資産運用会社で日々ポートフォリオを管理されている方の多くが、市場変動後のリバランス作業に多くの時間を割いています。保有資産の現在価値を集計し、目標配分との乖離を計算し、売買候補を列挙し、税効率やコスト影響をシミュレーションする――これらの一連の分析は Excel と手作業の組み合わせで行われることが多く、市場の急変時には夜遅くまで作業が続くケースも珍しくありません。私自身、複数の運用会社とお付き合いする中で「リバランス判断自体は人間が行うが、データ集計と試算の部分だけでも自動化したい」という声を何度も耳にしてきました。本記事では、Claude Code を用いてポートフォリオリバランス業務の分析部分を支援する実務的な手順と、規制対応・トレーサビリティ確保のポイントを解説します。
本記事の結論: Claude Code は市場データ取得から乖離分析・リバランス候補提示までの一連の計算をコード化し、分析作業の一部効率化が期待される。投資判断は人間が行い、コードの検証とログ保存を徹底する前提で活用する。
ポートフォリオリバランス業務における Claude Code の活用範囲
ポートフォリオリバランスは投資判断そのものであり、最終的な売買の意思決定は必ず人間（ポートフォリオマネージャー）が行います。Claude Code が担うのは、その判断を支えるデータ集計・計算・候補生成の部分です。
具体的には以下のタスクが対象となります。
- 市場データの取得と整形: 保有銘柄の最新価格・為替レート・インデックス値を API から取得し、統一フォーマットに変換
- 保有資産の時価評価: 保有数量×最新価格による時価総額計算、通貨換算
- 目標配分との乖離分析: アセットクラス別・地域別・セクター別の現在配分と目標配分の差を算出
- リバランス候補の生成: 乖離を解消するための売買候補リストを複数パターン提示
- 税効率・取引コストのシミュレーション: 売却時のキャピタルゲイン税、取引手数料を織り込んだ純効果の試算
重要: Claude Code が生成したリバランス候補は「たたき台」に過ぎません。市場流動性・顧客意向・規制要件を踏まえた最終判断は必ず人間が行い、コードの計算ロジックを事前に検証してください。
この範囲を明確にすることで、規制当局への説明責任を果たしつつ、分析作業の一部を効率化できます。投資一任業務やファンド運用においては、売買の意思決定プロセスに AI を組み込む場合の開示義務が各国で議論されているため、「AI は分析補助のみ」という位置付けを社内ルールとして文書化しておくことが推奨されます。
市場データ取得とポートフォリオ評価の自動化
リバランス分析の第一歩は、保有資産の現在価値を正確に把握することです。Claude Code を用いて以下の手順で自動化します。
1. 保有資産リストの準備 — 銘柄コード・ISIN・保有数量・取得単価・通貨を含む CSV を用意します。社内の証券管理システムから出力したファイルをそのまま使用できる形が理想です。
2. 市場データ API の選定 — Bloomberg API・Refinitiv・Alpha Vantage・Yahoo Finance API など、契約済みのデータソースを Claude Code に接続します。API キーは環境変数で管理し、コード内にハードコードしません。
3. 最新価格の一括取得 — Claude Code に「保有銘柄リストを読み込み、各銘柄の最新終値を API から取得して CSV に追記してください」と指示します。為替レートも同時に取得し、基準通貨（例: JPY）換算の時価総額を算出します。
4. アセットクラス別集計 — 銘柄ごとに付与されたアセットクラスタグ（株式・債券・不動産・オルタナティブ等）に基づき、ポートフォリオ全体の配分比率を計算します。地域別・セクター別の集計も同様に行います。
実際のプロンプト例を示します。
保有資産リスト holdings.csv を読み込み、各銘柄の最新終値を Alpha Vantage API から取得してください。
API キーは環境変数 ALPHAVANTAGE_API_KEY から読み取ります。
為替レート（USD/JPY, EUR/JPY）も取得し、すべての時価総額を JPY 換算で算出してください。
結果を holdings_valued.csv に出力し、アセットクラス別の配分比率を portfolio_summary.csv に集計してください。
