ソースコードで金融市場を支配する：QuantConnect/Leanで実現する自動取引戦略の開発・検証・実行
「QuantConnect/Lean」（クオンコネクト・リーン）は、一言で言えば、Python や C# を使って、自分で考えた株や FX などの金融商品の取引戦略（アルゴリズム）を開発・検証・実行するための、オープンソースのアルゴリズム取引エンジンです！
え？「アルゴリズム取引」って何かって？
店主
「ニンニク入れますか？」
あなた
「？」
店主
「入れるか入れないかを、あらかじめ細かく決めておけば、迷わず注文できるだろ？」
それがアルゴリズム取引です！「株価が X 円になったら Y 株買う」「この指標が Z を超えたら全部売る」といったルールをコードで書いておき、あとはコンピューターに任せて自動で取引させる仕組みです。
ソフトウェアエンジニアのあなたにとって、Lean はただの金融ツールではなく、技術的にも非常に「食べ応えのある」プラットフォームになります。
データの取得・管理、バックテスト（過去データでの検証）、取引所との接続など、金融システム開発で最も面倒で時間がかかる部分が、すべて Lean に詰まっています。あなたは「最高の戦略（アルゴリズム）」という名の「最高のスープ」を作ることに集中できます。
オープンソースなので、中身（コード）を自由に見て学べます。高度な金融工学やシステム設計のベストプラクティスが凝縮されています。
Python (データ分析・機械学習に強い) と C# (高速実行に強い) の両方に対応。普段使っている言語で、すぐにコーディングを始められます。
取引戦略のコードは、特別な金融言語ではなく、ただの Python/C# のクラスやメソッドとして書けます。
Lean は、イベント駆動型（Event-Driven） のアーキテクチャを採用しています。これは、株価の変動や時間経過などの「イベント」が発生するたびに、あなたの戦略コードが呼び出される仕組みです。
この設計は、金融システムだけでなく、IoT やリアルタイム処理が必要な他の高頻度システム開発にも応用できる、実践的なスキルとなります。
Lean は基本的にローカル環境（あなたの PC）に導入して使いますが、QuantConnect のクラウドプラットフォームでも使えます。
最も簡単で依存関係がシンプルになる方法です。
Docker と Docker Compose をインストール。
Lean の GitHub リポジトリをクローン
git clone https://github.com/QuantConnect/Lean
クローンしたディレクトリに移動して、Docker を起動
docker-compose up
これで、Lean エンジンと付属の Jupyter ノートブック環境が立ち上がります。
Python で動かす場合、pip でコアライブラリをインストールできます。
Python 環境（3.8 以上推奨）を用意。
pip install quantconnect-lean
これで Lean のコア機能が利用可能になります。
ここでは、一番シンプルな「移動平均線クロスオーバー戦略」を Python で実装する例を見てみましょう。これは、「短期の移動平均線が長期の移動平均線を上抜いたら買う（ゴールデンクロス）」という、古典的な戦略です。
# algorithm.py
from AlgorithmImports import *
class MovingAverageCrossAlgorithm(QCAlgorithm):
# ラーメンの注文を記録する場所のようなもの
def Initialize(self):
# 注文の受付時間を設定 (バックテスト期間)
self.SetStartDate(2018, 1, 1) # 2018年1月1日から
self.SetEndDate(2019, 1, 1) # 2019年1月1日まで
# 軍資金を設定
self.SetCash(100000) # 10万ドルスタート
# どの銘柄を取引するか (今回はアップル株)
self.symbol = self.AddEquity("AAPL", Resolution.Daily).Symbol
# 短期移動平均線 (麺の茹で時間: 10日)
self.fast_ma = self.EMA(self.symbol, 10, Resolution.Daily)
# 長期移動平均線 (スープの煮込み時間: 30日)
self.slow_ma = self.EMA(self.symbol, 30, Resolution.Daily)
# データが揃うまで待機
self.SetWarmUp(30)
# 毎日価格データが入ってくるたびに呼び出される、イベント駆動型の心臓部
def OnData(self, data):
# データが揃っているか、ウォームアップ期間が終わっているかチェック
if self.IsWarmingUp or not self.fast_ma.IsReady or not self.slow_ma.IsReady:
return
# 短期線と長期線の値を比較
fast_value = self.fast_ma.Current.Value
slow_value = self.slow_ma.Current.Value
# 現在株を持っているか？
holdings = self.Portfolio[self.symbol].Quantity
# --- 「ゴールデンクロス」発生！注文するぞ！ ---
# 短期線が長期線より上になった && まだ株を持っていない
if fast_value > slow_value and holdings <= 0:
# ぜんぶの資金で買う（ブタ・全マシ！）
self.SetHoldings(self.symbol, 1.0)
self.Debug("買い注文: " + str(self.Time))
# --- 「デッドクロス」発生！売るぞ！ ---
# 短期線が長期線より下になった && 株を持っている
elif fast_value < slow_value and holdings > 0:
# 持っている株を全部売る
self.Liquidate(self.symbol)
self.Debug("売り注文: " + str(self.Time))
このコードを Lean の実行環境（ローカルまたは Docker）に配置します。
Lean エンジンを実行すると、指定した期間（2018年〜2019年）の AAPL（アップル）株の過去データを自動で取得・処理し、あなたのコード（OnData メソッド）を日次で呼び出します。
処理が完了すると、バックテストの結果（どれだけ儲かったか、リスクはどのくらいかなどの詳細レポート）が出力されます。
この Lean エンジンという名の「二郎」は、あなたの作ったアルゴリズムという名の「ラーメン」を、過去のデータという名の「客」に提供し、その成果を測ってくれる、最高のシステム開発・検証プラットフォームなのです！
機械学習（AI）戦略
株価データを使って、次に価格が上がるか下がるかを予測する AI モデルを組み込む。（pandas, numpy, scikit-learn などが使えるため得意分野！）
裁定取引（アービトラージ）
同じ商品でも取引所によって価格が違う瞬間を狙って、安く買って高く売る。
高頻度取引（HFT）
ミリ秒単位の極めて短い時間で取引を繰り返す。（C# の方が得意）
