【要約】プログラミング素人が、Claudeと半日で「ファクター分析基盤」を自作した記録 [Zenn_Python] | Summary by TechDistill
> Source: Zenn_Python
Execute Primary Source
// Problem
プログラミング未経験者が、自身の構想である「日本株のファクター分析基盤」を構築する過程で、技術的な知識不足と実行環境の制約に直面した。AIとの協働を進める中で、実装の不備やインフラの不安定さが開発の障壁となった。
- ・APIのレートリミット超過による429エラーの発生。
- ・利用プランによるデータ取得期間の制限。
- ・ネットワーク切断やPCスリープによる処理の中断。
- ・実行環境におけるライブラリ（scipy等）の不足。
// Approach
開発者はClaudeとの対話を通じ、「設計の合意」と「段階的な実装」を徹底するアプローチを採用した。いきなりコードを書かせず、まず構造を議論することで、実装の迷走を防いだ。また、エラーログを全文コピーして返すことで、AIに修正を促すフィードバックループを構築した。
- ・設計段階でClaudeと議論し、実装前に構造を確定させた。
- ・「データ取込」「計算」「バックテスト」「画面」の4工程に分割して実装した。
- ・API取得を1営業日ずつの逐次処理に変更し、再試行ロジックを導入した。
- ・追加ライブラリを極力使わず、標準的な環境で動作するよう設計を修正した。
// Result
開発者は、5年分・約4,400銘柄の株価および財務データを扱う、実用的な分析基盤を構築した。これにより、自身の投資判断を客観的な統計データに基づいて検証できる環境を手に入れた。
- ・B/P（PBRの逆数）と12-1ヶ月モメンタムのバックテストが可能になった。
- ・月次リターンのヒートマップを含むHTMLレポートが自動生成される。
- ・開発経緯や設計判断をドキュメント化し、AIとの協働資産として保存した。
Senior Engineer Insight
> AIによる開発は、PoCの高速化において驚異的な威力を発揮する。本事例の「依存関係を増やさない」「設計を先に固める」という判断は、環境差異によるトラブルを防ぐ実戦的な知見だ。しかし、エラーログの丸投げは、根本的な設計ミスを見逃すリスクを孕む。大規模運用を見据えるなら、AI生成コードのユニットテストと、API制限を考慮したキューイング設計の自動化が次のステップとなる。