こんにちは! ゲーマー投資家ゆーすけ(@gaminvestlog)です。
2026年2月5日、Anthropic社からClaude Opus 4.6がリリースされました。金融分析ベンチマーク1位、100万トークン対応――スペックだけ見ると、個人投資家の銘柄分析が一気にラクになりそうな印象を受けます。
ただ、このベンチマークは、英語圏・米国会計基準ベースの評価。日本の決算短信や株探のデータに対して同じ精度が出るかは、この数字だけでは何とも言えません。
じゃあ、実際に日本株で試してみよう。今回は、僕が普段やっている新高値ブレイク×成長株のスクリーニングにOpus 4.6を使い、その実力を検証しました。さらに注目銘柄2つの深掘り分析もさせて、出力の精度を確認しています。
🤖 Claude Opus 4.6とは? 3つのポイント
記事の本題に入る前に、Claude Opus 4.6の概要を簡単に整理しておきます。ポイントは3つです。
Finance Agentベンチマーク1位――ただし正答率は60.7%
Opus 4.6は、Vals AI社が提供するFinance Agentベンチマークで正答率60.7%を記録し、GPT-5.2(56.6%)やGemini 3 Pro(44.1%)を上回って首位を獲得しました。
このベンチマークは、財務データの読み取り、計算式の適用、数値の正確な出力といった「答えが1つに定まる金融タスク」の処理精度を測定するものです。「この銘柄は買いか売りか」のような主観的な判断ではなく、金融アナリストが日常的に行うデータ処理の正確性を評価しています。
ただし、評価対象は英語の財務データが中心で、会計基準もUS-GAAPやIFRSがベースと考えられます。日本基準(J-GAAP)の決算短信に対して同じ精度が出るかは、このベンチマークからは判断できません。
また、正答率60.7%という数字は、裏を返せば約4割は間違えるということでもあります。
100万トークン対応――有報5〜7社分を一度に読める
Opus 4.6は、Opusクラスのモデルとして初めて100万トークンのコンテキストウィンドウに対応しました(ベータ版)。日本語に換算すると、おおよそ50万〜75万文字。有価証券報告書に換算すると5〜7社分を一度に読み込んで分析できる計算です。
前モデルのOpus 4.5は20万トークン(日本語で約10万〜15万文字)が上限だったので、処理能力は約5倍に拡張されたことになります。決算データで言えば、数十社分の財務データを一括で渡しても余裕があるという規模感です。
Adaptive Thinking――推論の深さを自動調整
もう一つの特徴が「Adaptive Thinking(アダプティブ・シンキング)」です。従来は拡張思考のオン・オフしか選べませんでしたが、Opus 4.6ではタスクの難易度に応じてAIが推論の深さを自動調整するようになりました。
API経由ではlow / medium / high / maxの4段階を開発者が指定できますが、claude.aiやGensparkの通常の画面ではユーザーが選択する項目はありません。ただし、デフォルトがhighに設定されているため、普通に使うだけでも従来より深い推論が働く仕組みになっています。
以上を踏まえて、実際の検証に入ります。
🔍【検証】Opus 4.6で新高値ブレイク×成長株を発掘してみる
まず本家claude.aiで試してみた
前回の検証記事(「Claude Opus 4.1とGensparkで新高値ブレイク×成長株を発掘できるか?」)では、本家claude.aiではCSVファイルを直接読み込めず、Webアクセスにも制限があったため、銘柄スクリーニングが実行できませんでした。
Opus 4.6ではどうなっているか。まず確認してみたところ、2つのことがわかりました。
1つ目:Opus 4.6は無料プランでは使えない
モデル選択画面を開くと、Opus 4.6には「アップグレード」の表示があり、有料プラン(Pro以上)が必要です。無料ユーザーが使えるのはSonnet 4.5とHaiku 4.5のみ。
2つ目:CSV読み込みは改善されていた
