
AI支援型の投資プロセスは何から作るか
前回の記事では、「AIを使えば、個人投資家でも市場平均を超えられるのか」という問いを置きました。
▶︎ 前回の記事:AIを使えば、個人投資家でも市場平均を超えられるのか
その最後に、次は投資の目的と探索条件を決めると予告しました。そこでまず、目的をChatGPTに出させました。返ってきたのが、この一文です。
比較する相手があり、検証もできる。読んだときは、これを土台に進められそうだと思いました。
ところが、一つの場面を考えると成立しません。
AIを使って候補を探し、何件も投資したのに、すべてインデックスに負けたとします。それでも「超過収益機会があるかを探す」という作業は終わっています。
投資では負けた。それなのに、文章のうえでは目的を達成している。これは目的として使えません。
今回は、この目的案をどう点検したか。そして、AIを使って投資判断を行う一連の工程に、どんな問いを用意したか。読者の方が自分の投資方法を見直すときにも使える形でまとめます。
「探す」を目的にすると、全敗しても達成できてしまう
目的案を点検するために使ったのは、単純な反例です。
投資判断がすべて失敗した場合でも、この目的は達成したことになるか。
「探す」「検証する」「記録する」は、どれも必要な行動です。ただし、実行すれば終えられます。成果が出なくても達成できる文章は、目的ではなく、作業や運用ルールです。
同じ点検は、投資以外にも使えます。「改善に取り組む」「売上を伸ばす方法を探す」「新しい仕組みを検証する」。すべて失敗しても実行だけで達成になるなら、その文は目的の手前にあります。
私が最終的に残した目的は、次の一文です。
インデックスを継続的に上回れる投資判断の工程を、自分で回せる形で確立する。
「インデックスを」で、比較する相手を固定しました。「継続的に」で、一度の大当たりを除きます。「自分で回せる形で」としたのは、AIが一度だけ優れたレポートを書いても、目的達成にしないためです。
実際に回してもインデックスを上回れなければ、目的は未達です。それで構いません。未達になりえない目的では、作った仕組みが役に立ったかを判定できないからです。
目的を定めると、作るものも変わりました。必要なのは有望株の一覧ではありません。候補を見つけ、調べ、判断し、見直し、売却し、あとから成績を比べられる一続きの工程です。
58ページのDDQから、「投資戦略」と「投資プロセス」だけを使う
使ったのは、DDQです。Due Diligence Questionnaireの略で、日本語ではデューデリジェンス質問票と呼ばれます。
これは、機関投資家などが運用会社へ資金を預ける前に、運用方針や体制、リスク管理を確認するための質問票です。私が原文を確認したILPA DDQ 2.0は、全58ページ。質問は20区分に分かれていました。
ただし、そのまま個人投資へ持ち込めるわけではありません。
運用会社の組織、ファンドの契約条件、法務、共同投資など、個人が自分の投資工程を作る目的には合わない区分が大半です。20区分を一つずつ見た結果、転用価値が高いと判断したのは、次の二つでした。
第4区分「投資戦略」
第8区分「投資プロセス」
大事なのは、有名な枠組みを丸ごと採用することではありません。元の質問が何を確かめようとしているのかを保ったまま、自分の目的に使える問いだけを選ぶことです。
この選別をしなければ、立派な文書は作れても、実際の判断には使えません。
この二つの区分では、個別の投資対象を検討する前に、次のようなことを尋ねます。
どんな投資を扱い、何を最初から扱わないのか
候補をどこから見つけ、どう記録するのか
どこまで調べれば十分で、魅力を何で測るのか
どの作業を外部へ任せ、誰が最終承認するのか
何が起きたら自動的に検討を打ち切るのか
買った後に何を監視し、どんな基準で売るのか
DDQは、本来なら他人の運用を審査する道具です。私は質問の向きを変えました。自分が審査する側ではなく、答える側に回ります。
この向きの変更が効きました。
「自分なら何を買うか」から考えると、知っている企業や得意な分析から組み立ててしまいます。「他人へ資金を任せるなら何を確認するか」と問えば、候補の出所、承認、監視、売却まで、抜けている箇所を先に探せます。
先に決めるのは、「扱わない条件」「調査の終わり」「AIに任せる範囲」
DDQから残したのは、質問文そのものではありません。その質問が何を防ぐために置かれているかです。

この変換によって、候補を見る前に除外条件と調査の終わりを固定し、AIに任せる作業と人間が判断する箇所を分けました。質問を写すのではなく、質問が防ごうとしている失敗を、自分の工程へ移しています。
候補探しから売却までを、ひとつの流れに並べる
DDQの設問は、運用会社を審査する順番で作られています。私はこれを、個人が実際に判断する時系列へ並べ直しました。
さらに、Morningstarの評価観点から、投資哲学、優位性、方法の反復可能性、一貫して使った証拠、変更した理由を補いました。
最終的に残ったのが、次の7段階です。
哲学――なぜ市場平均を上回る余地があると考えるのか
ユニバース――どこを調べ、どこを最初から扱わないのか
アイデア創出――候補をどこから見つけ、どう記録するのか
リサーチ――何を、どこまで調べれば十分なのか
構築――何を、どれだけ、いつ組み入れるのか
リスク運用――何を監視し、何が起きたら判断を変えるのか
売却規律――間違っていたときも、正しかったときも、何を見て手放すのか
そして、すべての段階に二つのルールをかけます。
AIと人間の分担――何をAIへ任せ、どの判断を人間に残すか
判断の証拠――その時点の基準と判断をどう残し、後から変えたルールと区別するか
最後の二つは、8番目、9番目の作業ではありません。候補を出すときにも、調べるときにも、売るときにも必要な横断ルールです。
なお、この「7段階+2ルール」の計9項目は、ILPAやMorningstarが示した公式分類ではありません。原典の設問を、個人がAIを使って回す順序へ、私が統合したものです。
最初に答えるのは、「なぜ自分が市場平均を超えられるのか」
この時点で決めたのは、投資方法の答えではなく、答える順番でした。九つの問いを作っても、最初の欄が空いたままでは先へ進めません。
最初の問いは、投資哲学です。同じ公開情報を見て、同じAIを使える市場で、なぜ自分の判断だけが市場平均を上回れるのか。ここへ答えられなければ、対象市場を広げても、候補を大量に出しても、優良企業を探す作業から抜け出せません。
その次に、どこを調べ、どこを調べないかを決めます。優位性のありかによって、対象にする国、資産、企業規模、資料の種類も変わるからです。
現在は、九つの問いへの回答を `SYSTEM.md` にまとめています。プロジェクトの目的、方針、工程、評価という形で、設計の第一巡は終わりました。
ただし、設計を書き終えたことと、市場平均を上回れることは別です。実際に運用し、記録し、基準線と比べなければ、この仕組みの有効性は分かりません。
次は、この設計図の最初の問いである「投資哲学」から考えます。
同じ公開情報を見て、同じAIを使える市場で、個人投資家はどこに優位性をつくれるのか。その答えを、小型株のような「投資対象」ではなく、分析と行動の側から考えました。
▶︎ 次の記事:AIを使う個人投資家の強みを、小型株に絞らず分析と行動に置いた理由