システムアーキテクチャ
本ページは、NoahAIが金融判断をどのように分解・検証・統制するかを説明する技術構造概要です。個別アルゴリズムや実装詳細ではなく、判断が生まれ検証される全体の流れを理解するための文書です。
NoahAIの核心目標は判断に代わる自動化ではなく、金融判断を構造化・検証・説明できるAI判断インフラを構築することです。 短期成果の競争ではなく、運用可能な信頼（統制・記録・説明・検証）に焦点を当てます。
以下のアーキテクチャは、市場／個人金融コンテキスト入力から判断、ガードレール（リスク統制）、（任意の）実行、記録／レポート、フィードバックまでの全体の流れを示します。
本ページは特定資産の収益を説明したり自動売買を勧誘するための文書ではありません。 NoahAIの技術は判断・リスク統制・記録・検証を中心に設計された金融AI意思決定インフラであり、実行の自動化は常に選択的オプションとして分離されています。
Market Data Layer
市場データ入力
価格、出来高、ボラティリティ、オーダーブックなどのリアルタイム市場情報を収集し標準化します。（ニュース／開示／政策などの非構造データは段階的に拡張します。）
Personal Context Layer
個人金融コンテキストの管理
口座／ポジション状態に加え、資産構成、目標期間、リスク許容度、反復行動パターンなど「個人金融コンテキスト」をあわせて管理します。判断はこの文脈の上で説明可能な形に整理されます。
Decision Layer
エージェント判断
収集データと個人金融コンテキストに基づき「何を考慮すべきか／なぜか」を構造化します。必要に応じ実行可能な選択肢を提示し、すべての判断は記録され検証可能です。
Risk & Guardrails
リスク制御とガードレール
限度、停止条件、最大損失、禁止ルール、緊急停止など保守的な制御ルールを優先適用します。目的は「速度」ではなく「制御可能性」であり、異常行動と過度なリスクを防ぎます。
Execution Layer
（任意）実行と自動化
ユーザー設定とガードレール範囲内で反復業務を自動化するか、実行可能な選択肢を提供します。自動実行はオプションであり、デフォルトは判断・記録・説明中心に設計されています。実行はアトミックに処理され一貫性を保証します。
Logging & Report
記録とレポート
すべての過程（入力／文脈／判断／実行／結果）を標準化された形式で記録し、レポートを生成して再現可能性と監査／追跡可能性を確保します。
Feedback Loop
フィードバックループ
結果分析 → 方策改善 → 次の判断へ反映する構造であり、「固定された自動化」ではなく「経験を蓄積する判断構造」を志向します。このフィードバックは個別結果を匿名化されたパターン単位で蓄積し、システム全体の判断ポリシーを段階的に高度化します。強化学習における方策更新と接続され、個別結果は匿名化パターン単位で集合学習に反映され、全体の判断ポリシーの安全性と一貫性を段階的に改善します。
外部金融システム連携状況
現在の運用／連携／拡張構造：
Binance（独立システム）
• python-binance ベースの独立システム
• Binance Algo Order API 完全実装（v3.8.9.9）
• TP/SL -2021 エラー解決（v3.8.9.11）
• 高度な意思決定実行インターフェース対応
CCXT統合システム
• Bybit, OKX, Bitget（先物）
• Upbit, Bithumb（現物）
• 統合意思決定支援ロジック
• 取引所別統計追跡
証券／ETF（拡張中）
• StockExchange インターフェース（v3.8.9.11+）
• 国内証券API連携完了（運用／検証段階）
• ETF／株式サービスUI完了（2026-01-18）
• 資産クラス別エンジン分離設計（コイン／証券）進行中
拡張状況
• 海外株式・先物（テスト中）
• 不動産（拡張計画）
• モジュール化アーキテクチャで容易に拡張
Analyst AIの役割
NoahAIのAnalyst AIは判断を代行する単一モデルではなく、判断を複数の観点から分解・検証・説明するために役割が分離された複数モジュールの意思決定構造です。