エラーが発生した銘柄はログファイル errors.log に記録してください。Claude Code は Python の pandas と requests ライブラリを用いて、数十〜数百銘柄の価格取得と集計を数分で完了します。API のレート制限に対応するため、リトライロジックや遅延処理を組み込むことも可能です。
実務上の注意: 市場データの取得タイミングは社内ルールに従ってください。リアルタイム価格が必要な場合と、前日終値で十分な場合があります。また、未上場資産や流動性の低い銘柄は手動評価が必要です。
時系列データの処理や異常値の検出については、Claude Codeで時系列予測を実装する実務ガイド で詳しく解説しています。
目標配分との乖離分析とリバランス候補の生成
現在のポートフォリオ配分が把握できたら、次は目標配分（ポリシーアロケーション）との乖離を分析します。
乖離の定量化
目標配分は通常、投資方針書（IPS: Investment Policy Statement）に記載されたアセットクラス別の目標比率です。例えば以下のような設定です。
| アセットクラス | 目標比率 | 許容レンジ |
|---|---|---|
| 国内株式 | 30% | 25-35% |
| 海外株式 | 40% | 35-45% |
| 国内債券 | 20% | 15-25% |
| 海外債券 | 10% | 5-15% |
Claude Code に以下のような指示を出します。
portfolio_summary.csv の現在配分と、target_allocation.csv の目標配分を比較してください。
各アセットクラスについて、現在比率・目標比率・乖離幅（%ポイント）・許容レンジ逸脱の有無を算出し、
deviation_analysis.csv に出力してください。
乖離幅の絶対値が大きい順にソートし、リバランス優先度を付与してください。これにより「海外株式が +3.2%ポイント 過大、国内債券が -2.8%ポイント 過少」といった定量的な判断材料が得られます。
リバランス候補の生成
乖離を解消するための売買候補を生成します。ここでは複数のシナリオを提示することが重要です。
シナリオ A: 最小取引回数 — 乖離幅の大きいアセットクラスのみを対象に、最小限の売買で目標に近づける。
シナリオ B: 完全リバランス — すべてのアセットクラスを目標比率に一致させる。取引コストは高くなるが、乖離ゼロを目指す。
シナリオ C: 税効率重視 — 含み益の大きい銘柄の売却を避け、新規資金の追加投資で配分を調整する（キャッシュインフローがある場合）。
プロンプト例:
deviation_analysis.csv を基に、以下の3つのリバランスシナリオを生成してください。
シナリオ A: 許容レンジを逸脱したアセットクラスのみ調整
シナリオ B: 全アセットクラスを目標比率に完全一致
シナリオ C: 含み益上位10銘柄を売却対象から除外し、残りで調整
各シナリオについて、売却候補銘柄・購入候補銘柄・取引金額・想定取引コスト（0.1%）を算出し、
rebalance_scenarios.csv に出力してください。Claude Code は線形最適化ライブラリ（scipy.optimize）を用いて、制約条件を満たす売買組み合わせを計算できます。ただし、流動性制約（1日の出来高の 10% 以内等）や銘柄分散要件は別途プロンプトで指定する必要があります。
税効率とコスト影響のシミュレーション
リバランス実行時には、税負担と取引コストを織り込んだ純効果の試算が欠かせません。
キャピタルゲイン税の計算
売却予定の銘柄について、取得単価と現在価格から含み益（または損）を算出し、適用税率（例: 20.315%）を乗じて税額を計算します。
holdings_valued.csv の各銘柄について、
（現在価格 - 取得単価）× 保有数量 = 含み損益 を算出し、
含み益がプラスの銘柄には税率 20.315% を適用して税額を計算してください。
結果を tax_impact.csv に出力してください。特定口座や NISA 口座の区分、取得時期による税率の違い（短期・長期キャピタルゲイン）がある場合は、保有資産リストにフラグを追加しておきます。
取引コストと市場インパクト
- 取引手数料: 売買代金の 0.1% 等の固定率を設定
- スプレッドコスト: 流動性の低い銘柄では bid-ask スプレッドによる実質コストを考慮
- 市場インパクト: 大口の売買は価格を動かすため、出来高に対する取引比率から簡易的なインパクトコストを推定
Claude Code に以下を指示します。
rebalance_scenarios.csv の各シナリオについて、
