Fincept Terminal 入門：オールインワンのオープンソース量的（クオンツ）取引プラットフォーム

Fincept Terminal は、Fincept Corporation が開発したオープンソースの量的（クオンツ）金融端末です。中核となる位置づけはとても明確です。無料のオープンソースツール1つで、やれ数万／年といったベルブ（Bloomberg）端末を置き換えつつ、一般の開発者でも自分自身の量的取引システムを組み立てられるようにします。

ネイティブの C++20 + Qt6 で構築されており、Electron／Web アプリに比べてパフォーマンスは数段違います。組み込みの Python モジュールにより CFA レベルの分析機能をすべて提供。37 個の AI エージェントが、バリュー投資から地政学まで多様なフレームワークをカバーします。さらに 100+ のデータコネクタが、政府の経済データから暗号資産まであらゆるソースに対応しています。GitHub のリポジトリは Fincept-Corporation/FinceptTerminal にホストされ、オープンソースライセンスは AGPL-3.0 です。

---

難易度／所要時間／得られるもの

入門レベル | 約 30 分 | Windows／macOS／Linux 上でインストールから始め、最初の AI 量的（クオンツ）戦略を動かすまでの一連の手順を理解できます。

---

対象読者

• 開発経験 1〜4 年で、自分の量的取引システムを作りたい開発者
• 金融データ分析や AI を使った投資支援に関心があるが、金融の専門的な背景はない
• 高額なベルブ（Bloomberg）端末の機能を無料のオープンソースツールで置き換えたい（年額数千〜数万ドル）

---

中核の依存関係と環境

システム要件

---

完全なプロジェクト構造ツリー

FinceptTerminal/
├── fincept-qt/                 # C++ メインアプリ
│   ├── src/                   # C++ コアソース
│   │   ├── core/             # コアモジュール
│   │   ├── ui/               # Qt UI コンポーネント
│   │   └── python/           # Python バインディング層
│   ├── scripts/              # ビルドスクリプト
│   ├── CMakeLists.txt        # C++ ビルド設定
│   └── CMakePresets.json     # クロスプラットフォームのビルドプリセット（重要）
├── docs/                      # 開発ドキュメント
├── Dockerfile                 # Docker イメージ設定
├── setup.sh                  # Linux/macOS ワンボックスビルドスクリプト
└── funding.json              # コミュニティ支援設定

---

手順を一つずつ

Step 1：Fincept Terminal をダウンロードしてインストールする

プロジェクトは 3 種類のインストール方法を用意しています。あなたの環境に最適なものを選んでください。

方式 A：事前ビルド済みのインストールパッケージをダウンロード（推奨・初心者はこれ）

最新バージョンは現在 v4.0.2 です。Releases ページ にアクセスして、対象プラットフォーム用のファイルをダウンロードします：

# Windows x64
# FinceptTerminal-4.0.2-win64-setup.exe をダウンロードし、ダブルクリックでインストーラを実行

# Linux x64
# FinceptTerminal-4.0.2-linux-x64-setup.run をダウンロード
chmod +x FinceptTerminal-4.0.2-linux-x64-setup.run
./FinceptTerminal-4.0.2-linux-x64-setup.run

# macOS Apple Silicon（M1/M2/M3）
# FinceptTerminal-4.0.2-macOS-setup.dmg をダウンロード
# DMG ファイルを開き、アプリを Applications フォルダへドラッグ

インストール後、ターミナルから起動：

# Windows
FinceptTerminal.exe

# Linux
./FinceptTerminal

# macOS
open /Applications/FinceptTerminal.app

方式 B：Docker デプロイ（サーバー環境向け）

# 公式イメージを取得
docker pull ghcr.io/fincept-corporation/fincept-terminal:latest

# 実行（グラフィカル表示には X Server のサポートが必要）
docker run --rm \
    -e DISPLAY=$DISPLAY \
    -v /tmp/.X11-unix:/tmp/.X11-unix \
    ghcr.io/fincept-corporation/fincept-terminal:latest

方式 C：ソースをクローンしてワンボックスビルド（Linux/macOS の開発者向け）

リポジトリをクローンしたら、setup.sh スクリプトをそのまま実行してください。環境を自動検出し、依存関係をダウンロードして、ビルドを実行します。

git clone https://github.com/Fincept-Corporation/FinceptTerminal.git
cd FinceptTerminal
chmod +x setup.sh && ./setup.sh

