Python×株式投資の始め方｜初心者がデータ分析で個人投資家の武器を手に入れる方法【2026年版】🌹

# Pythonのインストール（公式サイトから最新版をダウンロード）
# https://www.python.org/downloads/

# 仮想環境の作成
python -m venv stock-env

# 仮想環境の有効化（Windows）
stock-env\Scripts\activate

# 仮想環境の有効化（Mac/Linux）
source stock-env/bin/activate

# 必要なライブラリをインストール
pip install yfinance pandas matplotlib jupyter

import yfinance as yf
import pandas as pd

# Apple（AAPL）の株価を取得
apple = yf.Ticker("AAPL")

# 過去1年分の日足データ
df = apple.history(period="1y")
print(df.head())

              Open    High     Low   Close    Volume
Date
2025-03-14  168.32  170.15  167.89  169.75  52341200
2025-03-17  169.50  171.23  168.44  170.88  48923100
...

# トヨタ自動車（7203）
toyota = yf.Ticker("7203.T")
df_toyota = toyota.history(period="1y")

# ソニーグループ（6758）
sony = yf.Ticker("6758.T")
df_sony = sony.history(period="1y")

# FAANG＋αを一括取得
tickers = ["AAPL", "GOOGL", "AMZN", "META", "MSFT", "NVDA"]
data = yf.download(tickers, period="1y")
print(data["Close"].tail())

import matplotlib.pyplot as plt

# NVIDIAの1年チャート
nvda = yf.Ticker("NVDA")
df = nvda.history(period="1y")

plt.figure(figsize=(12, 6))
plt.plot(df.index, df["Close"], label="NVDA", color="green")
plt.title("NVIDIA Stock Price - 1 Year")
plt.xlabel("Date")
plt.ylabel("Price (USD)")
plt.legend()
plt.grid(True, alpha=0.3)
plt.show()

# 25日移動平均と75日移動平均
df["MA25"] = df["Close"].rolling(window=25).mean()
df["MA75"] = df["Close"].rolling(window=75).mean()

plt.figure(figsize=(12, 6))
plt.plot(df.index, df["Close"], label="Price", alpha=0.7)
plt.plot(df.index, df["MA25"], label="25-day MA", color="orange")
plt.plot(df.index, df["MA75"], label="75-day MA", color="red")
plt.title("NVIDIA with Moving Averages")
plt.legend()
plt.grid(True, alpha=0.3)
plt.show()

# 日次リターンを計算
df["Daily_Return"] = df["Close"].pct_change()

# 累積リターン
df["Cumulative_Return"] = (1 + df["Daily_Return"]).cumprod() - 1

print(f"1年間のトータルリターン: {df['Cumulative_Return'].iloc[-1]:.2%}")

tickers = ["NVDA", "AAPL", "VOO", "QQQ"]
data = yf.download(tickers, period="1y")["Close"]

# 基準日を1として正規化
normalized = data / data.iloc[0]

plt.figure(figsize=(12, 6))
for ticker in tickers:
    plt.plot(normalized.index, normalized[ticker], label=ticker)
plt.title("1-Year Performance Comparison (Normalized)")
plt.legend()
plt.grid(True, alpha=0.3)
plt.show()

# 年率ボラティリティ
returns = data.pct_change().dropna()
volatility = returns.std() * (252 ** 0.5)  # 年率換算

print("=== 年率ボラティリティ ===")
for ticker in tickers:
    print(f"{ticker}: {volatility[ticker]:.2%}")

import yfinance as yf

# 分析対象の銘柄リスト（例：日経225の一部）
tickers = ["7203.T", "6758.T", "9984.T", "6861.T", "8035.T",
           "6501.T", "7974.T", "4063.T", "6902.T", "9432.T"]

results = []

for ticker in tickers:
    try:
        stock = yf.Ticker(ticker)
        info = stock.info
        results.append({
            "Ticker": ticker,
            "Name": info.get("shortName", "N/A"),
            "PER": info.get("trailingPE", None),
            "PBR": info.get("priceToBook", None),
            "Dividend_Yield": info.get("dividendYield", None),
            "Market_Cap": info.get("marketCap", None)
        })
    except:
        pass

df_screen = pd.DataFrame(results)

# PER 20倍以下、PBR 3倍以下でフィルタ
filtered = df_screen[
    (df_screen["PER"] < 20) &
    (df_screen["PBR"] < 3)
]

print("=== スクリーニング結果 ===")
print(filtered.to_string(index=False))

# 高配当株スクリーニング（配当利回り3%以上）
high_div = df_screen[df_screen["Dividend_Yield"] > 0.03]

# 大型株のみ（時価総額1兆円以上）
large_cap = df_screen[df_screen["Market_Cap"] > 1e12]

import datetime

def weekly_report():
    today = datetime.date.today()

    # ポートフォリオの銘柄
    portfolio = {
        "VOO": 50,  # 50株
        "QQQ": 30,
        "NVDA": 20,
        "7203.T": 100
    }

    print(f"=== 週次ポートフォリオレポート ({today}) ===\n")

    total_value = 0
    for ticker, shares in portfolio.items():
        stock = yf.Ticker(ticker)
        price = stock.history(period="5d")["Close"].iloc[-1]
        value = price * shares
        total_value += value
        print(f"{ticker}: {shares}株 × ${price:.2f} = ${value:,.2f}")

    print(f"\n合計評価額: ${total_value:,.2f}")

weekly_report()