FX自動売買 AI型 vs ルールベース — どちらが勝つのか？2026年版完全比較ガイド
「AIで自動売買」は本当に有利なのか
2026年、FX自動売買の世界で「AI型」という言葉を目にする機会が増えました。
「AIが相場を判断して自動で取引」と聞くと、従来のルールベース型より優れているように感じます。でも実際に両方を開発してみると、話はそう単純ではありません。
自分は一人会社でFX自動売買Botを開発・運用しています。ルールベース戦略は2026年5月18日に本番稼働を開始し、2日後の5月20日からAI判断のチームも同じGMOコインの口座で並走させました（「AI Trading Battle」）。
この記事では、両者の違いを開発者目線で比較します。後半には、実際に4ヶ月走らせた結果（2026年9月28日時点）も載せています。
2つのアプローチの根本的な違い
ルールベース型
「RSIが30を下回ったら買い、70を超えたら売り」のように、人間が定義した条件 でトレードを行います。
- RSIが30未満で、MACDがゴールデンクロスしたら買い注文
- 含み損が2%を超えたら損切り
コードに書いた通りに動く。それ以上でもそれ以下でもない。
AI型
過去の価格データ・テクニカル指標・場合によってはニュースなどを入力として、AIが売買判断 を行います。
- 入力: 直近のローソク足、RSI・MACDなどの指標、ボラティリティ
- 判断: AIモデル（LLMまたは機械学習）が読み込む
- 出力: 「買い」「売り」「様子見」の判断と、その根拠
条件を人間が明示的に書くのではなく、AIが学習・推論で判断する。
比較表: 7つの観点
| 観点 | ルールベース | AI型 |
|---|---|---|
| 透明性 | ◎ 判断理由が明確 | △ ブラックボックスになりがち |
| 開発難易度 | ○ Python基礎知識で作れる | △ ML/LLM の知識が追加で必要 |
| バックテスト | ◎ 再現性が高い | △ 条件が毎回微妙に変わる |
| 相場適応性 | △ 相場環境の変化に弱い | ○ 柔軟に適応できる可能性がある |
| ランニングコスト | ◎ サーバー代のみ | △ AI API 利用料が追加で発生 |
| 感情排除 | ◎ 完全に機械的 | ○ ほぼ機械的（プロンプト次第） |
| 初心者向け | ◎ 仕組みが理解しやすい | △ 何で判断したか分かりにくい |
それぞれの強みと弱み
ルールベース型の強み
再現性が高い。同じ入力に対して同じ出力を返す。バックテストの結果と本番の乖離が小さい（スリッページを除けば）。
デバッグが容易。なぜその取引をしたのか、コードを追えば100%分かる。AI型で「なぜ買ったの？」と聞いても明確な答えが返ってこないことがある。
コストが安い。判断ロジックはローカルで完結するので、AI APIの利用料がかからない。Oracle Cloud の Always Free 枠を使えばサーバー代も0円。
ルールベース型の弱み
相場環境の変化に弱い。「RSI 30で買い」が効く相場と効かない相場がある。環境が変わるとパラメータの再調整が必要で、これを手動でやり続けるのは現実的に大変。
複雑な判断が苦手。複数の条件を組み合わせると条件分岐が爆発する。「ニュースの影響」「市場のセンチメント」のような定性的な要素は組み込めない。
AI型の強み
柔軟性。学習データやプロンプトを変えるだけで、様々な相場環境に対応できる可能性がある。ルールベースでは表現しにくい「なんとなく危ない相場」を判断できる余地がある。
マルチファクター分析。テクニカル指標・ファンダメンタル・センチメントなど、多数の要素を同時に考慮できる。
AI型の弱み
コスト。LLM API の呼び出しは1回あたり数円〜数十円。1日数十回のトレード判断を行うと、月額で数千円のAPI費用がかかる。
再現性の低さ。同じ入力でも毎回微妙に異なる出力を返す（temperature > 0 の場合）。バックテストと本番の整合性を取るのが難しい。
過学習リスク。過去データに過剰にフィットしたモデルは、未知の相場で大負けする可能性がある。これはMLベースのAI型で特に顕著。
開発ツールの選び方
どちらのアプローチでも、開発ツールは生産性に大きく影響します。
Claude Code が両方に効く理由
自分はルールベース型もAI型も、開発には Claude Code を使っています。
ルールベース型の開発では、戦略ロジックの実装からバックテスト環境の構築、Oracle Cloud へのデプロイまでClaude Code だけで完結します。CLAUDE.md にプロジェクトのルールを書いておくと、コーディング規約を守りながらコードを書いてくれる。
AI型の開発では、プロンプト設計のイテレーションが速い。「この判断プロンプトを改善して」と指示するだけで、複数のバリエーションを提案してくれます。なお、売買判断そのものは開発ツールとは別のモデル（Google の Gemini 2.5 Flash）に任せています。毎朝1回だけ呼ぶ設計なので、API費用はほとんどかかりません。
その他の開発環境
| 用途 | ツール | 備考 |
|---|---|---|
| 戦略ロジック開発 | Claude Code | プロジェクト全体を理解して実装 |
| バックテスト可視化 | Python + matplotlib | Jupyter Notebook も可 |
| フロントエンド | Claude Code | Astro + Tailwind でUI構築まで対応 |
| サーバー構築 | Claude Code | Docker + Cloud の設定まで対応 |
実際に走らせた結果（2026年9月28日時点）
ここまでは設計上の比較でした。ここからは、自分のBotで実際に起きたことです。
構成
- 口座: GMOコインの外国為替FX（USD/JPY のみ）
- 資金: ルールチームとAIチームにそれぞれ2万円を割り当て、損益を別々に記録