スクリプトは CMake、Qt6、Python のインストールと設定を自動で処理します。実行が完了すると、Fincept Terminal は自動的に起動します。

Step 2：LLM API を設定する（AI エージェントを本当に動かす）

Fincept Terminal を起動したら、AI エージェントが動作するために大規模言語モデル（LLM）へ接続する必要があります。Settings → AI Providers に入って設定してください。

1. 使用したい AI Provider を選択します。プロジェクトは以下のオプションをサポートしています：

OpenAI       → GPT-4o / o1 / GPT-4.5
Anthropic    → Claude 3.5 / 3.7
Google       → Gemini 1.5 / 2.0 / 2.5
Groq         → 高速推論
DeepSeek     → コストパフォーマンスが高い
MiniMax      → 国内で扱いやすい
OpenRouter   → 複数モデルを統合
Ollama       → ローカルモデル（完全オフライン）

1. 対応する API Key を入力します。ローカルで Ollama を使っている場合は、完全にオフラインで動かせます：

# Ollama を選ぶ場合（ローカルモデル／API Key 不要）
# 先にローカルへ Ollama をインストールして起動
ollama pull llama3.2
ollama serve

# その後、Fincept Terminal で設定
# Provider: Ollama
# Base URL: http://localhost:11434
# Model: llama3.2

Step 3：データソースを接続する

Fincept Terminal は 100+ のデータコネクタを提供し、マクロ経済から暗号資産まであらゆる種類をカバーします。Data Sources ページで、有効化したいデータソースを選択してください。

無料データソース（すぐに使える）：

# マクロ経済
DBnomics          → グローバルなマクロ経済の時系列データ
FRED              → 米連邦準備制度（FRB）の経済データ
IMF              → 国際通貨基金（IMF）のデータ
World Bank       → 世界銀行の開発指標

# 株式 & 暗号資産
Yahoo Finance    → 株式の履歴データ、リアルタイムの見積もり
Kraken           → 暗号資産のリアルタイム WebSocket
Polygon          → 米国株データ（無料枠は限定的）

# その他
AkShare          → 国内の A 株／先物データ（Python ライブラリ）
government APIs  → 各国政府が公開するデータ

データソースを接続する共通手順：

1. Data Sources → Add Connection に入る
2. データソースの種類を選ぶ（例："Stock Market Data"）
3. API Key を入力する（データソースによって必要）またはデフォルトのままにする（公開データ）
4. Test Connection をクリックして接続を確認
5. 確認後、データは自動的に端末へ同期されます

Step 4：AI エージェントを作成し、最初の量的タスクを実行する

Fincept Terminal には 37 個の AI エージェントが組み込まれており、3 つの大カテゴリに分かれています。

Trader / Investor エージェント（バリュー投資派）：

Economic エージェント：マクロデータ分析、金利予測、インフレモデリング

Geopolitics エージェント：地政学の影響評価、サプライチェーンリスク分析

それでは、Buffett エージェントで最初のタスクをやってみましょう。株の価値を分析します。

1. AI Agents → Create New Agent に入る
2. 基本テンプレートとして Buffett を選択
3. タスクを渡します：Apple（AAPL）の内在価値を分析

Analyze the intrinsic value of AAPL using DCF model.
Use the latest financial data from Yahoo Finance.
Show the margin of safety based on current price.

Buffett エージェントは Python の分析モジュールを呼び出して財務データを取得し、DCF（キャッシュフロー割引）モデルを実行して、内在価値の推定と現在価格に基づく安全余裕（モーゲージ・オブ・セーフティ）を出力します。

Step 5：ノードエディタで量的（クオンツ）プロセスを構築する

ノードエディタは Fincept Terminal の最強の機能の一つです。データソース、分析モジュール、AI エージェントを可視化して組み合わせ、コードを書かずに複雑な量的（クオンツ）プロセスを構築できます。

Node Editor ページを開くと、次のようなワークフローが表示されます：

[Yahoo Finance データ] → [Python データクレンジング] → [AI エージェントの意思決定] → [Broker の注文実行]
     ↑                                              ↓
  [FRED マクロデータ]                               [結果出力を Portfolio へ]

最初の量的ワークフローを作る：

1. 左側のパネルから Data Source ノードをドラッグし、Yahoo Finance を選択
2. Filter ノードをドラッグし、条件を設定します（例："PE < 15, Market Cap > 10B"）
3. Buffett Agent ノードをドラッグして、Filter の出力へ接続
4. Backtest ノードをドラッグし、戦略の過去の成績を検証
5. Run をクリックしてワークフローを実行

