この記事の結論

• JEPIは米国大型株＋オプション取引で年8%前後の分配金を毎月出す高配当ETF
• 新NISA（成長投資枠・つみたて投資枠）では買えない。投資信託版の「楽天・JEPI」も毎月決算型のため対象外とされている
• 資産を大きく増やしたい人より、毎月の現金収入（インカム）を重視する人向け
• 分配金で毎月1株ずつ買い増すには約210株、月1万円の分配金を得るには約245株が目安

JEPIとは何か？

JEPI（JPMorgan Equity Premium Income ETF）は、JPモルガン・アセット・マネジメントが2020年5月に設定したアクティブ運用のETF（上場投資信託）です。純資産は約460億ドル（2026年10月時点）と、カバードコール系ETFの中でもトップクラスの規模があります。

JEPIが提供する投資機会とは？

JEPIは、安定した配当と値動きの穏やかさを求める投資家に向けたETFです。S&P500の中から値動きが比較的小さい大型株を選んで保有し、さらにオプション（コールオプション）を売ることで得られるプレミアム収入を、株の配当と合わせて毎月分配します。

カバードコール戦略をかんたんに言うと

「株を持ったまま、その株を決めた価格で買える権利（コールオプション）を他の人に売り、その代金（プレミアム）を受け取る」という戦略です。横ばいや緩やかな相場では、このプレミアムが上乗せの収入になります。その代わり、株価が大きく上がった時の値上がり益は一部しか受け取れません。

新NISAには使えるのか？

結論から言うと、JEPIは新NISAの成長投資枠でも、つみたて投資枠でも投資ができません。

新NISAの成長投資枠には金融庁が定めた商品の基準があり、次のような商品は対象から外されています。JEPIは毎月分配を行い、運用にオプション（デリバティブ）を使っているため、この基準に当てはまってしまいます。

• 毎月分配型の商品
• ヘッジ目的以外でデリバティブ取引を使う商品
• 信託期間が20年未満の商品（投資信託の場合）

投資信託版の「楽天・JEPI」ならNISAで買える？

2026年5月には、JEPIに投資する投資信託「楽天・米国大型株式・プレミアム・インカム・ファンド（毎月決算型）」（愛称：楽天・JEPI）が設定されました。円で100円から買えるのが特徴ですが、毎月決算型のため新NISAの対象外とされています。実質的なコストもJEPIを直接買うより高くなる点に注意が必要です。購入前に各証券会社のページで最新の取り扱いを確認してください。

では、一般枠（特定口座）でも買いなのか？

キャピタルゲインの恩恵を受けたい。つまり、資産を拡大したいという方には向いてないと思います。なぜなら、このETFは毎月配当が入り、そのたびに米国で10%、日本で20.315%の税金がかかってしまうからです。ほかのETFなどでは分配金を減らしてその分を再投資に自動的に回すことでキャピタルゲインを大きくしてくれるものもあるので、そちらにした方がよさそうです。（税金を売却益が出た際に支払うので、未来の自分に回しているイメージです。）

なお、米国で差し引かれた10%は、確定申告で「外国税額控除」を受けると一部を取り戻せます。特定口座で持つなら覚えておきたい制度です。

ただし、資産拡大ではなく、毎月お小遣いのように高い配当金がもらいたい！という方にはとてもおすすめだと思います。

私の当面の目標は、月の配当金を税引き後20万円入ってくることと定めているので現在は214株持っています。（2026年10月現在）

さすがに全ツッパではないですが今後も積み立てていく予定です。

JEPIの詳細情報（2026年10月時点）

JEPIの基本情報

JEPIの配当利回り・権利落ち日

JEPIの直近12か月の分配金は合計4.56ドルで、配当利回りは約8.0%です（2026年10月時点）。分配金は毎月同じではなく、1株あたり0.34〜0.45ドルの間で動いています。

※米国株は権利落ち日の前営業日までに保有している必要があります。

私が2026年1月〜10月に受け取ったJEPIの分配金は、合計912ドルでした。

JEPIの経費率

JEPIの経費率は0.35%です。アクティブ運用ETFの経費率はパッシブ運用に比べ高めに設定される傾向があり、1%前後とられるものもあることを考えれば良心的なコストといえるのではないでしょうか。

投資対象とポートフォリオ

JEPIが投資する主な銘柄

JEPIは約137銘柄に分散しており、1銘柄の比率は最大でも2%程度です。テクノロジーだけでなく、金融（カード決済を含む）、エネルギー、ヘルスケア、公益など幅広い業種に投資しています。

※2026年10月23日時点。上位10銘柄の合計は約18%です。

コールオプション取引の活用

JEPIは上記の大型の米国株のポートフォリオに加えて、S&P500のコールオプションを売る取引をベースとしたELN（エクイティ・リンク債）を組み入れています。このELNから得られるプレミアム収入が、高い分配金の主な原資になっています。

JEPIのメリット3選

1. 毎月、高い分配金がもらえる：直近12か月の利回りは約8%。株の配当に加えてオプションのプレミアム収入があるため、一般的な高配当ETFより分配金が多めです。
2. 値動きが比較的おだやか：値動きの小さい銘柄を選び、オプション収入がクッションになるため、相場が下がった時の下落がS&P500より小さくなりやすい設計です。
3. 規模が大きくコストも低め：純資産は約460億ドルと大きく、売買しやすいETFです。経費率0.35%はアクティブETFとしては低い水準です。

JEPIのデメリット3選

1. 上昇相場では置いていかれる：コールオプションを売っているため、株価が大きく上がった時の値上がり益は一部しか受け取れません。長期の資産拡大ではS&P500連動ETFに負けやすい点は理解しておきましょう。
2. 分配金は一定ではない：オプションのプレミアムは相場の変動の大きさで変わるため、分配金は毎月変動します。直近1年の分配金は前年より約4%減りました。
3. 税金面で不利：新NISAが使えず、分配のたびに米国10%・国内20.315%の税金がかかります。複利で増やしたい人には効率がよくありません。

JEPIと似た高配当ETFとの違い

同じ「高配当」でも、仕組みが違うと値動きや分配金の性格が変わります。当ブログで解説している主なETFと比べると、次のとおりです。

※HDVは2026年6月から毎月分配に変わったため、新NISA成長投資枠では新たに買えなくなりました（すでにNISAで持っている分は非課税のまま保有できます）。取り扱いは証券会社によって異なる場合があるので、各社のページで確認してください。

NISAで高配当ETFを持ちたい場合は、SPYDのような年4回分配で「株の配当」を出すETFや、SCHDに投資する投資信託（楽天・SCHD、SBI・SCHDなど）が候補になります。より高い利回りを求めるならQYLDやXYLDもありますが、値上がり益はJEPI以上に限られます。

JEPIはどんな人に向いている？

向いている人

• 毎月の現金収入（インカム）を重視したい人
• 値動きの大きさを抑えながら米国株に投資したい人
• NISA枠は別の商品で使い切っていて、特定口座で高配当を狙いたい人

向いていない人

• 20〜30年かけて資産を最大限増やしたい人
• 新NISAの非課税メリットを最大限に活かしたい人
• 分配金の額が毎月変わることを気にする人

まとめ

JEPIを分配金で毎月1株買うには何株必要？

JEPIの株価は約57ドル、毎月の分配金は平均で約0.38ドルです。米国10%・国内20.315%の税金を引くと、1株あたりの手取りは月に約0.27ドルになります。

57ドル ÷ 0.27ドル ＝ 約210株。つまり、約210株あれば毎月の分配金で1株ずつ買い増せる計算です（外国税額控除は考慮していません）。

月1万円の分配金を得るには何株必要？

1ドル＝150円で計算すると、月1万円は約67ドルです。手取り0.27ドル/株で割ると約245株、金額にして約1万4,000ドル（約210万円）が目安になります。為替や分配金の変動で必要な株数は変わるので、あくまで目安として考えてください。

最後に

米国のETF「JEPI」の特徴や投資のメリット・デメリット、新NISAでの扱いなどを2026年10月時点の最新データで解説しました。

このETFは値上がり益も狙えるとは謳っていますが、やはり基本的には安定した高い配当収入を求めるインカム志向の投資家にとって魅力的なETFです。途中にも書きましたが、私自身も購入しており、複利の恩恵を受けられるようこれからも積み立てるつもりです。

何よりも、働かずに毎月お金が入ってくる仕組みを作れる部分に魅力を感じる人にとって、良い選択肢の一つになるのではないかと思います。

※本記事のデータは2026年10月23日時点のものです（出典：JPMorgan Asset Management、stockanalysis.com、楽天証券ほか）。投資の判断はご自身の責任で行ってください。

この記事の結論

• JEPQはナスダック100の銘柄＋オプション取引で年11%台の分配金を毎月出す高配当ETF。JEPIの「ナスダック版」の兄弟ETF
• 新NISA（成長投資枠・つみたて投資枠）では買えない。投資信託版の「楽天・JEPQ」も毎月決算型で、楽天証券の案内では特定/一般口座での購入とされている
• JEPIより利回りも値動きも大きい。毎月の現金収入を重視しつつ、ハイテク株の成長も少しは取りたい人向け
• 分配金で毎月1株ずつ買い増すには約143株、月1万円の分配金を得るには約163株が目安

JEPQとは何か？

JEPQ（JPMorgan Nasdaq Equity Premium Income ETF）は、JPモルガン・アセット・マネジメントが2022年5月3日に設定したアクティブ運用のETF（上場投資信託）です。純資産は約428億ドル（2026年10月時点）と、JEPI（約460億ドル）に迫る規模まで成長しています。

JEPQが提供する投資機会とは？

JEPQは、毎月の高い分配金と米国ハイテク・グロース株への投資を両立させたい投資家に向けたETFです。ナスダック100指数の構成銘柄を中心に株式を保有し、さらにナスダック100指数のコールオプションを売ることで得られるプレミアム収入を、株の配当と合わせて毎月分配します。

ナスダック100はS&P500より値動きが大きい指数です。オプションのプレミアムは値動きが大きいほど高くなるため、同じ仕組みでもJEPIより分配金が多くなりやすいのが特徴です。

ELN（エクイティ・リンク債）の仕組みをかんたんに言うと

JEPQはオプションを直接売るのではなく、ELN（エクイティ・リンク債）という債券を通じてコールオプションを売っています。ELNは銀行が発行する債券で、中に「ナスダック100のコールオプションを売る取引」が組み込まれています。オプションを売って得たプレミアムがELNの利息（クーポン）としてJEPQに支払われ、それが分配金の主な原資になります。

考え方はJEPIの記事で紹介したカバードコール戦略と同じで、「株を持ったまま、その株を決めた価格で買える権利（コールオプション）を他の人に売り、その代金を受け取る」というものです。横ばいや緩やかな相場では上乗せの収入になりますが、株価が大きく上がった時の値上がり益は一部しか受け取れません。また、ELNを通じて取引している分、発行元である銀行の信用リスクもわずかに負うことになります。

新NISAには使えるのか？

結論から言うと、JEPQは新NISAの成長投資枠でも、つみたて投資枠でも投資できません。理由はJEPIと同じです。

新NISAの成長投資枠には金融庁が定めた商品の基準があり、次のような商品は対象から外されています。JEPQは毎月分配を行い、運用にオプション（デリバティブ）も使っているため、対象外となる条件に当てはまってしまいます。

• 毎月分配型の商品
• ヘッジ目的以外でデリバティブ取引を使う商品
• 信託期間が20年未満の商品（投資信託の場合）

対象かどうかは各証券会社のサイトに表示されるので、念のため購入前に、お使いの証券会社の「成長投資枠の対象銘柄」で確認してください。

投資信託版の「楽天・JEPQ」ならNISAで買える？

JEPQに投資する投資信託として、2025年8月14日に「楽天・米国成長株式・プレミアム・インカム・ファンド（毎月決算型）」（愛称：楽天・JEPQ）が設定されています。円で100円から買えるのが特徴です。

ただし、毎月決算型で、楽天証券の案内ページでも購入できる口座は「特定/一般口座」とされており、NISA口座で買える商品としては案内されていません。実質的なコストは、ファンド分の年0.308%にJEPQの経費率0.35%を足した年0.658%程度で、JEPQを直接買うより高くなります。信託期間も2035年8月14日までと決まっています。購入前に各証券会社のページで最新の取り扱いを確認してください。

では、一般枠（特定口座）でも買いなのか？

キャピタルゲイン（値上がり益）で資産を大きく増やしたいという方には、JEPQは向いていないと私は思います。JEPQは毎月分配金が入り、そのたびに米国で10%、日本で20.315%の税金がかかってしまうからです。ナスダック100の成長をそのまま取りたいなら、分配金が少なく値上がり益を狙うQQQのようなETFの方が効率がよさそうです。

なお、米国で差し引かれた10%は、確定申告で「外国税額控除」を受けると一部を取り戻せます。特定口座で持つなら覚えておきたい制度です。

一方で、毎月お小遣いのように高い分配金を受け取りつつ、ハイテク株の値上がりも少しは取りたいという方には、良い選択肢になると私は考えています。JEPIと組み合わせて、安定性と利回りのバランスを取るのも一つの方法です。

JEPQの詳細情報（2026年10月時点）

JEPQの基本情報

JEPQの配当利回り・権利落ち日

JEPQの直近12か月の分配金は合計6.88ドルで、配当利回りは約11.8%です（2026年10月時点）。分配金は毎月同じではなく、1株あたり0.47〜0.71ドルの間で動いています。直近1年の分配金は前年より約15%増えました。

※米国株は権利落ち日の前営業日までに保有している必要があります。

JEPQの経費率

JEPQの経費率は0.35%で、JEPIと同じです。アクティブ運用のETFは、パッシブ運用に比べて経費率が高めに設定される傾向があり、中には1%前後かかるものもあります。それを考えれば、良心的なコストといえるのではないでしょうか。

