株歴7年目の個人投資家が、毎晩の「決算短信コピペ地獄」をPythonで全自動化し、極上のネットキャッシュ株を拾い集めるまで

決算短信のコピペ地獄と、楽天証券の「物足りなさ」

株歴7年目を迎えた私がいま、個別の銘柄選定にどう向き合っているか。結論から言うと、すべて AI（Gemini）とPython に任せています。

理由はシンプルで、「圧倒的な時短」 になるからです。

AIやプログラムを導入する前、私の銘柄選定は泥臭い作業の連続でした。
夜な夜な証券会社の画面を開き、決算短信を一つひとつ開き、言い回しの長い言い訳やテンプレのような文面をかき分けながら、自分なりの仮説を立てて膨大な時間を溶かしていました。

「これ、本当に全部読む必要あるか？」

そう思いながら、IRBANKなどで過去の業績推移を一つひとつコピーしては、Excelに貼り付ける日々を何度も繰り返していました。

最後に立ちはだかった「楽天証券の壁」

私が本格的にプログラミングに手を付けた最大の理由は、「ネットキャッシュ比率」 です。

私が銘柄選定において絶対に外せない重要指標としているのがこのネットキャッシュ比率なのですが、普段愛用している楽天証券のスクリーニング機能にはこの項目が搭載されていません。

「無いなら、自分でコードを書いて抽出してやろう」

それが、この自動化システムを作るきっかけでした。

この記事であなたにお伝えすること

今回の記事では、単なるコードの自慢ではなく、個人投資家が実戦で使える仕組み作り に絞って解説します。

• これから個別株の銘柄選定にAIとPythonを取り入れてみたい

• 楽天証券をメインに使っているが、ネットキャッシュ比率や過去の業績を一括で比較・スクリーニングしたい

• AIとPythonを使ったことがなく、株の分析を試しにしてみたい初心者

無料部分だけでも、ご自身の環境でAIやプログラムを触るキッカケになるよう手順を公開しています。興味を持たれた方は、ぜひ次のステップへ進んでみてください。

【有料部分の最終目標】

1. 10年分の通期データを取得する

2. 最新のネットキャッシュ比率をプログラムで取得する

3. AIを使ってネットキャッシュという観点からバリュー株として優秀な銘柄を絞っていく

これは私が実際に行っているネットキャッシュ比率をプログラムで算出する方法なので、読み終える頃には、皆さんの銘柄選定作業にPythonやAIを用いた方法が使われるようになるかもしれません。

ネットキャッシュ比率とはなんぞや？という方向けのまとめ

「ネットキャッシュ比率」を簡単に言うと、「中に現金がたっぷり入っているお財布を、定価より安く買えるかどうか」 を測る指標です。

• 会社が持っている「実質的な現金」 ＝ お財布の中に入っている現金や換金しやすい預金などから、借金（負債）をぜんぶ差し引いたあとに残る純金（ネットキャッシュ）

• 今の会社の値段（時価総額） ＝ そのお財布を買うための「販売価格」

この「お財布の中身（ネットキャッシュ）」と「販売価格（時価総額）」を比べた割合がネットキャッシュ比率です。

📊 投資の世界ではどう見るの？

① 比率が「100%（1.0倍）」を超える場合（超お宝状態！）

お財布の中に「10億円」の現金が入っている会社なのに、なぜか市場でのトータルの値段（時価総額）が「8億円」しかついていない……という現象が起きます。これがネットキャッシュ比率が100%を超える状態です。

• 意味: 実質タダ、あるいはマイナスの値段でその会社丸ごとを買えるような、究極の超割安状態（ネットネット株）です。

② 下値がめちゃくちゃ堅い（安全性のクッション）

たとえその後に業績が少し悪化したり、世の中が不景気になったりしても、会社が山のようなキャッシュを抱えていれば、そう簡単には倒産しません。そのため、「株価がこれ以上は下に下がりづらいだろう」という強力な安全クッション（下値支持線）の役割を果たしてくれます。

🎯 個人投資家にとってのメリット

私たちのような個人投資家が、地味だけど実はめちゃくちゃ財務が健全で、かつ放置されている「隠れお宝バリュー株」を見つけ出すときに、このネットキャッシュ比率は最強の武器になってくれます。

⚠️ 最初に大切なご注意

本題に入る前に、一つだけお伝えしておかなければならないことがあります。

私の本業はプログラマーではありません。学生時代や職業としてパソコン関係にいた時期はありますが、プログラミング自体はほぼ独学です。

これをやったからといって「100%株で勝てる」わけではありません。投資の世界に絶対はありません。

この記事でご紹介するのは、「魔法の必勝法」ではありません。
「このやり方を取り入れれば、今あなたが毎日手作業で行っている分析の時間を、劇的に時短できるかもしれない」 という、実戦的な効率化のノウハウです。

そして、最初に書きますが、
「え？そんなのAIに直接、『おすすめの銘柄を10個挙げてよ』と聞けば簡単じゃん」と思われるかもしれません。

私はそれを疑問に思います。私がここ数年、いくつかのプログラムや銘柄を作ってみて、これでまともな銘柄が返ってきたことがないからです。
（いまは昔より優秀になってるかもしれませんが、要するに "私はそこまでAIが優秀だと思っていないからです"）

