自社株買いの波に乗れ。信越化学と連動する銘柄を Pythonで探してみた。

Last updated at 2025-04-28Posted at 2025-04-28

自社株買いをした信越化学と連動する銘柄を Mutual Information で探してみた。

5000億円の自社株買いが着火点

2025年4月25日、信越化学工業（4063.T）は
発行済み株式の10.2％・最大5000億円 に及ぶ自己株取得枠を決議しました【ロイター】。
取得期間は 2025-05-21 ～ 2026-04-24 と異例の長期・大規模。
発表直後から株価は4日続伸し、同社をベンチマークにした
「巻き戻し買い／連想買い」 が市場で急増しています。
引用1 引用２

では連動しやすい銘柄を先に把握しておけばどうなるか？

#	どう役立つ？
1. リスクを小さくできる	信越化学を買い、動きが似ている銘柄を同時に売る（両建て）と、市場全体が上がっても下がっても影響が打ち消し合い、信越化学だけの値動きを狙いやすくなります。
2. “つられて動く株” を先回り	5000 億円の自社株買いは、同じ半導体・素材セクターに連想買いが広がりやすい。動きが似る銘柄を知っておけば、資金が流れそうな株を先に仕込む／利確するチャンスが増えます。
3. 指数売買の巻き添えを回避	信越化学は TOPIX のウェート 1 ％超。株価が急騰・急落すると、指数に連動するファンドが自動で売買し、似た動きをする銘柄にも注文が入ります。あらかじめ把握しておけば、思わぬ巻き添えに備えられます。

大規模な自社株買いが出たとき、

ヘッジ（リスクを抑える）

連想買い／売りの先回り

指数の自動売買対策
といった場面で、連動銘柄リストは “早見表” として役立ちます。

そこで今回は 非線形の関係を測れる Mutual Information (MI) を使い、
過去2年のリターンから 「信越化学と連動した値動きを示す上位30銘柄」 を抽出し、
ヒートマップで可視化しました。

なぜ Mutual Information なのか？

株価同士の 線形相関 だけでは「似てる動き」が取りきれない
Mutual Information (MI) は 非線形 な依存も捕捉できる
sklearn.feature_selection.mutual_info_regression が使えるので実装ラク

環境

item	version
Google Colab	(Python 3.11 )
pandas	最新
matplotlib	最新
seaborn	最新
scikit-learn	最新
yfinance	最新

①信越化学の値動きと関係がありそうな銘柄の選抜

財務データを元にした1次スクリーニングを通過した銘柄(約200、4月上旬実施)の過去2年間の、1日毎のリターンを計算。信越のリターンデータをX、200銘柄のリターンデータをyとして定義。mutual_info_regression(X, y, random_state=0)を使って、Mutual Informationを計算しました。

# 必要ライブラリ
!pip install yfinance scikit-learn

import yfinance as yf
import pandas as pd
from sklearn.feature_selection import mutual_info_regression
import numpy as np
import os

# --- Google Driveをマウント ---
from google.colab import drive
drive.mount('/content/drive')

# --- パス設定（自分の環境に合わせて！） ---
input_path = "/content/drive/MyDrive/stock_prediction/ver.1/results/1st/stock_filtered_Prime.csv"   # 入力ファイルパス
output_path = "/content/drive/MyDrive/stock_prediction/ver.1/Shin_Etsu_theme/mutual_information_ranking.csv"   # 出力ファイルパス

# --- パラメータ設定 ---
target_ticker = "4063.T"  # 信越化学
period_years = 2  # データ取得年数
interval = "1d"   # 1日ごとのデータ

# --- 銘柄リスト読込 ---
tickers_df = pd.read_csv(input_path)
tickers = tickers_df["Ticker"].tolist()
tickers.append(target_ticker)  # 信越化学も追加

# --- 株価データ取得 ---
data = yf.download(tickers, period=f"{period_years}y", interval=interval)["Close"]

# --- リターン計算 ---
returns = data.pct_change().dropna()

# --- 信越化学のリターンと、その他銘柄のリターンに分離 ---
y = returns[target_ticker]
X = returns.drop(columns=[target_ticker])

# --- 欠損除去（ある銘柄は除外）---
X = X.dropna(axis=1)
common_columns = X.columns
y = y[X.index]  # インデックスを揃える

# --- Mutual Information計算 ---
mi_scores = mutual_info_regression(X, y, random_state=0)

# --- 結果まとめ ---
result_df = pd.DataFrame({
    "Ticker": common_columns,
    "Mutual_Information": mi_scores
}).sort_values(by="Mutual_Information", ascending=False).reset_index(drop=True)

# --- 出力 ---
print(result_df)

# 保存
os.makedirs(os.path.dirname(output_path), exist_ok=True)
result_df.to_csv(output_path, index=False)

②会社名の添付

読み込んだ1次スクリーニングのリストに銘柄名がなかったので、この段階では会社名が参照できないです。継ぎはぎで格好悪いですが、後から会社名をyfinanceから取ってきて、csvにappendしました。

import yfinance as yf
import pandas as pd

# Tickerリストを読み込む
tickers_df = pd.read_csv("/content/drive/MyDrive/stock_prediction/ver.1/Shin_Etsu_theme/mutual_information_ranking.csv")
tickers = tickers_df["Ticker"].tolist()

# 会社名を取得
company_names = []
for ticker in tickers:
    try:
        info = yf.Ticker(ticker).info
        name = info.get('longName', None)
    except:
        name = None
    company_names.append(name)

# 会社名をDataFrameに追加
tickers_df["Company_Name"] = company_names

# 保存
tickers_df.to_csv("/content/drive/MyDrive/stock_prediction/ver.1/Shin_Etsu_theme/mutual_information_ranking_with_Name.csv", index=False)

print(tickers_df.head())