AI を活用してアナリストのように企業を分析する方法

1#!/usr/bin/env python3
2"""
3forensic_screener.py  -  1 つのコマンドで、あらゆる企業をアナリストのように読み解く
4
5セットアップ:
6    pip install edgartools anthropic
7    export SEC_IDENTITY="Your Name [email protected]"   # SEC はこのヘッダーを要求します
8    export ANTHROPIC_API_KEY="sk-..."                # オプション、差分比較にのみ必要
9
10実行方法:
11    python forensic_screener.py AAPL
12    python forensic_screener.py TSLA NVDA SMCI       # 複数の銘柄を同時にスクリーニング
13    python forensic_screener.py SMCI --diff          # リスク要因の差分比較を追加
14"""
15
16import os, sys, argparse
17from dataclasses import dataclass
18
19# 閾値 - スタンスを変えるライン。必要に応じて調整してください。
20M_FLAG      = -1.78    # Beneish がこれを上回る -> 操作リスク（標準的なカットオフは -2.22）
21Z_DISTRESS  =  1.81    # Altman がこれを下回る -> 危険ゾーン
22Z_SAFE      =  2.99    # Altman がこれを上回る -> 安全ゾーン
23ACCRUAL_BAD =  0.25    # |発生利益/総資産| がこれを上回る -> 収益の質に関するレッドフラグ
24F_STRONG    =  6       # Piotroski がこの値以上 -> 財務体質強化中
25
26@dataclass
27class YearData:
28    sales: float; cogs: float; sga: float; net_income: float; cfo: float
29    receivables: float; current_assets: float; current_liabilities: float
30    ppe_net: float; depreciation: float; total_assets: float
31    total_liabilities: float; long_term_debt: float; retained_earnings: float
32    ebit: float; market_cap: float; shares: float
33
34def load_two_years(ticker: str):
35    """(今年度データ, 前年度データ) を返します。ネットワーク経由で SEC EDGAR を呼び出します。"""
36    from edgar import Company, set_identity
37    identity = os.environ.get("SEC_IDENTITY")
38    if not identity:
39        sys.exit("SEC_IDENTITY='Your Name [email protected]' を設定してください。SEC はこれを要求します。")
40    set_identity(identity)
41
42    company = Company(ticker)
43    fin = company.get_financials()
44    inc, bal, cfs = fin.income_statement(periods=2), fin.balance_sheet(periods=2), fin.cash_flow(periods=2)
45
46    def g(stmt, col, *aliases):
47        # ベストエフォート型の行検索。企業によって同じ項目のタグが異なります。
48        for a in aliases:
49            try:
50                row = stmt.loc[stmt.index.str.contains(a, case=False, na=False)]
51                if not row.empty:
52                    return float(row.iloc[0, col])
53            except Exception:
54                continue
55        return 0.0
56
57    def build(col):
58        return YearData(
59            sales=g(inc, col, "RevenueFromContractWithCustomerExcludingAssessedTax", "Revenues", "SalesRevenueNet"),
60            cogs=g(inc, col, "CostOfGoodsAndServicesSold", "CostOfRevenue"),
61            sga=g(inc, col, "SellingGeneralAndAdministrativeExpense"),
62            net_income=g(inc, col, "NetIncomeLoss"),
63            cfo=g(cfs, col, "NetCashProvidedByUsedInOperatingActivities"),
64            receivables=g(bal, col, "AccountsReceivableNetCurrent", "ReceivablesNetCurrent"),
65            current_assets=g(bal, col, "AssetsCurrent"),
66            current_liabilities=g(bal, col, "LiabilitiesCurrent"),
67            ppe_net=g(bal, col, "PropertyPlantAndEquipmentNet"),
68            depreciation=g(cfs, col, "DepreciationDepletionAndAmortization", "DepreciationAmortizationAndAccretionNet"),
69            total_assets=g(bal, col, "Assets"),
70            total_liabilities=g(bal, col, "Liabilities"),
71            long_term_debt=g(bal, col, "LongTermDebtNoncurrent", "LongTermDebt"),
72            retained_earnings=g(bal, col, "RetainedEarningsAccumulatedDeficit"),
73            ebit=g(inc, col, "OperatingIncomeLoss"),
74            market_cap=getattr(company, "market_cap", 0.0) or 0.0,
75            shares=g(bal, col, "CommonStockSharesOutstanding"),
76        )
77
78    # col 0 = 最新年度、col 1 = 前年度（edgartools は最新を先に並べます）
79    return build(0), build(1)
80
81def d(a, b): return a / b if b else 0.0   # 安全な除算
82
83def beneish_m_score(t, p):
84    DSRI = d(d(t.receivables, t.sales), d(p.receivables, p.sales))
85    GMI  = d((p.sales - p.cogs)/p.sales if p.sales else 0, (t.sales - t.cogs)/t.sales if t.sales else 0)
86    AQI  = d(1 - d(t.current_assets + t.ppe_net, t.total_assets), 1 - d(p.current_assets + p.ppe_net, p.total_assets))
87    SGI  = d(t.sales, p.sales)
88    DEPI = d(d(p.depreciation, p.depreciation + p.ppe_net), d(t.depreciation, t.depreciation + t.ppe_net))
