免責事項
本記事は投資助言を目的としたものではなく、筆者個人の検証プロセス・分析手法の紹介です。記事中に登場する銘柄名・スコア・「ウォッチリスト Top 2 例」等は筆者が CAN-SLIM 基準で2026年5月時点に評価した スナップショット であり、特定の銘柄・金融商品の売買を推奨するものではありません。投資判断はご自身の責任で行ってください。記載のEPSや財務数値は公開情報（macrotrends.net、各社IR資料）を参照しています。スコア「90-96%」等は筆者独自の社内採点であり、市場標準ではありません。CAN-SLIM はオニール（William J. O’Neil）著「How to Make Money in Stocks」で提唱された手法を基にエンジニア視点で再解釈しています。
この記事は「製品開発DXエンジニアの投資術」シリーズ Part 4「実装編・実体験編」 の第1回（#31）です。発展編 Part 3 #21 なぜ成長株か から #29 ハイブリッド戦略 まで構築した CAN-SLIM 理論編を、実際に Claude Code との対話で実践した記録です。3部作の発見編 として、AI とともに米国成長株のスクリーニングを行い、ハルシネーション検証で精度を担保するまでのプロセスを公開します。
結論を先に書くと、Claude Code と約2時間対話し、S&P 500 銘柄から 筆者独自の CAN-SLIM 厳格基準を満たした 30銘柄をスクリーニング しました。検索クエリ数は50回以上、AI 出力に複数回のハルシネーション検証を行い、ウォッチリストとしての精度を確保しています。AVGO（Broadcom）が最初は CAN-SLIM 候補に挙がりながら、A項目（年間EPS）を厳密に確認すると基準違反だったケースなど、AI の一次出力を鵜呑みにしない検証プロセス の実例を6つのステップで紹介します。
TL;DR — 30秒で読む発見編
- 対話相手: Claude Code（Anthropic 製AI、コード生成 + Web検索）
- 所要時間: 約2時間 / 検索クエリ 50回以上
- 結果: 米国成長株から 30 銘柄を CAN-SLIM スナップショットとして抽出
- ウォッチリスト Top 2 例: VRT（Vertiv Holdings）/ IESC（IES Holdings）
- 発見: AVGO・NVDA・TSLA など世間の「成長株」が、CAN-SLIM の A項目（年間EPS 連続増加）基準では多数失格
- 学び: 「AI に分析を任せる」と「AI と一緒に分析する」は別物。ハルシネーション検証 が品質保証の要
- 注意: 本記事は投資推奨ではなくスナップショットの記録
CAN-SLIM と本シリーズの設計原則
CAN-SLIM は、米国の伝説的投資家ウィリアム・J・オニールが提唱した成長株投資のフレームワークで、以下の7つの頭文字を取っています。本記事の発見編では C / A / N の3項目を主に活用しました（S / L / I / M については別記事 #21 以降で扱っています）。
| 文字 | 意味 | 本記事での扱い |
|---|---|---|
| C | Current Quarterly Earnings（直近四半期EPS） | YoY +25% 以上を目安に検証（#22） |
| A | Annual Earnings（年間EPS） | 3-5年の連続増加を厳格チェック（#23） |
| N | New Highs/Products（新高値・新製品） | 52週高値からの距離で評価（#25） |
| S | Supply and Demand（需給） | 本記事では簡易、本格分析は別記事 |
| L | Leader or Laggard（業界リーダー） | 同上 |
| I | Institutional Sponsorship（機関投資家） | 同上 |
| M | Market Direction（市場トレンド） | S&P 500 の方向感を確認 |
本シリーズを貫く設計原則：絶対値より変化率、突発より連続性
シリーズ全30+記事を通じて、投資判断の評価設計に一貫した原則を採用しています。
- 絶対値より変化率: 「EPS が高い」より「EPS の成長率」を見る
- 突発より連続性: 「直近1Qだけ伸びた」より「複数期連続で伸びている」を重視