前回はCSVの直接読み込みができなかったのですが、今回はモデルやモードに関係なくCSVファイルをアップロードして読み込めるようになっていました。claude.ai側の機能改善が進んだようです。
ただし、注意点も見えました。株探の詳細な四半期業績データへのアクセスに制限があり、Yahoo! ファイナンスとIR情報から取得した中間決算・累計データ(前年同期比YoY)での分析に切り替わっていたのです。プロンプトでは「株探の3ヶ月業績の推移で四半期QoQ(前四半期比)を確認する」と指示していたのですが、データソースが変わってしまった形です。
結果として、一次候補基準(直近四半期QoQ売上+10%以上かつ営業利益+20%以上、または黒転)をクリアしたのはマナック・ケミカル・パートナーズ(4360)と三光産業(7922)の2銘柄でした。
本家claude.aiでもCSV読み込み自体は改善されていることがわかりましたが、株探への直接アクセスには制限が引き続き残る、という結果です。
本家claude.aiでの分析結果はこちら(claude.ai)で確認できます。
Opus 4.6は有料プラン限定のため、今回は無料で使えるSonnet 4.5でスクリーニングを実行しました。
Genspark × Opus 4.6でスクリーニング実行
次に、前回と同様にAIエージェント型プラットフォーム「Genspark」上でClaude Opus 4.6を使ってスクリーニングを実行しました。Gensparkを使う理由は、AIにWeb検索とサイトアクセスの能力を付与できるためです。
今回の検証条件は以下の通りです。
| 項目 | 条件 |
|---|---|
| 対象期間 | 2026年2月8日(当日) |
| 年初来高値更新 | あり |
| 投資金額 | 10万円以下 |
| 時価総額 | 500億円以内 |
| CSV銘柄数 | 36件 |
スクリーニングに使用したプロンプトは、前回記事のものをOpus 4.6検証用に軽量化しています。詳細は以下の折りたたみに掲載しています。
スクリーニングプロンプト(クリックで展開)
# ============================================
# 新高値ブレイク×成長株スクリーニング(Opus 4.6検証用・軽量版)
# ============================================
# --- ロール ---
あなたは日本株専門のエクイティアナリスト。
投資対象は小型〜中型の成長株。
アップロードされたCSVの銘柄群から、成長性の高い銘柄を抽出・スコアリングし、
簡潔かつ実務的な日本語レポートを作成する。
# --- 前提条件(厳守) ---
- CSVに含まれる銘柄は「時価総額500億円以内」「年初来高値更新」「投資金額10万円以下」で
すでにフィルタリング済みである。この条件の再検証は不要。
- CSVには最低限「証券コード」「企業名」が含まれている。
# --- ワークフロー(この順序で実行) ---
## Step 1:CSV読み込み
- アップロードされたCSVを読み込み、全銘柄をリスト化する。
## Step 2:株探で四半期業績を確認
- 各銘柄について、株探(kabutan.jp)の「決算」→「3ヶ月業績の推移【実績】」を参照する。
- 以下の一次候補基準を満たす銘柄をマークする:
【一次候補基準】
- 直近四半期(3ヶ月実績)のQoQ:売上 +10%以上 かつ 営業利益 +20%以上
- または:直前四半期が赤字 → 直近四半期で黒字転換(黒転)
- 株探データの取得日を記録する。
## Step 3:一次候補のスコアリング
- Step 2で一次候補としてマークされた銘柄のみ、以下のスコアリングを行う。
- 情報は株探の銘柄ページから取得可能な範囲で行い、取得できない項目は「取得不可」と明記する。
【スコアリング(総合100点)】
■ Growth(成長性)40点
- 直近四半期QoQ売上成長率(15点)
- 直近四半期QoQ営業利益成長率(15点)
- 成長の加速度:前四半期→直近四半期で成長率が上昇しているか(10点)
■ Quality(収益の質)30点
