※本記事は一次情報をもとにAI支援によって構成・作成し、事実関係の照合を行っています。
発表内容（事実）
個人で設計・開発・運用を行っている日本株のAI銘柄スクリーニング＆継続学習端末「ALPHA FORGE（アルファフォージ）」において、2026年10月5日の朝に発生したデータの不整合と、その修正に関する開発記録が発表されました。
発端となったのは、Claude Codeが台帳の決着の数字を確認している中で見つかった、1つの銘柄における17件の誤判定でした。約定したその日にシナリオ無効化水準に先に届いたという判定が並んでいましたが、調査の結果、その銘柄が9月29日に1株を3株に分ける株式分割を行っていたことが判明しました。
原因は、株式分割に伴うデータの仕様と台帳の価格の不一致でした。株価データの取得先は、分割が行われると過去の株価までさかのぼって値を3分の1に修正して返す一方、台帳に記録された価格は抽出時点（分割前）のままであったため、分割前の価格と分割後の株価を比較してしまったことで「約定直後に無効化水準に達した」と誤判定されていました。誤った判定は対象銘柄の17件であり、ほかの決着済み24銘柄にはずれは見つかりませんでした。
これに対する修正として、AIは判定の直前に分割の比率で台帳の価格を割り戻すように修正されました。テストを書いてから修正する手法が取られ、1,305件のテストがすべて通ることを確認しています。また、予測時点の情報を残すため台帳の価格そのものは書き換えられず、すでに決定していた17件の決着データについては本番データのバックアップを取った上で書き直しが行われました。
この記事のポイント
- 株価データの遡及修正と台帳データの不一致: 外部から取得する株価データは分割時に過去の値まで修正される一方、抽出時点の台帳価格はそのままだったため物差しがずれ、17件の誤判定が発生した。
- 修正方法のアプローチ: 台帳自体の価格は予測時点の記録を保持するため書き換えず、比較する直前に分割比率で台帳の価格を割り戻すロジックに変更した。
- データの書き直しルール: 17件のデータ書き換えにあたっては、本番データのバックアップ取得、変更前後の値や変化した件数の確認をセットにして実施された。
- 人間とAIの役割分担: 原因の調査やテスト駆動での修正はClaude Codeが担当し、「直すのを先にする」「過去の記事は書き換えずに新しい記事で訂正する」といった方針は人間が決定した。
考察（筆者の見解）
今回の事例は、時系列データを扱うシステム開発において外部APIやデータプロバイダの「遡及修正仕様」が引き起こす典型的な罠を示していると考えられます。
事実として、ALPHA FORGEでは分割比率を比較直前に適用する仕様変更が行われ、予測時の記録を維持するために台帳の生データは保護されました。ここから、過去の観測時点のコンテキスト（ポイント・イン・タイム）を維持するアーキテクチャにおいては、データを「どう比較するか」という動的な補正レイヤーを設けることが有効であると推測されます。
筆者は、AIエージェントを活用した開発において、データ書き換え時の「バックアップ」「変更前後の値の検証」「人間に確認を取るプロセス」をセットにするというハーネス術が、システムの信頼性を担保する上で極めて実践的なアプローチであると考えます。外部データの仕様変更に対する耐性を高めるため、データ取得時のメタデータ（物差しの基準日時や分割フラグ）を厳格に管理する設計思想が今後ますます重要になると見られます。
コメント