株式分割後の株価は「平均プラス・中央値マイナス」 — 530件のうち半分以上はTOPIXに負けた
分割比率2倍以上の株式分割530件について、分割実施日の始値を起点に対TOPIX超過リターンを集計。60営業日後の平均は+3.89%だが中央値は-1.24%で、上位1割を除くと平均は-3.73%に沈む。
データラボ
株式データの集計・統計検証・機械学習の手法そのものを解説する記事の一覧です。本サイトの分析レポートがどう作られているかが分かります。
当サイトの分析レポートを支えるデータ集計・統計検証・機械学習の手法解説です。同じ検証を自分の手で再現したい方向けに、使ったコードやハマりどころも含めて書いています。
データの範囲や分析環境、AIの活用方針については運営者情報にまとめています。
データラボの記事
11件日米業種リードラグPCA戦略の事後検証 — 論文公開前+2.8% / 公開後-16.3%
人工知能学会の日米業種リードラグPCA戦略を論文準拠パラメータ(L=60,λ=0.9,K=3)で自前実装し、公開前50日(累積+2.8%)と公開後40日(-16.3%)の2期間で検証。公開を境にきれいに反転した
ChatGPTのように株価を予測するAI「Kronos」 — 日本株20銘柄で精度を検証してみた
AAAI 2026に採択された金融時系列AI「Kronos」を、学習データに含まれない日本株の最近2年間で検証。流動性上位20銘柄に対し300回の予測を実施した結果、「直近終値そのまま」のシンプルな予測にも負ける厳しい結果に。原因と、それでも実用できる場面を整理する。
「市場の非合理性」は株価予測に使えるか？ ― KDD 2025論文を日本株330銘柄で検証
KDD 2025採択のUMI論文が提唱する市場非合理性ファクターを日本株約330銘柄で再現検証。ロングショート戦略のシャープレシオが改善した一方、取引コスト後のリターンには課題が残った。
AIで景気後退を予測する — 日銀研究所の機械学習フレームワークをわかりやすく解説
日銀金融研究所が発表した論文を中学生にもわかるように解説。新聞記事のAI分析・混合頻度データ・機械学習を組み合わせて景気後退を予測するフレームワークの仕組みと成果を整理。
アメリカの株価で翌日の日本株を予測？ — 「時差」を使った投資戦略の論文をわかりやすく解説
人工知能学会の論文「部分空間正則化付きPCAを用いた日米業種リードラグ投資戦略」を中学生にもわかるように解説。米国市場の時差を利用して日本株の値動きを予測する手法と、年率23.8%のバックテスト結果を紹介する。
大量保有報告書の開示は株価を動かすか — 6,562件のイベントスタディで検証
大量保有報告書提出後の株価動向を2020年以降6,562件で検証。売り開示後はt+5日後にTOPIX対比-0.41%の有意な下落。買い増しは翌日始値では織り込み済み。
TOB発表前に株価は動いていたか？買収プレミアムの実態
公開買付（TOB）・MBO発表前後の株価動向を31事例でイベントスタディ検証。発表前20日の事前ドリフト、発表日ジャンプ+15%、残余リターン、プレミアム中央値31%の実態を対TOPIXベンチマークで示す。
企業不祥事・訴訟と株価の関係を検証 — 開示125件で見る下落と回復のパターン
TDNet適時開示データ125件を用いて、企業不祥事・訴訟が株価に与えるインパクトと回復パターンを検証。不祥事は翌日平均-1.5%下落するが中央値3日で回復。初期下落率と回復日数には強い負の相関がある。
外国人 vs 個人の売買動向とTOPIXリターン検証 — 「外国人に逆らうな」は本当か？
外国人が買い越した週・個人が売り越した週のTOPIXリターンを2014〜2026年のデータで検証。データ公開後の翌週金曜始値を基準に翌週・翌月・翌々月リターンを算出し、四分位ヒートマップで可視化。
信用買い残が急増した銘柄はその後どうなる？ — 57万件の日証金データで検証
信用買い残が週次で+20%〜+100%以上急増した銘柄のその後1週間・1ヶ月・3ヶ月のリターンを、日証金データ57万件超で統計的に検証。勝率・トリム平均・効果量から逆張りシグナルの有効性を定量評価。