CAN-SLIM の C項目（直近Qの急成長）と A項目（年間連続増加）は、まさにこの原則の体現です。本記事の発見編でも、この原則を判定の軸に据えています。
なぜ Claude Code と一緒にスクリーニングするのか
S&P 500 で約500銘柄、Russell 1000 で1000銘柄。その中から CAN-SLIM 厳格基準を満たす銘柄を見つけるには、四半期EPS・年間EPS・52週高値・出来高・機関投資家保有率など、膨大な財務データの精査が必要です。
筆者は本業の製造業 R&D 現場で、データ品質保証や AI 統合ツールの設計を担当しています。そこで身についた一つの原則があります。
製造業の現場で身についた、AI 出力に対する原則
「AI の出力は、複数回・複数角度で検証してから採用する」
本業では、Azure OpenAI と Qdrant を組み合わせた社内ナレッジ検索ツールの品質判定を担当していました。AI が「この製造プロセス変更は影響が小さい」と判定しても、それを一度の出力で採用することはありません。同じ入力を別の表現で再質問する、回答の根拠ソースを別フォーマットで確認する、人間レビュアーの目視と照合する——これらを経て初めて、判定を業務適用します。これはハルシネーション（AIの誤情報生成）リスクを構造的に排除するための、DXエンジニアの基本姿勢です。
銘柄スクリーニングでも、同じ原則を適用するべきです。Claude Code は膨大な公開データへ Web 検索でアクセスし、財務データの整理を高速に行ってくれます。しかし、その出力をそのまま信じれば投資判断に直結するリスクがあります。AI を「答えを返す装置」ではなく「対話して検証する相手」として使う——これが本記事の発見編のスタンスです。
スクリーニング 6 ステップ：対話と検証のループ
週末の朝、Claude Code を起動し、約2時間の対話セッションを行いました。実施した6ステップを記録します。
Step 1: 最初のリクエスト — 一次リストの取得
まず Claude に次のような質問を投げました。
「米国成長株から CAN-SLIM 銘柄を抽出してほしい」
Claude は Web 検索を行い、ANET（Arista Networks）、AVGO（Broadcom）、NVDA、TSLA、AMZN などの一次リストを返してきました。一見すると妥当に見えるリストですが、ここで そのまま採用しない のが今回の検証プロセスです。
Step 2: 「本当に？」の検証 — 個別銘柄の A項目を精査
「AVGO の年間EPS を厳密に確認して」と追加で問い合わせ。Claude は公開データを再検索し、以下のような数値を返してきました（GAAP ベース、出典: macrotrends + 各社IR資料、2024年6月時点までの公開情報）。
| 会計年度 | AVGO GAAP EPS | 前年比 |
|---|---|---|
| FY2022 | $4.78 | — |
| FY2023 | $5.13 | +7% |
| FY2024 | $1.32 | -74% |
GAAP / Non-GAAP の使い分けに注意
AVGO の FY2024 -74% は GAAP ベースで、VMware 統合に伴う一時的な無形資産償却費の影響が大きいと公開資料で説明されています。Non-GAAP ベースでは別の数値になります。CAN-SLIM の A項目では GAAP / Non-GAAP のどちらを使うかで結論が変わるため、筆者は GAAP を一次評価、Non-GAAP を補助参照 として運用しています。
CAN-SLIM の A項目（Annual Earnings）の目安は「3-5年連続でEPS増加、+25%/年が最低ライン」（オニール原典では「ideal」ではなく「minimum」として記載）です。AVGO は GAAP ベースで FY2024 に大幅減少しているため、厳格基準では A項目を満たさない と評価しました。一次リストに含まれていた AVGO は、検証なしでは投資ウォッチリストに入っていたところでした。
Step 3: 「他の銘柄も再確認して」のループ
ここから「他の銘柄も同じレベルで再確認して」と Claude に繰り返し依頼しました。すると、芋づる式に A項目を満たさない銘柄が判明していきます。
| 銘柄 | A項目検証結果（GAAP 主体、参考値） |
|---|---|
| NVDA | FY2023 一時減少（生成AI ブーム前の調整期） |
