ＰＣＡ異常検知 ― 値動きの「共動の崩れ」で突発材料を検出
買収提案、ＴＯＢ、業績修正、事故 ― 個別の材料は、その 1 社だけ を襲います。だから「市場も同業も動いていないのに、この銘柄だけ急に動いた」を見つければ、突発材料が出た銘柄をその日のうちに拾える はずです。本記事は、これを教師なしで毎日・全銘柄から検出します。3-2 の「個別ショック抽出」の、決算発表に依らない常時監視版 です。
ＰＣＡで「みんなと違う動き」を検出する
どの銘柄も「市場全体の波」と「業種の波」に乗っています。そこで ＰＣＡ（主成分分析＝多くの銘柄に共通する動きを抜き出す手法） で、その "みんなに共通する波" を取り出し（最も大きい波が市場全体の動きで、全体の約 36% を占める）、各銘柄の動きを その共通の波でどれだけ説明できるか を見ます。
- 上段：セブン＆アイの 2024-08-19、実際の動きは約 9σ（σ＝普段の値動きの幅。9σ は "普段の 9 倍" 級）跳ねたのに、共通成分（青線）はほぼ 0 ― 市場・業種では説明できない
- 下段：その差＝残差が 10σ に突出。これが「異常度」で、大きい日ほど強い個別材料
ケーススタディ ― 仲間は平ら、その銘柄だけ動いた
3-5 のクラスタを「いつもの仲間」の基準線にして、代表 4 銘柄を重ねます。
灰色（クラスタ平均＝いつもの仲間）は平らなのに、赤（対象銘柄）だけが縦線の日に跳ねる／落ちる ― 個別材料の瞬間が一目で分かります。
- セブン＆アイ +23%（買収提案）／豊田自動織機 +23%（ＴＯＢ思惑）― 急騰
- 牧野フライス −18%／日本航空電子 −18% ― 急落
突発材料 Top15 ― 検出器の出力
異常度（ＰＣＡの残差 σ）が大きい順に選び、見やすいように その日の「個別の動き＝銘柄 − 市場平均」 で大きさを示します（並べる基準は残差、表示はその個別の動き）。
| 日付 | 銘柄 | その日 | 市場 | 個別 |
|---|---|---|---|---|
| 2024-08-19 | セブン＆アイ | +22.7% | −1.1% | +23.8% |
| 2025-04-28 | 豊田自動織機 | +22.7% | +1.0% | +21.7% |
| 2025-07-16 | ＪＲＣ | +26.3% | −0.2% | +26.5% |
| 2025-10-31 | 日本航空電子 | −17.8% | +0.5% | −18.3% |
緑＝急騰・赤＝急落。どれも 市場はほぼ動いていないのに、その銘柄だけ大きく動いた日 です。上げも下げも、両方向の突発材料を拾えています。
ＥＮＥＯＳ ― いつもの石油同業から外れた日
この分析の中核 ＥＮＥＯＳ で試します。通常は石油の同業（出光・コスモ）と 相関 0.79 で連動しますが、その連動の強さ（ローリング相関＝直近どうしの相関）が 0.47 まで急落 した日があります ― それが 2025-03-28 の業績予想修正の前後 でした。
- 上段：いつもの石油同業との連動が、ＥＮＥＯＳ固有の材料が出た局面でだけ切れている
- 下段：ピアで説明できない累積リターン（ＥＮＥＯＳ固有分）は 2025 年央から拡大
これは記事 2-7（ＣＡＲ） で業界の動きを除いて測った市場反応を、イベント窓ではなく毎日・教師なしで監視する常時版 にあたります。
毎日の見張り ― いつ点灯するか
日ごとに「いつもと違う動き」をした銘柄数を数えると、検出器の使い方が見えます。
- 平常日は 0〜2 銘柄。ところが 決算シーズン（2・5・8・11 月）に 10〜15 銘柄へスパイク
- 個別材料が集中する時期に自動で点灯する ― その日のうちに「確認すべき銘柄」を絞れる
正直な限界
3-4 で重要度の罠を直視したのと同じトーンで、ここも正直に書きます。
- 検出できるのは 「個別材料が出た日」であって「不正」そのものではない。大半は買収・業績修正・需給。不正"判定器"ではなく、確認すべき銘柄を絞る"トリアージ装置"
- タイミングは基本 ニュースと同時。発覚前に分かるのは情報が先行して漏れた場合だけで、予言ではない
- それでも価値は大きい ― 個人投資家の 時間配分の最適化（どのＩＲ・適時開示を先に読むか）に直結します
まとめ
- 入力を「値動きそのもの」にして、予測ではなく検出 に徹した。ＰＣＡの 残差（実際 − 共通成分） が大きい日＝個別材料が出た日
- 検出器は セブン＆アイ +23.8%（買収提案）／豊田自動織機 +21.7%（ＴＯＢ）／日本航空電子 −18.3% など、市場が動かないのにその銘柄だけ動いた日 を上げ下げ両方向で的中
- ＥＮＥＯＳは石油ピアとの相関が 0.47 まで急落（2025-03-28 業績予想修正の前後）。記事 2-7 のＣＡＲを毎日・教師なしで監視する常時版
- 毎日の銘柄数は 決算シーズンにスパイク ― 個別材料の集中を自動で可視化する「見張り」になる
- 限界も明確：検出できるのは「個別材料が出た日」で、不正の判定でも未来予言でもない。“発見・トリアージ”の道具
これで機械学習編（3-1〜3-6）が一区切りです。値や方向そのものの予測（3-4 ＲＦ／3-2 でも r≈0）は構造的に難しい一方、発見（3-1 類似検索／3-2 個別ショックの仕分け／3-3・3-5 クラスタリング／3-6 異常検知）は教師なしでよく効く ― 「ＡＩは予言の魔法ではなく、整理・発見・時間節約の道具」というこの分析の結論を、値動きデータが最も鮮やかに示しました。
Python コード
本記事のチャート画像・データ取得・成形スクリプトは、すべて GitHub に公開しています。異常検知の計算方法（ＰＣＡ再構成・残差による異常度・ピア残差・突発材料抽出・毎日の銘柄数）は、リポジトリの README にまとめています。データは提供元の利用規約により再配布できませんが、データを各自取得すれば、この記事と同じものが再現できます。