なのでここから進めていく内容にはところどころAIの使用感を話しますが、独断と偏見が結構混じってるかもしれません。「いや、それはAIの使い方が間違ってるよ」と思われるかもしれませんが、愚痴が混じってると考えてスルーしていただけると幸いです。

お試しのデータです。私自身でデータを用意しました。ご自由に使っていただいて大丈夫ですが、やはり出来たら自分で用意できた方がよいです

💡 コードの実行でつまずいてしまった方へ

もし途中でエラーが出たり、環境構築でつまずいてしまったりしても焦る必要はありません。

エラー文や分からないコードをそのまま Gemini などのAIに「このエラーの原因と対処法を教えて」と貼り付けて質問すれば、親切に教えてくれます。

私自身もプログラマーではなく独学で進めてきたため、今でもエラー対処はAIをフル活用しています。ぜひAIを「専属の助手」として頼りながら進めてみてください！

0. 事前準備：活用する主なツール

効率的な銘柄分析と自動化を行うために、以下のツールを組み合わせて使用しています。

• 楽天証券（マーケットスピード等）: 銘柄のスクリーニングおよびCSVデータ出力に使用。楽天証券のスクリーニング機能やお気に入り銘柄をCSV形式で保存することが可能です。そのような機能がない場合はエクセルに手打ちで銘柄名と銘柄コードを打ち込んだものを用意するでも良いと思います（※他社証券会社の場合はCSV出力機能の有無をご確認ください）

• スプレッドシート（Google スプレッドシート / Excel）: データの管理・加工用。

• Python ＆ Visual Studio Code: データの自動収集や処理を行うためのプログラミング環境。

• Gemini API / Gemini: アイデア出しや、業種・テーマの壁打ち相手としての「AI脳」。

• EDINET DB（edinetdb.jp）: 法定開示資料データを取得するためのAPIサービス。（※無料枠でも十分活用可能です、私は無料で困ってません「注意するところはありますので後ほど記載します」）

STEP 1：マクロな視点で「テーマ」と「業種」を絞り込む

私は銘柄を選定する際に、その業種が今後「向かい風なのか、追い風なのか」をまず調査します。

例として、今回（2026年10月時点）AIとの対話を通じて、以下の2大テーマを導き出しました。

① AI・半導体の次を狙う「物理インフラ」

データセンター（DC）の巨大化に伴うボトルネック（電力、冷却、通信）を解消する企業に実需が集中。

• 代表的な関連セクター: 送配電・変圧器、冷却システム、光ファイバー、発電設備、電気設備工事など

② AI利食い資金の受け皿「ニッチ専業・インフレ耐性」

AI相場の過熱感を警戒する資金の受け皿として、インフレに強く圧倒的なシェアを持つ中小・ニッチ企業に注目。

• 代表的な関連セクター: 資源・エネルギー・食料、ニッチな「その他製品」（ベッド、楽器、文具、釣り具など）

STEP 2：東証33業種から対象をピックアップ

ここからは楽天証券のスーパースクリーニング機能を使います。他の証券会社でも出来るかもしれませんが、そこはご自身の証券会社の機能に落とし込んでください
大事なことは最終的にそのスクリーニングしたデータがcsvにしてダウンロードできるかが、重要になります。楽天証券はそれが出来ます

上記のテーマに合致する銘柄が存在する東証33業種を、以下のように絞り込みました。グロース市場は避け、東証スタンダード市場の中小型株を中心に狙います。

【今回ピックアップした対象業種】

STEP 3：現実的な「スクリーニング条件」の設定

割安銘柄の厳格な条件（自己資本比率70%以上、PER8倍以下など）をそのまま適用すると、該当銘柄が10件程度まで絞られすぎてしまう場合があります。

そのため、無料のEDINET DBの制限（1回あたり100銘柄まで）や実際の利便性を考慮し、少し間口を広げた実践的な詳細検索条件に変更しました。

【実際のスクリーニング設定条件】

• PER（株価収益率）: 0.4倍 〜 15倍

• PBR（株価純資産倍率）: -67.9倍 〜 1.3倍

• 自己資本比率: 60% 〜 97.85%

• ROE（自己資本利益率）: 6% 〜 403.2%

この条件により、財務の安全性（自己資本比率60%以上）と適度な割安感・収益性を兼ね備えた銘柄群を効率よく網羅することができます。

STEP 4：CSV出力とデータ化

絞り込んだ銘柄リストは、楽天証券のスクリーニング機能等を使ってCSV形式で出力します。

出力したCSVデータを作業フォルダに入れてください。
ファイル名は分かりやすい名前に変えておくのがおすすめです。

💡 ワンポイントアドバイス
名前は変えなくても動きますが、後になって「これ何のCSVだっけ？」とならないように命名しておきましょう。（私はよく迷子になります）
私は `rakuten_screening_data.csv` という名前にしました。