- 売上総利益率(粗利率)の水準とトレンド(10点)
- 営業利益率の水準とトレンド(10点)
- 連続増収増益の四半期数(10点)
■ Financial Health(財務健全性)15点
- ネットキャッシュ or 有利子負債の水準(10点)
- 自己資本比率(5点)
■ Market Context(市場環境・テーマ性)15点
- 社会トレンド・注目テーマとの合致度(8点)
- ビッグチェンジ要因の有無:新製品・事業転換・市場拡大など(7点)
## Step 4:ランキング作成
- スコア上位から最大10銘柄をランキングとして出力する。
- 同点の場合の優先順:Quality → Growth → Financial Health → Market Context
# --- 出力フォーマット(Markdown) ---
## 1)チェックリスト
- CSV読み込み銘柄数:○○件
- 一次候補(QoQ基準クリア):○○件
- スコアリング対象:○○件
- 株探データ取得日:YYYY-MM-DD
## 2)ランキング表
| 順位 | 証券コード | 企業名 | セグメント | 総合スコア | Growth | Quality | Financial Health | Market Context | 一言理由 |
(スコアは各カテゴリの内訳を併記)
## 3)各銘柄サマリー(1銘柄あたり3〜5行)
- 事業の特徴
- 成長ドライバ(売上・利益が伸びている理由)
- リスク(1〜2点)
- 出典:株探の該当ページURL
## 4)除外銘柄(一次候補基準を満たさなかった主な銘柄と理由)
- 最大5銘柄程度。理由は簡潔に(例:「QoQ売上 +5%で基準未達」)
## 5)総評(3〜5行)
- 全体の傾向、注目セクター、留意点
## 6)免責事項
「本レポートは投資助言ではありません。投資判断はご自身の責任で行ってください。」
# --- 注意事項 ---
- 株探のデータが取得できない銘柄は除外し、理由を明記する。
- 数値が確認できない項目は「取得不可」とし、推測で埋めない。
- 出力は日本語で統一する。
核心条件である「株探の3ヶ月業績の推移で四半期QoQ:売上+10%以上かつ営業利益+20%以上」はそのまま維持しています。
スクリーニング結果
Genspark上のOpus 4.6は、株探の各銘柄ページに直接アクセスして四半期業績データを取得し、36銘柄を順次精査してくれました。この点は、先ほどの本家claude.aiでYahoo! ファイナンスに迂回されてしまった結果とは対照的です。

結果は以下の通りです。
| 順位 | 証券コード | 企業名 | 総合スコア | 一言理由 |
|---|---|---|---|---|
| 1 | 7192 | 日本モーゲージサービス(住宅金融) | 68 | 3Q累計で営業益QoQ+15.7%、高利益率を維持し上方修正 |
| 2 | 4360 | マナック・ケミカル・パートナーズ(化学) | 58 | 赤字→黒転、売上QoQ+47.4%の急回復 |
| 3 | 3103 | ユニチカ(繊維・化学) | 55 | 営業益QoQ+64.3%、事業売却で財務改善 |
| 4 | 1726 | ビーアールHLDG(インフラ保全) | 52 | 営業益QoQ+3.1倍、インフラ老朽化テーマ |
| 5 | 8562 | 福島銀行(地方銀行) | 45 | 経常益黒転、売上QoQ+18.1%、金利上昇テーマ |
Opus 4.6は5銘柄を一次候補として抽出しましたが、僕が株探のデータを突き合わせて確認したところ、実際に一次候補基準(売上QoQ+10%以上かつ営業利益QoQ+20%以上、または黒転)をクリアしていたのは2銘柄でした。
| 銘柄 | 条件クリアの根拠 |
|---|---|
| 4360 マナック・ケミカル・パートナーズ | 赤字→黒転、売上QoQ+47.4% |
| 8562 福島銀行 | 経常益黒転、売上QoQ+18.1% |
残りの3銘柄(日本モーゲージサービス、ユニチカ、ビーアールHLDG)は、AIが基準を緩やかに解釈して通してしまったケースです。
