RSI + MACDのダブルシグナルで日本株製造メーカーの売買タイミングを自動検出する方法【Pythonコード付き】

はじめに：トヨタ株でアルゴを試してみたら、意外と使えた話
RSIとMACDの基本おさらい
- RSI（相対力指数）
- MACD（移動平均収束拡散法）
なぜ2つを組み合わせるのか
Pythonで実装してみよう
- コードの補足
製造メーカー株での実際の動き（体感）
まとめ

はじめに：トヨタ株でアルゴを試してみたら、意外と使えた話

先月、なんとなく「大型株ってアルゴに向かないんじゃないか」と思い込んで、ずっと小型株ばかりで試していたんですが、ふと気まぐれでトヨタ（7203）にRSIとMACDを組み合わせたシグナルを当てはめてみたんです。そしたら想像以上に綺麗にエントリーポイントが出てきて、ちょっと感動しました。僕は製造メーカー中心に投資しているので、これは掘り下げてみようと思い、今回の記事を書くことにしました。

大型株でアルゴは使えるのか？というのは、個人投資家なら一度は考える疑問だと思います。結論から言うと、流動性が高い分、シグナルのノイズが少なくて意外と相性いいです。詳しく解説していきます。

RSIとMACDの基本おさらい

まず軽くおさらいしておきましょう。どちらもテクニカル分析の定番指標です。

RSI（相対力指数）

0〜100のスケールで「買われすぎ・売られすぎ」を示します。一般的には70以上で買われすぎ（売りシグナル候補）、30以下で売られすぎ（買いシグナル候補）とされています。計算式はそれほど複雑ではなく、直近N日間の値上がり幅と値下がり幅の比率で求めます。

MACD（移動平均収束拡散法）

短期EMAと長期EMAの差（MACDライン）と、その移動平均（シグナルライン）を比較します。MACDラインがシグナルラインを上に突き抜けたとき（ゴールデンクロス）が買いシグナル、下に突き抜けたとき（デッドクロス）が売りシグナルです。

RSI単体だと「過熱感」しか分からず、MACDは「トレンドの転換点」を示しますが、2つを組み合わせると精度が上がります。

なぜ2つを組み合わせるのか

RSI単体で動かしていたとき、「RSI30以下で買い」だけのルールで運用していたら、製造業の決算ショック時に連続でやられました。。。株が売られすぎに見えても、ファンダメンタルズが悪化していると更に下がる。RSIだけでは「これ以上は下がらないはず」という判断が危ういんです。

MACDを加えると、トレンドの方向性が確認できます。RSIが30以下でも、MACDがまだデッドクロス中なら「まだ下落トレンドが続いている可能性あり」→ エントリーを見送る、という判断ができるようになります。

Pythonで実装してみよう

では実際のコードです。yfinanceで日本株データを取得してRSI・MACDを計算し、ダブルシグナルを検出します。


import yfinance as yf
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.dates as mdates

# 銘柄コード（日本株は末尾に.T）
ticker = "7203.T"  # トヨタ自動車
df = yf.download(ticker, start="2024-01-01", end="2026-06-01", auto_adjust=True)
df = df[["Close"]].copy()

# ========== RSI計算 ==========
def calc_rsi(series, period=14):
    delta = series.diff()
    gain = delta.where(delta > 0, 0.0)
    loss = -delta.where(delta < 0, 0.0)
    avg_gain = gain.ewm(com=period - 1, min_periods=period).mean()
    avg_loss = loss.ewm(com=period - 1, min_periods=period).mean()
    rs = avg_gain / avg_loss
    rsi = 100 - (100 / (1 + rs))
    return rsi

df["RSI"] = calc_rsi(df["Close"], period=14)

# ========== MACD計算 ==========
ema_short = df["Close"].ewm(span=12, adjust=False).mean()
ema_long  = df["Close"].ewm(span=26, adjust=False).mean()
df["MACD"]        = ema_short - ema_long
df["MACD_Signal"] = df["MACD"].ewm(span=9, adjust=False).mean()
df["MACD_Hist"]   = df["MACD"] - df["MACD_Signal"]

# ========== ダブルシグナル検出 ==========
df["MACD_CrossUp"] = (df["MACD_Hist"] > 0) & (df["MACD_Hist"].shift(1) <= 0)
df["BuySignal"]    = (df["RSI"] < 35) & df["MACD_CrossUp"]

df["MACD_CrossDn"] = (df["MACD_Hist"] < 0) & (df["MACD_Hist"].shift(1) >= 0)
df["SellSignal"]   = (df["RSI"] > 65) & df["MACD_CrossDn"]

# ========== 結果表示 ==========
buy_dates  = df[df["BuySignal"]].index
sell_dates = df[df["SellSignal"]].index

print("=== 買いシグナル発生日 ===")
for d in buy_dates:
    price = df.loc[d, "Close"]
    rsi   = df.loc[d, "RSI"]
    print(f"  {d.date()}  終値={price:.0f}円  RSI={rsi:.1f}")

print("\n=== 売りシグナル発生日 ===")
for d in sell_dates:
    price = df.loc[d, "Close"]
    rsi   = df.loc[d, "RSI"]
    print(f"  {d.date()}  終値={price:.0f}円  RSI={rsi:.1f}")