dexter-kabu-jp

Claude Codeで使える日本株分析AIキット

GitHub 18,000+ starsの金融AIエージェント virattt/dexter をベースに、JPMorgan Python Training のモンテカルロ法・Altman Z''等の分析手法を導入。Claude Code統合・ラジ株ナビMCP連携・独自分析スキルを追加した日本株対応拡張版です。

「トヨタを分析して」と聞くだけで、DCF・モンテカルロ・Altman Z''・PEGレシオ・ネットネット株判定・CFパターン分析・SEPA・需給分析など15のスキルが全自動で走ります。約3,800社の財務データとスクリーニングに対応。

特徴

15の分析スキル: SEPA、ダウ理論、グランビル、需給、DCF、Altman Z''信用リスク、モンテカルロ予測、相関分析、総合分析等
ISQシグナルフレームワーク: 投資シグナルを5次元（確信度・インパクト・織込度・緊急度・方向性）で定量評価
独立Evaluator: AIが生成した分析をAIが検証。データ充足度・整合性・独自洞察・アクション可能性の4軸で品質保証
4つのデータソース: JQuants API v2 + ラジ株ナビ MCP + TradingView MCP + TDnet MCP
永続メモリ: 過去の分析を記憶し、シグナルの変化を追跡

Claude Codeで使う（推奨）

Claude Codeをお持ちの場合、最も簡単に使えます。LLM APIキーは不要です。

セットアップ

git clone https://github.com/raditrejp/dexter-kabu-jp.git
cd dexter-kabu-jp
claude

初回起動時にAIが案内に従ってAPIキーの設定を行います:

JQuants APIキー（無料プランあり）— 株価データ用
ラジ株ナビ APIキー（無料プランあり）— 財務データ用

使い方

> トヨタを分析して
→ DCF + Altman Z'' + PEGレシオ + ネットネット + CFパターン + SEPA + ダウ理論 + グランビル + 需給 + モンテカルロ + 相関を自動実行

> ROE15%以上で配当利回り3%以上の銘柄を探して
→ 約3,800社からスクリーニング

> 7203のDCF分析して
→ 3シナリオ（保守・ベース・楽観）で理論株価を算出

独立アプリとして使う場合（ターミナル）

Claude Codeを使わず、独立したチャットアプリとして使う場合の手順です。

前提条件

Bun (v1.0以上)
JQuants API アカウント（無料プランから利用可能）
ラジ株ナビ MCP APIキー（推奨・無料プランあり）— EDINETベースの財務データ・スクリーナー
LLM APIキー（OpenAI / Anthropic / Google / Ollama のいずれか1つ）

インストール

git clone https://github.com/raditrejp/dexter-kabu-jp.git
cd dexter-kabu-jp
bun install

環境変数の設定

cp env.example .env

.env を開き、最低限以下を設定してください:

# JQuants（必須）— https://jpx-jquants.com/ で無料登録 → ダッシュボードでAPIキー発行
JQUANTS_API_KEY=your-api-key

# ラジ株ナビ MCP（推奨・無料プランあり）— https://radikabunavi.com/mcp-service で登録 → APIキー発行
# 財務データ・スクリーナーに必要。設定しないとこれらの機能は無効になります
RADIKABUNAVI_API_KEY=your-api-key

# LLM APIキー（いずれか1つ）
OPENAI_API_KEY=sk-...
# または
ANTHROPIC_API_KEY=sk-ant-...

起動

bun start

開発モード（ファイル変更で自動リロード）:

bun dev

使い方

起動するとチャットUIが立ち上がります。日本語で質問するだけでAIが適切なツールとスキルを自動選択します。

基本的な使い方

> 7203の株価を見て
→ get_stock_price で直近60日の日足データを取得

> トヨタの財務を見て
→ get_financials で売上・利益・ROE等の財務指標を取得

> 7203のPER・PBR・ROEは？
→ get_key_ratios でバリュエーション指標を取得

スキルを使った分析

銘柄コードや会社名を伝えると、AIが分析内容に応じてスキルを自動起動します。

> 7203をSEPA分析して
→ sepa スキル: ミネルヴィニの7条件チェック + ステージ分類

> 三菱UFJの需給を見て
→ supply-demand スキル: 信用倍率・空売り比率・投資部門別売買

> 6758のDCFで理論株価を出して
→ dcf スキル: 3シナリオ（保守・ベース・楽観）で算出

> 半導体関連でスクリーニングして
→ screening スキル: オニール × ミネルヴィニ × ダウ理論 × グランビル × 需給

定量リスク分析

> 7203の倒産リスクは？
→ altman-z スキル: Altman Z'' Scoreで信用リスクを3段階（安全圏/グレーゾーン/危険圏）判定

> トヨタの株価をモンテカルロで予測して
→ monte-carlo スキル: GBMモデルで確率的な株価分布・VaR・目標株価到達確率を算出

> トヨタとTOPIXの相関は？
→ correlation スキル: β値・相関係数・回帰統計・固有リスクを算出

総合分析（自動）

「分析して」と言うだけで、全スキルを自動で順番に実行します。

> 7203を分析して
→ comprehensive-analysis スキル: DCF + Altman Z'' + SEPA + ダウ理論 + グランビル + 需給 + モンテカルロ + 相関を統合。ISQスコアで統一評価

> トヨタとホンダを比較して
→ peer-comparison スキル: PER・PBR・ROE等でセクター内ポジションを比較

> 来週決算の銘柄を教えて
→ earnings-calendar スキル: 決算日・過去サプライズ・ボラティリティ警告

適時開示

> トヨタの最新の適時開示は？
→ get_disclosures: TDnetから決算短信・業績修正等を検索

メモリ（記憶）

Dexterは過去の分析を記憶します。同じ銘柄を再度分析すると、前回からのシグナル変化を追跡して表示します。

> 前回7203を分析したときと何が変わった？
→ メモリから前回のISQスコアを取得し、変化を比較

ヒント: 自然な日本語で話しかけてください。「〜を見て」「〜を教えて」「〜を分析して」のような表現で十分です。

データソース

JQuants API v2（東証公式）

株価・財務・信用残高・投資部門別売買動向等、日本株の基盤データを提供します。

公式サイト: https://jpx-jquants.com/

ラジ株ナビ MCP（EDINETベース）

EDINETデータに基づく財務データ・スクリーナー機能をMCPプロトコル経由で提供します。

公式サイト: https://radikabunavi.com/mcp-service
環境変数: RADIKABUNAVI_API_KEY

TradingView MCP

TradingViewからテクニカル指標（RSI, MACD, ボリンジャーバンド等）をMCPプロトコル経由で取得します。

TDnet MCP（適時開示）

東証TDnetの適時開示情報をMCPプロトコル経由で取得します。決算短信・業績修正・IR情報を自動で検索できます。

参考実装: https://github.com/ajtgjmdjp/tdnet-disclosure-mcp

利用可能なスキル

スキル	説明
screening	オニール x ミネルヴィニ x ダウ理論 x グランビル x 需給の全部盛りスクリーニング
sepa	ミネルヴィニSEPA条件チェック（7項目）とステージ分類（S1〜S4）
dow-theory	ダウ理論に基づくトレンド判定。スイングハイ・ローの切り上げ/切り下げを検出
granville	グランビルの法則。株価とMAの位置関係から8パターンの売買シグナルを判定
supply-demand	需給分析。信用倍率・空売り比率・投資部門別売買動向を総合判定
shikori	しこり玉分析。価格帯別出来高+信用残から含み損ポジションの消化状況を判定
dcf	DCFバリュエーション。フリーキャッシュフローから理論株価を3シナリオで算出
dividend	配当分析。利回り推移・連続増配年数・DOE・配当性向から持続性を評価
peer-comparison	同業他社比較。PER・PBR・ROE・ROIC等でセクター内ポジションを表示
earnings-calendar	決算カレンダー。次回決算日・過去のサプライズ履歴・ボラティリティ警告
x-research	X/Twitter市場センチメント調査。リアルタイムの投資家心理を把握
altman-z	Altman Z'' Score信用リスク分析。財務データから倒産リスクを定量評価（安全圏/グレーゾーン/危険圏）
monte-carlo	モンテカルロ・シミュレーション。GBMモデルで確率的な株価分布・VaR・目標株価到達確率を算出
correlation	相関分析。銘柄間・対指数の相関係数・β値・回帰統計・固有リスクを算出
comprehensive-analysis	総合銘柄分析。上記全スキルを自動で順次実行し、ISQスコアを統合した総合レポートを出力