Genspark上でのスクリーニング結果の全文はこちら(Genspark)で確認できます。
前回(Opus 4.1)との比較
前回のOpus 4.1検証でも、10銘柄中「直近2四半期」の厳しい条件をクリアしていたのは1銘柄だけ、「直近1四半期」に緩めても4銘柄という結果でした。
Opus 4.6になっても、「プロンプトの条件を厳密に守る」という精度は大きく改善されていない、というのが率直な印象です。
また、本家claude.aiとGensparkの違いも改めて明確になりました。
| 項目 | 本家claude.ai(Sonnet 4.5) | Genspark(Opus 4.6) |
|---|---|---|
| CSV読み込み | 可能(前回から改善) | 可能 |
| 株探への直接アクセス | 制限あり(Yahoo! ファイナンスに迂回) | 可能 |
| 使用モデル | Sonnet 4.5(Opus 4.6は有料のみ) | Opus 4.6(無料で使用可能) |
| 条件クリア銘柄数 | 2件 | 2件 |
ただし条件クリア銘柄の中身は異なります(本家:マナック・ケミカル+三光産業、Genspark:マナック・ケミカル+福島銀行)。モデルやデータソースの違いが結果に影響していると考えられます。
結論として、Opus 4.6を無料で日本株スクリーニングに使いたいなら、引き続きGensparkとの組み合わせが現時点での最適解と言えそうです。
🔬【深掘り】Opus 4.6に注目銘柄の財務分析をさせてみた
スクリーニングでは「条件を厳密に守る精度」に課題が残りましたが、Opus 4.6の強みは本来、100万トークンのコンテキストと金融推論力を活かした深い分析にあるはずです。
そこで、僕の監視リストから2銘柄をピックアップし、Opus 4.6に決算資料を渡して深掘り分析をさせてみました。
分析に使ったデータと指示内容
分析対象は以下の2銘柄です。
| 銘柄 | 選定理由 |
|---|---|
| 4422 VALUENEX | ボラティリティが高く、AIテーマの追い風がある |
| 5578 ARアドバンストテクノロジ | 保有銘柄。ボックス割れ寸前の局面 |
性格の異なる2銘柄を選んだのは、「テーマ追い風の銘柄」と「ネガティブな局面にある保有銘柄」という対照的なケースでAIの分析がどう変わるかを見たかったためです。
使用したプロンプトは、僕が普段から使っている決算要約プロンプトです。事業内容、強み、営業利益率、収益の質(ストック/フロー比率)、業績進捗率、成長シナリオ、リスク、注目テーマとの適合性の8項目で分析を指示しています。
決算要約プロンプト(クリックで展開)
# 個人投資家向け決算要約プロンプト
以下の指示文を使用し、決算短信や決算説明会資料から**個人投資家向けの決算要約レポート**を作成してください。
## 重要:Python使用と出力に関する絶対ルール
1. **数値計算の必須化**: 成長率、利益率、進捗率、構成比などの数値は、必ずPythonコードを実行して正確に算出すること。
2. **コードの完全非表示**:
- 実行したPythonコードや計算過程のログ(コードブロック)は、**最終的な出力には一切含めないでください。**
- 読者に見せるのは、計算済みの数値が自然に組み込まれた文章のみです。
3. **文字数カウント**:
- レポート作成後、内部処理で本文の文字数をカウントし、末尾に「本文は◯◯字」と明記してください(このカウント処理のコードも見せないこと)。
---
## 入力
- **対象資料**: {決算短信ファイルまたはURL}, {決算説明会資料ファイルまたはURL}
- **対象企業**: {企業名}
- **決算期**: {四半期・年度}
---
## 出力仕様
- **対象読者**: 個人投資家(初心者〜中級者)
- **文体トーン**: 投資家向け。平易な日本語を中心に、専門用語は必ず短い補足を入れる。
- **構成**: 見出し・箇条書き・段落を混在させる。
- **文字数**: 約2,000字(誤差 ±5%)。最終的に内部処理で文字数をカウントし、末尾に「本文は◯◯字」と明記。