| TSM | 2023年 -14% |
| TSLA | EPS 成長率減速 |
| AMD | ターンアラウンド型（CAN-SLIM の連続成長前提と相性悪い） |
| INTC | 同上 |
| AMZN | 2022年 赤字 |
| LLY | 2023年 -16% |
| GE | 2024年 -28% |
| RTX | 2023年 -36% |
| NOC | 2023年 -57% |
| ABNB | 2024年 -43% |
| UBER | 2022年 大幅赤字 |
| SHOP / SPOT | 2023年 赤字 |
| ROST | 2023年 -10% |
これらの数値は公開された各社IR資料・macrotrends から確認できる範囲のスナップショットで、会計年度や決算の捉え方によって解釈が分岐します。ここで重要なのは 「世間で成長株として扱われている銘柄であっても、CAN-SLIM の厳格基準では多くが連続成長を満たさない」 という観察です（断定ではなく、評価軸の違いの記録として）。
「ターンアラウンド型」を CAN-SLIM ではどう扱うか
AMD や INTC のように赤字 → 黒字に転換した銘柄は、回復ストーリーとして注目されることもあります。しかし CAN-SLIM の A項目は 連続増加 を前提とするため、ターンアラウンド型は別フレーム（バリュー回復型）として扱うのが筆者の方針です。詳細は #23 で深掘りしています。
Step 4: ハルシネーション検証で見つけた3種のエラー
「再確認」のループで、Claude の出力に 3種類のエラー が紛れていることが分かりました。これらすべてを「ハルシネーション」と一括りにすることもありますが、技術的には別カテゴリです。
| エラー種別 | 原因 | 対処法 |
|---|---|---|
| 古いデータ引用 | 学習データのカットオフ（最新四半期未反映） | 「最新Qのデータを Web 検索で再取得して」と明示 |
| 計算ミス | YoY 計算式の取り違え、為替変換ミス | 「計算過程を言語化して」と要求、人間が再検算 |
| 狭義のハルシネーション | 存在しない数値・引用の生成 | 出典 URL を要求、複数ソースで照合 |
例えば VRT（Vertiv Holdings）について、最初の Claude 評価では「52週高値からの距離 -0.2%、押し目待ち」と返ってきました。しかし再確認すると、別の時点の引用と混同しており、実際の評価時点では「52週高値からの距離 -5.5%、買いゾーン内」が正しい状態でした。同じ銘柄でもセッション内で異なる数値が出る ことを前提に、複数回検証が必要です。
Step 5: 残った 30 銘柄をカテゴリ分類
2時間の検証を経て、CAN-SLIM の C / A / N 項目を一定水準で満たすと評価できた銘柄を 30社のスナップショット として整理しました。
本リストは投資推奨ではなく「2026年5月時点のスナップショット」
以下のリストは、本記事執筆時点で筆者が CAN-SLIM 評価を行った結果のスナップショットです。特定銘柄の購入を推奨するものではなく、検証プロセスの記録としてカテゴリ別に整理しています。実際の投資判断には、本記事の評価軸では扱っていない S / L / I / M 項目の検証、リスク許容度、ポートフォリオ全体での位置づけが必要です。
Step 6: スナップショット 30 銘柄（カテゴリ別）
| カテゴリ | 銘柄数 | 主な企業（ティッカー） |
|---|---|---|
| AI / Tech 系 | 7 | ANET / PWR / VRT / APP / CLS / NOW / FTNT |
| EC / FinTech 系 | 4 | MELI / NU / SE / PDD |
| ディフェンシブ寄り | 5 | COST / GD / ISRG / WM / RSG |
| 航空宇宙・防衛 | 2 | HEI / TDG |
| 産業・電力・建設 | 5 | ETN / TT / URI / IESC / FIX |
| 小売 | 3 | TJX / ORLY / DPZ |
| 決済 | 2 | V / MA |
| 業界重複（注意枠） | 2 | CRWD / POWL |
ウォッチリスト Top 2 例：筆者の評価で上位だった2銘柄