売買総額に対する取引手数料（0.1%）とスプレッドコスト（0.05%）を加算し、
税引後・コスト控除後の純リバランス効果を算出してください。
結果を net_effect.csv に出力し、最も効率的なシナリオを推奨してください。税とコストを考慮した結果「完全リバランスよりも、許容レンジ内に収める最小限の調整の方が純効果が高い」という結論が得られるケースもあります。
補足: 税効率の最適化は税務専門家の助言が必要です。Claude Code の試算はあくまで概算であり、実際の納税申告には使用しないでください。
投資分析の基礎については Claude Codeで投資分析を効率化する実務ガイド も参照してください。
シナリオ分析とストレステスト
リバランス後のポートフォリオが、将来の市場変動に対してどの程度頑健かを検証するため、シナリオ分析を実施します。
市場ストレスシナリオの設定
以下のような仮想的な市場変動を想定します。
- 金利上昇シナリオ: 国債利回り +1%pt、債券価格 -5%
- 株価急落シナリオ: 株式 -20%、為替円高 10%
- インフレ加速シナリオ: 商品価格 +30%、不動産 +10%
Claude Code に各シナリオ下でのポートフォリオ価値変動を計算させます。
リバランス後のポートフォリオ（シナリオ B）について、
以下の市場変動を適用した場合の時価総額変化を計算してください。
シナリオ 1: 株式 -20%, 債券 -5%, 為替 USD/JPY 130→145
シナリオ 2: 株式 +10%, 債券 +3%, 商品 +30%
シナリオ 3: 株式 -10%, 債券 +5%, 不動産 -15%
各シナリオでの損益額・損益率・最大ドローダウンを stress_test_results.csv に出力してください。この分析により「リバランス後も想定されるストレス下で許容リスク範囲内に収まるか」を事前検証できます。詳細な手法は Claude Codeで金融ストレステストを実装する実務ガイド で解説しています。
感応度分析
特定のパラメータ（金利・為替・商品価格）を段階的に変化させ、ポートフォリオ価値の感応度を測定します。
# Claude Code が生成するコード例（イメージ）
import numpy as np
import pandas as pd
rates = np.arange(-2, 3, 0.5) # 金利変動 -2% to +2%
results = []
for rate_change in rates:
bond_return = bond_duration * rate_change * -1
portfolio_value = base_value * (1 + bond_weight * bond_return)
results.append({'rate_change': rate_change, 'portfolio_value': portfolio_value})
pd.DataFrame(results).to_csv('sensitivity_analysis.csv', index=False)このように、Claude Code に計算ロジックを委ねつつ、前提条件や係数は人間が設定・検証します。
規制対応とトレーサビリティの確保
金融機関におけるポートフォリオ運用は、金融商品取引法・投資信託法・FISC 安全対策基準等の規制下にあります。Claude Code を業務に組み込む際は以下のポイントを守ります。
コードのバージョン管理とレビュー
- Git 管理: Claude Code が生成したスクリプトは Git リポジトリで管理し、変更履歴を記録
- コードレビュー: リバランス候補生成ロジックは必ず複数名（クオンツ担当＋コンプライアンス担当）でレビュー
- テストデータでの検証: 過去の市場データを用いて計算結果を手計算と突合し、正確性を確認
実行ログとプロンプト履歴の保存
金融庁の検査で「AI をどのように使ったか」を説明する際、以下の記録が求められます。
| 記録対象 | 内容例 | 保存期間 |
|---|---|---|
| プロンプト全文 | 「保有資産リストを読み込み…」の指示文 | 5年 |
| 生成コード全文 | Python スクリプトそのもの | 5年 |
| 実行ログ | API 呼び出し時刻・取得データ件数・エラー発生箇所 | 5年 |
| 人間の承認記録 | 「シナリオ B を採用」の意思決定者・日時 | 5年 |
Claude Code の Chat 履歴は Web UI でエクスポートできますが、社内の文書管理システムへ自動転送する仕組みを整備すると運用が楽になります。