投資対象とポートフォリオ

JEPQが投資する主な銘柄

JEPQは約110銘柄に投資していますが、ナスダック100が中心のため、エヌビディアやアップルなど大型ハイテク株の比率が高くなっています。上位10銘柄だけで約42%を占めており、上位10銘柄で約18%のJEPIと比べるとかなり集中しています。

※2026年10月23日時点。上位10銘柄の合計は約42%です。

コールオプション取引の活用

JEPQは上記の株式ポートフォリオに加えて、ナスダック100指数のコールオプションを売る取引を組み込んだELN（エクイティ・リンク債）を保有しています。このELNから得られるプレミアム収入が、高い分配金の主な原資になっています。

JEPQとJEPIの違いは？どちらを選ぶべき？

JEPQとJEPIは、同じJPモルガンが運用し、同じ「株＋ELNでオプションを売る」仕組みを使う兄弟ETFです。経費率も0.35%で同じですが、投資している株が違うため、利回りや値動きの性格がかなり変わります。JEPIの記事と見比べながら読んでみてください。

※2026年10月23日時点。トータルリターンは分配金込み（stockanalysis.com）。

違い①：投資対象（ハイテク集中か、幅広い分散か）

JEPIは金融（カード決済を含む）、エネルギー、ヘルスケア、公益など幅広い業種に分散し、1銘柄の比率は最大でも2%程度です。一方のJEPQは、エヌビディア・アップル・マイクロソフトの3銘柄だけで約19%を占めるなど、ハイテク大型株への集中度が高いポートフォリオです。AIや半導体の成長の恩恵を受けやすい反面、ハイテク株が売られる局面では影響を強く受けます。

違い②：利回り（JEPQの方が高い）

2026年10月時点の配当利回りは、JEPQが約11.8%、JEPIが約8.0%です。ナスダック100はS&P500より値動きが大きいため、売るオプションのプレミアムも高くなり、その分、分配金が多くなります。直近1年の分配金は、JEPIが前年より約4%減ったのに対し、JEPQは約15%増えました。

ただし、利回りが高いのは「値動きが大きい（リスクが高い）」ことの裏返しでもあります。相場が落ち着けばプレミアムも減り、分配金が下がる可能性がある点は両者共通です。

違い③：値動き（JEPQの方が大きい）

市場全体との連動の強さを示すベータは、JEPQが0.83、JEPIが0.53です。JEPIは「値動きのおだやかさ」を重視した設計ですが、JEPQはハイテク株の値動きの影響をより強く受けます。直近1年の株価の値幅も、JEPQは53.51〜61.72ドル（約15%）、JEPIは55.10〜59.90ドル（約9%）と、JEPQの方が上下に大きく動いています。

違い④：上昇相場での強さ（JEPQの方が強いが、QQQには届かない）

ハイテク株が上がった直近1年では、分配金込みのトータルリターンがJEPQ 13.70%、JEPI 7.47%と、JEPQがJEPIを大きく上回りました。ただし、ナスダック100にそのまま連動するQQQは16.88%で、JEPQはそれには届いていません。コールオプションを売っている分、大きな上昇の一部をあきらめているためです。

※2026年10月23日時点、分配金込み（stockanalysis.com）。過去の成績は将来を保証するものではありません。

結局どちらを選ぶ？

私の考えでは、「値動きを抑えて安定した分配金」ならJEPI、「多少のブレは受け入れて利回りと成長性」ならJEPQです。どちらか一方に絞らず、両方を持って分配金の安定性と利回りのバランスを取るのも一つの方法だと思います。JEPIの詳しい特徴はこちらの記事で解説しています。

JEPQのメリット3選

1. 毎月、とても高い分配金がもらえる：直近12か月の利回りは約11.8%。株の配当に加えてナスダック100のオプションのプレミアム収入があるため、JEPIや一般的な高配当ETFより分配金が多めです。
2. ハイテク株の成長も一部取れる：エヌビディアやアップルなどナスダック100の大型株を持っているため、上昇相場ではJEPIより値上がり益を取りやすく、直近1年のトータルリターンは13.70%でした。
3. 規模が大きくコストも低め：純資産は約428億ドルと大きく、売買しやすいETFです。経費率0.35%はアクティブETFとしては低い水準です。

JEPQのデメリット3選

1. 上昇相場ではQQQに負ける＋値動きはJEPIより大きい：コールオプションを売っているため、大きな上昇の一部しか受け取れません。一方で、ハイテク株が下がる局面では下落の影響をしっかり受けるため、「下げはそれなり、上げは控えめ」になりやすい点は理解しておきましょう。
2. 分配金は一定ではない：オプションのプレミアムは相場の変動の大きさで変わるため、分配金は毎月変動します。直近1年でも1株あたり0.47〜0.71ドルと、月によって1.5倍ほどの差がありました。
3. 税金面で不利：新NISAが使えず、分配のたびに米国10%・国内20.315%の税金がかかります。複利で増やしたい人には効率がよくありません。

JEPQと似たETFとの違い

同じ「オプション収入で高配当」のETFでも、投資対象や仕組みが違うと値動きや分配金の性格が変わります。当ブログで解説している主なETFと比べると、次のとおりです。

同じナスダック100を対象にするQYLDは、保有する株のほぼ全体にカバードコールをかけるため、値上がり益はJEPQ以上に限られます。S&P500版のXYLDも同様です。値上がり益と分配金のバランスを取りたいならJEPQ、さらに値動きを抑えたいならJEPIが候補になると私は考えています。

JEPQはどんな人に向いている？

向いている人

• 毎月の現金収入（インカム）を重視しつつ、JEPIより高い利回りを狙いたい人
• ハイテク株の成長の恩恵も、ある程度は受けたい人
• NISA枠は別の商品で使い切っていて、特定口座で高配当を狙いたい人

向いていない人

• 20〜30年かけて資産を最大限増やしたい人
• 新NISAの非課税メリットを最大限に活かしたい人
• 値動きの大きさや、分配金の額が毎月変わることを気にする人（その場合はJEPIの方が合うかもしれません）

まとめ

JEPQを分配金で毎月1株買うには何株必要？

JEPQの株価は約58.4ドル、毎月の分配金は平均で約0.57ドルです（直近12か月合計6.88ドル÷12）。米国10%・国内20.315%の税金を引くと、1株あたりの手取りは月に約0.41ドルになります。

58.4ドル ÷ 0.41ドル ＝ 約143株。つまり、約143株あれば毎月の分配金で1株ずつ買い増せる計算です（外国税額控除は考慮していません）。JEPIの約210株より少なくて済むのは、利回りが高いためです。

月1万円の分配金を得るには何株必要？

1ドル＝150円で計算すると、月1万円は約67ドルです。手取り0.41ドル/株で割ると約163株、金額にして約9,500ドル（約143万円）が目安になります。為替や分配金の変動で必要な株数は変わるので、あくまで目安として考えてください。

最後に

米国のETF「JEPQ」の特徴や投資のメリット・デメリット、新NISAでの扱い、JEPIとの違いなどを2026年10月時点の最新データで解説しました。

JEPQはJEPIより利回りが高く、ハイテク株の成長も一部取れる一方で、値動きは大きくなります。安定重視ならJEPI、利回りと成長性を重視するならJEPQと、自分の目的に合わせて選ぶのがよいと思います。

働かなくても毎月お金が入ってくる仕組みを作れることに何よりも魅力を感じる人にとって、JEPQは良い選択肢の一つになるのではないかと思います。

※本記事のデータは2026年10月23日時点のものです（出典：stockanalysis.com、JPMorgan Asset Management、楽天証券、みんかぶほか）。投資の判断はご自身の責任で行ってください。

この記事の結論

• SCHDは、配当を10年以上続けている米国企業から、財務が健全で配当の多い約100銘柄を選ぶ「増配型」の高配当ETF。利回りは約3.0%、分配は年4回
• SCHD本体は国内の証券会社では買えないが、投資信託版（楽天・SCHD、SBI・SCHDなど）なら新NISAの成長投資枠で買える（つみたて投資枠は対象外）
• 目先の高い分配金より、配当が少しずつ増えていくことと値上がり益の両方を狙いたい人向け
• 分配金で四半期ごとに1株買い増すには約187株、月1万円の分配金を得るには約1,060株が目安

SCHDとは何か？

SCHD（Schwab U.S. Dividend Equity ETF）は、米国の大手証券会社チャールズ・シュワブの運用部門が2011年10月20日に設定したETF（上場投資信託）です。「ダウ・ジョーンズ U.S. ディビデンド100指数」に連動するインデックス運用で、純資産は約1,191億ドル（2026年10月時点）と、米国の高配当ETFの中でもトップクラスの規模です。

なお、SCHDは2024年10月に1株を3株に分ける株式分割を行いました。分割前は1株80ドル台でしたが、分割後は30ドル前後になっています。この記事の株価や分配金は、すべて分割後の基準で書いています。

SCHDが提供する投資機会とは？

SCHDは、配当の多さと配当の伸び（増配）、そして企業の財務の健全さをまとめて求める投資家に向けたETFです。単に利回りが高い銘柄を集めるのではなく、「配当を払い続けられる力がある企業」を選ぶのが特徴です。

銘柄の選び方をかんたんに言うと

連動する「ダウ・ジョーンズ U.S. ディビデンド100指数」は、おおむね次の手順で約100銘柄を選んでいます。

1. REIT（不動産投資信託）を除く米国株のうち、10年以上連続で配当を出している企業に絞る（時価総額や売買の多さの条件もあり）
2. 配当利回りが高い順に並べ、上位半分を候補にする
3. 候補を「配当利回り」「5年間の増配率」「ROE（自己資本利益率）」「キャッシュフローと借金の比率」の4つで点数化し、上位100銘柄を選ぶ
4. 1銘柄の比率は最大4.5%、1つの業種は最大25%までに抑える

銘柄の入れ替えは年1回、比率の調整は四半期ごとに行われます。「配当が多い」だけでなく「稼ぐ力があり、借金に対して現金を十分に生んでいる」企業が選ばれるため、無理な配当で株価が下がり続けるような銘柄を避けやすい仕組みです。

新NISAには使えるのか？

結論から言うと、SCHD本体は国内の証券会社で取り扱いがないため、新NISAでも特定口座でも直接は買えません。ただし、SCHDに投資する投資信託なら新NISAの成長投資枠で買えます（つみたて投資枠は対象外）。

SCHDは年4回の分配で、運用にオプションなどのデリバティブも使っていないため、新NISAの成長投資枠から外される「毎月分配型」「ヘッジ目的以外でデリバティブを使う商品」には当たりません。問題は商品の中身ではなく、国内の証券会社がSCHD本体を扱っていないことです（2026年10月時点で、取り扱う国内証券会社は確認できませんでした）。

つみたて投資枠で買えないのは、連動する「ダウ・ジョーンズ U.S. ディビデンド100指数」が、つみたて投資枠の対象として指定された指数ではないためです。

投資信託版の「楽天・SCHD」「SBI・SCHD」なら新NISAで買える

SCHDに投資できる投資信託は、2026年10月時点で主に次の3シリーズ（4本）です。どれも円で100円から買え、新NISAの成長投資枠の対象です。

※純資産は2026年10月23日時点（ウエルスアドバイザー）。実質的なコストは、ファンドの信託報酬にSCHDの経費率を含めた目安です。

楽天・SCHDは2024年9月に「SCHDに投資する国内初の公募投資信託」として登場し、2025年5月にコストの引き下げと名称変更（旧名：楽天・高配当株式・米国ファンド）が行われました。SBI・SCHDは2024年12月に設定されています。どちらもコストはSCHD本体（0.06%）より少し高い程度で、NISAで非課税にできることを考えると、日本の個人投資家にとっては投資信託版が現実的な選択肢になります。

なお、分配の月はファンドによって違うので、複数を組み合わせて分配月をずらす使い方もできます。分配金を受け取らずに複利で増やしたい場合は、楽天の「資産成長型」も選べます。取り扱いやコストは変わることがあるので、購入前に各証券会社のページで最新の情報を確認してください。

では、一般枠（特定口座）でも買いなのか？

私は、SCHDに投資するならまず新NISAの成長投資枠で投資信託版を買うのがよいと思います。SCHDの魅力は「配当が年々増えていく」ことにあり、長く持つほど効果が大きくなります。そして、長く持つ商品ほど、分配金に国内の税金がかからないNISAとの相性がよいからです。

特定口座で持つ場合は、分配金を受け取るたびに米国で10%、日本で20.315%の税金がかかります。とはいえ、SCHDは年4回の分配で利回りも3%前後なので、毎月分配で利回りの高いJEPIなどと比べると、税金で目減りする分は小さめです。NISA枠を使い切った人が特定口座で追加するのも、私はアリだと思います。なお、NISA口座でも、米国で差し引かれる10%は戻ってこない点を覚えておきましょう。

ただし、「今すぐたくさんの分配金がほしい」という方には、利回り3%前後は物足りないかもしれません。SCHDは「10年後、20年後に受け取る配当を増やしていく」ためのETFだと考えたほうがよさそうです。

SCHDの詳細情報（2026年10月時点）

SCHDの基本情報

SCHDの配当利回り・権利落ち日

SCHDの直近12か月（4回分）の分配金は合計約1.05ドルで、配当利回りは約3.0%です（2026年10月時点）。1回あたりの分配金はおおむね0.25〜0.28ドルです。

※米国株は権利落ち日の前営業日までに保有している必要があります。分配金は株式分割後の基準です。

SCHDの増配の実績

SCHDのいちばんの特徴が増配です。1年間（1〜12月）の分配金の合計は、2012年から2025年まで毎年増えています。2015年から2025年の10年間で約2.7倍、年平均にすると約10.6%のペースで増えた計算です。

