Claudeに投資相談してみた結果｜エンジニアが見つけた3つの違和感

「S&P500に積み立てておけば大丈夫」——そう信じて始めた投資が、1ヶ月で34%下落したらどうしますか？ 2020年のコロナショックでは、実際にそれが起きました。あのとき、積み立てを続けられた人と、狼狽売りした人の違いは何だったのか。それは「原理を理解していたかどうか」、ただそれだけです。

筆者は製造業の開発現場で、DX推進やAI開発に携わるエンジニアです。ものづくりの現場で痛感してきたのは、「仕組みの中身を理解していないと、想定外の事態で必ず判断を誤る」ということ。これは製造業の現場でも、投資の世界でも同じでした。

この記事では、実際にClaudeに投資相談した回答を「エンジニアの目」で分解し、AIの回答をそのまま実行するだけでは不十分な理由を3つの違和感として整理します。読み終わる頃には、「なぜ原理を理解すべきなのか」が腹落ちし、暴落時にも冷静でいられる投資の土台が見えてくるはずです。

結論：AIの回答は正しい。だが、それだけでは暴落時に持ち続けられない。原理を理解しているかどうかが、長期投資を完走できるかの分かれ目になる。

Claudeに「おすすめの投資」を聞いてみた

「これから投資を始めたいけれど、何から手を付ければいいかわからない」。そう思った時、最近の私たちには強力な相談相手がいます。生成AIです。

試しに、Claudeに「おすすめの投資を教えてください」と聞いてみました。返ってきた回答がこちらです。

的確でバランスの取れた回答です。でも、ここで立ち止まって考えてみてください。

この5つの選択肢を並べられて、あなたは次に何をしますか？

おそらく多くの人が、「インデックスファンドが良さそう」と何となく選び、証券口座を開いて、積立設定をして——そこで思考を止めてしまうのではないでしょうか。

エンジニアが見つけた3つの違和感

Claudeの回答は、知識として間違っていません。むしろ、初心者向けの入門書に書かれている内容を、うまく整理してくれています。でも、エンジニアとして設計書やベンダー資料を読み込む時の感覚で、この回答をもう一度見直してみます。

違和感①：「多くの専門家が言及しています」——根拠は？

インデックスファンドの説明の中に、さりげなくこの一文があります。

長期的な資産形成の手段として多くの専門家が言及しています。

エンジニアの仕事に置き換えてみます。もし同僚が「このライブラリ、多くのエンジニアが使ってます」と言ってきたら、どう反応するでしょうか。

おそらく、次のように聞き返すはずです。

• なぜ多くのエンジニアが使っているのか？
• どんな原理で動いているのか？
• どういう場面で使うべきで、どういう場面では避けるべきか？

「多くの人が使っている」という事実だけでは、採用の根拠として弱いはずです。原理を理解していないと、トラブル時に対処できないからです。

投資も同じです。「多くの専門家がすすめている」だけでは、自分のお金を預けるには根拠が足りません。実際、2020年2〜3月のコロナショックでは、S&P500がわずか1ヶ月で約34%下落しました。「専門家がすすめていたから」という理由だけで始めた人の多くが、この暴落に耐えきれず売却しています。一方、インデックス投資の原理——市場全体の長期成長に賭けるという構造——を理解していた人は、下落局面でもむしろ「安く買える機会」と捉えて積み立てを継続できました。

違和感②：判断基準の「数値」がない

Claudeは最後に、こう締めくくっています。

ご自身のリスク許容度、投資期間、目標額、そして分散投資の考え方が重要です。

これも正論です。でも、この4つをどう評価するかが抜け落ちています。

• リスク許容度 は、何を基準に測るのか？
• 投資期間 によって、なぜ最適な戦略が変わるのか？
• 分散投資 は、どの程度分散すれば「十分」なのか？

これは、製品開発で「安全率・耐久年数・冗長性を考慮してください」と言われて、具体的な数値基準がないまま判断しろと言われている状態と似ています。

原理と計算方法がなければ、判断は感覚に頼るしかありません。エンジニアが最も避けたい状況のはずです。このシリーズの記事#03では、Pythonを使って複利の効果を実際に数値で可視化します。「感覚」ではなく「データ」で判断する方法を、自分の手で確かめてみてください。

