J-Quantsの財務データから主要指標（ROE・自己資本比率・利益率・配当性向）をPythonで計算する

J-Quantsの財務データから主要指標をPythonで計算する

スクリーニングや銘柄分析をするとき、PERやROEが「データに入っていない」ことはよくあります。
J-Quantsから取れるのは生の財務数値が中心なので、指標は自分で計算する必要があります。

この記事では、財務データから ROE・自己資本比率・営業利益率・配当性向 をPythonで計算する流れをまとめます。
※認証・データ取得の基本は割愛します（V2 APIを x-api-key ヘッダーで叩く前提）。エンドポイント名・キー名は公式ドキュメントで確認してください。

1. 財務データを取得して数値化

財務サマリーを取得し、必要な列を数値型に変換します。

import requests
import pandas as pd

API_KEY = "あなたのAPIキー"
BASE = "https://api.jquants.com/v2"
headers = {"x-api-key": API_KEY}

resp = requests.get(f"{BASE}/fins/statements",
                    params={"code": "86970"}, headers=headers)
resp.raise_for_status()
fins = pd.DataFrame(resp.json().get("statements", []))

# 文字列で返る数値を数値型に（空文字はNaNに）
num_cols = ["NetSales", "OperatingProfit", "Profit",
            "Equity", "TotalAssets",
            "ResultDividendPerShareAnnual", "EarningsPerShare"]
for c in num_cols:
    if c in fins:
        fins[c] = pd.to_numeric(fins[c], errors="coerce")

latest = fins.sort_values("DisclosedDate").iloc[-1]  # 最新の開示

列名はAPIのバージョンで異なります。実レスポンスを print(fins.columns) で確認して合わせてください。

2. 主要指標を計算

def safe_div(a, b):
    return a / b if (b not in (0, None) and pd.notna(b)) else None

roe          = safe_div(latest["Profit"], latest["Equity"])              # 自己資本利益率
equity_ratio = safe_div(latest["Equity"], latest["TotalAssets"])        # 自己資本比率
op_margin    = safe_div(latest["OperatingProfit"], latest["NetSales"])  # 営業利益率
payout       = safe_div(latest["ResultDividendPerShareAnnual"],
                        latest["EarningsPerShare"])                     # 配当性向

print(f"ROE={roe:.1%}  自己資本比率={equity_ratio:.1%}  "
      f"営業利益率={op_margin:.1%}  配当性向={payout:.1%}")

これで「稼ぐ力（ROE・利益率）」「安全性（自己資本比率）」「還元（配当性向）」が一度に見えます。

3. つまずきやすいポイント

• 単位：配当性向を「1株配当 ÷ EPS」で出す場合と「配当総額 ÷ 純利益」で出す場合がある。混在に注意。
• 連結/単体：連結（Consolidated）か単体かでEquity等が変わる。どちらを使うか統一する。
• 予想 vs 実績：ForecastとResultの列を取り違えると指標がブレる。
• 0除算/欠損：赤字や無配の期はNaN・ゼロが出る。上の safe_div のようにガードする。

4. 複数銘柄に広げる

銘柄ごとに同じ処理を関数化して、DataFrameにまとめれば、スクリーニングの土台になります。

def metrics_for(code):
    r = requests.get(f"{BASE}/fins/statements",
                     params={"code": code}, headers=headers)
    df = pd.DataFrame(r.json().get("statements", []))
    if df.empty:
        return None
    for c in num_cols:
        if c in df:
            df[c] = pd.to_numeric(df[c], errors="coerce")
    x = df.sort_values("DisclosedDate").iloc[-1]
    return {
        "code": code,
        "ROE": safe_div(x["Profit"], x["Equity"]),
        "equity_ratio": safe_div(x["Equity"], x["TotalAssets"]),
        "op_margin": safe_div(x["OperatingProfit"], x["NetSales"]),
        "payout": safe_div(x["ResultDividendPerShareAnnual"], x["EarningsPerShare"]),
    }

rows = [m for c in ["86970", "72030", "99840"] if (m := metrics_for(c))]
table = pd.DataFrame(rows)
print(table)

※全銘柄ループは件数が多いので、必要な銘柄に絞る・適度にwaitを入れると安全です。

まとめ

• J-Quantsの財務データは「生の数値」中心。指標は自前で計算する
• ROE・自己資本比率・利益率・配当性向は数行で出せる
• 連結/単体・予想/実績・配当性向の定義など、前処理の統一がブレ防止の鍵

以上です。ここで作った指標テーブルは、そのまま割安スクリーニングやスコアリングの入力になります。
参考になれば幸いです。

※また、コードで自由にやるのも楽しいけど、毎回は面倒。GUIで完結させたい人は、よければ作ったツールも触ってみてください！

▶ Ha-Co-Va 株価分析ツール
https://hacova-store.com