積立日は何日が正解？8000パターンの徹底検証で判明した最適日とノイズの正体

# 1. 必要なライブラリのインストール
!pip install japanize-matplotlib yfinance tqdm -q

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.ticker as ticker
import yfinance as yf
import japanize_matplotlib
from tqdm.notebook import tqdm
import itertools
import warnings

# 警告出力を抑制
warnings.filterwarnings('ignore')

def run_normalized_full_8092_simulation():
    # 2. データ取得（1990年1月1日の参照エラーを防ぐため1ヶ月前から取得）
    print("S&P 500 データを取得中...")
    ticker_symbol = "^GSPC"
    df_raw = yf.download(ticker_symbol, start="1989-12-01", progress=False)
    
    if isinstance(df_raw.columns, pd.MultiIndex):
        df_raw.columns = df_raw.columns.get_level_values(0)

    # 3. インデックスの正規化（休日を翌営業日の価格で埋める）
    full_range = pd.date_range(start="1990-01-01", end="2025-12-31", freq='D')
    df_daily = df_raw['Close'].reindex(full_range).bfill()

    # 4. 検証パターンの作成（289ヶ月 × 28日 = 8,092パターン）
    days_to_test = list(range(1, 29))
    start_months = pd.date_range(start="1990-01-01", end="2014-01-01", freq='MS')
    tasks = list(itertools.product(start_months, days_to_test))

    daily_results_summary = {d: [] for d in days_to_test}
    monthly_winners = {m: {'best_day': None, 'max_val': -1} for m in start_months}

    # 5. シミュレーション実行
    print(f"検証開始：全 {len(tasks)} パターンのタイムボックスを計算します。")
    
    for start_m, d in tqdm(tasks, total=len(tasks), desc="全8092パターン検証中"):
        buy_dates = [start_m + pd.DateOffset(months=m, day=d) for m in range(120)]
        
        try:
            prices_buy = df_daily.loc[buy_dates].values
            eval_date = start_m + pd.DateOffset(years=10, day=d)
            p_eval = df_daily.loc[eval_date]
            
            # リターン計算（毎月1万円積立、合計120万円を想定）
            final_value = (10000 / prices_buy).sum() * p_eval
            
            daily_results_summary[d].append(final_value)
            
            if final_value > monthly_winners[start_m]['max_val']:
                monthly_winners[start_m]['max_val'] = final_value
                monthly_winners[start_m]['best_day'] = d
        except KeyError:
            continue

    # 6. 集計
    summary_series = pd.Series({d: np.mean(v) for d, v in daily_results_summary.items() if v})
    best_day_counts = pd.Series([m['best_day'] for m in monthly_winners.values() if m['best_day']]).value_counts().sort_index()

    # ==========================================
    # グラフ1：頻度（個別の画像として描画）
    # ==========================================
    plt.figure(figsize=(10, 5))
    plt.bar(best_day_counts.index, best_day_counts.values, color='#2c3e50', alpha=0.8)
    plt.title(f'【頻度】10年正規化検証：1位獲得回数（全{len(start_months)}ヶ月中）', fontsize=14)
    plt.xlabel('積立設定日 (1日〜28日)', fontsize=12)
    plt.ylabel('1位になった回数', fontsize=12)
    plt.xticks(range(1, 29))
    plt.grid(axis='y', linestyle='--', alpha=0.4)
    plt.tight_layout()
    plt.show() 

    # ==========================================
    # グラフ2：平均パフォーマンス（個別の画像として描画）
    # ==========================================
    plt.figure(figsize=(10, 5))
    ax = plt.gca()
    ax.bar(summary_series.index, summary_series.values, color='#3498db', alpha=0.8)
    plt.title('各積立日の「平均評価額」の比較（真の格差）', fontsize=14)
    plt.xlabel('積立設定日 (1日〜28日)', fontsize=12)
    plt.ylabel('平均評価額（円）', fontsize=12)
    plt.xticks(range(1, 29))
    
    # Y軸を指数表記ではなくカンマ区切りに
    ax.yaxis.set_major_formatter(ticker.FuncFormatter(lambda x, p: format(int(x), ',')))
    plt.ylim(summary_series.min() * 0.99, summary_series.max() * 1.005)
    plt.grid(axis='y', linestyle='--', alpha=0.4)
    plt.tight_layout()
    plt.show() 

    # ==========================================
    # 7. 全データのテキスト出力（ブログ解析用）
    # ==========================================
    max_diff_pct = (summary_series.max() - summary_series.min()) / summary_series.min() * 100
    diff_yen = summary_series.max() - summary_series.min()

    print("\n" + "=" * 50)
    print("【全28日間 詳細データ出力（解析用）】")
    print("=" * 50)
    print("積立日 | 1位獲得回数 | 平均評価額（円）")
    print("-" * 50)
    
    # 1日から28日までループして全日程を出力
    for d in range(1, 29):
        freq = best_day_counts.get(d, 0)
        avg_val = summary_series.get(d, 0)
        print(f" {d:2d}日  |    {freq:3d}回    |  {int(avg_val):,} 円")

    print("-" * 50)
    print(f"★ 結論：120万円の元本（月1万円×10年）を運用")
    print(f"最適日（{summary_series.idxmax()}日）と最下位（{summary_series.idxmin()}日）の最終的な金額差：")
    print(f"【 {int(diff_yen):,} 円 】（最大リターン格差 {max_diff_pct:.4f} ％）")
    print("=" * 50)

# 実行
run_normalized_full_8092_simulation()