Claude Fable 5で投資分析をする：資料整理、反対仮説、リスク一覧

Wed, 10 Jun 2026 21:30:39 +0800

AnthropicがClaude Fable 5とClaude Mythos 5を発表したあと、話題になりやすいのは「最強モデル」「長時間タスク」「コード移行」「Tokenコスト」といった点です。しかし投資リサーチの文脈で見ると、本当に重要なのは、明日どの株が上がるかを教えてくれるかどうかではありません。人手のかかる調査プロセスを、より連続的で検証しやすいものにできるかどうかです。

Fable 5は一般ユーザー向けに開放され、Mythos 5は少数の信頼された機関に限定されています。両者は同世代の能力を異なるアクセス層で提供するものと見られます。Fable 5はより厳しい安全制約を持ち、Mythos 5はより完全な能力を保持します。公開情報では、Fable 5はソフトウェアエンジニアリング、複雑な知識作業、視覚理解、長いコンテキスト、記憶、科学研究などで強化されています。

投資家にとっての示唆は明確です。モデルが強くなるほど、「買えるか」と一言で聞く使い方から離れるべきです。より合理的なのは、研究プロセスの中に置き、資料整理、論理分解、事実確認、仮説推論、リスク一覧づくりを任せることです。

モデルを銘柄推奨ツールにしない

AIは、業界の成長余地、企業の強み、バリュエーション、リスク要因、買い理由まで、見た目には整った投資結論を簡単に作れます。しかし、流暢な文章は信頼できる判断と同じではありません。

投資判断には少なくとも複数の層があります。

事実収集：決算資料、公告、決算説明会、業界データ、規制文書；
論理モデル：売上ドライバー、コスト構造、競争環境、評価前提；
リスク識別：政策変更、技術代替、顧客集中、設備投資、流動性；
市場価格：期待差、ポジション構造、センチメント、取引の混雑度；
個人制約：資金期間、ドローダウン許容度、税務、ポートフォリオ相関。

大規模モデルは最初の三つの一部を助けられますが、後ろ二つの責任は負えません。特に売買タイミングやポジション管理は、個人の目的、リスク選好、市場構造に関わるため、一つのモデル回答では解決できません。

したがって、Fable 5の投資における役割は「神託」ではなく「リサーチアシスタント」です。

特に向いている四つの作業

第一に、長い文書の整理です。

決算書、目論見書、年次報告書、リサーチレポート、規制文書は長く、読み返すほど細部を見落としやすくなります。Fable 5のような長時間タスク向けモデルは、売上内訳、粗利率の変化、費用率、経営陣の表現、重要な会計項目、キャッシュフローの異常点を構造化するのに向いています。

ただし一つルールを追加します。すべての結論は原文の場所に戻れるようにすることです。出典のない要約は、あくまで草稿です。

第二に、横比較です。

投資リサーチでは「この会社は良いか」よりも、「同業他社と比べてどこが違うか」が重要なことが多いです。複数社の決算を同じ表に分解させ、売上構成、成長率、粗利率、研究開発費率、設備投資、在庫、売掛金、顧客集中度を比較できます。

これは「どの会社を買うべきか」と直接聞くよりずっと堅実です。モデルを比較と要約に限定し、投資結論へ飛ばさないからです。

第三に、反対仮説の一覧を作ることです。

人は一度ある銘柄を好むと、自分の見方を支持する証拠を探しがちです。モデルの実用的な価値の一つは、強制的に反対側を演じさせられることです。

市場がこの会社を過大評価しているなら、どこが間違っている可能性が高いか？
成長が鈍化するなら、どの経営指標に最初に表れるか？
競合が値下げした場合、損益計算書にどう影響するか？
主要顧客が発注を減らした場合、どの財務項目が早期シグナルになるか？

こうした問いは、一見問題なさそうなストーリーの中にある弱点を見つけるのに役立ちます。

第四に、シナリオ分析です。

AIに目標株価を出させるより、楽観、中立、悲観の複数シナリオを作らせるほうが有用です。各シナリオには売上成長、利益率、設備投資、評価倍率、発動条件を明記します。こうすると結論を更新できます。

