🧠 AIが僕の代わりに市場を読むまで

AWS Lambda × Docker × Gemini × LINE でJPXオプション解析を完全自動化した話

🎯 はじめに

Python、AWS、ほとんど触ったことがなかった。
毎日、JPX（日本取引所）の日経平均先物・オプションデータを手動でダウンロードし、AIに読ませて市場のコメントをもらう──そんな日々を過ごしていました。

「これ、全部自動化できるんじゃないか？」

そう思い立って作り始めたのがこのシステムです。

この記事では、
JPXの先物オプション価格データを自動取得 → スマイルカーブ生成 → GeminiでAI解析 → LINE通知
までを完全自動化した仕組みの構築過程を紹介します。

AWSやPython、AI連携に興味がある方の参考になれば幸いです。

🧩 システム概要

最終的に完成した構成は次の通りです。

📊 処理フローまとめ

ステップ	サービス	主な機能	詳細
①	JPX	オプション情報ファイル提供	先物オプション情報のZIPデータをLambdaが取得
②	Lambda (Docker Python)	自動処理の中心	16:50にEventBridgeで起動
③	S3	一時保存・入出力	スマイルカーブ画像、CSV、AIプロンプトファイル
④	Gemini	AI解析	IVスキューやセンチメント分析
⑤	LINE	通知出力	AIコメント＋画像を送信

各モジュールの役割

EventBridge
└ 毎日16:50に自動トリガーでLambdaを起動
Lambda（Dockerコンテナ）
├ JPX先物・オプションデータを取得
├ スマイルカーブ画像を生成（matplotlib）
├ Gemini解析用CSVを抽出
├ S3へアップロード
├ Gemini APIでAI解析
└ LINEへ通知送信
S3
└ スマイルカーブ画像とAI解析用CSVを保存
Gemini API
└ CSVを入力にAI解析を実行し、結果を返す
LINE API
└ スマイルカーブ画像＋AI解析コメントを送信

🧭 開発の進め方

最初から全部を一気に作ったわけではありません。
少しずつ動作を確認しながら、部品を組み合わせていくスタイルで進めました。
スマイルカーブのグ映像を生成するPythonソフトは既にあるので、これをそのまま呼び出す。
基本的に「コードはAIで作成し、自分が結合・調整する」方式です。

1. Lambda入門：Hello Worldからの出発

まずは「Hello World！」を出すだけのLambda関数を作成。
AWSのアカウント登録から始め、デプロイ、テスト実行の方法を理解するまでにかなり手間取りました。
PythonもAWSも初心者なので、「動いた！」という感動を何度も味わいながら進めました。

2. LINE通知の実装

次に、Lambdaから自分のスマホへ通知を送る機能を作成。
LINE DevelopersでBotアカウントを作り、Message APIを有効化、チャネルアクセストークンを発行します。

最初はうまくいったものの、途中で突然通知が止まるトラブルが発生。
AIが古い「LINE Notify API」に勝手に書き換えていたことが原因でした。
地味なトラブルですが、解決に時間を取られました。

📱 初めてLINEに通知が届いたときの感動は忘れられません。

この頃まではZIP形式でLambdaへ直接デプロイしていましたが、
のちにサイズ制限の壁にぶつかることなります…。

3. スマイルカーブ生成のDocker化

JPXオプション分析の肝となる「スマイルカーブ生成スクリプト」をLambda上で動かしたい。
しかし、matplotlibのサイズが大きすぎてZIPデプロイでは限界に。

軽量ライブラリ（Klayers）を試すも失敗。
最終的に「DockerでLambdaを動かす」という方針に切り替えました。

WSL2上のUbuntuにDockerをインストール
docker build, docker push の使い方を習得
docker build --provenance=false でエラー解消
TZ=Asia/Tokyo を指定してUTC→JSTに調整

🐋 Dockerを使うのは初めてで、「Hello World」からのスタート。
WSL2のパスワードを忘れてリセットしたのも良い思い出です。

ローカルPC→Docker→Lambdaの環境順に動作を確認し、
同じ出力（スマイルカーブ画像）が得られることを検証しました。

💡 補足：スマイルカーブとは？
先物オプションを扱う人ならお馴染みの「IV（インプライド・ボラティリティ）」の分布グラフ。
これを見ながら市場のセンチメント（強気・弱気）を読み解く分析手法です。

4. JPXデータの自動取得とS3連携

boto3を使ってS3へのアップロード・ダウンロードを実装。
JPXのZIPファイルを展開し、スマイルカーブ生成に必要なCSVを自動整形します。
S3に、AIへの指示用プロンプト内容をファイルとして置くことで、プロジェクトの構成を変更しなくても運用できるように対応。

このステップで、Lambdaが単なる関数実行環境ではなく、
クラウド上のストレージ（S3）と密に連携できることを実感しました。

5. Gemini APIとのAI連携

いよいよAI連携。
Gemini APIをPythonから呼び出し、CSVを入力に解析を実行します。
ChatGPTと違って無料枠でAPIを試せたため、まずはこちらを採用。

プロンプトをS3上のテキストとして管理、プロンプト修正時もデプロイ不要で更新可能
予備としてソースコードにもデフォルトプロンプトを埋め込み

「プロンプトの最後にdoneを返すように」と指定し、最後まで受信できたことを確認できるようにしました。

単体でGeminiのAIモジュールをテスト中のイメージ

6. 全体統合とスケジュール実行

各モジュールを統合し、ローカル・Lambdaの両方で動作確認。
最終的にEventBridgeで毎日16:50に自動実行する設定を追加。

そしてついに──
📩 LINEにスマイルカーブ画像とAI解析コメントが届く！

開発3日目、ようやくすべてがつながった瞬間でした。

⚙️ ハマりポイントと学び

🧱 Pythonのインデント
スペースとタブを混ぜると確実にエラー。エィデタの可視化設定で解決。
C++を触っているとインデントに意味があるとは知らずハマる
📦 Lambda ZIPのサイズ制限
matplotlibなどの重いライブラリを使うならDockerを使うのが良さそう
🧩 ライブラリの環境差
WindowsでビルドしたパッケージはLambda（Linux）で動かない。WSL2で統一（当然だが案外見落とす）
⏰ Dockerのタイムゾーン
デフォルトUTC。TZ=Asia/Tokyoで修正。
🤖 AIのコード自動生成
大きなソースコードを一括でAIに任せるとデグレード多発。機能単位で分けてコード生成を依頼し、人間が統合した方が安定。

🧠 まとめ

このプロジェクトの構築には約3日。
「毎日の手作業を、AIとクラウドで置き換える」という発想から始まりましたが、
結果的に“お試し”の域を超えた感じに完成しました。

⚠️ データ利用と免責事項

本記事で使用している JPX データは、日本取引所グループ（JPX）が一般公開している情報をもとに、個人の研究・学習目的 で解析したものです。

商用利用・再配布は行っていません。

本記事および AI による分析結果は、特定の銘柄や金融商品の 売買を推奨するものではありません。

投資判断は必ず ご自身の責任 で行ってください。

本記事は 教育・技術紹介 を目的としており、
金融商品取引法上の「投資助言」には該当しません。

📅 Project Duration: 約3日
🔧 Tech Stack: AWS Lambda / Docker / Python / Gemini API / LINE Messaging API