【要約】株価・決算データで一次スクリーニングを作る【日本株クオンツ研究ノート Vol.3】 [Zenn_Python] | Summary by TechDistill
> Source: Zenn_Python
Execute Primary Source
// Problem
個人投資家や研究者が、数千銘柄の中から有望な投資対象を効率的に選別する際に、膨大なデータ処理が障壁となる。
- ・銘柄数が多すぎて、手動での比較検討が不可能である。
- ・株価の動きと財務指標を組み合わせた、客観的な評価基準が不足している。
- ・大量のデータを扱う際、処理速度やメモリ効率が課題となる。
// Approach
研究者が定量的な基準で銘柄を絞り込むため、Polarsを活用したデータ処理パイプラインを構築した。
- ・Polarsを用いて、株価指標と決算データを高速に結合する。
- ・平均売買代金1億円以上かつROEが存在する銘柄に限定するフィルタリングを行う。
- ・期間騰落率(45%)、ROE(35%)、低ボラティリティ(20%)の重み付きスコアを算出する。
- ・各指標を順位化し、0から1の範囲に正規化して比較可能にする。
// Result
研究者がスクリプトを実行した結果、膨大な銘柄群から調査対象を大幅に削減できた。
- ・対象銘柄数を3,727銘柄から515銘柄へと絞り込んだ。
- ・絞り込み後の銘柄構成は、流動性の影響でプライム市場が中心となった。
- ・処理結果をParquet形式で保存し、後続の分析へ即座に利用可能にした。
Senior Engineer Insight
> Polarsの採用は、大規模データ処理において極めて合理的である。メモリ効率と速度の両面で、Pandasよりもクオンツ分析に適している。ただし、実運用を見据えるなら「決算開示時刻」による先読みバイアスへの対策が不可欠だ。また、重み付けの妥当性はバックテストで検証する必要がある。研究段階としては、データ管理（.gitignore）を含め、非常に規律ある構成である。