※株式分割後の基準。1回ごとの分配金は前年の同じ時期より減ることもあり、毎回必ず増えるわけではありません。2026年は9月までの3回の合計が0.7759ドルで、前年の同じ時期（0.7694ドル）より約0.8%多い水準です。

SCHDの経費率

SCHDの経費率は0.06%です。100万円分持っていても年間のコストは約600円で、高配当ETFの中でもかなり低い水準です。投資信託版でも実質0.12%程度に収まっているので、コスト面で困ることはほとんどないといえるのではないでしょうか。

投資対象とポートフォリオ

SCHDが投資する主な銘柄

SCHDは約100銘柄に投資しており、日用品、エネルギー、ヘルスケア、半導体、小売など、配当を長く出し続けている成熟企業が中心です。1銘柄あたりの比率の上限があるため、上位10銘柄はどれも4%前後に並んでいます。

※2026年10月23日時点。上位10銘柄の合計は約41%です。アップルやエヌビディアのような大型ハイテク株はほとんど含まれていません。

SCHDのメリット3選

1. 配当が年々増えてきた：1年間の分配金は2012年から2025年まで毎年増え、10年で約2.7倍になりました。買った時の値段に対する利回り（取得利回り）が、持ち続けるほど上がっていくのが魅力です。
2. 財務の健全な企業に分散できる：10年以上の連続配当に加え、稼ぐ力や借金に対する現金の多さで銘柄を選ぶため、「利回りは高いが業績が苦しい企業」を避けやすい仕組みです。1銘柄4.5%、1業種25%の上限で偏りも抑えられています。
3. コストが低く、新NISAでも投資できる：経費率は0.06%と非常に低く、純資産も約1,191億ドルと大きいETFです。日本では投資信託版を使えば、実質0.12%程度のコストで新NISAの成長投資枠に入れられます。

SCHDのデメリット3選

1. 日本ではSCHD本体を買えない：国内の証券会社ではSCHD本体を扱っていないため、日本の個人投資家は投資信託版を選ぶことになります。投資信託版は1株単位ではなく口数（円）で買う商品なので、「ETFを株数で集めたい」人には不向きです。
2. 利回りは高配当ETFとしては控えめ：利回りは約3.0%で、SPYD（約4.2%）やJEPI（約8.0%）より低めです。また、2026年は9月までの分配金が前年同期比で約0.8%増にとどまり、これまでより増配のペースがゆるやかになっています。
3. ハイテク株が少なく、上昇相場で置いていかれやすい：配当の多い成熟企業が中心で、大型ハイテク株はほとんど含まれていません。ハイテク株が引っぱる上昇相場では、S&P500などの指数に値上がりで負けやすい点は理解しておきましょう。

SCHDと似たETFとの違い

同じ「高配当」でも、銘柄の選び方や分配の仕組みが違うと、利回りや値動き、NISAでの扱いが変わります。主な高配当ETFと比べると、次のとおりです。

※2026年10月23日時点（stockanalysis.com）。NISAの扱いは変わることがあるので、購入前に証券会社で確認してください。

特にJEPIとは性格がまったく違います。JEPIは、株の配当にオプションを売って得るプレミアム収入を上乗せし、利回り約8%の分配金を毎月出すETFです。一方のSCHDは、オプションを使わず企業が払う配当だけを年4回分配し、その配当が年々増えていくことを狙います。JEPIの分配金は相場の変動の大きさで上下し、前年より減る年もあります。これに対してSCHDの分配金は、1年間の合計で見ると毎年増えてきました。さらに、JEPIは毎月分配とデリバティブの利用で新NISAの対象外ですが、SCHDは投資信託版を通じて新NISAで持てます。「今の収入を最大にしたい」ならJEPI、「将来の収入を育てたい」ならSCHD、と考えると分かりやすいと思います。

利回りをもう少し高くしたいならSPYD、もっと多くの銘柄に分散したいならVYMも候補になります。なお、HDVは2026年に毎月分配へ変わったため、これから新NISAで買う候補からは外れる点に注意してください。

SCHDはどんな人に向いている？

向いている人

• 10年、20年と長く持って、受け取る配当を少しずつ増やしていきたい人
• 新NISAの成長投資枠で、低コストの高配当商品を持ちたい人
• 配当だけでなく、ある程度の値上がり益も期待したい人

向いていない人

• 今すぐ高い分配金（利回り5%以上など）がほしい人
• 毎月分配金を受け取りたい人
• ハイテク株の成長にしっかり乗って、資産を最大限増やしたい人

まとめ

SCHDを分配金で四半期に1株買うには何株必要？

SCHDの株価は35.27ドル、直近1年の分配金は合計約1.05ドルなので、1回（四半期）あたりの分配金は平均約0.26ドルです。米国10%・国内20.315%の税金を引くと、1株あたりの手取りは1回あたり約0.189ドルになります。

35.27ドル ÷ 0.189ドル ＝ 約187株。つまり、約187株あれば四半期ごとの分配金で1株ずつ買い増せる計算です（外国税額控除は考慮していません）。なお、SCHD本体は国内の証券会社では買えないため、この計算は、必要な投資額のイメージをつかむための目安として見てください。

月1万円の分配金を得るには何株必要？

1ドル＝150円で計算すると、月1万円は約66.7ドル、1年で約800ドルです。SCHDの分配は年4回なので、実際には四半期ごとに約3万円ずつ受け取るイメージになります。1株あたりの年間の手取りは約0.756ドル（1.05ドル×税引き後）なので、800ドル ÷ 0.756ドル ＝ 約1,060株、金額にして約3万7,000ドル（約560万円）が目安になります。

新NISAで投資信託版を持つ場合は国内の税金がかからないため、必要な金額はこれより少なくなります。為替や分配金の変動で必要な金額は変わるので、あくまで目安として考えてください。

最後に

米国のETF「SCHD」の特徴や増配の実績、投資のメリット・デメリット、新NISAでの扱いなどを2026年10月時点の最新データで解説しました。

SCHDは利回りだけを見ると目立ちませんが、財務の健全な企業に分散しながら、受け取る配当を年々増やしていくことを狙えるETFです。日本ではSCHD本体は買えないものの、楽天・SCHDやSBI・SCHDといった低コストの投資信託を通じて、新NISAの成長投資枠で非課税のメリットを活かせます。

何よりも、時間を味方につけて「将来の不労所得」を育てていきたい人にとって、SCHDは良い選択肢の一つになるのではないかと思います。

※本記事のデータは2026年10月23日時点のものです（出典：stockanalysis.com、DividendVision、S&P Dow Jones Indices資料、楽天証券、ウエルスアドバイザー、みんかぶ、投資の基礎知識ほか）。投資の判断はご自身の責任で行ってください。

この記事の結論

• AIPIはAI関連株に投資しながらカバードコール戦略をとり、年35%前後の分配利回りで毎週分配金を出す超高利回りETF
• 新NISA（成長投資枠・つみたて投資枠）では買えないと考えられる。分配が頻繁で、オプション（デリバティブ）を収益目的で使っているため
• 分配金の推定100%が元本払戻金で、株価は設定時の約50.7ドルから約35.2ドルへ約30%下落。分配金も2024年より約30%減っている
• 分配金で毎月1株ずつ買い増すには約46株、月1万円の分配金を得るには約87株が目安（いずれも現在の分配金が続いた場合）

AIPIとは何か？

AIPI（REX AI Equity Premium Income ETF）は、アメリカの資産運用会社REX Shares（レックス・シェアーズ）が2024年6月4日に設定したアクティブ運用のETF（上場投資信託）で、NASDAQに上場しています。人工知能（AI）関連企業への投資とカバードコール戦略を組み合わせて、AI関連株の値上がり益と高いインカム（分配金）の両方を狙う商品です。純資産は約4億7,400万ドル（2026年10月22日時点）です。

AIPIが提供する投資機会とは？

AIPIは、BITA AI Leaders Select Indexの構成銘柄から選んだAIのリーダー企業に投資します。最大の特徴は、成長が期待されるAI関連企業への投資と収入源となるオプションプレミアムを組み合わせた点です。半導体、データセンター向けのストレージ、AIソフトウェア、クラウドなど、AIを支える企業群に分散投資しつつ、保有株のコールオプションを売って得たプレミアムを分配金の原資にしています。

カバードコール戦略をかんたんに言うと

「株を持ったまま、その株を一定の価格で買える権利（コールオプション）を他の人に売り、その代金（プレミアム）を受け取る」という戦略です。AIPIは、予想変動率（インプライド・ボラティリティ）が高い個別銘柄について、現在の株価より少し上の価格のコールオプションを売っています。AI関連株は値動きが激しいぶんプレミアムも高くなりやすく、これがJEPIなどより分配金がはるかに多い理由です。その代わり、株価が大きく上がった時の値上がり益は一部しか受け取れません。

新NISAには使えるのか？

結論から言うと、AIPIは新NISAの成長投資枠でも、つみたて投資枠でも投資できないと考えられます。

新NISAの成長投資枠には金融庁が定めた商品の基準があります。AIPIは2026年5月から毎週分配（毎月分配よりさらに頻繁）になっており、運用でもオプション（デリバティブ）を収益目的で使っているため、対象外となる次の条件に当てはまると考えられます。

• 毎月分配型の商品
• ヘッジ目的以外でデリバティブ取引を使う商品

なお、AIPIは2024年設定の新しいETFで、国内での取り扱いの有無は証券会社によって異なる可能性があります。購入を考えている方は、利用している証券会社の外国ETFの取り扱い一覧で「AIPI」があるか、NISAの対象かどうかを確認してください。

では、一般枠（特定口座）でも買いなのか？

資産を大きく増やしたいという方には、AIPIは向いていないと私は思います。理由は2つあります。1つは、分配のたびに米国で10%、日本で20.315%の税金がかかり、複利の効果が小さくなること。もう1つは、AIPIの分配金は運用会社の推定で100%が元本払戻金（ROC）とされており、実際に株価も設定時から約30%下がっていることです。「年35%」の分配金は、そのまま「年35%増える」という意味ではありません。

一方で、分配金を含めたトータルで見ると、2026年6月末時点の直近1年の成績はプラスです（詳しくは後述）。「元本の目減りはある程度受け入れて、AI関連株の値動きに乗りながら毎週の現金収入を得たい」という方にとっては、選択肢の一つになると思います。私なら、資産の大部分をAIPIにするのではなく、高配当枠の一部にとどめます。

AIPIの詳細情報（2026年10月時点）

AIPIの基本情報

AIPIの配当利回り・権利落ち日

運用会社が公表している分配利回りは34.79%（2026年10月20日時点）です。直近12か月に支払われた分配金は合計13.43ドルで、10月23日の株価で割ると利回りは約38.1%になります。直近12か月の利回りのほうが高いのは、この1年で株価が下がったためです。

2026年5月から、分配は毎月から毎週に変わりました。運用会社は「頻度の変更であり、分配率の変更ではない」と説明しています。直近の1回あたりの分配金は0.23〜0.26ドルほどです。

※米国株は権利落ち日の前営業日までに保有している必要があります。

運用会社は、現在の分配金は100%が推定元本払戻金（ROC）だとしています。また、30日SEC利回り（経費を引いた後の、配当などの実際の運用収益をもとにした利回り）は－0.22%（2026年9月30日時点）とマイナスです。つまり、分配金は株の配当ではほとんどまかなえておらず、オプション収入や保有資産そのものから支払われている形です。なお、最終的な分配金の内訳は年度末に確定します。

設定来の実績（株価と分配金の推移）

設定から2年以上がたち、AIPIの実際の値動きが見えてきました。月末の終値と、1か月あたりの分配金の水準をまとめると次のとおりです。

株価は設定時から約30%下落し、2025年10月末（約43.8ドル）からの1年でも約19%下がっています。分配金の水準も、2024年の月1.5ドル前後から、いまは月1.1ドル前後と約30%減りました。分配利回りが高いままなのは、株価と分配金がそろって下がっているためです。元本の目減りと分配金の減少は、実際に起きています。

ただし、分配金を含めたトータルリターンでは、運用会社の公表値で直近1年＋19.02%（NAVベース、2026年6月30日時点）とプラスです。同じ期間のS&P500（＋22.32%）には届いていませんが、受け取った分配金まで含めれば資産は増えていた計算です。「株価が下がった＝損をした」とは限らない一方で、分配金を使ってしまうと手元の元本は減っていく、という点は理解しておきましょう。

AIPIの経費率

AIPIの経費率は0.65%です。JEPI（0.35%）と比べると高めですが、個別株のオプション取引を行うアクティブ運用型ETFとしては標準的な水準です。同じREX SharesのFEPIも0.65%です。

投資対象とポートフォリオ

AIPIが投資する主な銘柄

AIPIは89銘柄に投資していますが、上位10銘柄で約56%を占めており、JEPIなどに比べると特定の銘柄への集中度が高めです。半導体（エヌビディア、TSMC、マーベル）、データ分析・AIソフトウェア（パランティア、サービスナウ、セールスフォース）、クラウド（アマゾン、マイクロソフト）など、AI関連の企業が中心です。

※2026年10月20日時点。上位10銘柄の合計は約56%です。指数は毎月リバランスされ、四半期ごとに銘柄の入れ替えも行われるため、上位銘柄は変わることがあります。

コールオプション取引の活用

AIPIは純資産の80%以上をBITA AI Leaders Select Indexの構成銘柄に投資し、そのうえで保有する個別株のコールオプションを売っています。FLEXオプション（条件を自由に決められる取引所オプション）を使うこともあります。このオプション売りで得たプレミアムが、高い分配金の主な原資です。

