株価予想はAI・専門家・みんなの予想のどれを見る？違いと比較方法

予測の作られ方の違い

「株価予想」と一口に言っても、その背後には異なる仕組みがあります。大きく分けると、AIや機械学習モデル、ルールベースの自動予測、専門家によるシナリオ、複数人の判断を集約した予測の4種類があります。

重要なのは「自動で計算している＝AI」ではないことです。単純な数式や決まったルールで計算される予測は、自動予測ではありますが、必ずしもAIや機械学習モデルとは限りません。

AI・機械学習モデル

「AIによる株価予想」と呼ばれるものは一種類ではありません。過去の価格パターンを学習するモデル、財務データを使うモデル、ニュースなどの文章を解析するモデル、大規模言語モデルを使った分析など、仕組みはさまざまです。

したがって「AIだから同じ能力を持つ」とは考えられません。何を予測するモデルなのか、どのデータを使うのか、翌日なのか企業利益なのかによって意味が変わります。

機械学習モデルは、訓練データからパラメータを学習して予測関数を作ります。ただし、学習済みモデルが本番環境で新しいデータを見るたびに自動的に再学習するとは限りません。モデルを更新するには、再学習、fine-tuning、online learningなど別の更新処理が必要な場合があります。

AI予想で確認したいこと

AIの予想を見るなら、数字だけではなく次の情報を確認します。

• 何を予想しているか
• 予想期間はどれくらいか
• どのデータを使っているか
• どのように過去検証したか
• 未来情報が混入していないか

生成AIは不正確な情報を生成する可能性もあります。米国の投資家向け公的情報でも、AIが作る情報だけを投資判断の根拠にせず、元情報を確認するよう注意が呼びかけられています。

参考：Machine Learning（NIST）、fine-tuning（NIST）、Artificial Intelligence and Investment Fraud（Investor.gov）

ルールベースの自動予測

自動で計算される予測でも、AIや機械学習モデルとは違うものがあります。例えば、次のようなルールベースの予測があります。

• 過去5日・20日の値動きから直近トレンドを延長するルール
• 過去20日の平均価格への回帰を仮定するルール
• 過去の平均的な変化率を単純に延長するルール

これらは自動計算ではありますが、訓練データからパラメータを学習する機械学習モデルとは区別して扱います。ルールベースの予測は、人が決めた数式・条件・パラメータに従って出力を計算します。新しいデータで入力値が変わって結果が変わることはありますが、ルール自体が自動的に書き変わるわけではありません。

PRIOでも、直近トレンド・平均回帰・過去のドリフトを使った簡易な自動予測を実装しています。これらはAI予想ではなく、ルールベースの自動予測です。

専門家予想

専門家は、経済、企業業績、金融政策、為替、市場需給、政治・国際情勢などを組み合わせてシナリオを作ることがあります。数値だけでなく「なぜそう考えるか」を説明できる点は大きな特徴です。

一方で、専門家も未来の情報を知っているわけではありません。予想を出した後に経済指標や政策、企業業績などの前提が変われば、見通しも変わります。肩書だけで判断せず、次の点を確認します。

• 予想を出した日時
• 予想対象とhorizon（予想期間）
• 前提となっている条件
• 初回予想と修正版、それぞれの発表日時

専門家が前提の変化に応じて予想を更新すること自体は問題ではありません。評価するときは、初回予想、修正版、発表日時を区別し、結果を見た後に修正された予想と締切前の予想を混ぜないようにします。

集約予測

複数の個別予測をまとめて、一つの傾向として見る方法です。人による予測を集約する群集予測が代表例ですが、サービスによっては異なる種類の予測を組み合わせる場合もあります。

人による群集予測では、判断が十分に独立していて多様なら、集約によって個人の誤差が一部打ち消される場合があることは群集の知恵として研究されています。ただし自主参加型のWeb投票は投資家全体を無作為抽出した調査ではありません。また、参加者が同じニュースや思い込みを共有している可能性もあります。

PRIOの集計にはユーザーによる予想に加え、簡易な自動予測が含まれる場合があります。表示される割合は「人間ユーザーだけ」の割合とは限りません。詳しくは群集予測の見方も参考にしてください。

4種類をどう比較するか

それぞれ違う種類の情報を持っているため、誰が正解かより、なぜ予想が違うかを見ると比較しやすくなります。

同じ70％でも意味が違う

AIモデルが「上昇確率70％」と出した場合と、投票結果が「上昇方向70％」だった場合は、どちらも70％ですが意味は異なります。

モデル側の70％は、モデルがどのように確率を計算・校正しているかによって意味が変わります。「70％」と出したケースが過去にどの程度成立したかというcalibration（較正）が重要です。

よく校正されたモデルなら、似た条件で「約70％」と予測したケースを多数集めたとき、実際の上昇もおおむね70％程度になることが期待されます。これは高い的中率を意味せず、calibrationとaccuracyは別の指標です。

一方、投票の70％は集計に含まれる方向予測の70％が上昇方向だったという割合であり、実際の上昇確率70％を意味するわけではありません。PRIOの集計には自動予測も含まれる場合があるため、「参加ユーザーの70％」とも断定できません。

公平な比較の条件

AI・専門家・集約予測などの成績を比較するなら、次の5つをそろえる必要があります。

• 何を予想したか
• いつ予想したか
• どの期間を予想したか
• その時点で何の情報が使えたか
• どう採点するか

例えば、AIは朝8:50、専門家は前日15:00、集約予測は3日前に予想していたという条件では公平な比較になりません。評価方法の詳細は予測精度の正しい見方で詳しく扱います。

違いを見る使い方

複数の予測を比べると、意見が違うことがあります。例えば次のようになった場合、平均を取って終わるのではなく、なぜ違うのかを考えます。

• どの情報を使っているか
• どの期間を見ているか
• どの前提が違うか

意見が違うことは、市場の不確実性を教えてくれる情報そのものです。

PRIOはAIによる投資助言サービスではなく、日経平均について複数の予測を集計・比較するためのサービスです。現在の集計にはユーザー予想に加え、簡易な自動予測が含まれる場合があります。自動予測だから優秀、AIだから優秀、群集だから優秀、専門家だから優秀、という機械的な順位付けはしません。

最も重要なのは結果まで見ることです。一度の勝敗ではなく、同じ条件で予想と結果を継続して記録することで、自分にとってどの情報がどの場面で参考になったかを確認できます。