STEP 5：EDINETコードリストの準備と「5桁コード」の罠

スクリーニングした銘柄データをプログラムで入手していくのですが、ここで一つ大きな壁にぶつかります。

なんと、通常の証券コード（4桁）のままでは、EDINETから情報を一括取得することができないのです。

各銘柄には「EDINETコード（例：E00000）」という専用の識別コードが割り振られており、CSVデータの中でそれぞれの銘柄にこのEDINETコードを紐付ける必要があります。

① EDINETコードリストのダウンロード

まずは、金融庁の公式サイトからEDINETコードのデータをダウンロードしましょう。

• EDINET公式サイト: https://disclosure2.edinet-fsa.go.jp/weee0010.aspx
  (※ページの下の方にダウンロードリンクがあります)

ダウンロードしたCSVをExcel等で開くと、様々な項目が並んでいます。
私は、分析に不要だと感じた以下の項目を思い切って削除しました。

• 削除した項目（一例）: 提出者種別 / 上場区分 / 連結の有無 / 資本金 / 決算日 / 提出者名（英字・ヨミ） / 所在地 / 提出者法人番号 など

最終的に、手元には以下の4つの項目だけを残します。

1. EDINETコード

2. 提出者名

3. 提出者業種

4. 証券コード

(※もちろん、ご自身の分析で必要だと思えば他の項目を残していただいても構いません！)

⚠️ またまた出た！「証券コード5桁」の罠

データを整えていて「また意味が分からないな……」と思ったのですが、ダウンロードしたリストの証券コードを見てください。

……なんと、5桁（末尾に「0」がついた状態） になっています。

私たちが普段使う日本の証券コードは4桁なので、このままだとプログラムや他のデータと綺麗に紐づきません。そのため、末尾の「0」を1文字削除する作業が必要です。

Excelを使う場合は、次のように処理すると一瞬で綺麗になります。

1. 隣の空き列に以下の関数を入力し、末尾1文字を切り落とす：

googleスプレッドシートの場合は

=LEFT(D2, LEN(D2)-1)

関数のままだと扱いづらいため、出力された4桁のコードをコピーし、元の場所へ 「値として貼り付け」 して固定する。

処理が完了したら、この整理したCSVデータを EdinetcodeDlInfo.csv という名前でPythonの作業フォルダに入れて準備完了です！

💡 ご注意

※本記事で紹介しているデータ形式は執筆時点の開示に基づきます。最新のコードリストは必ずEDINET公式サイトよりご確認ください。

STEP 6：VS CodeとPythonを準備して動かしてみよう！

プログラムを書く前に、まずはパソコンに「プログラムを書くためのメモ帳（VS Code）」と、「コードを動かすエンジン（Python本体）」を準備しましょう。

(※すでにインストール済みの場合はこのステップを飛ばしていただいて構いません！)

① Python本体をインストールする

まずは、プログラムを動かす「頭脳（エンジン）」をパソコンに入れます。

• Python公式サイト: https://www.python.org/downloads/ から最新のインストーラーをダウンロードします。

⚠️ 注意
私はここでも「あれ？結局どこからダウンロードすんの？なんかダウンロードできるところが多くない…？」と戸惑いました。そんな時は、公式サイトのページを丸ごとコピーしてGeminiに貼り付け、「結局どこからダウンロードすればいい？」と聞いてみるのがおすすめです。私は怖いので結構この手を使ってます！

ダウンロードしたファイルを実行してインストール画面を開きます。

【超重要】
最初のインストール画面の一番下にある 「Add python.exe to PATH」 というチェックボックスに必ずチェックを入れてから、「Install Now」をクリックしてください（これがないと後でプログラムが動きません！）。

② VS Codeをインストール＆日本語化する

次に、コードを書くための専用エディタ（VS Code）を入れます。

• VS Code公式サイト: 公式サイトからダウンロードし、画面の指示に従ってインストールします（基本は「次へ」でOKです）。

1. VS Codeを開いたら、画面左側にある四角いブロックのアイコン（拡張機能）をクリックします。

2. 検索窓に `Japanese` と入力し、「Japanese Language Pack」 をインストールして再起動すると、メニューが日本語になります。

3. さらに、同じ拡張機能の検索窓で `Python` と検索し、Microsoft公式の 「Python」拡張機能 もインストールしておきましょう。

③ 実際に「Hello World」を実行してみる！

環境が整ったら、実際にプログラムを動かしてみましょう。

1. パソコンのデスクトップなどに、何でも良いので新しいフォルダを作ります（例：`python_test`）。

2. VS Codeを開き、メニューの 「ファイル」 ＞ 「フォルダーを開く」 から、先ほど作ったフォルダを指定して開きます。

3. 画面左上の「新しいファイル」アイコンをクリックし、ファイル名を `test.py` にして保存します。

4. 開いたエディタ画面に、以下のコードをそのまま書き込みます。

print("Hello World")

画面の右上にある 再生ボタン（ ▶ みたいなマーク） をクリックするか、コード上で右クリックして「ターミナルでPythonファイルを実行」をクリックします。

下部の黒い画面（出力画面）に、

Hello World

と表示されたら成功です！おめでとうございます、これであなたもPythonプログラマーの仲間入りです！

こちらから有料記事になります