新しい決算が出たとき、「まだ買えるか」と聞き直すのではなく、現実のデータがどのシナリオに近づいているかを確認します。

より安定した投資リサーチ Loop

Fable 5をワークフローに入れるなら、単純なループとして設計できます。

材料入力：年次報告書、公告、決算説明会メモ、業界データ、競合資料。
構造化整理：主要指標、経営陣の発言、リスク項目を抽出させる。
初稿作成：会社像、ビジネスモデル、成長ドライバー、リスク一覧を出す。
人による抜き取り確認：重要結論をランダムに原文へ戻って確認する。
反対意見の挑戦：最も強い反論と、仮説を否定し得る指標を出させる。
シナリオ更新：新データを既存の前提に入れ、判断が強まるか、弱まるか、覆るかを確認する。

このLoopの要点は「追跡可能性」です。毎回のリサーチで入力資料、仮説、結論、今後の検証点を残します。モデルは勘で判断する代わりではなく、研究プロセスを固定する補助になります。

コストは現実的な制約になる

Fable 5のようなモデルは長いタスクに向くほど、消費コストも上がりやすくなります。公開報道では、Fable 5とMythos 5のAPI価格は入力100万Tokenあたり10ドル、出力100万Tokenあたり50ドルとされています。短いQ&Aなら許容しやすいですが、数十本の文書、多回数の修正、長時間のAgentタスクではすぐに目立つコストになります。

つまり、投資リサーチではすべての材料を最強モデルに投げるべきではありません。より合理的な分担は次の通りです。

通常モデルで初期のクレンジング、重複削除、要約を行う；
強いモデルで重要判断、複雑な比較、反対仮説を扱う；
人が事実確認、前提選択、最終判断を担う；
重要な結論は必ず原資料に戻って検証できるようにする。

最強モデルは「高いが価値がある」場面で使うべきで、無関係な段落をすべて読ませるためのものではありません。

そのまま使えるリサーチ Prompt

Fable 5をリサーチアシスタントとして使うなら、指示には明確な境界が必要です。以下のテンプレートはそのまま調整できます。

あなたは私の投資リサーチアシスタントです。私が提供した資料だけに基づいて分析してください。未検証の情報を補わないでください。

研究対象：
- 会社/業界：
- 研究目的：
- 時間範囲：
- 提供済み資料：

次の構成で出力してください：
1. 重要事実：売上、利益、キャッシュフロー、事業構造、経営陣の発言を列挙し、出典を示す。
2. 変化点：前期または同業他社と比べて最も大きな変化を示す。
3. 強気材料：対象をポジティブに見る主な理由を列挙する。
4. 弱気材料：最も強い反対理由と、仮説を否定し得る指標を列挙する。
5. リスク一覧：事業、財務、競争、政策、バリュエーション、流動性で分類する。
6. 要確認項目：資料から確認できず、人が追加で調べるべき問題を列挙する。

要件：
- 買い、売り、目標株価の提案はしない。
- 重要な結論はすべて原文または資料名に対応させる。
- 資料が不足している場合は「判断材料が不足している」と明記する。

このテンプレートの目的は、AIに「予測」を上達させることではありません。資料整理と論理チェックに固定することです。出力が構造化されるほど、人が検証しやすくなります。

決算分析でAIに出させるべき項目

AIに決算を読ませるときは、「まとめて」とだけ依頼しないほうがよいです。固定項目を出させるほうが実用的です。

売上：総売上、事業別売上、地域別売上、前年比と前四半期比；
利益：粗利率、営業利益率、純利益率、一過性損益；
費用：研究開発、販売、管理費率と異常変化の理由；
キャッシュフロー：営業キャッシュフロー、フリーキャッシュフロー、設備投資、現金残高；
貸借対照表：売掛金、在庫、契約負債、有利子負債、のれん；
事業指標：ユーザー数、注文数、客単価、稼働率、継続率など業界固有指標；
経営陣コメント：成長見通し、リスク注意、設備投資計画、自社株買いまたは配当；
異常項目：開示範囲の変化、会計調整、大口顧客の変化、規制事項。