AIPIのメリット3選

1. 分配利回りが圧倒的に高い：運用会社公表の分配利回りは約35%で、JEPI（約8%）やQYLD（約12%）を大きく上回ります。2026年5月からは毎週分配になり、こまめに現金収入が入ってきます。
2. AI関連の有力企業にまとめて投資できる：エヌビディアやTSMC、パランティアなどAIを支える企業に1本で分散投資できます。個別株を1つずつ選ぶより、1社の失敗の影響を小さくできます。
3. 下落時にオプション収入がクッションになる：値動きが大きい相場ほどオプションのプレミアムは高くなりやすく、受け取った分配金が株価下落の一部を埋めてくれます。分配金込みでは直近1年＋19.02%（2026年6月末時点、NAVベース）とプラスを保っています。

AIPIのデメリット3選

1. 元本（株価）が目減りしている：分配金は推定100%が元本払戻金で、株価は設定時の50.67ドルから35.22ドルへ約30%下がりました。分配金を使い続けると、手元に残る元本は少しずつ減っていく可能性が高いです。
2. 分配金は一定ではなく、減ってきている：分配金の水準は2024年の月1.5ドル前後から、現在は月1.1ドル前後と約30%減りました。オプションのプレミアムは相場の変動の大きさで変わるため、今後も増えたり減ったりします。「年35%」がずっと続くとは考えないほうがよいでしょう。
3. 上昇相場で置いていかれ、税金・為替の負担もある：コールオプションを売っているため、AI関連株が大きく上がった時の値上がり益は一部しか受け取れません。さらに新NISAが使えないため、分配のたびに米国10%・国内20.315%の税金がかかります。米ドル建てなので、円高になると円換算の価値も下がります。

AIPIと似たETFとの違い

同じ「オプションで高い分配金を出すETF」でも、投資対象やオプションの使い方で利回りやリスクは大きく変わります。当ブログで解説している主なETFと比べると、次のとおりです。

※分配利回りは2026年10月23日時点の直近12か月の実績。

AIPIは、同じREX SharesのFEPI（大型テック株）やCEPI（暗号資産関連株）の「AI版」といえる位置づけです。利回りが高いものほど、元本の目減りや分配金の変動も大きくなりやすい点は共通しています。値動きの穏やかさを重視するならJEPIやQYLDのほうが候補になります。

AIPIはどんな人に向いている？

向いている人

• 毎週・毎月の現金収入（インカム）をできるだけ多く受け取りたい人
• AI関連株に投資したいが、値上がり益の一部を分配金に替えてもよいと考える人
• 元本の目減りを理解したうえで、高配当枠の一部として特定口座で持ちたい人

向いていない人

• 20〜30年かけて資産を最大限増やしたい人
• 新NISAの非課税メリットを最大限に活かしたい人
• 株価の下落や分配金の減少を見ると不安になる人

まとめ

AIPIを分配金で毎月1株買うには何株必要？

AIPIの株価は約35.2ドルで、直近8回の分配金は1回あたり平均約0.249ドルです。年52回として月あたりに直すと約1.08ドルになります。米国10%・国内20.315%の税金を引くと、1株あたりの手取りは月に約0.77ドルです。

35.2ドル ÷ 0.77ドル ＝ 約46株。つまり、約46株あれば毎月の分配金で1株ずつ買い増せる計算です（外国税額控除は考慮していません）。ただし、分配金が減ったり株価が動いたりすれば必要な株数は変わります。

月1万円の分配金を得るには何株必要？

1ドル＝150円で計算すると、月1万円は約67ドルです。手取り0.77ドル/株で割ると約87株、金額にして約3,060ドル（約46万円）が目安になります。利回りが高いぶん少ない金額で届きますが、この分配金の多くは元本の払い戻しであり、分配金の水準自体もこの2年で約30%下がっています。あくまで「今の分配金が続いた場合」の目安として考えてください。

最後に

AI関連株×カバードコール戦略のETF「AIPI」の特徴や分配金、新NISAでの扱い、メリット・デメリットを2026年10月時点の最新データで解説しました。

年35%前後という分配利回りは大きな魅力ですが、設定から2年あまりで株価は約30%、分配金の水準も約30%下がりました。分配金込みのトータルではプラスを保っているものの、高利回りの裏で元本が少しずつ取り崩されている点は、購入前に必ず理解しておきたいところです。

AI関連株の成長に乗りながら、毎週の現金収入を受け取れる仕組みに魅力を感じる人にとっては、ポートフォリオの一部として検討する価値のあるETFだと私は思います。

※本記事のデータは2026年10月23日時点のものです（出典：REX Shares、stockanalysis.com、Yahoo Financeほか）。投資の判断はご自身の責任で行ってください。

この記事の結論

• HDVは、財務が健全な米国の高配当株74銘柄に投資する、経費率0.08%の低コストな高配当ETF
• 2026年6月から毎月分配に変わったため、新NISA（成長投資枠）では新しく買えなくなった。すでにNISAで持っている分はそのまま非課税で持ち続けられる
• 値上がり益よりも、エネルギー・生活必需品・ヘルスケアといったディフェンシブな業種からの配当を重視する人向け
• 分配利回りは約3.2%。分配金で毎月1株ずつ買い増すには約530株、月1万円の分配金を得るには約1,160株が目安（特定口座の場合）

HDVとは何か？

HDV（iシェアーズ・コア 米国高配当株 ETF）は、アメリカの資産運用会社であるブラックロック（BlackRock）社が運用するインデックス型のETF（上場投資信託）の一つです。このETFは、米国の大型株の中でも配当利回りの高い銘柄に投資し、安定した配当収入と長期的な値上がり益の両方を目指しています。2011年3月に設定され、純資産は約160億ドル（2026年10月時点）です。本記事では、HDVの特徴や利点、リスクなどを詳しく解説していきます。

HDVが提供する投資機会とは？

HDVは、高配当株への投資を通じて安定した配当収入を得たい投資家にとって、魅力的な選択肢です。連動を目指すのは「モーニングスター配当利回りフォーカス指数」です。この指数は、米国株の中から財務の健全性が高く、配当を続けられそうな高配当銘柄を選んでいます。

2026年の2つの変更点をかんたんに

HDVには2026年に大きな変更が2つありました。

1. 1株を5株に分割（2026年4月29日から）：分割後の株価は30ドル前後です。持っている株の価値そのものは変わりませんが、少ない金額から買いやすくなっています。
2. 四半期分配から毎月分配へ（2026年6月から）：これまでは3・6・9・12月の年4回でしたが、7月からは毎月分配金が出るようになりました。権利落ち日は原則として毎月第3水曜日です。

このため、ネット上の古い記事にある「株価100ドル」「1回の分配金0.8〜1.0ドル」といった数字は、今のHDVにはそのまま当てはまりません。

新NISAには使えるのか？

結論から言うと、HDVは2026年6月から新NISAの成長投資枠で新しく買うことができなくなりました。つみたて投資枠も対象外です。

HDVはもともと年4回分配だったため対象でしたが、毎月分配に変わったことで「毎月分配型」に当てはまってしまいました。新NISAの成長投資枠には金融庁が定めた商品の基準があり、次のような商品は対象から外されています。

• 毎月分配型の商品
• ヘッジ目的以外でデリバティブ取引を使う商品
• 信託期間が20年未満の商品（投資信託の場合）

なお、すでにNISA口座で持っているHDVは、売る必要はなく、そのまま非課税で持ち続けられます。分配金も引き続き国内では非課税です（米国の10%の税金は差し引かれます）。NISAでの積立設定や未約定の注文は証券会社側で取り消されている場合があるので、ご自身の口座を一度確認してください。

NISAでHDVと同じ指数に投資したい場合は？

東証に上場している「iシェアーズ 米国高配当株 ETF（銘柄コード：2013）」は、HDVと同じモーニングスター配当利回りフォーカス指数への連動を目指すETFです。分配は年4回（2月・5月・8月・11月）で、ブラックロックは成長投資枠の対象商品としています。円で買える一方、信託報酬は年0.121%（税込）とHDVより少し高めです。取り扱いは証券会社によって異なることがあるので、購入前に各証券会社のページで最新の情報を確認してください。

では、一般枠（特定口座）でも買いなのか？

キャピタルゲインを大きく狙いたい、つまり資産をできるだけ速く増やしたいという方には、あまり向いていないと思います。HDVはエネルギーや生活必需品などの成熟した企業が中心で、ハイテク株の比率が低いため、上昇相場ではS&P500に置いていかれやすいからです。また、特定口座で持つと分配金のたびに米国で10%、国内で20.315%の税金がかかります。

なお、米国で差し引かれた10%は、確定申告で「外国税額控除」を受けると一部を取り戻せます。特定口座で持つなら覚えておきたい制度です。

一方で、経費率0.08%という低コストで、景気に左右されにくい業種からの配当を毎月の分配金として受け取れる点は、HDVならではの強みです。資産拡大よりも、配当という「働かずに入ってくるお金」を少しずつ育てたい方にとっては、特定口座でも検討する価値はあると私は考えています。

私はHDVを現在334株持っています。（2026年10月現在）

2026年1月〜10月に受け取った分配金は、計算上約236ドル（税引き前）です。

HDVの詳細情報（2026年10月時点）

HDVの基本情報

HDVの配当利回り・権利落ち日

HDVの直近12か月の分配金は合計0.96ドルで、分配利回りは約3.2%です（2026年10月23日の株価で計算）。運用会社の公表値（12か月トレーリング利回り）は3.05%（2026年9月30日時点）です。毎月分配に変わってからの分配金は、1株あたり0.06〜0.11ドルの間で動いています。

※2026年6月までは四半期分配、7月からは毎月分配です。2026年4月の株式分割（1株→5株）より前の分配金は、分割後の1株あたりに換算した金額です。米国株は権利落ち日の前営業日までに保有している必要があります。

HDVの経費率

HDVの経費率は0.08%と低水準で、コストを抑えて運用されています。また、ETFなので株式と同じように市場で売買でき、使い勝手がよいのも特徴です。

投資対象とポートフォリオ

HDVが投資する主な銘柄

HDVは74銘柄に投資していますが、上位10銘柄で全体の約56%を占めており、高配当ETFの中では少数の銘柄への集中度が高いのが特徴です。業種別では生活必需品（約27%）、エネルギー（約25%）、ヘルスケア（約13%）が上位で、ハイテク株はほとんど入っていません。

※上位銘柄・業種別の比率は、いずれも2026年10月22日時点の運用会社の公表値です。

HDVのメリット3選

1. 高配当株への投資により、安定的な配当収入が期待できる：財務が健全で配当を続けられそうな企業を選ぶ指数に連動しているため、利回りだけで選ぶ高配当ETFより「減配しにくい会社」に寄せた中身になっています。2026年7月からは分配金を毎月受け取れるようになりました。
2. 低コストで運用されている：経費率は0.08%。100万円分を1年持っても、かかるコストは約800円です。
3. 景気に左右されにくい業種が中心：生活必需品・エネルギー・ヘルスケアといったディフェンシブな業種が中心です。分散投資で個別銘柄のリスクを抑えつつ、ハイテク株の比率が高いS&P500とは違う値動きをポートフォリオに取り入れられます。

HDVのデメリット3選

1. 新NISAで新しく買えなくなった：2026年6月の毎月分配への変更で成長投資枠の対象外になりました。これから買う場合は特定口座になり、分配金に米国10%・国内20.315%の税金がかかります。
2. 市場全体より成績が劣る可能性がある：ハイテク株がほとんど入っていないため、AIやハイテク株が引っ張る上昇相場ではS&P500に置いていかれやすいです。また、株式投資である以上、価格変動リスクは避けられません。
3. 銘柄・業種の偏りと為替リスク：上位10銘柄で約56%を占めるなど、一部の銘柄への集中度が高めです。エネルギー株だけで約25%あるため、原油価格の影響も受けやすくなっています。さらに米ドル建てのETFであるため、円高局面では為替差損が発生する可能性があります。

HDVと似たETFとの違い

同じ「米国高配当ETF」でも、銘柄の選び方や分配の回数が違うと、利回りや新NISAでの扱いが変わります。主なETFと比べると、次のとおりです（2026年10月23日時点）。

※利回りは直近12か月の分配金÷2026年10月23日の株価。新NISAの扱いは証券会社によって異なる場合があるので、購入前に確認してください。

NISAで米国の高配当ETFを持ちたい場合は、年4回分配のSPYDやVYM、SCHDが候補になります。より高い利回りを毎月受け取りたいならJEPIもありますが、オプション取引を使うため値上がり益は限られ、HDVと同じく新NISAでは買えません。

HDVはどんな人に向いている？

向いている人

• 低コストで米国の高配当株に投資し、分配金を毎月受け取りたい人
• ハイテク株中心の資産に、ディフェンシブな業種を組み合わせて分散したい人
• すでにNISAでHDVを持っていて、非課税のまま保有を続けたい人

向いていない人

• これから新NISAの成長投資枠で高配当ETFを買いたい人
• 20〜30年かけて資産を最大限増やしたい人
• エネルギー株など特定の業種への偏りを避けたい人

まとめ

HDVを分配金で毎月1株買うには何株必要？

HDVは2026年7月から毎月分配になったため、「毎月1株」で計算します。HDVの株価は約30.4ドルです。直近12か月の分配金0.96ドルを12で割ると、1か月あたりの分配金は平均約0.08ドルになります。特定口座の場合、米国10%・国内20.315%の税金を引くと、1株あたりの手取りは月に約0.057ドルになります。

30.4ドル ÷ 0.057ドル ＝ 約530株。つまり、約530株あれば毎月の分配金で1株ずつ買い増せる計算です（外国税額控除は考慮していません）。すでにNISAで持っている場合は国内の税金がかからないので、手取りは約0.072ドル、必要な株数は約420株になります。