- **数値**: 売上成長率、営業利益率、進捗率、ストック比率などは内部計算のうえ本文に反映。
---
## 出力内容(必須項目)
**企業名(コード)決算期**
### ① 事業内容(セグメント比の概観)
- 各事業セグメントの売上比率・構成比
- 主要市場・顧客層
- 事業ポートフォリオの特徴(多角化 or 集中戦略)
### ② 強み(定量・定性)
- **定量的強み**
- 市場シェア率(業界順位)
- ROE・ROA水準(業界平均との比較)
- 売上成長率(CAGR)
- 顧客基盤の規模・質(法人顧客数、契約社数など)
- **定性的強み**
- ブランド力・認知度
- 技術的優位性(特許、独自技術)
- 参入障壁(規制、初期投資、ネットワーク効果)
- 経営陣の実績・ビジョン
### ③ 営業利益率(現状とドライバー)
- 現状の営業利益率(数値を明記、業界平均との比較)
- 利益率の推移トレンド(改善 or 悪化)
- **ドライバー分析**
- 売上総利益率の変動要因(価格改定、原価率、為替影響)
- 販管費率の変動(人件費、広告宣伝費、研究開発費)
- 規模の経済効果の発現状況
### ④ 収益の質(ストック・フロー比率と推移)
**判定ロジック(重要)**
- セグメント情報や事業説明文に基づき、売上を以下の2つに分類し、Pythonで構成比を算出すること。
**ストック収益の定義**:
- サブスクリプション収益(月額・年額課金)
- SaaS/クラウドサービスのMRR/ARR
- 保守・運用・サポート契約
- 家賃・賃貸収入
- 定期購入契約(消耗品、リース料含む)
- 継続的な手数料収入(決済、プラットフォーム)
- **特徴**:契約により「将来の収益が約束されている」もの
**フロー収益の定義**:
- ハードウェア・製品の単発販売
- ライセンスの売り切り(永久ライセンス)
- 初期導入費・構築費
- 受託開発・請負プロジェクト
- スポットコンサルティング
- イベント・単発サービス売上
- **特徴**:取引ごとに受注・販売が必要で継続性が保証されないもの
**判定ステータス**(必ず以下のいずれかを明記)
- **A. 開示あり**: 資料に明確な区分や数値がある場合。
- **B. 推計(事業モデルから)**: 明確な数値はないが、事業内容(例:「月額モデル」「保守契約比率XX%」「リカーリング売上」等の文言)から合理的に推測できる場合。
※**最優先で推計を試みること**。セグメント名、商品説明、ビジネスモデル図などから手がかりを探すこと。
- **C. 判定不能(推計困難)**: 情報が著しく不足しており、推計も危険な場合。
→ この場合でも**「業種標準モデルからの類推」**を試み、以下を記載:
- 同業他社の典型的なストック/フロー比率(例:「SaaS企業の平均はストック80%」)
- 当該企業が標準から乖離している可能性(例:「初期導入費の比重が高い可能性」)
- 投資家への示唆:「開示不足のため確度は低いが、事業特性上○○型と推測される」
**出力項目**(ステータスがAまたはBの場合)
- ストック比率:$$\text{XX.X}\%$$ (前年同期比 $$\text{±X.Xpt}$$)
- フロー比率:$$\text{XX.X}\%$$
- **判定ステータス**: {A/B/C のいずれかを明記}
- **推計根拠**(Bの場合のみ): {「決算説明資料P.5に『保守契約売上が全体の40%』との記載あり」など、根拠を1文で}
**分析コメント**:
1. **ストック収益の質的評価**
- 解約率(チャーンレート)の開示有無と水準
- 積み上げ状況(前期ストック顧客の継続率)
- ストック比率が上昇/低下している構造的要因
2. **フロー収益の爆発力評価**
- 大型案件の受注状況(受注残高の変動)
- 検収時期の集中リスク(四半期ごとの振れ幅)
- フロー収益が株価急騰要因になる可能性
3. **投資家への示唆**
- **ストック型優位(70%以上)の場合**:
収益の予測可能性が高く、業績の下振れリスクが低い。決算跨ぎのホールドに適する。
- **フロー型優位(70%以上)の場合**:
大型案件の受注・検収タイミングで業績が大きく振れる。決算前後の株価変動が激しくなりやすい。サプライズ決算での急騰余地あり。
- **混合型(30〜70%)の場合**:
ストック比率の向上トレンドがあれば、市場の評価が変わる転換点になり得る。
### ⑤ 業績進捗率(会社計画比)
- 売上高進捗率:$$\text{XX.X}\%$$ (会社計画 $$\text{XXX}$$ 億円に対する達成率)
- 営業利益進捗率:$$\text{XX.X}\%$$
- **進捗評価**
- 順調(90%以上)/ やや遅れ(70〜90%)/ 未達リスク(70%未満)
- 下期偏重型の場合、その構造的理由
- 会社による通期予想の修正可能性
### ⑥ 成長シナリオ(短期〜中期)
**短期見通し(次四半期〜1年)**
- 既存事業の成長加速/減速要因
- 新製品・新サービスのローンチ予定
- 季節性・外部環境の影響
- **※フロー収益の特記事項**(該当する場合のみ記載):
- 大型案件の検収時期(例:「Q4に○○億円のプロジェクト完了予定」)
- 受注残高の増減(例:「前年比+30%、今後12ヶ月の売上を先食い」)
- 「フロー収益の上振れ余地」が株価急騰の材料になる可能性
**中期成長戦略(3〜5年)**
- 新規事業領域への参入
- M&A・アライアンス戦略
- 海外展開の進捗
- 設備投資・研究開発の成果時期
### ⑦ リスク
**外部リスク**
- 景気・市況の影響度
- 規制変更リスク
- 為替変動リスク
- 競合環境の激化
**内部リスク**
- 人材確保・育成の課題
- 研究開発の遅延
- 特定取引先への依存度
- システム障害・情報セキュリティ
### ⑧ 2026年注目テーマとの適合性
以下6テーマとの関連度を評価:
1. AI・データセンター
2. スポーツ・イベント
3. 半導体
4. 量子コンピュータ
5. 防衛・宇宙
6. サイバーセキュリティ
**評価基準**:
- **S評価**:売上・利益の30%以上を占める本命事業
- **A評価**:売上寄与10〜30%、または大型材料が出現
- **B評価**:売上寄与10%未満、連想・思惑レベル
- **C評価**:関連なし(テーマ外)
**出力形式**:
- **最も近いテーマ**: {テーマ名}
- **関連度**: {S/A/B/C}
- **判定理由**: {事業内容・材料との具体的関連を2〜3文で}
- **株価への影響度**: {テーマ性がバリュエーション拡大にどう寄与するか}
**補足**:
- 該当テーマがない場合は「独自材料型」と判定し、株価上昇要因を記述
- Web検索で直近IR・ニュースリリースを確認し、テーマとの結びつきを検証
---
## 出力フォーマット
- 大見出し(###)で各必須項目を明確に区分
- 箇条書きは補助的に使用し、主体は段落形式の説明文
- 数値は自然な文章に組み込み、計算式は非表示
- 専門用語には必ず( )内で簡潔な補足を付ける
---
## 制約条件
- 複数資料がある場合は情報を統合し、矛盾がないよう整理すること
- 決算説明会の定性コメントは、決算短信の定量データで裏付けること
- 「投資家にとっての意味」を常に意識し、株価・将来収益性への影響を明示
- 推測・推計部分は必ず「(推計)」「(当社推定)」などと注記
---
## 出力検証
- 内部処理で総文字数をカウントし、本文末尾に「**本文は◯◯字**」と明記すること
以下、Opus 4.6に1Q決算短信と補足説明資料を読み込ませた結果です。
VALUENEX(4422)の分析結果
- 事業構造の把握、成長ドライバの整理は的確
- ただし時価総額の計算に誤りあり(12.2億円と出力 → 実際は37.2億円)
- 原因は2026年2月1日付の株式分割(1株→3株)が未反映だった
- 指摘後、Opus 4.6は自力で原因を特定し修正できた
- 指摘しなければ実態の3分の1の時価総額で分析が進んでいた
ARアドバンストテクノロジ(5578)の分析結果
- 粗利率改善(25.7%→31.4%)のトレンドを正しく把握
