AI自動売買Bot構築完全ガイド -- Freqtrade + FreqAI + Hyperliquid で機関投資家レベルのシステムを個人で構築する

本教材は、筆者が実際にVPS上で9つのBotを同時稼働させている実運用システムの全貌を公開するものです。「勝率92%でも赤字になった」「MLフィルターを外した期間は-$53だった」といった失敗も含め、全て事実ベースで記述しています。誇張はありません。あなたが手を動かせば、同じシステムを構築できます。

対象読者: Pythonの基礎がわかる方。トレード経験は問いません。Linux操作は本教材で解説します。

第1章: なぜAI自動売買Botなのか

1-1. 市場の現実: 75%がアルゴリズム取引

JPモルガンの調査によれば、米国株式市場の取引量の約75%がアルゴリズムによるものです。暗号資産市場でも、主要取引所のオーダーブックの大半がBotによって形成されています。つまり、あなたがチャートを見て手動で注文を出す頃には、Botは既にポジションを取り終えています。

しかし、これは「個人に勝ち目がない」という意味ではありません。むしろ逆です。2020年代に入り、以下の3つの変化が起きました。

OSSフレームワークの成熟: Freqtradeのような高品質なオープンソース自動売買フレームワークが無料で使える
VPSの低価格化: 月額$6程度で6コア/15GB RAMのVPSが借りられる（本教材ではContaboを使用）
DEXの普及: HyperliquidのようなKYC不要の分散型取引所で、APIキーの代わりにウォレットアドレスだけで取引開始できる
機械学習の民主化: LightGBMやFreqAIにより、数行のコードでMLモデルをトレーディングに組み込める

1-2. 本教材で構築するシステムの全体像

本教材で構築するシステムは、単なる「インジケーターで売買するBot」ではありません。以下の4層構造を持つ、機関投資家のトレーディングデスクに近いアーキテクチャです。

第1層: データ収集層 -- 6つの無料データソースからファンダメンタル・センチメント・価格データを30分毎に収集
第2層: 分析・判断層 -- LightGBM機械学習モデル + レジームスケーラー + コインスコアリングで多角的に判断
第3層: 執行層 -- Freqtrade経由でHyperliquidに注文。エントリー/エグジット/ポジションサイジングを自動化
第4層: 監視・学習層 -- 複数Bot同時運用（蠱毒方式）で淘汰・改善を繰り返す

第2章: 全体アーキテクチャ -- 4層構造の詳細