ISQシグナルフレームワーク

投資シグナルの質を5つの次元で定量評価する独自フレームワークです。

次元	説明	範囲
Sentiment（方向性）	強気か弱気か	-1.0 〜 +1.0
Confidence（確信度）	データの裏付けがあるか	0.0 〜 1.0
Intensity（インパクト）	シグナルの強さ	1 〜 5
Expectation Gap（織込度）	市場が織り込んでいない度合い	0.0 〜 1.0
Timeliness（緊急度）	時間的な緊急性	0.0 〜 1.0

各スキルの分析結果はISQスコアに変換され、スキル横断で比較可能な統一指標として機能します。

独立Evaluator

分析品質を自動で検証する仕組みです。メインのAIとは別のLLMコンテキストで動作し、以下の4軸で評価します:

評価軸	内容
Data Sufficiency（データ充足度）	判断に十分なデータがあるか
Consistency（整合性）	分析内容に矛盾がないか
Insight（独自洞察）	表面的でない深い分析があるか
Actionability（行動可能性）	具体的な行動に結びつくか

各軸1〜5点、平均3.0点以上で合格。不合格の場合はフィードバックを返して再分析を促します。

投資哲学

本ツールの分析フレームワークは以下の投資哲学に基づいています:

ウォーレン・バフェット / チャーリー・マンガー: 内在価値・安全余裕・経済的堀
マーク・ミネルヴィニ: SEPA（Specific Entry Point Analysis）・ステージ分析
ウィリアム・オニール: CAN-SLIM・相対的強度
ダウ理論: トレンドの方向性と確認
グランビルの法則: 移動平均線と株価の位置関係

注意: 本ツールは投資助言を行うものではありません。最終的な投資判断はご自身の責任でお願いします。

環境変数一覧

変数名	必須	説明
`JQUANTS_API_KEY`	必須	JQuants APIキー（ダッシュボードで発行）
`RADIKABUNAVI_API_KEY`	推奨	ラジ株ナビ MCP APIキー（無料プランあり）— 財務・スクリーナーに必要
`OPENAI_API_KEY`	*1	OpenAI APIキー
`ANTHROPIC_API_KEY`	*1	Anthropic APIキー
`GOOGLE_API_KEY`	*1	Google AI APIキー
`OLLAMA_BASE_URL`	*1	OllamaのベースURL（ローカルLLM）
`EXASEARCH_API_KEY`	-	Exa Web検索APIキー
`PERPLEXITY_API_KEY`	-	Perplexity APIキー
`TAVILY_API_KEY`	-	Tavily Web検索APIキー
`X_BEARER_TOKEN`	-	X/Twitter APIキー（センチメント調査用）

*1: LLM APIキーは最低1つ必要です。

ライセンス

MIT License. Originally forked from virattt/dexter.

謝辞

virattt/dexter -- ベースとなったAIリサーチエージェント（GitHub 18,000+ stars）
jpmorganchase/python-training -- モンテカルロ・Altman Z''等の分析手法の参考
ラジ株ナビ MCP -- EDINETベースの財務データ・スクリーナー
J-Quants -- 東証公式株価データ
tdnet-disclosure-mcp -- 適時開示MCPサーバー