30銘柄のうち、筆者独自の社内採点で C / A / N 項目すべてを高水準で満たし、52週高値に近いゾーンにある2銘柄 がありました。本記事は購入推奨ではなく、評価プロセスの例として紹介します（次回 #32 実行編 で実際の判断を扱います）。
例1: VRT（Vertiv Holdings）
- 筆者社内スコア: 90-96%（市場標準ではない筆者の判定値）
- Q1 2026 adjusted EPS YoY: +83%
- FY2026 ガイダンス: +51% 上方修正（IR 資料より）
- 52週高値からの距離: -5.5%
- 主要事業: AI Data Center 向け電力・冷却インフラ
例2: IESC（IES Holdings）
- 筆者社内スコア: 90-93%
- 5年平均成長率: +41.5%/年（オニール基準の最低ライン +25% を超過）
- Q2 2026 GAAP EPS YoY: +55%
- 52週高値からの距離: -1〜-3%
- 主要事業: AI Data Center 向け電気工事
これら2銘柄は #24 C×A 複合判定 の枠組みで「直近Q急成長 + 長期連続成長」の両軸で評価しており、評価軸として 「絶対値より変化率、突発より連続性」 原則が機能している例と位置づけています。ただし、評価時点と公開時点では市場状況が大きく変わっている可能性があり、本記事を読む時点では同じ評価にならないことを前提にしてください。
本業の話：AIに「答え」ではなく「対話」を求める作法
製造業の研究開発現場で、筆者はAzure OpenAI と Qdrant を組み合わせた社内ナレッジ検索ツールの品質判定を担当していました。社内文書(数万件)から関連情報を埋め込みベクトル検索し、生成AI で要約する仕組みです。リリース前の品質評価で得た知見が、今回のスクリーニングセッションにそのまま転用できました。
- 1年目（最初のリリース）: AI 出力をそのまま社内利用者に提示する設計だったが、誤情報率が約20%。リリース1ヶ月で「AIを信用してよいのか」というクレームが社内で発生
- 2年目（複数回検証導入）: 同じ質問を異なる表現で再質問させ、回答を相互照合する設計に変更。誤情報率が約8%に低下（前年比 -60%）。利用者の信頼度が大幅に回復（社内アンケートの「役立つ」回答率 40% → 75%）
- 3年目（M365 Copilot 教育コンテンツ連携）: 全社向けに「AI 出力の検証フロー」を3ステップ（再質問 → ソース確認 → 同僚レビュー）として標準化。教育コンテンツに組み込み、AI ツール利用部門の生産性 KPI を継続向上
この本業の経験から得た核心は、AI を「答えを返す装置」ではなく「対話して検証する相手」 として扱うこと。今回の CAN-SLIM スクリーニングでも、最初の一次出力を採用していれば AVGO を CAN-SLIM 銘柄として扱うミスを犯していたところでした。「絶対値より変化率、突発より連続性」 原則は、AI 出力の検証にも適用できます——一度の出力（突発）より、複数回の検証で得られる傾向（連続性）を信じる。
学んだこと：4つの原則と「ツール化」への展開
- 1. AI には「答え」ではなく「対話」を求める: 一次出力は仮説、複数回検証で精度を担保
- 2. ハルシネーションは3種に分解して対処: 古いデータ引用 / 計算ミス / 狭義のハルシネーション、それぞれ別の対処
- 3. 自分のドメイン知識を活かす: 製造業の品質保証経験が CAN-SLIM 厳格基準の運用に直結
- 4. プロセスを言語化できれば、ツール化できる: 2時間の対話で見えた判定ロジックは、コードに翻訳できる
4番目が、本シリーズ Part 4 の核心です。本記事 #31 で「人間 + AI の対話プロセス」を言語化したことで、次の段階——3部作の自動化編（#33-#37）——でこのプロセスを Python + React で 「CANSLIM Entry Judge」アプリ として実装する基盤ができました。Part 3 で確立した設計判断（ticker_normalized 5桁正規化、絶対値分母 YoY、StandardScaler 必須等）を実装に落とし込みます。
まとめ：AI と一緒にスクリーニングする 4 ステップ
- CAN-SLIM 厳格基準で米国成長株を絞り込むには、AI との対話 + 複数回検証が現実的。一次リストの鵜呑みは AVGO のような誤分類を生む
