センチメント分析(Sentiment Analysis) とは、ニュース記事、SNS投稿、アナリストレポートなどのテキストデータをAI・自然言語処理(NLP)で分析し、市場参加者の感情(強気・弱気・中立)を数値化する手法です。投資判断の補助指標として機関投資家やクオンツファンドで広く活用されています。
センチメント分析の仕組み
データ収集:
ニュース、SNS、決算説明会のテキスト等を収集
テキスト分析:
AIが文章の「感情」をスコア化
→ ポジティブ / ネガティブ / 中立
スコアの集計:
特定銘柄・セクター・市場全体のセンチメントを算出
投資判断:
センチメントの変化を投資シグナルとして活用
センチメント分析のデータソース
| データソース |
特徴 |
更新頻度 |
| ニュース記事 |
信頼性が高い、やや遅い |
数時間〜1日 |
| Twitter/X |
リアルタイム性が高い、ノイズも多い |
秒単位 |
| Reddit(WallStreetBets等) |
個人投資家のセンチメント |
分〜時間 |
| 決算説明会の書き起こし |
経営陣の本音が見える |
四半期ごと |
| アナリストレポート |
専門家の見解 |
不定期 |
| 掲示板(Yahoo!ファイナンス等) |
日本の個人投資家の心理 |
リアルタイム |
センチメントの指標化
例: あるニュース記事を分析
「A社は過去最高の売上を達成し、来期も増収増益の見通し」
→ センチメントスコア: +0.85(強いポジティブ)
「B社はリストラを発表、業績の下方修正も」
→ センチメントスコア: -0.72(強いネガティブ)
「C社は前年並みの業績を維持」
→ センチメントスコア: +0.10(ほぼ中立)
スコアの集計:
特定銘柄の1日のニュース100件を分析
→ 平均スコア = +0.35(やや強気)
→ 前日比 = +0.15(センチメント改善)
投資への活用方法
| 活用方法 |
説明 |
| 逆張りシグナル |
極端な楽観/悲観は反転の兆候 |
| トレンド確認 |
センチメントの方向と株価の一致を確認 |
| イベント分析 |
決算発表後のセンチメント変化を追跡 |
| セクターローテーション |
セクターごとのセンチメント変化で配分調整 |
| リスク管理 |
ネガティブセンチメント急増は警戒シグナル |
逆張り指標としてのセンチメント
センチメントの極端な偏り = 反転のサイン
過度な楽観(強気一色):
→ すでに買いが行き渡っている
→ 追加の買い手が少ない
→ 下落リスクが高い
過度な悲観(弱気一色):
→ すでに売りが行き渡っている
→ 追加の売り手が少ない
→ 反発の可能性が高い
「他人が恐怖している時に貪欲であれ」(バフェット)
= センチメント分析の逆張り活用
主なセンチメント指標
| 指標 |
説明 |
| AAII投資家センチメント |
米国個人投資家の強気/弱気比率 |
| Fear & Greed Index(CNN) |
恐怖と貪欲を数値化(0〜100) |
| VIX(恐怖指数) |
オプション市場から算出 |
| Put/Call Ratio |
プット/コールの取引量比率 |
| 信用評価損率 |
信用取引の含み損比率 |
| 投資主体別売買動向 |
外国人・個人・機関の売買状況 |
センチメント分析の技術
| 技術 |
説明 |
| 辞書ベース |
ポジティブ/ネガティブの単語辞書で判定 |
| 機械学習 |
大量のテキストから学習したモデルで判定 |
| 大規模言語モデル(LLM) |
GPT等のAIで文脈を理解した分析 |
| アスペクトベース |
「業績は良いが経営陣に不安」等の多面的分析 |
センチメント分析の限界
| 限界 |
説明 |
| ノイズ |
SNSにはボットや不正確な情報が多い |
| 文脈の理解 |
皮肉や反語を誤判定する場合がある |
| 即時反映 |
ニュースが出た時点で株価に織り込まれている場合 |
| 過学習 |
過去のパターンが将来に当てはまらない |
| 市場操作 |
意図的なセンチメント操作の可能性 |
個人投資家が活用できるセンチメント指標
| 指標 |
入手方法 |
| Fear & Greed Index |
CNN Businessのサイト |
| VIX |
Yahoo!ファイナンス等で確認 |
| 信用評価損率 |
証券会社のサイトで確認 |
| 投資主体別売買動向 |
東証のサイトで確認 |
| Google Trends |
検索トレンドで関心度を把握 |
Welvioでの活用
Welvioで市場全体や保有銘柄のセンチメント指標を参考に、過度な楽観・悲観に惑わされない冷静な投資判断に活用できます。