月1万円の分配金を得るには何株必要？

1ドル＝150円で計算すると、月1万円は約67ドルです。特定口座の手取り0.057ドル/株で割ると約1,160株、金額にして約3万5,000ドル（約530万円）が目安になります。為替や分配金の変動で必要な株数は変わるので、あくまで目安として考えてください。

最後に

米国のETF「HDV」の特徴や投資のメリット・デメリット、新NISAでの扱いなどを2026年10月時点の最新データで解説しました。

HDVは高配当ETFとして人気が高まってきましたが、2026年6月に毎月分配へ変わったことで、新NISAでは新しく買えなくなりました。
私自身は以前、旧NISAで購入したHDVを手放したこともありましたが、現在は334株を保有しています。

何よりも、働かずにお金が入ってくる仕組みを作れる点に魅力を感じる人にとっては、良い選択肢の一つになるのではないかと思います。

※本記事のデータは2026年10月23日時点のものです（出典：BlackRock（iShares）、stockanalysis.com、ブラックロック・ジャパンほか）。新NISAでの取り扱いは各証券会社でご確認ください。投資の判断はご自身の責任で行ってください。

YSPY（GraniteShares YieldBOOST SPY ETF）は、アメリカの資産運用会社であるGraniteShares社が2025年2月26日に設定した革新的なETF（上場投資信託）です。このETFは、S&P500指数に連動する3倍レバレッジETF「SPXL」（Direxion Daily S&P500® Bull 3X Shares）に対してプットオプションを売却することで、週次での高配当収入を生み出すという独自の戦略を採用しています。従来のカバードコール戦略とは異なるアプローチで、投資家に新たな収入機会を提供する注目の金融商品です。

YSPYが提供する投資機会とは？

YSPYは、プットオプション売却という戦略を通じて、年間配当利回り30%から50%程度という非常に高い配当収入を目指しています。週次での分配金支払いにより、定期的なキャッシュフローを求める投資家にとって魅力的な選択肢となっています。主な投資目的は、第一に週次での配当収入の獲得、第二にS&P500指数の3倍レバレッジETFであるSPXLへのエクスポージャー（価格変動への間接的な投資）を得ることです。

新NISAには使えるのか?

YSPYは米国上場のETFであるため、日本の証券会社を通じて購入することが可能です。ただし、新NISAの対象となるかは慎重な確認が必要です。一般的に、デリバティブ（オプション）を活用したETFや高レバレッジ型のETFは、新NISA制度の「つみたて投資枠」では対象外となることが多く、「成長投資枠」でも制限される可能性があります。YSPYは2025年2月設定の新しいETFであるため、各証券会社での取扱状況や新NISA適格性については、投資前に必ず証券会社に確認することをお勧めします。また、米国ETFの配当金については米国で10%の源泉徴収が行われ、新NISAで保有する場合は外国税額控除を受けられない点にも注意が必要です。

YSPYの詳細情報

YSPYの基本情報

• 銘柄コード：YSPY
• 正式名称：GraniteShares YieldBOOST SPY ETF
• 運用会社：GraniteShares（グラナイトシェアーズ）
• 設定日：2025年2月26日
• 純資産総額：約2000万ドル（設定間もないため小規模）
• 上場取引所：NASDAQ（ナスダック）

YSPYの配当利回り・分配頻度

YSPYの最大の特徴は、その驚異的な配当利回りにあります。データソースによって異なりますが、年間配当利回りは約30%から50%程度と報告されています。これは、S&P500指数の通常の配当利回り（約1.5%程度）と比較すると、20倍以上という極めて高い水準です。

分配金は週次（毎週）で支払われ、1回あたりの分配金は約0.19ドル前後で推移しています。週次分配により、投資家は頻繁にキャッシュフローを得ることができますが、この高い配当利回りは、後述するオプション戦略とレバレッジに伴うリスクの対価でもあることを理解する必要があります。

YSPYの経費率

YSPYの経費率は1.15%となっており、一般的なインデックス型ETF（0.03%〜0.20%程度）と比較すると非常に高い水準です。これは、アクティブ運用でオプション戦略を実行するための運用コストが含まれているためです。年間1.15%の経費率は、100万円投資した場合、年間1万1500円のコストがかかることを意味します。高い配当利回りとともに、このコストも投資判断の重要な要素として考慮する必要があります。

YSPYの投資戦略：プットオプション売却とは？

YSPYの投資戦略は、従来の配当型ETFとは大きく異なります。一般的な高配当ETFは、配当を支払う企業の株式を保有することで配当収入を得ますが、YSPYはデリバティブ（金融派生商品）であるオプション取引を活用して収入を生み出します。

プットオプション売却戦略の仕組み

YSPYは、S&P500指数の3倍レバレッジETFである「SPXL」（Direxion Daily S&P500® Bull 3X Shares）に対してプットオプションを売却します。プットオプション売却とは、「特定の価格（行使価格）で資産を売る権利」を他の投資家に販売し、その対価として「プレミアム（オプション料）」を受け取る取引です。

具体的には、アウト・オブ・ザ・マネー（現在価格より低い行使価格）のプットオプションを売却することで、SPXLの価格が大幅に下落しない限り、プレミアム収入を安定的に得ることができます。このプレミアム収入が、YSPYの週次配当の原資となっています。

カバードコール戦略との違い

従来の配当型ETFでは、「カバードコール戦略」が一般的です。これは保有株式に対してコールオプション（買う権利）を売却する戦略ですが、YSPYはプットオプション（売る権利）を売却する点が大きく異なります。この戦略により、市場のボラティリティ（価格変動）が高い時期には、より多くのプレミアム収入を得られる可能性があります。

3倍レバレッジの影響

YSPYが対象とするSPXLは、S&P500指数の日次リターンの3倍を目指すレバレッジETFです。つまり、S&P500が1%上昇すれば3%上昇を目指し、逆に1%下落すれば3%下落します。このレバレッジ効果により、オプションプレミアムも高くなる傾向がありますが、同時に価格変動リスクも3倍に増幅されます。

YSPYのメリットとデメリット

メリット

1. 極めて高い配当利回り：年間30%〜50%という驚異的な配当利回りにより、大きなインカムゲイン（配当収入）を期待できる
2. 週次での分配金：毎週配当を受け取れるため、定期的なキャッシュフローを確保でき、資金繰りがしやすい
3. S&P500へのエクスポージャー：世界最大の株式市場であるS&P500指数への間接的な投資機会を得られる
4. 革新的な投資戦略：プットオプション売却という差別化された戦略により、市場のボラティリティを収益化できる
5. 下落局面での一定の保護：プットオプション売却により得たプレミアムが、ある程度の下落を吸収する効果がある

デメリット

1. 極めて高いリスク：3倍レバレッジETFを対象とするため、価格変動リスクが通常のETFの3倍になる。急激な市場下落時には大きな損失を被る可能性がある
2. 高い経費率：1.15%という経費率は、長期保有において大きなコスト負担となる。10年間で元本の約11%が経費として消費される
3. 上昇局面での利益制限：オプション戦略により、市場が大きく上昇した場合の利益が制限される（キャップされる）可能性がある
4. レバレッジの複利効果による価値減少：SPXLは日次リターンの3倍を目指すため、市場が横ばいや上下を繰り返す場合、時間の経過とともに価値が減少する「ベータ・スリッページ」というリスクがある
5. 純資産総額の小ささ：設定間もないため純資産総額が約2000万ドルと小規模で、流動性リスクや運用継続リスクがある
6. 複雑な仕組み：オプション取引やレバレッジETFの理解が必要で、投資初心者には不向き
7. 新NISA対象外の可能性：デリバティブやレバレッジを活用するため、新NISA制度の対象外となる可能性が高い
8. 為替リスク：米ドル建てのETFであるため、円高局面では為替差損が発生する可能性がある

YSPYに向いている投資家・向いていない投資家

YSPYに向いている投資家

• 高いリスクを理解し、許容できる投資経験者
• 週次での定期的な配当収入を重視する投資家
• オプション取引やレバレッジETFの仕組みを理解している投資家
• 市場のボラティリティを収益化する戦略に興味がある投資家
• 短期〜中期での投資を考えている投資家
• ポートフォリオの一部として、少額を実験的に投資したい投資家

YSPYに向いていない投資家

• 投資初心者や、リスクを避けたい保守的な投資家
• 長期的な資産形成を目指す投資家（高い経費率が長期リターンを圧迫）
• 元本保全を重視する投資家
• デリバティブやレバレッジの仕組みを理解していない投資家
• 新NISA枠を活用したい投資家
• 安定したキャピタルゲイン（値上がり益）を重視する投資家

他の高配当ETFとの比較

YSPYを他の人気高配当ETFと比較してみましょう：

この比較から、YSPYは配当利回りでは圧倒的に高いものの、経費率とリスクも極めて高いことが分かります。SCHDやVYMのような伝統的な高配当ETFは、安定性を重視する長期投資家に適していますが、YSPYは高リスク・高リターンを求める投資家向けの商品です。

まとめ

YSPYの週次配当で月1万円の収入を得るには？

YSPYの株価は約20ドル前後で推移しており、週次の分配金が約0.19ドルです。月1万円（約100ドル）の配当収入を得るためには、週あたり約25ドルの配当が必要となります。1株あたり週0.19ドルの配当なので、約130株〜140株を保有すれば、月1万円程度の配当収入が見込めます。投資額としては、約2,600ドル〜2,800ドル（1ドル=150円換算で約39万円〜42万円）が必要になります。

ただし、この試算は現在の配当水準が維持されることを前提としており、市場環境の変化により配当額は大きく変動する可能性があることに注意が必要です。

最後に

米国のETF「YSPY」の特徴や投資のメリット・デメリット、その独自の投資戦略について詳しく解説しました。

このETFは、革新的なプットオプション売却戦略により、週次で配当を支払い、年間30%〜50%という驚異的な配当利回りを目指す、非常にユニークな金融商品です。S&P500指数の3倍レバレッジETFであるSPXLに対するオプション戦略により、市場のボラティリティを収益化するという新しいアプローチを採用しています。

しかし、その高い配当利回りの裏には、極めて高いリスクが存在します。3倍レバレッジによる価格変動リスク、1.15%という高い経費率、上昇局面での利益制限、そして設定間もないことによる流動性リスクなど、多くのリスク要因を理解した上で投資判断を行う必要があります。

YSPYは、伝統的な長期投資向けのETFではなく、むしろ高リスクを理解し許容できる経験豊富な投資家が、ポートフォリオの一部として、戦術的に活用する商品と言えるでしょう。投資初心者や、安定した資産形成を目指す投資家は、まずSCHDやVYMのような伝統的な高配当ETFから始めることをお勧めします。

投資を検討される際は、必ず最新の運用状況を確認し、ご自身のリスク許容度と投資目的に合致するかを慎重に判断してください。

AIから良い回答を引き出す技術、それが「プロンプトエンジニアリング」。正直、最初は「そんな大げさな名前つけなくても…」って思ってました。でも勉強して実践してみると、これが本当に奥深い。料理のレシピみたいに、ちょっとした工夫で結果が劇的に変わるんですよね。

この記事では、プロンプトエンジニアリングの基本から応用テクニックまで、実践例を交えながら解説していきます。読み終わる頃には、AIを思い通りに使いこなせるようになってるはずです。

プロンプトエンジニアリングとは？

まず基本から。プロンプトエンジニアリングっていうのは、「AIに指示を出す文章（プロンプト）を、最適化する技術」です。

なぜプロンプトが重要なのか

AIは賢いですけど、エスパーじゃありません。あなたの意図を完璧に汲み取ってくれるわけじゃない。明確に、具体的に、適切な形式で指示しないと、期待した結果は得られないんです。

例えばこんな違い：

悪い例：
「Pythonのコード書いて」

良い例：
「Pythonで、CSVファイルを読み込んで、列Aの数値の平均値を計算するコードを書いてください。エラーハンドリングも含めて、コメント付きでお願いします。」

後者の方が、明らかに良いコードが返ってきます。これがプロンプトの力です。

良いプロンプトの3要素

良いプロンプトには、3つの基本要素があります：

1. 明確性（Clarity）
何をしてほしいのか、曖昧さなく伝える。「いい感じに」とか「適当に」とか、解釈の余地がある言葉は避ける。

2. 具体性（Specificity）
詳細な条件や制約を明示する。「短く」じゃなくて「200文字以内で」。「簡単に」じゃなくて「小学生でもわかるように」。

3. 文脈（Context）
必要な背景情報を提供する。AIはあなたの状況を知りません。必要な情報は全て伝える。

基本テクニック：すぐに使える6つの方法

まずは基本的なテクニックから。これだけでも、回答の質がかなり変わります。

1. ロール指定（Role Playing）

AIに「あなたは〜です」って役割を与える方法。これ、意外と効果あるんです。

例：

あなたは経験豊富なPythonエンジニアです。
初心者にコードレビューをする立場で、以下のコードの改善点を指摘してください。

[コード]