Step 6（任意）：ソースコードを手動でビルドする

深くカスタマイズしたい場合、またはプラットフォームに事前ビルドパッケージがない場合は、ソースからビルドできます。その場合は依存関係のバージョンを正確に設定する必要があります。

環境準備（Windows の例）：

# 1. Visual Studio 2022 をインストール（MSVC 19.38 を含む）
# 2. CMake 3.27.7 をインストールし、PATH に追加
# 3. Ninja 1.11.1 をインストールし、PATH に追加
# 4. Qt 6.8.3 をインストール（オンラインインストーラで Qt 6.8.3 > MSVC 2022 64-bit を選択）
#    インストールパスを C:/Qt/6.8.3/msvc2022_64 に設定
# 5. Python 3.11.9 をインストールし、PATH に追加

ビルド（CMake Presets を使用）：

git clone https://github.com/Fincept-Corporation/FinceptTerminal.git
cd FinceptTerminal/fincept-qt

# 一度だけの設定（以後 CMakeLists.txt を変更する前に再実行が必要）
cmake --preset win-release

# コードを変更するたびに再ビルド
cmake --build --preset win-release

# 実行
.\build\win-release\FinceptTerminal.exe

CMake が Qt を見つけられない場合は、インストールパスが違う可能性があります。手動モードに切り替えます：

cmake -B build/win-release -G Ninja -DCMAKE_BUILD_TYPE=Release `
  -DCMAKE_PREFIX_PATH="C:/Qt/6.8.3/msvc2022_64"
cmake --build build/win-release

---

よくある問題の切り分け

Q1：CMake がエラー "Could not find Qt6 6.8.3" を出す

症状：cmake --preset win-release の出力が Could not find Qt6 6.8.3 になります。

原因：Qt のインストールパスが、CMake のデフォルトの検索パスと一致していない。

解決：

1. Qt のインストールパスに lib/cmake/Qt6 ディレクトリが存在することを確認
2. パスを手動指定：

cmake -B build/win-release -G Ninja -DCMAKE_BUILD_TYPE=Release `
  -DCMAKE_PREFIX_PATH="C:/Qt/6.8.3/msvc2022_64"

1. 別バージョンの Qt でテストしている場合は、バージョンチェックを迂回するために -DFINCEPT_ALLOW_QT_DRIFT=ON を渡せます（ローカルテストのみ、CI やリリース版では使用しないでください）

Q2：MSVC のバージョンが非対応

症状：C++ compiler version not supported または、コンパイル途中で大量の未定義識別子エラーが発生する。

原因：プロジェクトは MSVC 19.38+（Visual Studio 2022 17.8+ に相当）を要求しています。

解決：

# MSVC バージョンを確認
cl /?

# バージョンが低い場合は、VS 2022 の最新へアップグレード
# ダウンロード先：https://visualstudio.microsoft.com/downloads/

Q3：Python のバージョン不一致

症状：埋め込み Python の実行でクラッシュする、または python3.x.x not found のようなエラーが出る。

原因：プロジェクトは Python 3.11.9 を強制的に要求し、他のバージョン（3.10、3.12 を含む）はサポートされません。

解決：

# 現在の Python バージョンを確認
python --version

# 3.11.9 でない場合は、正しいバージョンをインストール
#ダウンロード先：https://www.python.org/downloads/release/python-3119/

# Windows：インストール後、システム PATH で Python 3.11.9 のパスが先頭に来ていることを確認
# Linux：pyenv を使うこともできます
pyenv install 3.11.9
pyenv local 3.11.9

Q4：Docker で Qt のグラフィカル UI が表示できない

症状：QPA platform: cannot connect to X server エラー。

原因：Docker コンテナ内にグラフィカル環境がありません。

解決：

# Linux：Docker がローカルの X Server にアクセスできるようにする
xhost +local:docker
docker run --rm \
    -e DISPLAY=unix$DISPLAY \
    -v /tmp/.X11-unix:/tmp/.X11-unix \
    ghcr.io/fincept-corporation/fincept-terminal:latest

Q5：AI エージェントが "Connection Failed" を表示する

症状：LLM 呼び出しがエラーを返し、エージェントが何も実行できない。

切り分け手順：

1. API Key が有効か確認（公式サイトで対応するキーをテストできます）
2. Ollama を使っている場合は、ollama serve が起動中か確認
3. プロキシ環境（会社のネットワーク）で代理（プロキシ）を使う場合は、HTTP プロキシの環境変数を設定：