すべての会社に全項目があるわけではありません。しかし固定項目は、モデルを「作文」から「表を埋める作業」へ移します。埋められない場所こそ、追加確認が必要な場所であることが多いです。

AIに引用元を出させる方法

捏造を避ける鍵は、各結論を資料に結びつけることです。次のように依頼できます。

各結論の後に、資料名、ページ番号、節見出し、または短い原文抜粋を付ける；
「公開情報によれば」「市場では」といった曖昧な出典を禁止する；
出典のない判断は「推測」または「要検証」に分ける；
原文引用は短い重要句だけにし、長文コピーを避ける；
「根拠を見つけられなかった主張」を一覧化させる。

さらに硬い制約として、出典を特定できない場合は事実として書かない、と入れておくとよいです。投資リサーチでは、出典のない魅力的な結論を一つ減らすほうが、幻覚を一つ増やすより安全です。

強いモデルを使うべき場面

すべての手順でFable 5のような強いモデルが必要なわけではありません。コストを抑える分担は次のようになります。

タスク	推奨モデル
文書の重複削除、粗い要約、形式整理	安価なモデルまたはローカルモデル
決算項目の抽出、表の整理	中位モデル
複数社の横比較	中位モデルまたは強いモデル
反対仮説、否定指標の設計	強いモデル
長いコンテキストの総合判断	強いモデル
最終投資判断	人

強いモデルは、コンテキストが長く、変数が多く、トレードオフが必要な場面に向いています。単純な要約、形式変換、初期スクリーニングに毎回最も高いモデルを使う必要はありません。

AIに聞くべきではない投資質問

次のような質問は、モデルを過度に断定的な回答へ押しやすくなります。

「明日上がりますか？」
「今すぐ全力で買えますか？」
「必ず儲かるポートフォリオを作ってください。」
「この株の目標株価はいくらですか？」
「かなり損しています。ナンピンして取り返すべきですか？」
「すべてのリスクを考慮したうえで、最終結論を教えてください。」

問題はAIが必ず答えられないことではありません。答えが必要以上に確定的に見えることです。より良い聞き方は、問題を分解することです。上昇を支持する事実は何か。どの指標が仮説を否定するか。市場はすでに何を織り込んでいるか。判断が間違っていた場合、どこに最初に現れるか。

注意すべき三つの誤解

第一に、流暢な表現を正しさとみなすことです。

モデルが強いほど、不確実な内容を結論らしく書けます。投資リサーチで危険なのは「わかりません」という答えではなく、不完全な情報を完全なストーリーのように見せることです。

第二に、過去の説明を未来予測とみなすことです。

AIはすでに起きたことの説明が得意です。しかし投資で難しいのは将来の期待差です。過去の分解は手伝えますが、未来が同じ経路をたどる保証はできません。

第三に、ツール能力を投資能力と混同することです。

Fable 5はコードを書き、チャートを読み、ファイルを整理できます。しかしそれはあなたのポートフォリオ目標を理解しているという意味ではありません。ツール能力はリサーチ効率を上げますが、リスク許容度や意思決定の規律を自動的に高めるものではありません。

結論

Claude Fable 5は投資リサーチに価値があります。ただし価値は「何を買うべきか」を聞くことにはありません。より実用的なのは、継続的に働くリサーチアシスタントとして使うことです。資料を読み、表を作り、矛盾を探し、反対仮説を出し、シナリオを回し、前提を更新するために使います。

境界も明確です。リスクを肩代わりせず、ポジションを管理せず、どれだけ損してよいかを判断しません。AIが強くなるほど、神棚に置くのではなく、ルールのあるプロセスの中に入れるべきです。

参考：知乎コラム原文、36Kr APPSO実測記事、QbitAI報道、Securities Times / Jiemian報道

AIリサーチ on KnightLiブログ