chelsea– Author –

高配当株スクリーニング自動化パイプライン（応用編 #11〜#19）の全体像を総括。データ取得から判定・通知まで6フェーズ11ステップ、開発コード30本を1コマンドで起動する master_runner.py まで、パイプライン設計の集大成です。

高配当株ポートフォリオの業種分散を HHI（集中度指数）・業種間相関・FMEA RPN の3指標で設計する方法。製造業の FMEA 手法でセクター集中リスクを故障モードとして整理し、Python サンプルコードで自動判定します。

高配当株の財務健全性は業種で見る指標が違う——銀行は BIS 自己資本比率、REIT は LTV と使い分ける方法を解説。業種別代替指標の計算方法、記念配当・特殊配当の検知、matplotlib ダッシュボード可視化までサンプルコード付き。

高配当の罠（バリュートラップ）銘柄を Python 異常値検知で見抜く方法。IQR・Zスコアの計算方法、株価暴落×利回り急騰の同時検出、SPC 管理限界（±3σ）の3手法をサンプルコード付きで解説し、スクリーニング判定器に統合します。

高配当株の配当安定性を pandas 時系列分析で見抜く方法。変動係数（CV）・連続増配年数・rolling 移動平均の計算から、シューハート管理図による可視化まで、「平均ではなく分布を見る」製造業品質管理の発想でサンプルコード解説。

両学長基準の高配当株スクリーニングを Python で自動化する手順。multiprocessing 並列処理による高速化、LINE Messaging API 通知、cron/GitHub Actions での日次バッチ化まで、パイプライン5要素をサンプルコード付きで解説します。

J-Quants と EDINET の財務データを DuckDB で統合するデータマート設計を解説。4テーブル+2ビュー構成のスキーマ DDL、銘柄キー正規化、業種別代替指標マッピングまで、高配当株スクリーニングの土台をサンプルコード付きで構築します。

J-Quants API（株価・財務サマリ）と EDINET API（有価証券報告書のXBRL）を Python で自動取得する実装手順。ページネーション、XBRLタクソノミ統一、DuckDB保存まで含めた高配当株スクリーニング用データパイプラインを、規約遵守のスニペットで整理します。

両学長が紹介する高配当株スクリーニング6基準（配当利回り・配当性向など）を、製造業エンジニアが「製品スペックシート」として再構築。なぜその数値なのかを根拠から整理し、PASS/CAUTION/FAIL 判定器として Python 実装します。

VYM/HDVと比較して、なぜ自前で高配当株スクリーニングを組むのか。インデックス投資の3つの制約、両学長基準と日米両市場対応、NISA成長投資枠×税制最適化、コア・サテライト配分まで、応用編の起点として整理。