こう書くと、専門家の視点で、教育的な説明をしてくれます。ロールによって、回答のトーンや視点が変わるんです。

他の例：

• 「あなたはマーケティングの専門家です」
• 「あなたは優しい小学校の先生です」
• 「あなたは厳しいけど公正な編集者です」

2. 出力形式の指定

どんな形式で答えてほしいか明示します。箇条書き、表、JSONなど。

例：

日本の主要な観光地を5つ挙げてください。
以下の形式で回答してください：

| 都市名 | 主な観光スポット | おすすめ時期 | 特徴 |

形式を指定すると、見やすくて使いやすい回答が返ってきます。特にデータを処理したいときに便利。

3. ステップバイステップ指示

「段階的に考えてください」って言うと、思考過程を示しながら答えてくれます。

例：

以下の数学の問題を解いてください。
ステップバイステップで思考過程を示してください。

問題：時速60kmで走る車が、3時間30分走った場合、何km進みますか？

すると：

1. まず3時間30分を時間単位に変換します…
2. 次に、距離 = 速度 × 時間 の公式を使います…
3. 計算すると…

って感じで、途中の考えも見せてくれる。教育的だし、間違いも見つけやすいです。

4. 制約条件の明示

「〜してはいけない」「〜を含めて」みたいな制約を明確にします。

例：

ブログ記事のタイトルを10個考えてください。
制約：
- 30文字以内
- 数字を含める
- 疑問形は使わない
- SEOキーワード「AI 活用」を含める

制約があると、より具体的で使える提案が返ってきます。

5. 例示（Example）

どんな出力を期待してるか、例を示す方法。これ効果的です。

例：

以下のような形式で、商品レビューを書いてください。

例：
「このイヤホンは音質が素晴らしい。特に低音の響きが心地よく、長時間つけていても疲れない。通勤電車での使用に最適だと感じました。★★★★☆」

商品：ワイヤレスマウス

例があると、AIは期待されてる出力のスタイルを理解できます。

6. 反復と改善

一発で完璧な回答は出ません。「もっと〜して」「今の回答を改善して」って追加指示を出す。

例：

最初の質問：「AI技術について説明して」
↓
回答を見て：「もっと具体例を増やして、専門用語は避けてください」
↓
さらに：「小学生でもわかるように、もっと簡単な言葉で書き直してください」

こうやって対話的に磨いていくのがコツ。最初から完璧を求めないこと。

応用テクニック：Few-shot Learning

ここから少し高度なテクニックです。Few-shot Learningは、複数の例を示して学習させる方法。

Zero-shot vs Few-shot

Zero-shotは、例なしで指示だけ出す方法。シンプルですけど、AIが意図を理解しにくいことも。

Few-shotは、いくつか例を見せてから本番の質問をする方法。パターンを理解させられます。

実例：

以下の形式で、テキストの感情を分類してください。

例1：
入力：「今日のランチ美味しかった！」
出力：ポジティブ

例2：
入力：「電車が遅延してイライラする」
出力：ネガティブ

例3：
入力：「明日は雨らしい」
出力：ニュートラル

では、以下のテキストを分類してください：
入力：「新しいプロジェクトが始まるけど、ちょっと不安」

例を見せることで、AIは「あ、こういう基準で判断すればいいんだ」って理解します。精度が格段に上がるんです。

Few-shotのポイント

効果的なFew-shot Learningには、いくつかポイントがあります：

1. 多様な例を用意：簡単なケースから難しいケースまで
2. 例の数は3〜5個：多すぎると逆効果。トークン数も増える
3. 明確なパターン：例の間に一貫性を持たせる
4. エッジケースも含める：境界線上のケースも示す

Chain of Thought（思考の連鎖）

これも強力なテクニック。AIに「考える過程」を明示させる方法です。

基本的なCoT

シンプルに「Let’s think step by step（段階的に考えましょう）」って付け加えるだけ。

問題：りんごが5個、みかんが3個あります。全部で何個の果物がありますか？

Let's think step by step.

これだけで、AIは途中の思考過程を示してくれます。特に数学的な問題や論理的な推論で効果的。

ゼロショットCoT vs Few-shot CoT

ゼロショットCoT：例なしで「step by step」って言うだけ。簡単ですけど、複雑な問題には弱い。

Few-shot CoT：思考過程を含めた例を示す。より高度な推論が可能。

Few-shot CotTの実例：

問題を解く際の思考過程の例：

問題：バスに15人乗っていて、次の停留所で7人降りて、4人乗りました。今バスには何人いますか？

思考過程：
1. 最初のバスの人数を確認：15人
2. 降りた人数を引く：15 - 7 = 8人
3. 乗った人数を足す：8 + 4 = 12人
答え：12人

では、以下の問題を同じように解いてください：

問題：映画館に80人いて、30人が途中で帰り、その後20人が入ってきました。今何人いますか？

思考の「型」を示すことで、AIも同じパターンで考えてくれます。

実践的なプロンプトテンプレート

ここからは、実際に使えるプロンプトのテンプレートを紹介します。コピペしてカスタマイズして使ってください。

1. コード生成テンプレート

あなたは[プログラミング言語]の専門家です。

タスク：[具体的なタスク]

要件：
- [要件1]
- [要件2]
- [要件3]

制約：
- [制約1]
- [制約2]

出力形式：
- コードにコメントを含める
- エラーハンドリングも実装
- 使用例も示す

2. 文章執筆テンプレート

あなたは[ライターの種類]です。

テーマ：[テーマ]
対象読者：[ターゲット]
文字数：[文字数]
トーン：[フォーマル/カジュアル/専門的など]

含めるべきポイント：
- [ポイント1]
- [ポイント2]

避けるべきこと：
- [避けること1]
- [避けること2]

構成：
1. 導入
2. 本文
3. 結論

3. データ分析テンプレート

以下のデータを分析してください。

データ：
[データを貼り付け]

分析してほしい項目：
- [項目1]
- [項目2]

出力形式：
1. 主要な発見事項
2. トレンドやパターン
3. 異常値や注目点
4. 提案や推奨事項

視覚化：必要に応じてグラフや表の形式を提案してください

4. ブレインストーミングテンプレート

テーマ：[テーマ]

目的：[目的]

制約条件：
- [制約1]
- [制約2]

アイデアを10個出してください。
各アイデアについて：
- 概要（50文字）
- メリット
- 実現の難易度（低/中/高）
を含めてください。

よくある失敗パターンと対策

実際にプロンプトを書いてると、よくハマるパターンがあります。私の失敗談も交えて紹介しますね。

失敗1：曖昧すぎる指示

ダメな例：
「良い感じのWebサイトのデザイン案を考えて」

なぜダメ？
「良い感じ」って何？どんな業種？どんな雰囲気？情報が少なすぎます。

改善例：
「カフェのWebサイトのデザイン案を考えてください。ターゲットは20〜30代の女性。ナチュラルで落ち着いた雰囲気。色は茶色とベージュを基調に。」

失敗2：一度に詰め込みすぎ

ダメな例：
「商品の説明文を書いて、SEO最適化して、SNS用の投稿も考えて、ハッシュタグも付けて、画像の説明も作って…」

なぜダメ？
タスクが多すぎて、どれも中途半端になります。

改善策：
一つずつ順番に依頼する。まず商品説明文、次にSEO最適化、その次にSNS投稿、って感じで。

失敗3：前提知識を伝えない

ダメな例：
「昨日の会議の議事録を書いて」

なぜダメ？
AIは会議に参加してません。情報がゼロ。

改善例：
「以下の会議メモをもとに、議事録を作成してください。[会議メモを貼り付け]」

失敗4：出力形式を指定しない

ダメな例：
「競合分析をして」

なぜダメ？
どんな形式で欲しいのか不明。長文？表？箇条書き？

改善例：
「競合3社の分析を、以下の項目で表形式にまとめてください：会社名、強み、弱み、市場シェア、価格帯」

モデル別のプロンプト最適化

実は、モデルによって得意なプロンプトの書き方が微妙に違います。

GPT-4の特徴

• 詳細な指示に強い
• ロールプレイが効果的
• システムメッセージを活用できる
• 長いプロンプトでもOK

Claude 3.5の特徴

• 長文の理解力が高い
• XMLタグでの構造化が得意
• 倫理的な配慮が強い（時々過度に慎重）
• コード生成が優秀

Geminiの特徴

• 画像との組み合わせが強い
• 長いコンテキストを扱える
• Google検索との連携
• 多言語対応が優秀

使うモデルの特性に合わせて、プロンプトを微調整すると、さらに良い結果が得られます。

プロンプトの評価と改善

プロンプトを書いたら、効果を評価して改善していくことが大事です。

評価基準

1. 正確性：期待した答えが返ってくるか
2. 一貫性：同じプロンプトで安定した結果が出るか
3. 効率性：無駄なトークンを使ってないか
4. 再現性：他の人が使っても同じ結果が出るか

A/Bテストのすすめ

複数のプロンプトを試して、どれが一番良いか比較しましょう。

例えば：

• バージョンA：シンプルな指示のみ
• バージョンB：詳細な制約付き
• バージョンC：Few-shot Learning

それぞれ5回ずつ試して、どれが最も期待に近い結果を出すか確認。データで判断することが大事です。

まとめ：プロンプトエンジニアリングの心得

長くなりましたけど、ここまで読んでいただきありがとうございます。最後にポイントをまとめますね。

覚えておきたい7つの原則

1. 明確に伝える：曖昧さを排除する
2. 具体的に指示する：詳細な条件を明示
3. 文脈を提供する：必要な背景情報を全て伝える
4. 形式を指定する：どんな出力が欲しいか明確に
5. 例を示す：期待する出力のサンプルを提供
6. 反復して改善：一発で完璧を求めない
7. 評価して最適化：効果を測定して継続的に改善

実践あるのみ

プロンプトエンジニアリングは、理論だけじゃ身につきません。実際に試行錯誤して、自分なりのパターンを見つけることが大事。

最初はうまくいかなくても大丈夫。私も最初は全然ダメでした。でも続けてると、だんだん「こう書けばうまくいく」っていう感覚がわかってきます。

この記事で紹介したテクニックを、ぜひ実際に試してみてください。あなたのAI活用が、もっと効果的になることを願ってます。

次回は、プロンプトエンジニアリングの上級編として、より複雑なタスクでの活用法を解説する予定です。お楽しみに！

というわけで、LOTO7の過去データを収集するスクリプトを作っていきます。Webスクレイピングという手法を使って、公式サイトから抽選結果を自動で取得し、データベースに保存するところまでやります。

Webスクレイピングとは？

Webスクレイピングっていうのは、簡単に言うと「Webサイトから自動でデータを抽出する技術」のことです。人間が手作業でコピペする代わりに、プログラムに自動でやってもらうイメージですね。

ただし、注意点があります。Webスクレイピングは、サイトによっては利用規約で禁止されていることもあるので、必ず確認してから実行してください。また、サーバーに負荷をかけすぎないように、適切な間隔を空けてリクエストすることも大切です。

今回のプロジェクトでは、あくまで個人的な学習目的で、少量のデータを収集するだけなので問題ないと判断しています。でも、商用利用とか大量データの収集をする場合は、必ず規約を確認してくださいね。

必要なライブラリ

今回使うPythonライブラリは以下の3つです。

requestsは、WebサイトにHTTPリクエストを送ってHTMLを取得するライブラリ。BeautifulSoupは、取得したHTMLを解析して、必要な情報を抽出するライブラリ。そしてpandasは、取得したデータを整形して扱いやすくするライブラリです。

import requests
from bs4 import BeautifulSoup
import pandas as pd
import time
from datetime import datetime

データ収集の戦略

さて、データを収集する前に、どんなデータが必要なのかを整理しましょう。LOTO7の抽選結果には、以下のような情報が含まれています。

• 回号（第何回の抽選か）
• 抽選日
• 本数字（7つの数字）
• ボーナス数字（2つの数字）

この中で、予測に必要なのは主に「本数字」と「ボーナス数字」、そして「抽選日」です。

実際のスクレイピングコード

それでは、実際のコードを見ていきましょう。ここでは、基本的な構造を示します。

# 01_data_scraper.py
import requests
from bs4 import BeautifulSoup
import pandas as pd
import time
from datetime import datetime
import sqlite3
from pathlib import Path

class Loto7Scraper:
    """LOTO7のデータをスクレイピングするクラス"""
    
    def __init__(self):
        # ここに実際のURLを設定してください
        # self.base_url = "https://example.com/loto7/results"
        self.headers = {
            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36'
        }
        self.data = []
    
    def fetch_page(self, url):
        """Webページを取得"""
        try:
            response = requests.get(url, headers=self.headers)
            response.raise_for_status()
            # サーバーに負荷をかけないよう、少し待機
            time.sleep(1)
            return response.text
        except requests.RequestException as e:
            print(f"エラーが発生しました: {e}")
            return None
    
    def parse_results(self, html):
        """HTMLから抽選結果を解析"""
        soup = BeautifulSoup(html, 'html.parser')
        
        # ここは実際のHTMLの構造に合わせて変更してください
        # 以下はサンプルコードです
        
        # results = soup.find_all('div', class_='result-row')
        # 
        # for result in results:
        #     draw_number = result.find('span', class_='draw-number').text
        #     draw_date = result.find('span', class_='draw-date').text
        #     main_numbers = [int(num.text) for num in result.find_all('span', class_='main-number')]
        #     bonus_numbers = [int(num.text) for num in result.find_all('span', class_='bonus-number')]
        #     
        #     self.data.append({
        #         'draw_number': draw_number,
        #         'draw_date': draw_date,
        #         'main_numbers': main_numbers,
        #         'bonus_numbers': bonus_numbers
        #     })
        
        pass
    
    def save_to_csv(self, filename='loto7_data.csv'):
        """データをCSVファイルに保存"""
        df = pd.DataFrame(self.data)
        output_path = Path('data/raw') / filename
        df.to_csv(output_path, index=False, encoding='utf-8')
        print(f"データを保存しました: {output_path}")
        return df

if __name__ == "__main__":
    scraper = Loto7Scraper()
    # 実際の処理は各自で実装してください
    print("スクレイピングスクリプトのテンプレートです")

コード中のbase_urlやclass_='result-row'みたいな部分は、実際のサイトの構造に合わせて変更する必要があります。これは、サイトによってHTMLの書き方が全然違うからです。

HTMLの構造を調べる

ここで、実際にどうやってHTMLの構造を調べるか説明します。ブラウザの開発者ツールを使うと簡単です。

Chrome や Firefox で、調べたいWebページを開いて、右クリックして「検証」または「要素を調査」を選択します。すると、HTMLのソースコードが見えるウィンドウが開きます。