- ルールチーム: 最初は fx_trend（トレンドフォロー）、6月17日から session_breakout（東京時間のレンジをロンドン時間に抜けたら追う）に切り替え
- AIチーム: 毎朝AIが相場データを読み、その日の指示（新規・決済・様子見、売り買いの向き、確信度）を出す。Bot はその指示どおりに発注する。6月5日からは Gemini 2.5 Flash が毎朝7時に自動で指示を出している
- 1回の取引は数百〜3,000通貨程度の小さなロット
成績
| チーム | 戦略 | 期間 | 取引数 | 勝率 | 確定損益 |
|---|---|---|---|---|---|
| ルール | fx_trend | 5/18〜6/16 | 12 | 41.7% | -973円 |
| ルール | session_breakout | 7/30〜9/24 | 7 | 28.6% | -1,101円 |
| AI | AIの毎朝指示 | 5/20〜8/7 | 29 | 20.7% | -2,048円 |
合計48取引で -4,122円。勝ちトレードの合計を負けトレードの合計で割ったプロフィットファクターは、ルールチームが約0.48、AIチームが約0.38でした（1.0を下回ると負け越し）。
どちらも勝てていません。 「AIとルール、どちらが勝つか」という問いには、少なくとも自分のBotでは「どちらも負けた。AIのほうが負け方が大きかった」が答えです。
数字から分かったこと
AIは「勝率」で負けた。 AIチームの29取引のうち、損切りで終わったのが12回（合計 -2,341円）、利確で終わったのは2回だけでした。毎朝の指示に「なぜその向きか」の説明は付いてきますが、説明がもっともらしいことと当たることは別でした。
ルールも「バックテストで選んだ」だけでは負けた。 fx_trend は稼働中の成績が振るわなかったので、過去2.8年分のデータで検証し直したところ -86% という結果が出て、6月に止めました。代わりに選んだ session_breakout は USD/JPY の過去データでは良い成績でしたが、選定に使っていない EUR/JPY・GBP/JPY で試すとどちらも -50% 前後。8月に一度止めています。
AIチームは8月に自動停止した。 損失が決めておいた上限に達すると新規の取引を止める仕組みを入れており、AIチームは8月7日を最後に取引していません。この停止装置がなければ、損失はもっと膨らんでいたはずです。
今の運用
9月3日から、ルールチームの session_breakout だけを「検証データを取る」目的で再開しています。1回の取引で失うのは資金の1%まで、同時に持つのは1ポジションだけ。再開後は3取引で -45円です（9月28日時点）。AIチームは止めたままです。
結果は負けていますが、「どちらが優れているか」を議論するより先に、小さなロットで実際に走らせて負け方を見ることの価値は大きかったと感じています。バックテストだけでは、ここに書いたことの半分も分かりませんでした。
どちらを選ぶべきか
初心者はルールベースから
FX自動売買が初めてなら、ルールベース型を強く勧めます。理由は明確で、何が起きているか理解できる から。
AI型は「なぜその判断をしたのか」が見えにくい。初心者がブラックボックスのBotで損をすると、改善の方向性が分からず行き詰まります。
ルールベースなら「RSI 30で買ったが、トレンドが下向きだったので損切りになった。トレンドフィルターを追加しよう」と具体的な改善ができます。
経験者はハイブリッドが面白い
ルールベースで一定の経験を積んだら、AI型を「セカンドオピニオン」として組み合わせるハイブリッドアプローチが面白い。
考えられる構成:
- エントリー判断はルールベース（RSI + MACD + トレンドフィルター）
- エントリー前にAIが「この相場環境で本当にエントリーすべきか」を評価
- AIが「No」を返したらエントリーをスキップ
ルールベースの再現性を保ちながら、AIの柔軟な判断で「明らかにまずい場面」を回避する狙いです。
ただし自分が実際に走らせたのはこの形ではなく、AIとルールを別々の資金で競わせる形でした。上の結果のとおりAI単独の判断は勝てなかったので、ハイブリッドにするとしても「AIには止める権限だけを渡す」くらいが現実的だと考えています。ハイブリッド型そのものは、まだ検証していません。
口座選びのポイント
どちらのアプローチでも、APIが使える口座 は必須です。
自動売買Bot開発で重視すべきポイント:
- REST API + WebSocket の両方に対応しているか
- ドキュメントが充実しているか（日本語で読めるか）
- 最小取引単位が小さいか（少額テスト用）
- API のレート制限が緩いか
GMOコインを使った自動売買の始め方は GMOコイン API 完全ガイド で解説しています。
避けるべき落とし穴
「AI＝必ず儲かる」ではない
AI型の自動売買サービスの広告で「AIが勝手に稼いでくれる」的な訴求を見かけますが、そんな甘い話はありません。AIも間違える。特に過去に例のない相場（コロナショック級のイベント）ではAIもルールベースも両方やられます。
バックテスト至上主義の罠
過去データで年利100%出たからといって、本番で同じ結果が出る保証はゼロ。特にAI型は過学習しやすいので、「バックテストで最高成績のパラメータ」が本番では最悪の結果になることもある。
最初から大金を投入しない
どちらのアプローチでも、最初は最小ロット で始める。Bot の挙動を十分に観察し、少なくとも1ヶ月は少額で検証してから本格的な資金を投入すべきです。
今後の展望
2026年後半は、LLM の推論コスト低下とモデル性能の向上により、AI型自動売買のコストパフォーマンスがさらに改善すると予想しています。
一方で、ルールベースの「透明性」「再現性」「低コスト」という利点は変わらない。両者は競合ではなく補完関係になっていくと考えています。
「AI Trading Battle」の数字は、この記事の結果の節を更新していきます。
