補群の中から、比較的マシなものを選ぶ仕事を確かにしていた。

**それでもボツである。**理由は2つ。

1. 改善してもなお市場平均に届かない（年−0.5%）。傷んだ食材の中から比較的マシなものを選んでも、良い料理にはならない
2. 日本株では同じ改善効果が偶然の範囲を出なかった（p値=0.244）。市場をまたいで再現しない効果は、当ラボの基準では採用できない

📊 結果②：年別の推移（21年分・全公開）

集計値だけでは実態が見えないので、年ごとの成績推移を全部見せる。数字は「その年の各月に、市場平均と比べてどれだけ上か下か」の中央値だ。

日本株（492銘柄）

米国株（500銘柄）

「ルール通り全部買う」が中央値プラスだった年は、日本株で21年中5回、米国株で7回程度。大半の年で、シグナル点灯銘柄は市場平均に負けている。

🔍 「効いた年」に法則はあるのか？——調べてみた

年別の表を眺めると、AIの選別がはっきり効いた年がある。ここに法則が隠れていないか——同じ疑問を持った読者のために、当ラボが調べた結果をそのまま書く。

日米そろってAIの選別が効いた年は、2009年・2010年・2016年。それぞれリーマンショック後・欧州危機後・チャイナショック後の**「暴落のあとの回復局面」**という共通点がある。暴落で株価がばらばらに売られた後は、良い銘柄と悪い銘柄の区別がつきやすくなり、選別が機能しやすい——という説明は筋が通る。

だが、この「法則候補」は採用まで届かなかった。理由は3つ。

1. 反例がある：2022年（世界的な金利ショックの年）は、日本ではAI選別が効いた（+0.282%）のに、米国では大きく逆効果だった（−0.761%）。市場をまたいで一貫しない。
2. 回数が少なすぎる：「暴落後の回復年」は21年間に3〜4回しかない。この回数では、本物の法則なのか偶然なのかを統計的に区別できない。
3. 後出しの区間選びは危険：21年を年単位で切れば、偶然だけでも「効いて見える区間」は必ず見つかる。効いた区間を後から選んで「ここでは有効」と言うのは、検証ではなく結果論だ。

もうひとつ、日本株で興味深い副作用が見つかった。2000年代のデータまでさかのぼって学習させると、直近の2025〜2026年の成績がかえって悪化した（学習期間が2014年以降だけの予備検証ではプラスだった年が、マイナスに転じた）。古い時代の値動きパターンは、現代の市場ではもう通用しない——過去データが多ければ多いほど良いとは限らないことを示す実例だ。

🤖 おまけ：AIは「押し目」を好み、「勢いへの飛び乗り」を嫌った

AIがどのシグナルの候補を採用したかの内訳。この傾向は21年を通して一貫していた。

過去データで学習したAIは、**「下がったところを拾う」候補を最も信用し、「直近の急騰に飛び乗る」候補を最も信用しなかった。**ただし繰り返すが、その押し目でさえ全体としては市場平均に勝てていない。

✅ では何が検証を通ったのか

同じ検証環境・同じ採用基準で、逆に生き残ったものがある。

興味深いのは、生き残ったランキングも今回ボツになった手法も、使っているAIの技術も株価データもほぼ同じということだ。違いは「シグナルで候補を絞ってから選ぶ」か「全銘柄をそのまま相対比較する」か、それだけ。**シグナルによる絞り込みという一手間が、むしろ成績を悪くしていた。**後者のランキングは当サイトのAI銘柄ランキングとして毎週更新している。

📌 まとめ

• 定番買いシグナル4種：21年・510回の検証で、シグナルが選ぶ候補群自体が市場平均に年1.9〜2.2%負ける（ボツ）
• AIによる選別（メタラベリング）：米国では改善効果が統計的に本物（p値=0.011）だったが、それでも市場平均に届かず、日本では再現しなかった（ボツ）
• 「効いた年」の共通点（暴落後の回復年）は見つかったが、反例と回数不足で法則としては採用できなかった
• AIに良い仕事をさせたいなら、候補を絞らせず全銘柄を相対比較させる方が成績が良かった
• 前回の検証: 「ゴールデンクロスで買えば勝てる」は本当か？【ボツ検証 #1】

次回のボツ検証では、「好決算の銘柄を決算発表後に買えばまだ間に合う」という常識（決算後の株価ドリフト）を検証した結果を公開する予定だ。

⚠️ 免責：本記事は情報提供を目的としたものであり、投資助言ではありません。バックテストは過去データに基づく検証であり、将来の運用成果を示唆・保証するものではありません。投資判断はご自身の責任で行ってください。