そこで、抽選結果の数字の部分にマウスカーソルを持っていくと、その部分のHTMLがハイライトされます。例えば、<span class="number">7</span>みたいな感じで書かれているのが分かると思います。

このclass="number"の部分が重要で、BeautifulSoupでデータを抽出する時に、このクラス名を指定して取得します。

データベースへの保存

CSVファイルでデータを保存してもいいんですけど、今回はSQLiteデータベースも使ってみましょう。データベースを使うと、データの検索や更新が楽になるんです。

# 02_data_storage.py
import sqlite3
import pandas as pd
from pathlib import Path
from datetime import datetime

class Loto7Database:
    """LOTO7データを管理するデータベースクラス"""
    
    def __init__(self, db_path='data/loto7_database.db'):
        self.db_path = Path(db_path)
        self.db_path.parent.mkdir(parents=True, exist_ok=True)
        self.conn = None
        self.cursor = None
        
    def connect(self):
        """データベースに接続"""
        self.conn = sqlite3.connect(self.db_path)
        self.cursor = self.conn.cursor()
        print(f"データベースに接続しました: {self.db_path}")
    
    def create_tables(self):
        """テーブルを作成"""
        # 抽選結果テーブル
        self.cursor.execute('''
            CREATE TABLE IF NOT EXISTS draw_results (
                draw_number INTEGER PRIMARY KEY,
                draw_date TEXT NOT NULL,
                num1 INTEGER NOT NULL,
                num2 INTEGER NOT NULL,
                num3 INTEGER NOT NULL,
                num4 INTEGER NOT NULL,
                num5 INTEGER NOT NULL,
                num6 INTEGER NOT NULL,
                num7 INTEGER NOT NULL,
                bonus1 INTEGER NOT NULL,
                bonus2 INTEGER NOT NULL,
                created_at TEXT DEFAULT CURRENT_TIMESTAMP
            )
        ''')
        
        self.conn.commit()
        print("テーブルを作成しました")
    
    def insert_draw_result(self, draw_number, draw_date, main_nums, bonus_nums):
        """抽選結果を挿入"""
        try:
            self.cursor.execute('''
                INSERT INTO draw_results 
                (draw_number, draw_date, num1, num2, num3, num4, num5, num6, num7, bonus1, bonus2)
                VALUES (?, ?, ?, ?, ?, ?, ?, ?, ?, ?, ?)
            ''', (draw_number, draw_date, *main_nums, *bonus_nums))
            
            self.conn.commit()
        except sqlite3.IntegrityError:
            print(f"回号 {draw_number} は既に存在します（スキップ）")
    
    def get_all_results(self):
        """全ての抽選結果を取得"""
        query = "SELECT * FROM draw_results ORDER BY draw_number"
        df = pd.read_sql_query(query, self.conn)
        return df
    
    def get_statistics(self):
        """統計情報を取得"""
        self.cursor.execute("SELECT COUNT(*) FROM draw_results")
        total_draws = self.cursor.fetchone()[0]
        
        self.cursor.execute("SELECT MIN(draw_date), MAX(draw_date) FROM draw_results")
        date_range = self.cursor.fetchone()
        
        return {
            'total_draws': total_draws,
            'first_draw_date': date_range[0],
            'last_draw_date': date_range[1]
        }
    
    def close(self):
        """データベース接続を閉じる"""
        if self.conn:
            self.conn.close()
            print("データベース接続を閉じました")

if __name__ == "__main__":
    # テスト用のサンプルデータ
    db = Loto7Database()
    db.connect()
    db.create_tables()
    
    # サンプルデータを挿入（実際のデータは各自で収集）
    # db.insert_draw_result(1, '2013-04-05', [1, 2, 3, 4, 5, 6, 7], [8, 9])
    
    stats = db.get_statistics()
    print(f"統計情報: {stats}")
    
    db.close()

このコードで、SQLiteデータベースにデータを保存できるようになります。SQLiteは、ファイルベースの軽量なデータベースで、サーバーのセットアップとか不要なので、個人プロジェクトにはちょうどいいんですよ。

データ収集の自動化

スクレイピングスクリプトができたら、次は定期的に実行する仕組みを作りたいですよね。LOTO7は毎週金曜日に抽選があるので、週に1回自動でデータを取得できると便利です。

Linuxのcronや、WindowsのタスクスケジューラーでPythonスクリプトを定期実行できます。でも、それは第8回の「実運用編」で詳しくやるので、今回は手動で実行する形でOKです。

実際にやってみた結果

さて、実際にこのスクリプトを動かしてみました。結果は…まあまあ成功です。

最初は、HTMLの構造を把握するのに苦労しました。開発者ツールとにらめっこしながら、どのクラス名を使えばいいか試行錯誤しましたね。特に、数字が複数のspan要素に分かれていたりすると、ちょっと面倒です。

あと、過去の抽選結果が複数ページに分かれている場合、ページネーションを処理する必要があります。「次へ」ボタンのURLを取得して、全ページを巡回するループを書きました。この辺は、サイトの構造次第なので、臨機応変に対応するしかないです。

ハマったポイント

スクレイピングで一番ハマったのは、エンコーディングの問題です。日本語のサイトだと、文字コードが Shift_JIS とか EUC-JP だったりして、UTF-8で読み込むと文字化けするんですよ。

これは、requestsのresponse.encodingを適切に設定することで解決しました。

response = requests.get(url)
response.encoding = response.apparent_encoding  # 自動判定
html = response.text

あと、サイトによっては、JavaScriptで動的にコンテンツを読み込んでいることがあります。この場合、requestsとBeautifulSoupだけでは取得できないので、Seleniumという別のツールが必要になります。幸い、LOTO7のサイトは静的なHTMLだったので、今回は使わずに済みました。

収集したデータの確認

データ収集が終わったら、ちゃんとデータが取れているか確認しましょう。pandasで簡単に確認できます。

import pandas as pd

# CSVから読み込み
df = pd.read_csv('data/raw/loto7_data.csv')

# データの確認
print(f"総データ数: {len(df)}件")
print(f"期間: {df['draw_date'].min()} ～ {df['draw_date'].max()}")

# 最初の5件を表示
print(df.head())

これで、データがちゃんと取れているか、欠損値がないか、数字の範囲が正しいか（1～37の範囲内か）などをチェックできます。

データクリーニング

取得したデータには、たまに変なデータが混じっていることがあります。例えば、メンテナンス中で抽選が中止になった回とか、HTMLの構造が微妙に違う回とか。

そういうデータを見つけたら、手動で修正するか、スクリプトで自動的に除外するようにします。データの品質は、後の分析や予測の精度に直結するので、ここは手を抜けないポイントです。

次回予告

今回は、LOTO7のデータを収集する方法を解説しました。Webスクレイピングの基本から、データベースへの保存まで、一通りの流れをカバーしました。

次回は、収集したデータを分析します。「探索的データ分析」という手法で、データの特徴やパターンを探っていきます。数字の出現頻度、連続する数字の傾向、奇数と偶数のバランスなど、色々な角度から見ていく予定です。

データ分析って、実は予測モデルを作るより面白かったりするんですよ。何が見えてくるか、楽しみにしていてください！

参考リンク

• BeautifulSoup 公式ドキュメント: https://www.crummy.com/software/BeautifulSoup/
• Requests 公式ドキュメント: https://requests.readthedocs.io/
• SQLite 公式サイト: https://www.sqlite.org/

それでは、また次回！

もちろん、宝くじは基本的にランダムですし、予測なんて不可能だというのは分かってます。でも、データサイエンティストとして、過去のデータには何かしらのパターンが隠れているんじゃないかって考えたら、どうしても試してみたくなったんですよね。

というわけで、この連載では、LOTO7の予測AIを本気で作ってみます。成功するかどうかは分かりません。というか、たぶん失敗すると思います。でも、その過程で機械学習やデータ分析の面白さを伝えられたらいいなと思ってます。

なぜLOTO7なのか？

LOTO7は1から37までの数字から7つを選ぶ宝くじで、2013年から始まったので、もう10年以上のデータがあります。これだけデータ量があれば何とかやってみることはできるんじゃないかと

機械学習って、データが多ければ多いほど良いモデルが作れる可能性があるんですよ。だから、できるだけ長い歴史があって、でも複雑すぎない宝くじがいいなと思って、LOTO7に決めました。

このプロジェクトの目標

さて、目標を明確にしておきましょう。このプロジェクトで目指すのは以下の3つです。

まず第一に、過去のLOTO7データを徹底的に分析すること。本当にランダムなのか、それとも何かしらの傾向があるのか。出やすい数字、出にくい数字、連続で出る数字の組み合わせなど、あらゆる角度から見てみたいです。

第二に、機械学習モデルを実装して予測を試みること。単純な統計モデルから始めて、最終的にはニューラルネットワークを使った深層学習モデルまで試します。TensorFlowとかKerasとか、最新のフレームワークを使って本格的にやります。

そして第三に、予測精度を客観的に評価すること。これが一番大事かもしれません。ただ「当たった！」「外れた！」じゃなくて、統計的にランダム予測と比べてどうなのか、ちゃんと検証します。もし予測できないという結論になったとしても、それはそれで価値がある結果だと思ってます。

使う技術スタック

技術的な話をすると、今回のプロジェクトでは以下のツールを使います。

プログラミング言語：Python

データ分析と機械学習の定番ですね。Pythonを選んだ理由は、ライブラリが豊富だし、コードが読みやすいから。他の言語でもできなくはないけど、やっぱりPythonが一番楽です。

データ収集：requests & BeautifulSoup

LOTO7の過去データを収集するために、Webスクレイピングを使います。公式サイトから抽選結果を自動で取得するスクリプトを作る予定です。これは次回の記事で詳しく解説します。

データ処理：pandas & numpy

pandasはデータフレーム操作に、numpyは数値計算に使います。これらは本当に便利で、データサイエンスをやるなら必須のライブラリです。

データ可視化：matplotlib & seaborn

データの特徴を理解するためには、可視化が欠かせません。グラフを見ると、数字だけでは分からないパターンが見えてくることがあるんですよ。

機械学習：scikit-learn, TensorFlow, XGBoost

ここが本命です。scikit-learnで基礎的なモデルを試して、TensorFlowでニューラルネットワークを構築、XGBoostでアンサンブル学習も試します。色々な手法を試して、一番良いものを見つけたいですね。

プロジェクトの進め方

このプロジェクトは、だいたい以下のような流れで進めていきます。

1. データ収集：過去の抽選データを全部取得する（第2回）
2. データ分析：収集したデータを徹底的に分析する（第3回）
3. 基礎モデル構築：統計的なアプローチで予測を試す（第4回）
4. 機械学習モデル構築：ニューラルネットワークで予測（第5回）
5. モデル改善：特徴量エンジニアリングで精度向上（第6回）
6. 評価と検証：本当に予測できているのか検証（第7回）
7. システム化：自動予測システムの構築（第8回）
8. 総括：プロジェクトの振り返りと考察（第9回）

各回で、実際に動くコードと一緒に解説していきます。できるだけ分かりやすく書くつもりなので、プログラミング初心者の方でもついてこれると思います。

プロジェクトのセットアップ

それでは、早速プロジェクトの初期セットアップをしましょう。まずは必要なディレクトリ構造を作ります。

# プロジェクトディレクトリの作成
loto7_ai_project/
├── data/
│   ├── raw/              # 生データ
│   ├── processed/        # 処理済みデータ
│   └── predictions/      # 予測結果
├── src/                  # ソースコード
├── models/               # 保存されたモデル
├── notebooks/            # Jupyter Notebooks
└── tests/                # テストコード

次に、必要なPythonパッケージをインストールします。requirements.txtを作成して、以下のパッケージを記載します。

# requirements.txt
requests==2.31.0
beautifulsoup4==4.12.3
pandas==2.2.0
numpy==1.26.3
matplotlib==3.8.2
seaborn==0.13.2
scipy==1.12.0
scikit-learn==1.4.0
tensorflow==2.15.0
xgboost==2.0.3
python-dotenv==1.0.1
# ... 他のパッケージ

インストールは簡単です。ターミナルで以下のコマンドを実行するだけ。

pip install -r requirements.txt

これで基本的な環境は整いました。実際のセットアップスクリプトも用意しておきます。

# 00_project_setup.py
import os
from pathlib import Path

def setup_project():
    """プロジェクトの初期セットアップ"""
    # 必要なディレクトリを作成
    directories = [
        'data/raw',
        'data/processed',
        'data/predictions',
        'src',
        'models',
        'notebooks',
        'tests'
    ]
    
    for directory in directories:
        Path(directory).mkdir(parents=True, exist_ok=True)
        print(f"Created directory: {directory}")
    
    # .envファイルのサンプルを作成（実際のURLは各自で設定）
    env_content = """# LOTO7データソースのURL
# DATA_SOURCE_URL=https://example.com/loto7/data
# API_KEY=your_api_key_here
"""
    
    with open('.env.example', 'w', encoding='utf-8') as f:
        f.write(env_content)
    
    print("Project setup completed!")

if __name__ == "__main__":
    setup_project()

このスクリプトを実行すると、必要なディレクトリが自動で作成されます。便利でしょ？

現実的な期待値

ここで正直に言っておきたいんですが、このプロジェクトで「LOTO7を完璧に予測できるAI」ができるとは思ってません。というか、理論的にそれは不可能です。

宝くじの抽選は、意図的にランダムになるように設計されています。過去のデータから未来を予測するっていうのは、基本的にはできないはずなんです。

じゃあなんでやるのかって？それは、「本当にランダムなのか」を確かめたいからです。もしかしたら、抽選機の微妙な癖とか、ボールの摩耗具合とか、何かしらの物理的な要因で、わずかな偏りがあるかもしれない。それを見つけられたら面白いじゃないですか。