違和感③：「専門家に相談を」で終わってしまう

Claudeは冒頭と最後に「専門家に相談を」と添えています。これ自体は誠実な姿勢です。しかし、現実には——

• 専門家に相談するためのお金と時間がない
• 相談しても、結局「自分で判断してください」と言われる
• そもそも、誰が本当の”専門家”なのか判別できない

最終的に、自分で理解して判断するしかない場面が必ず来ます。そして、その時に「中身を理解しているかどうか」が、行動の質を決めます。

記事#09で詳しく扱いますが、NISA・iDeCoといった制度の活用も「専門家任せ」ではなく、自分で設計できる力が重要です。エンジニアには、その力があります。

本業で痛感した「原理を理解する」ことの重要性

「原理を理解しないまま運用すると、想定外の事態で必ず判断を誤る」——これは投資の話ではなく、筆者が本業で身をもって経験したことです。

筆者は製造業の開発現場で、モーター制御のパラメータ調整を担当していた時期があります。ある日、新しいモーターの制御パラメータを設定する場面がありました。

先輩から引き継いだ設定値をそのままコピーして、動作確認。問題なく動いているように見えました。「先輩が使っていた値だから大丈夫だろう」——そう思って、そのまま量産ラインに展開しました。

ところが、数週間後に問題が発生しました。特定の負荷条件でモーターが異常振動を起こしたのです。

原因を調べてみると、先輩の設定値は旧型モーターの特性に最適化されたもので、新型モーターではゲインが高すぎたことがわかりました。制御理論の基本——PIDゲインとシステムの応答特性の関係——を理解していれば、モーターが変わった時点で「パラメータの再調整が必要だ」と気づけたはずです。

この経験から学んだのは、「正解とされる値をコピーしても、その値が導かれた原理を理解していなければ、条件が変わった瞬間に破綻する」ということです。

DXの本質は「なぜ」を理解して仕組み化すること

筆者は普段、製造業の開発現場でDX（デジタルトランスフォーメーション）に関わっています。DXという言葉はバズワード化していて、「とりあえずAIツールを導入する」「クラウドに移行する」など、手段が目的化している場面をよく見ます。

でも、現場で実際に成果を出しているDXには、共通点があります。

それは、「なぜその業務が非効率なのか」を原理レベルで理解してから、仕組みで解決していることです。

DXの3原則：標準化・データドリブン・自動化

筆者がDXの現場で繰り返し使ってきたフレームワークは、次の3つの原則に集約されます。

原則	意味	製造業DXでの例
標準化	評価の基準を揃える	品質検査の判定基準をJIS/ISOで統一
データドリブン	感覚ではなく数値で判断する	センサーデータで設備の異常を検知
自動化	仕組みで継続的に回す	CI/CDパイプラインで毎回同じ品質を担保

そして、この3原則はそのまま投資にも当てはまります。次回の記事#02では、この対応関係を本格的に掘り下げます。

インデックス投資はDXの3原則そのものだった

Claudeの回答にあった「インデックスファンド」を例に考えてみます。これをDXの3原則（標準化・データドリブン・自動化）で読み解くと、実はすごく合理的な仕組みだということが見えてきます。

DXの原則	インデックス投資での対応
標準化	市場平均（指数）を基準にする。個別の銘柄選びに振り回されない
データドリブン	過去の長期データで「市場全体は成長してきた」という根拠に基づく
自動化	積立設定で自動購入。感情を挟まず継続できる

つまり、「多くの専門家がインデックス投資をすすめる」のは、DXの思想と同じ合理性があるからなのです。

この対応関係を理解して初めて、「なぜインデックス投資が合理的なのか」を自分の言葉で説明できるようになります。そして、理解しているから続けられる。これが重要です。

理解していないと、暴落時に逃げ出す

投資の世界で最もよく起こる失敗は、暴落時に狼狽売りすることです。

「長期・積立・分散が良いらしい」という理由だけで始めた人は、市場が30%下落した時に耐えられません。なぜなら、「なぜ長期なら回復するのか」「なぜ分散すればリスクが減るのか」の原理を理解していないからです。

先ほどのモーター制御の話と同じです。原理を理解せずにコピーした設定値は、条件が変わった瞬間に破綻します。投資も、原理を理解せずに始めた積立は、暴落という「条件変化」に耐えられません。

原理を理解していることが、継続と冷静な判断の土台になる。これは、DXの現場でも投資でも、変わらない真実です。

エンジニアには、投資を”実装”する力がある

もう一つ伝えたいのは、エンジニアには投資を”実装”する力があるということです。

投資の本や記事を読むだけでは、どうしても「何となく理解した気」になります。でも、Pythonで自分の手を動かしてデータを取得し、グラフを描き、シミュレーションしてみると——腹落ちが全く違います。