コンプライアンス上の注意: Claude Code を「投資助言」として位置付けると、金融商品取引業の登録が必要になる可能性があります。社内では「データ分析ツール」と定義し、最終判断は登録業者（運用会社）が行う体制を明文化してください。
第三者監査への対応
ファンドの監査法人や信託銀行（受託者）による監査では、リバランス実施の根拠を示す必要があります。以下の書類を整備します。
- 投資方針書（IPS）: 目標配分・許容レンジ・リバランス発動条件
- リバランス実施記録: 実施日・選択シナリオ・承認者
- 計算根拠資料: Claude Code の出力 CSV ファイル一式
- コード検証報告書: 第三者レビューの記録
これにより「AI 任せではなく、人間の判断とガバナンスが機能している」ことを客観的に証明できます。
運用フローへの組み込みと継続的改善
Claude Code によるリバランス支援を定常業務に組み込むには、以下の運用フローを構築します。
1. 定期実行スケジュール — 月次・四半期ごとに保有資産データを Claude Code へ投入し、乖離分析を自動実行。結果をポートフォリオマネージャーへメール通知。
2. 人間による判断 — 提示された複数シナリオを検討し、市場環境・顧客意向・流動性を踏まえて採用シナリオを決定。承認記録を残す。
3. 執行と事後検証 — 実際の売買を執行後、想定コストと実績コストを比較。乖離が大きい場合は計算ロジックを見直す。
4. プロンプトのチューニング — 市場環境の変化（ボラティリティ上昇・新アセットクラス追加等）に応じて、プロンプトや制約条件を更新。変更履歴を Git で管理。
継続的な改善により、Claude Code の出力精度が向上し、人間の判断を支える信頼性の高いツールとして定着します。
運用上のヒント: リバランス頻度が高い場合（日次リバランス型 ETF 等）は API 呼び出し回数が増えるため、データプロバイダーとの契約内容を確認してください。バッチ取得や差分更新の仕組みを導入するとコスト削減につながります。
まとめ
本記事では、Claude Code を用いたポートフォリオリバランス業務の支援手順を解説しました。要点を再掲します。
- 明確な役割分担: Claude Code はデータ集計・計算・候補生成を担当。最終的な投資判断は必ず人間が行う
- 税効率とコストの考慮: キャピタルゲイン税・取引手数料・スプレッドを織り込んだ純効果を試算
- シナリオ分析: 複数のリバランス案とストレステストで、将来の市場変動への頑健性を検証
- 規制対応とトレーサビリティ: プロンプト・コード・ログを 5 年保存し、第三者監査に備える
これにより、ポートフォリオマネージャーは分析作業の一部を効率化し、より多くの時間を市場分析や顧客対応に充てることが期待されます。ただし、Claude Code の出力はあくまで「たたき台」であり、最終判断の責任は人間が負います。社内ルールの整備とコードの検証を徹底してください。
デジライズ の Claude Code 法人導入支援
株式会社デジライズ では、資産運用会社向けに Claude Code の法人導入を2本柱で支援しています。
1. 実務研修プログラム
ポートフォリオマネージャー・リスク管理担当者向けに、市場データ取得・リバランス計算・ストレステストの実装を hands-on 形式で習得いただく研修を提供します。金融規制を踏まえたガバナンス体制の構築もカバーします。
2. 導入コンサルティング
既存の証券管理システム・リスク管理システムとの連携設計、プロンプトライブラリの構築、コードレビュー体制の整備を伴走支援します。監査法人への説明資料作成もサポート可能です。
Claude Code を活用したポートフォリオリバランス業務の効率化にご関心がある方は、ぜひ無料相談をご利用ください。貴社の運用プロセスと規制要件を踏まえた最適な導入プランをご提案いたします。
無料相談のお申し込みは デジライズ 公式サイト よりお問い合わせください。
関連記事
デジライズの実績は社内集計値です。特に明記のない数値付き事例は、匿名加工された実例をもとにしたモデルケースです。導入効果は企業や業務によって異なります。各サービスの料金・機能・提供条件は記事の公開・更新時点の情報であり、変更されるため、最新情報はAnthropic公式サイトなどの一次情報をご確認ください。
Claude Codeの法人導入・研修・業務活用を支援しています。
法人導入支援サービスを見る