あと、たとえ予測ができなかったとしても、このプロジェクトを通じて機械学習の手法を学べるし、データ分析のスキルも上がります。それだけでも十分価値があると思うんですよね。

倫理的な考察

最後に、倫理的な話もしておきます。このプロジェクトは、あくまで技術的な実験であって、「AIを使えば宝くじで儲かる」みたいなことを推奨するものではありません。

宝くじは、期待値がマイナスのギャンブルです。統計的に見れば、長期的には損をするようになっています。このAIを使っても、その事実は変わりません。

なので、このプロジェクトの結果を見て、「よし、AIが予測した番号を買おう！」なんて思わないでくださいね。あくまで教育目的、研究目的のプロジェクトです。

次回予告

さて、第1回はここまでです。プロジェクトの概要と目標、使う技術について説明しました。

次回は、いよいよデータ収集です。LOTO7の公式サイトから過去の抽選データを取得するスクレイピングスクリプトを作ります。Webスクレイピングの基礎から、データの保存方法まで、詳しく解説する予定です。

乾杯してどうするって感じですけど、これから長い旅になりそうです。一緒に楽しんでいきましょう！

参考リンク

• LOTO7公式サイト: （URLは各自でご確認ください）
• TensorFlow公式ドキュメント: https://www.tensorflow.org/
• scikit-learn公式ドキュメント: https://scikit-learn.org/

それでは、次回もお楽しみに！

この記事は、「Cursorって何？」って人から「使ってみたいけど、どう始めればいいかわからない」って人まで、ゼロから始められるガイドです。連載の第1回目として、今回は環境構築から最初のプロジェクトまでを解説します。

Cursorとは？なぜ今これほど人気なのか

Cursorは、AI統合開発環境（IDE）です。簡単に言えば、VSCodeにAIアシスタントをガッツリ組み込んだような感じ。でも単なる「VSCode + AI」じゃないんですよね。

GitHub Copilotとの違い

「GitHub Copilotと何が違うの？」ってよく聞かれます。使ってみるとわかるんですけど、アプローチが全然違うんです。

GitHub Copilotは「コード補完の延長」って感じ。カーソルの位置から次に書きそうなコードを予測して提案してくれる。便利ですけど、基本的には「あなたが書く」のを助けるツール。

Cursorは「AIとペアプログラミング」に近い。チャットで「ログイン機能作って」って頼むと、必要なファイル全部作ってくれる。コードの一部じゃなくて、機能丸ごと。この違い、使ってみると本当に大きいです。

Cursorの主要機能

Cursorには、いくつか特徴的な機能があります：

1. Cursor Chat
これがメイン機能。自然言語で「こういう機能を作りたい」って伝えると、AIがコードを生成してくれます。しかもプロジェクト全体のコンテキストを理解してる。既存のコードとの整合性も保ってくれるんです。

2. Cmd+K（Ctrl+K）での直接編集
コードを選択して Cmd+K を押すと、その部分に対する指示を出せます。「このエラーを修正して」「この関数を最適化して」みたいな感じ。選択した部分だけピンポイントで編集できるのが便利。

3. Composer（複数ファイル編集）
これが強力で、複数のファイルにまたがる変更を一度に指示できます。「ログイン機能を追加して、それにフロントエンドとバックエンドとデータベーススキーマも必要だから全部作って」って言うと、全部やってくれる。

4. Codebase Indexing
プロジェクト全体をインデックス化して、AIがコードベース全体を理解します。だから「既存の認証システムと統合して」みたいな指示も通じる。これ、大規模プロジェクトで特に役立ちます。

Cursorのインストールと初期設定

では実際にインストールしていきましょう。思ったより簡単です。

ステップ1：Cursorのダウンロード

公式サイト（https://cursor.sh）からダウンロードします。Windows、Mac、Linuxの全プラットフォームに対応してます。

サイズは200MBくらい。インストーラーをダウンロードして実行するだけです。Macなら.dmgファイルをダウンロードして、アプリケーションフォルダにドラッグ。Windowsなら.exeを実行。

ステップ2：初回起動とセットアップ

初めて起動すると、ウェルカム画面が出ます。ここでいくつか設定を聞かれます：

テーマの選択
Dark（暗い）かLight（明るい）か。個人的にはDarkがおすすめ。長時間コーディングするなら目に優しいです。

VSCode設定のインポート
既にVSCodeを使ってる人は、設定やキーバインド、拡張機能を引き継げます。これめちゃくちゃ便利。新しく覚え直す必要がない。

アカウント作成
GitHubアカウントかGoogleアカウントで登録できます。無料プランでも結構使えますけど、本気で使うなら有料プランがおすすめ。後で詳しく説明します。

ステップ3：AIモデルの選択

Cursorは複数のAIモデルに対応してます。設定から選べます：

• GPT-4：OpenAIの最新モデル。コード生成の品質が高い
• GPT-4 Turbo：GPT-4より速くて安い。日常的な開発はこれで十分
• Claude 3.5 Sonnet：Anthropicのモデル。コンテキスト理解が優秀で、大規模なコードベースに強い
• GPT-3.5：無料プランで使える。シンプルなタスクならこれでOK

正直、最初はGPT-4かClaude 3.5 Sonnetを試してみるのがいいです。後から変更もできるので、色々試してみましょう。

ステップ4：APIキーの設定（オプション）

Cursorの有料プランを使う場合は不要ですけど、自分のAPIキーを使うこともできます。

設定（Settings）→ AI Models → Custom API Keys から設定します。OpenAIとかAnthropicのAPIキーを持ってれば、そっちを使えます。コストをコントロールしたい人には便利。

最初のプロジェクト：To-Doアプリを作ってみる

環境が整ったので、実際にコードを書いてみましょう。定番のTo-Doアプリを作ります。

プロジェクトの作成

まず新しいフォルダを作ります。File → Open Folder から、適当な場所に「todo-app」って名前のフォルダを作って開きましょう。

Cursorは、このフォルダ全体をプロジェクトとして認識します。コンテキストも、このフォルダ内のファイルを基準に理解してくれます。

Cursor Chatで指示を出す

右側のサイドバーに「Chat」っていうアイコンがあります。クリックするか、Cmd+L（Ctrl+L）でチャットを開きます。

ここに、こんな感じで指示を出してみましょう：

シンプルなTo-Doアプリを作りたいです。
要件：
- タスクの追加、完了、削除ができる
- HTMLとJavaScript（バニラJS）で実装
- CSSでシンプルなスタイリング
- ローカルストレージでデータを保存

まずはindex.html、style.css、script.jsの3ファイルを作成してください。

こう書くと、Cursorが考えて、コードを生成してくれます。しばらく待つと（10〜20秒くらい）、提案されたコードが表示されます。

気に入ったら「Apply」ボタンをクリック。すると実際にファイルが作成されます。これだけ。本当にこれだけでアプリの骨組みができるんです。

生成されたコードを確認

生成されたコードを見てみましょう。私がやったときは、こんな感じになりました：

index.html
基本的なHTML構造。入力フォームとタスクリスト、ボタンなんかが入ってます。セマンティックHTMLで書かれてて、アクセシビリティも考慮されてる。

style.css
モダンなスタイリング。Flexboxでレイアウト組んで、ホバーエフェクトなんかもついてます。色使いもそれなりにセンスある。

script.js
タスクの追加、削除、完了の処理。ローカルストレージへの保存も実装されてる。イベントリスナーもちゃんと設定されてます。

驚くのは、これが全部動くコードだってこと。index.htmlをブラウザで開けば、すぐに使えるTo-Doアプリが出来上がってます。

機能の追加：編集機能を実装

基本は出来たので、もう少し機能を追加してみましょう。再びCursor Chatで：

タスクの編集機能を追加してください。
各タスクに「編集」ボタンを追加して、クリックするとテキストを編集できるようにしてください。

すると、既存のコードを理解した上で、必要な変更を提案してくれます。HTMLにボタンを追加して、JavaScriptに編集ロジックを追加する。全部自動です。

この「既存コードとの整合性を保ちながら機能追加してくれる」っていうのが、Cursorの真骨頂なんですよね。

Cmd+K（Ctrl+K）での部分編集

チャットだけじゃなく、Cmd+Kを使った編集も便利です。実際にやってみましょう。

CSSのスタイルを変更

style.cssを開いて、例えば背景色の部分を選択します。そしてCmd+Kを押すと、小さな入力欄が出てきます。

ダークテーマに変更して。背景を暗く、テキストを明るくして。

って入力すると、選択した部分だけを修正してくれます。全体のスタイルは保ったまま、色だけ変わる。こういう細かい調整がサクサクできるんです。

関数のリファクタリング

script.jsで、ちょっと長くなってる関数を選択して：

この関数をより読みやすくリファクタリングして。
複雑な部分は別の関数に分割してください。

すると、ロジックは変えずに、コードをきれいに整理してくれます。変数名も適切なものに変えてくれたりする。これ、コードレビューで指摘されそうなポイントを先回りして直してくれる感じです。

Composerで複数ファイルを同時編集

さらに高度な機能がComposerです。Cmd+I（Ctrl+I）で開けます。

認証機能の追加

例えば、To-Doアプリにユーザー認証を追加したいとします。これ、複数のファイルにまたがる大きな変更ですよね。

ユーザー認証機能を追加してください。
要件：
- ログインページを作成（login.html）
- ユーザー情報はローカルストレージに保存
- ログインしないとTo-Doリストにアクセスできないように
- ログアウト機能も実装

必要なファイルを全て作成・編集してください。

Composerに入力すると、必要なファイルを全部作ってくれます。login.html、auth.js、既存のscript.jsの修正、index.htmlへのログアウトボタン追加、全部一度に。

しかも、変更内容をプレビューできるんです。どのファイルがどう変わるか確認してから適用できる。これ安心感ありますよね。間違った変更がされる前にチェックできるから。

実際に使ってみて感じたコツ

ここまで基本的な使い方を説明しましたけど、実際に使ってみて気づいたコツをいくつか共有しますね。

1. 具体的に指示する

「To-Doアプリ作って」だけだと、AIも困ります。「どんな機能？」「どの技術で？」「デザインは？」

できるだけ具体的に書くこと。要件を箇条書きにするのも効果的です。あと、制約条件（「バニラJSで」とか「CSSフレームワークは使わない」とか）も明示するといいです。

2. 段階的に進める

いきなり「完璧なアプリを作って」は無理です。まず基本機能、次に追加機能、そして改善、って感じで段階的に。

一度に大量の指示を出すより、小さく区切って確認しながら進める方が、結果的に早く良いものができます。

3. コードを理解する努力を怠らない

これ、一番大事かもしれません。AIが生成したコード、読まずにそのまま使ってませんか？

生成されたコードは必ず確認すること。どういうロジックか、なぜこう書いてるのか。理解できない部分があったら、Cursorに「このコードを説明して」って聞けばいいんです。

AIはツールです。思考を代替するものじゃない。使いながら学ぶ姿勢が大事だと思います。

4. バージョン管理を忘れずに

Cursorが生成するコード、時々想定と違うことがあります。そういうとき、元に戻せないと困りますよね。

Gitを使ってバージョン管理しましょう。Cursorには git 統合もあるので、コミットも簡単です。「この変更を適用する前にコミット」を習慣にすると安心です。

料金プランと選び方

ここまで使ってみて、「本格的に使いたいな」って思ったら、プランを検討しましょう。

無料プラン

基本機能は使えます。GPT-3.5が使えて、月50リクエストまで。試してみるには十分。でも本格的に使うには物足りないかな。

Proプラン（月20ドル）

GPT-4とClaude 3.5が無制限。月500の「高速リクエスト」（優先処理）。個人開発者ならこれで十分です。

私もこのプラン使ってますけど、日常的な開発で困ったことはないです。Copilotより安いし、機能も多い。コスパいいと思います。

Businessプラン（月40ドル）

チーム向け。管理機能が充実してて、プライバシーコントロールも強化されてます。会社で導入するならこれ。

よくあるトラブルと対処法

使い始めでよくあるトラブルと、その解決法をまとめておきます。

AIの応答が遅い

特に無料プランやGPT-4を使ってるとき、応答が遅いことがあります。

対策：GPT-4 Turboに切り替えるか、Claude 3.5 Sonnetを試してみる。あとは、無料プランなら有料プランにアップグレード。体感で2〜3倍速くなります。

生成されたコードが動かない

AIも完璧じゃないです。時々バグのあるコードを生成します。

対策：エラーメッセージをコピーして、Cursorに貼り付けて「このエラーを修正して」って頼む。たいてい直してくれます。それでもダメなら、エラーの内容を詳しく説明して再度依頼。

プロジェクトのコンテキストを理解してくれない

大きなプロジェクトだと、AIが全体を把握しきれないことがあります。

対策：Codebase Indexingが有効になってるか確認。Settings → Features → Codebase Indexing をオンに。あと、指示を出すときに「@filename」でファイルを明示的に指定すると、そのファイルの内容を優先的に参照してくれます。

次回予告：実践編に進もう

ここまで読んでいただき、ありがとうございました。この記事で、Cursorの基本的な使い方はマスターできたはずです。

次回は、もっと実践的なプロジェクトに挑戦します。バックエンドAPIとデータベースを含む、本格的なウェブアプリケーションを作ってみる予定です。認証、CRUD操作、API設計、全部Cursorと一緒にやってみます。

実際の開発フローに近い形で、Cursorをどう活用するか。うまくいったこと、失敗したこと、全部正直に書きますので、お楽しみに！

それまでに、ぜひ今回の内容を試してみてください。実際に手を動かすと、Cursorの凄さがもっと実感できると思います。