たとえば、次のようなことがPythonで数行のコードで検証できます。

• S&P500と個別株のリターンを20年分比較する
• 複利の効果を数式とグラフで可視化する
• ドルコスト平均法と一括投資をシミュレーションで比べる

本で読んだ知識を、自分で検証して確かめる。この「検証できる力」こそが、エンジニアの最大の武器です。

まとめ：AIの答えを”入口”にして、自分の頭で考える

この記事の主張は、シンプルです。

• 生成AIの回答は、知識として正しい。投資の入り口としては優秀
• でも、そのまま行動に移すだけでは不十分。原理を理解しないと暴落時に耐えられないし、応用もできない
• エンジニアには、検証する力がある。投資の原理を、自分の手でコードを動かして確かめられる

このシリーズを通じて、「AIに聞けば教えてくれる時代に、あえて中身を理解する価値」を一緒に掘り下げていきます。

今日からできる3つのアクション

「原理を理解することが大事なのはわかった。でも、具体的に何から始めればいい？」——そんな方のために、今日すぐにできることを3つ挙げます。

アクション①：証券口座を開設する

原理を理解するのが先ですが、口座開設には1〜2週間かかります。学んでいる間に口座が準備できていれば、すぐに実践に移せます。主要ネット証券の特徴を整理しました。

証券会社	NISA対応	投信積立	ポイント還元	特徴
SBI証券	○	毎日/毎週/毎月	Vポイント等	取扱銘柄数が最多。APIでのデータ取得にも対応
楽天証券	○	毎日/毎月	楽天ポイント	楽天経済圏との連携。初心者向けUIが充実
マネックス証券	○	毎日/毎月	マネックスポイント	米国株の取扱いが豊富。銘柄スカウターが高機能

どの証券会社もNISA口座に対応しており、口座開設・維持費は無料です。筆者は複数口座を使い分けていますが、最初の1つはどこでも問題ありません。迷ったら、普段使っているポイント経済圏に合わせるのが手軽です。

アクション②：このシリーズを順番に読む

本シリーズは「原理を理解する → データで検証する → 仕組みで自動化する」の順に設計しています。次の記事から読み進めてみてください。

• 次回 #02：インデックス投資はなぜ合理的？DX3原則で分解 — DX3原則とインデックス投資の対応関係を深掘り
• #03：複利の力をPythonで可視化 — 実際にコードを動かして複利の効果を体感
• #09：NISA・iDeCoの最適活用をエンジニア的に設計する — 税制優遇制度を「設計」する
• 先取り #31：Claude Code と2時間チャットしたら米国成長株30銘柄をスクリーニングできた話 — 本記事の「AI に投資相談」を発展編で実体験した記録
• 先取り #32：VRT 突破で CAN-SLIM 最初のエントリー実行、IESC は規律ある見送り — #31 のスクリーニング結果を実取引で検証したライブ実況

アクション③：Python環境を準備する

記事#03以降では、Pythonで投資データを分析します。環境がない方は、以下のいずれかを準備しておくとスムーズです。

• Google Colab（推奨）：ブラウザだけで動く。インストール不要。Googleアカウントがあれば今すぐ使える
• ローカル環境：Python 3.11以上 + pip。pip install yfinance matplotlib pandas numpy で基本パッケージが揃う

次回予告：DX3原則でインデックス投資を分解する

次回（記事#02）では、今回出てきた「DX3原則とインデックス投資の対応関係」を、もっと深く掘り下げます。

• なぜ市場平均を信じることが「標準化」と同じなのか？
• 分散投資はどのくらい分散すれば「十分」なのか、その数学的根拠は？
• 長期投資が有利である原理を、データで確認する

シリーズの実装編では、Pythonで投資の原理を検証していきます。最初のコードはこんなイメージです。

import yfinance as yf
import pandas as pd

# S&P500 と個別株（Apple）の20年分のデータを取得
sp500 = yf.download("^GSPC", start="2004-01-01", end="2024-01-01")["Close"]
apple = yf.download("AAPL", start="2004-01-01", end="2024-01-01")["Close"]

# （次回以降、このデータで「インデックス vs 個別株」のリターンを検証します）

数行のコードで、過去20年の実データを取得できます。このデータを使って、自分の目で「インデックスと個別株、どちらが有利だったか」を確かめるところから始めます。