- 経常利益の上期進捗率60.1%を下期偏重型と照らして「好調」と評価
- 開示のない数値は「推計」と明記しており、慎重な姿勢
- 目立った誤りなし
ARアドバンストテクノロジ(5578)の分析全文(Genspark)
2銘柄を通じて感じたのは、決算資料の要約と論点抽出の能力はかなり高いということです。一方で、資料に書かれていない最新情報を自動で反映する能力には限界があることも確認できました。
⚖️ 日本株分析でOpus 4.6を使うメリットと限界
ここまでの検証結果を踏まえて、Opus 4.6を日本株分析に使う場合のメリットと限界を整理します。
メリット
情報整理のスピードは圧倒的
36銘柄のCSVを渡してスクリーニングし、5銘柄をピックアップして各社のサマリーまで出力する――この作業を人間がやれば半日はかかりますが、Opus 4.6は数分で完了させます。決算資料の深掘り分析も、8項目にわたるレポートを短時間で生成してくれました。
多角的な視点の提示も有用
特にARアドバンストの分析では、粗利率の改善要因、収益のストック/フロー比率、業績進捗率と下期偏重構造の関係など、複数の切り口からの分析を1回の出力で得られました。自分一人で分析していると見落としがちな論点を拾ってくれる可能性があります。
限界
スクリーニング条件の厳密な遵守は苦手
「売上QoQ+10%以上かつ営業利益QoQ+20%以上」という明確な数値基準を設定しても、5銘柄中3銘柄は基準未達のまま通過させてしまいました。これは前回のOpus 4.1でも同じ傾向が見られた問題で、Opus 4.6でも改善されていません。
最新のコーポレートアクション(株式分割・増資などの資本異動)を自動反映できない
VALUENEXの時価総額の件は象徴的です。決算資料の数値は正確に拾えますが、資料作成後に起きた株式分割を反映できなかった。指摘すれば修正できましたが、「人間が検算しなければ気づけない」というのは実務上のリスクです。
AIの使い方として見えてきたこと
前回のOpus 4.1検証でも書きましたが、AIには一次スクリーニングと情報整理を任せ、条件の最終判定と投資判断は自分で行う。Opus 4.6でもこのスタンスは変わらず、検証を重ねるほどに裏付けられていると感じています。
✅ まとめ
Claude Opus 4.6は、金融分析ベンチマークで首位を獲得したモデルですが、日本株の実務では「万能ではないが、使い方次第で強力なたたき台になる」という評価が妥当です。
今回の検証で確認できたポイントを整理します。
- 本家claude.aiではCSV読み込みが可能になったが、Opus 4.6は有料プラン限定。無料でOpus 4.6を使うならGensparkとの組み合わせが現時点での最適解
- スクリーニング条件の厳密な遵守には課題が残る(5銘柄中3銘柄が基準未達で通過)
- 深掘り分析の情報整理力は高いが、株式分割など最新のコーポレートアクションは見落とす可能性がある
- 「AIにたたき台を作らせ、人間が検算・判断する」というスタンスは、Opus 4.6でも変わらず有効
AIの進化は速いので、次のモデルではスクリーニング精度が改善される可能性もあります。引き続き検証を重ねていきます。
今回の検証では、無料でOpus 4.6を使える環境としてGensparkを活用しました。ChatGPT、Gemini、Claudeなど複数のモデルを切り替えながら使えるので、僕のメイン環境になっています。
📌 次におすすめの記事
▶💡 ChatGPT・Gemini・Claude・Copilotを比較! 無料AIで決算分析してみた
▶💡 弐億貯男式「割安成長株」発掘プロンプト【ChatGPT 5.2対応】
▶💡 片山晃(五月)さんに学ぶPEGレシオで「買い場」を測る方法
⚠️ 免責事項
当ブログで提供する情報は、投資勧誘を目的としたものではありません。本記事に掲載されたAIの分析結果には、事実と異なる情報が含まれる可能性があります。株式投資は元本を割り込むリスクがあります。投資に関する最終決定は、ご自身の判断と責任において行われますようお願い申し上げます。当ブログの情報に基づいて被ったいかなる損害についても、運営者は一切の責任を負いません。