各モジュールは分析、評価、リスク統制、検証という異なる責任を持ち、 これにより判断バイアスと単一障害点を最小化し、ユーザーが理解できる形で判断を整理します。
主要モジュール詳細
以下のモジュールはサービス外部に公開されるAPI一覧ではなく、 NoahAI内部で金融判断を安全に行うために分離・構成された意思決定インフラの構成要素です。 各モジュールは実行中心ではなく判断・検証・記録中心に設計されています。
このモジュール集合は単一モデルではなく、分析・評価・リスク・検証の役割が分離されたAnalyst AI構造として設計され、判断バイアスと単一障害点を最小化します。
1. analyzer.py： 市場分析とAIシグナル生成
- テクニカル指標計算：RSI、MACD、ボリンジャーバンド、移動平均（SMA/EMA）、ATR、出来高分析
- 市場状況分析：ボラティリティ、トレンド強度、モメンタム、市場センチメント指数
- シグナル生成：基本テクニカルシグナル＋AI強化シグナルの統合
- 動的閾値：市場局面別のボラティリティ閾値の自動調整
- 信頼度計算：テクニカル指標＋AI学習データ＋市場センチメント統合信頼度（0.0 ～ 1.0）
2. evaluator.py： 資産選定アルゴリズム
- 多次元スコア：ボラティリティ（35%）＋トレンド（25%）＋出来高（20%）＋取引頻度（10%）＋板の深さ（5%）＋RSI（5%）
- AIベース評価：AI学習データを用いた資産評価
- 市場状況別選択戦略：LOW／NORMAL／HIGHボラティリティに応じた選定基準の自動調整
- ハイブリッドアプローチ：キャッシュ＋バックアップ＋ハードコードで安定性と性能を同時確保
- 性能最適化：初回ロード4分 → 即時（99%改善）、API依存100% → 30%（70%削減）
3. unified_trader.py： 判断結果のオーケストレーションと状態管理
- 複数取引所統合管理：CCXTベースの取引所統合システム
- リアルタイムポジション監視：取引所別に最適化された周期（5〜15秒）
- 安全寄りの実行方針：ユーザー設定・ガードレールに基づく実行方針（停止／限度／例外処理）の適用
- 検証モード：実実行なしで判断ポリシーとリスク構造を検証可能
4. ai_manager.py： AI学習とパターン強化
- 市場分析：市場状況分析と動的設定の提案
- 決済分析：決済タイミング最適化の分析
- パターン類似性検証：エントリー前のパターン検証（k-NNベース）
- 損切り・利確分析：取引原因の分析と改善点の抽出
- 日次レポート：日次／週次／月次レポート生成
- 対話型AI：自然言語対話によるAIアシスタント機能
5. recorder.py： データベースと学習データ管理
- 取引記録の永続保存
- AI学習データの管理
- 統計とパフォーマンス分析
6. alpha_arena_trader.py： 研究・検証用 Alpha Arena モード
※ Alpha Arena モードは本番の意思決定およびユーザー資産から完全に分離された研究・検証専用環境です。
- LLMベース意思決定実験：DeepSeek 3.1、Qwen 3 Max エンジン対応
- ベンチマーク検証戦略：nof1.ai Alpha Arena ベンチマーク検証アルゴリズムの適用
- 独立取引モード：既存の自動売買パイプラインと完全分離
- 研究範囲：同一条件下でエンジン／方策の意思決定品質を比較・リプレイするための実験モード（本番パイプラインと分離）
拡張ポイント
このアーキテクチャはモジュール化されており、次のように拡張可能です：
- 資産拡張：コイン → 証券／ETF → 不動産情報分析 → 生活金融（振込／確認／家計簿）まで、同一の判断・記録・検証構造の上で拡張
- チャネル拡張：テキスト → 音声ベースアシスタント（アクセシビリティ）＋シニア／デジタル弱者向け段階的ガイド
- 保護機能：個人金融文脈・行動パターンに基づく異常検知で、詐欺・フィッシング等の金融犯罪リスクを事前に緩和する方向へ拡張
関連技術ドキュメント
アーキテクチャに接続された説明・記録・学習構造の詳細は以下の文書でご確認いただけます。