- ハルシネーションは3種（古いデータ / 計算ミス / 狭義）に分解して対処。本業の AI 品質保証経験がそのまま転用できる
- 「絶対値より変化率、突発より連続性」原則は、CAN-SLIM の C / A / N 項目の本質であり、本シリーズ Part 1-3 を貫く設計原理。AI 出力の検証にも適用可能
- 30銘柄のスナップショットは投資推奨ではなく、評価プロセスの記録。実際の投資判断には S / L / I / M 検証、リスク管理、ポートフォリオ位置づけが追加で必要
今日からできる3つのアクション
- Claude Code を試してみる: 自分が気になる銘柄1〜2社について「直近5年のEPS推移を厳密に確認して」と質問。一次出力後、別の表現で「もう一度確認して」と再質問し、出力が同じか比較する
- CAN-SLIM の C / A / N を自分の評価軸にする: 既存の保有銘柄や検討中の銘柄について、「直近Q +25% / 年間連続増加 / 52週高値から-5%以内」の3軸で再評価。Part 3 #22 〜 #25 で各項目の Python 実装も公開
- 本業のスキルを投資に転用する観点を持つ: データ品質保証、複数回検証、ドメイン知識——本業のスキルセットから「投資判断にも使える原則」を1つ抽出してみる。次回 #32 実行編 ではこれを実取引で運用した記録を公開予定
次回予告：CAN-SLIM 実行編（VRT エントリーのライブ実況）
本記事 #31 はスクリーニングの「発見編」でした。次回 #32 実行編 では、本記事で抽出した VRT・IESC を実際の市場でリアルタイムに観察し、ピボット突破時にエントリーした記録を時系列で公開します。「買えた / 買わない」両方の判断、損切り設定、FOMO（機会損失への恐怖）の心理戦まで、ライブ実況フォーマットで記録しています。
その後、#33-#37 自動化編 で「人間 + AI の対話プロセス」を PWA + Cloud Run + Firestore でアプリ化（CANSLIM Entry Judge MVP）するシリーズが続きます。3部作（発見 → 実行 → 自動化）を通じて、AI に丸投げでもなく、AI 不使用でもない、「AI と共に規律ある検証プロセスを回す」 Chelsea-Labs 流のアプローチを示します。
「製品開発DXエンジニアの投資術」シリーズ全体像
本記事は Part 4「実装編・実体験編」の第1回（3部作の発見編） です。
- 基礎編 #01-#10: 完了（インデックス投資 × DX思想）
- 応用編 #11-#20: 完了 ✅（高配当株 × データパイプライン）
- 発展編 #21-#30: 進行中（CAN-SLIM 理論編、機械学習・情報理論・NLP）
- Part 4 実装・実体験編 #31-#37: 開幕 ▶
Part 4 ロードマップ:
- 3部作 発見編: ▶ イマココ #31 スクリーニング（本記事）
- 3部作 実行編: #32 VRT リアル実況（公開予定）
- 3部作 自動化編: #33 PWA → #34 スコアリング → #35 規律のシステム化 → #36 出口判定 → #37 Discord 自動化（公開予定）
関連記事（発展編から）: #21 なぜ成長株か ｜ #22 C 当期EPS ｜ #23 A 年間EPS ｜ #24 C×A 複合判定 ｜ #25 N 製品アーキテクト視点 ｜ #29 ハイブリッド戦略
免責事項（再掲）
本記事は投資助言を目的としたものではなく、筆者個人の検証プロセス・分析手法の紹介です。記載のEPSや財務数値は2026年5月時点の公開情報（macrotrends.net、各社IR資料）を参照しており、その後の決算で数値が更新されている可能性があります。GAAP / Non-GAAP の区別、会計年度の混同、為替変動の影響により、同じ銘柄でも評価が変わることがあります。スコア「90-96%」等は筆者独自の社内採点であり、市場標準ではありません。30銘柄リストおよびウォッチリスト Top 2 例（VRT / IESC）は投資推奨ではなく評価プロセスの記録です。投資判断はご自身の責任で、最新の情報と複数の評価軸（リスク許容度、ポートフォリオ全体での位置づけ等）を踏まえてご検討ください。Claude Code・Anthropic 等の AI ツール利用時は、各サービスの利用規約と AI 出力の限界を理解した上でご活用ください。
コメント