# Linux/macOS
export HTTP_PROXY=http://your-proxy:8080
export HTTPS_PROXY=http://your-proxy:8080

# Windows PowerShell
$env:HTTP_PROXY="http://your-proxy:8080"
$env:HTTPS_PROXY="http://your-proxy:8080"

1. ネットワークが AI Provider の API エンドポイントにアクセスできるか確認：

# OpenAI
curl https://api.openai.com/v1/models

# Anthropic
curl https://api.anthropic.com/v1/messages \
    -H "x-api-key: YOUR_KEY" \
    -H "anthropic-version: 2023-06-01"

Q6：ブローカー接続の認証に失敗（Paper Trading／実取引）

症状：ブローカーの API を設定すると認証に失敗した旨が表示される。

解決：

1. Fincept Terminal に入力するのは取引口座のパスワードではなく、API Key であることを確認
2. 一部のブローカー（例：IBKR）は、Trader Workstation (TWS) で API アクセス権限を有効化する必要があります
3. Paper Trading と実取引では API 設定が異なります。正しいモードを選択しているか確認してください

---

拡張読書／進むべき方向

Adanos Market Sentiment を導入して世論を量的（クオンツ）に可視化する

Adanos は、Reddit、X/Twitter、経済ニュース、Polymarket のセンチメントデータを Fincept Terminal に取り込みます。Data Sources → Alternative Data → Adanos に移動して API を設定すると、Equity Research モジュールで、複数ソースにまたがる個人投資家のセンチメントのスナップショットが表示されます。センチメント指標を因子として量的戦略に組み込み、従来の財務データと組み合わせることで、より包括的な分析が可能になります。

QuantLib Suite を使ったデリバティブ価格の評価

Fincept Terminal には 18 個の QuantLib 量的（クオンツ）モジュールが組み込まれており、以下をカバーします：

# 価格モデル
Black-Scholes オプション価格
Binomial Tree アメリカンオプション
Monte Carlo 価格

# リスク管理
VaR（Value at Risk）計算
 Greeks 感度分析
 ストレステスト／シナリオ分析

# 固定利回り
利回り曲線（Yield Curve）構築
Duration／Convexity 分析
Bond ポートフォリオ最適化

AI Quant Lab の画面から、これらのモジュールを呼び出して自分だけのリスクモデルを構築でき、手作業で Python コードを書く必要はありません。

複数ブローカーを設定してプログラム取引を実現

Fincept Terminal は 16 のブローカーの API 統合に対応しており、株式、先物、暗号資産をカバーします：

インドのブローカー：Zerodha, Angel One, Upstox, Fyers, Dhan, Groww, Kotak,
         IIFL, 5paisa, AliceBlue, Shoonya, Motilal
米国のブローカー：IBKR, Alpaca, Tradier
国際ブローカー：Saxo
暗号資産：Kraken, HyperLiquid（WebSocket リアルタイム行情）

複数のブローカーを同時に接続し、ノードエディタでクロスマーケットの裁定（アービトラージ）戦略を組み立てられます。

AI Quant Lab：ML モデルの学習と因子発見

Fincept Terminal の AI Quant Lab モジュールは、完全な機械学習の量的（クオンツ）ワークフローを提供します：

# Python モジュールを使用
from fincept_ml import FactorDiscovery, ModelTrainer

# 市場データから有効な因子を自動で発見
factors = FactorDiscovery.run(data_source="yahoo_finance",
                              target="AAPL_returns",
                              n_factors=20)

# 強化学習の取引戦略を学習
strategy = ModelTrainer.train_rl(
    agent="PPO",
    environment="crypto_portfolio",
    episodes=1000
)

教師あり学習（HFT 戦略）、時系列予測、バックテストのフレームワークにも対応しています。

オープンソース開発に参加する

Fincept Terminal はオープンソースプロジェクトです。ぜひコードへの貢献をお願いします：

• C++ モジュール：Qt の UI コンポーネント、データコネクタ、QuantLib のラッパー
• Python モジュール：新しい分析モデル、機械学習戦略
• AI エージェント：新しい投資フレームワークのエージェント、地政学分析モジュール
• ドキュメント：各機能の導入チュートリアルを充実させる

貢献ガイドライン：docs/CONTRIBUTING.md C++ 開発の規約：fincept-qt/CONTRIBUTING.md