89    SGAI = d(d(t.sga, t.sales), d(p.sga, p.sales))
90    TATA = d(t.net_income - t.cfo, t.total_assets)
91    LVGI = d(d(t.total_liabilities, t.total_assets), d(p.total_liabilities, p.total_assets))
92    return (-4.84 + 0.92*DSRI + 0.528*GMI + 0.404*AQI + 0.892*SGI
93            + 0.115*DEPI - 0.172*SGAI + 4.679*TATA - 0.327*LVGI)
94
95def altman_z_score(t):
96    wc = t.current_assets - t.current_liabilities
97    return (1.2*d(wc, t.total_assets) + 1.4*d(t.retained_earnings, t.total_assets)
98            + 3.3*d(t.ebit, t.total_assets) + 0.6*d(t.market_cap, t.total_liabilities)
99            + 1.0*d(t.sales, t.total_assets))
100
101def piotroski_f_score(t, p):
102    s = 0
103    s += t.net_income > 0
104    s += t.cfo > 0
105    s += d(t.net_income, t.total_assets) > d(p.net_income, p.total_assets)
106    s += t.cfo > t.net_income                                  # 現金が発生利益を上回る
107    s += t.long_term_debt < p.long_term_debt
108    s += d(t.current_assets, t.current_liabilities) > d(p.current_assets, p.current_liabilities)
109    s += t.shares <= p.shares                                  # 希薄化なし
110    s += d(t.sales - t.cogs, t.sales) > d(p.sales - p.cogs, p.sales)
111    s += d(t.sales, t.total_assets) > d(p.sales, p.total_assets)
112    return int(s)
113
114def sloan_accruals(t): return d(t.net_income - t.cfo, t.total_assets)
115
116def risk_factor_diff(ticker):
117    """今年度と前年度の Risk Factors を比較します。このスタックで最も優れた単一の読み物です。"""
118    key = os.environ.get("ANTHROPIC_API_KEY")
119    if not key:
120        return "(スキップされました - 差分比較を有効にするには ANTHROPIC_API_KEY を設定してください)"
121    from edgar import Company
122    import anthropic
123    f = Company(ticker).get_filings(form="10-K").latest(2)
124    this_rf = getattr(f[0].obj(), "risk_factors", str(f[0]))
125    last_rf = getattr(f[1].obj(), "risk_factors", str(f[1]))
126    client = anthropic.Anthropic(api_key=key)
127    msg = client.messages.create(
128        model="claude-opus-4-8", max_tokens=1024,
129        messages=[{"role": "user", "content": (
130            "連続する年次報告書からのこれら 2 つの Risk Factors セクションを比較してください。"
131            "今年度 NEW で追加されたもの、または REMOVED（削除）されたものだけを報告してください。新しい文言を引用してください。"
132            "両方に存在する定型文は無視してください。最後に一文で締めくくってください：ここにリスクを変えるものはありますか？\n\n"
133            f"前年度:\n{last_rf[:40000]}\n\n今年度:\n{this_rf[:40000]}")}],
134    )
135    return msg.content[0].text
136
137def screen(ticker, do_diff=False):
138    print(f"\n{'='*60}\n  {ticker.upper()}\n{'='*60}")
139    try:
140        t, p = load_two_years(ticker)
141    except Exception as e:
142        print(f"  書類を読み込めませんでした: {e}"); return
143
144    m, z, f, a = beneish_m_score(t, p), altman_z_score(t), piotroski_f_score(t, p), sloan_accruals(t)
145    flags = []
146    if m > M_FLAG:           flags.append(f"M-Score {m:+.2f} - 利益操作リスク")
147    if z < Z_DISTRESS:       flags.append(f"Z-Score {z:.2f} - 財務危険ゾーン")
148    if abs(a) > ACCRUAL_BAD: flags.append(f"発生利益率 {a:+.1%} - 収益の質に関するレッドフラグ")
149    if f < F_STRONG:         flags.append(f"F-Score {f}/9 - 財務体質強化中ではない")
150
151    print(f"  Beneish M  : {m:+.2f}   (> {M_FLAG} = 調査対象)")
152    print(f"  Altman Z   : {z:.2f}    (< {Z_DISTRESS} 危険, > {Z_SAFE} 安全)")
153    print(f"  Piotroski F: {f}/9      (>= {F_STRONG} 強固)")
154    print(f"  Sloan Accr : {a:+.1%}   (|x| > {ACCRUAL_BAD:.0%} レッドフラグ)")
155    print(f"\n  判定: {'調査対象' if flags else 'クリーン'}")
156    for fl in flags: print(f"    - {fl}")
157    if do_diff:
158        print("\n  リスク要因差分比較 (前年比):")
159        print("  " + risk_factor_diff(ticker).replace("\n", "\n  "))
160
161def main():
162    ap = argparse.ArgumentParser(description="任意の米国上場企業向けフォレンジックスクリーナー")
163    ap.add_argument("tickers", nargs="+")
164    ap.add_argument("--diff", action="store_true", help="リスク要因の差分比較も実行します")
165    args = ap.parse_args()
166    for tk in args.tickers:
167        screen(tk, do_diff=args.diff)
168    print("\n注意: これは確率のフラグであり、証明ではありません。Beneish は前年度のデータに基づいて"
169          "計算されるため、不正操作はすでに解消されている可能性があります。悪いスコアはその書類を開くべきだという"
170          "意味であり、その数値だけでショートしてはいけません。\n")
171
172if __name__ == "__main__":
173    main()