株の数値予測でLightGBMがニューラルネットに勝つ理由と、実際の投資で確かめるべき条件を解説。
複雑なAIが負けた、だと？
「ニューラルネット版は、LightGBM版に勝てませんでした」。そんな一文を見たら、思わず「え、そっちが負けるの？」となる。何層も計算する仕組みを用意したのに、相手は小さな「木」を大量に組み合わせた仕組み。最新兵器を持ち出したら、隣の木こりが優勝したような話だ。
この報告にはデータや点数が添えられていないので、個別の勝敗までは確認できない。ただし表形式の数値データで木を使う方法が強い、という一般的傾向には研究の裏付けがある。[1][2]
LightGBMは何をする？
LightGBMは、過去の数値から新しい結果を予測する仕組みの名前。代表的な研究は2017年に発表された。[3]
例えば、会社の利益成長率、売買量の急増、会社の規模を表に並べる。最初の小さな木が「利益は基準より増えた？」と問い、次の木が前の予測の外れやすいところを補う。修正する木を何本も足して、最終的な予測を作る。
一本は単純でも、集団になると強い。天才一人というより、ミスを順番に直すチームだ。
なぜニューラルネットに勝てる？
株の数値は、急に跳ねる値、役に立ちにくい項目、ある線を越えたときだけ効く条件が入り交じる。木の仕組みは「この線より上か下か」と分けるのが得意。
2022年の比較研究では、典型的な中規模の表データで木を組み合わせた方法が強かった。[1] 2023年には、方式を選ぶ差より、設定をうまく調整する差が大きい場合も多いと報告された。[2]
つまり、パソコンが「グオーッ」と鳴ることと、予測で勝つことは別。ファンの回転数は優勝ポイントにならない。
木がいつも最強なのか
2025年の大規模な比較では、学習時間を増やしたり複数の予測を組み合わせたりすると、ニューラルネットが追いつく場面も見つかった。[4]
写真を理解する仕事と、企業の決算数字を読む仕事は違う。勝つ道具は仕事次第だ。
株で使うなら何を見る？
大切なのは「翌日上がると当てた割合」だけではない。両方式に、予測時点で公開済みの情報だけを渡す。決算発表前の日付に発表後の利益を入れたら、それは未来の新聞を読んでいるのと同じ。
過去から未来へ順に検証し、手数料、実際の売買価格とのずれ、大きな損失も含めて比べたい。「値動きを当てた」と「取引後にお金が増えた」は別の試験だ。
結論
ニューラルネットが負けても、珍事件とは限らない。2017年から知られる道具が今も戦えるのは、仕事に合っているから。木の集団、地味なのにやけに強い。
参考資料（4件）
- Grinsztajn, Oyallon & Varoquaux (2022), “Why do tree-based models still outperform deep learning on typical tabular data? papers.nips.cc
- McElfresh et al. (2023), “When Do Neural Nets Outperform Boosted Trees on Tabular Data? proceedings.neurips.cc
- Ke et al. (2017), “LightGBM: A Highly Efficient Gradient Boosting Decision Tree. proceedings.neurips.cc
- Erickson et al. (2025), “TabArena: A Living Benchmark for Machine Learning on Tabular Data. proceedings.nips.cc
