JONES PROJECT — INDUSTRY MAP 市場 × AI × 透明性 Jones Project が立つ、業界の空白地帯 ── 2026 年の市場と LLM、その距離感を 4 枚の図で読み解く

2026 年 4 月 30 日、東京時間の午後。日本政府は約 5 兆円規模 の円買い介入に踏み切り、USD/JPY は 160 円台後半から 155 円台へ瞬時に振れた。多くのトレーダーがその数字に目を奪われたあの瞬間、私たちは別の何かを見ていた。

014 月 30 日、市場と AI のあいだの距離

介入そのものは、AI が予測した出来事ではない。中東情勢を背景にした米ドル買い圧力と、政策当局の判断 ── これらは LLM の射程の外側にある。続く 5 月 1〜6 日には、追加で 約 4.68 兆円の円買いが観測されている [日経新聞]。市場が動いた瞬間、何が起きていたのか。それを読むためのレンズは、本当に進化しているのだろうか。

AI が金融を「征服する」と言われ続けて、3 年ほどになる。Bloomberg が 50 億パラメータの BloombergGPT を世に問うたのが 2023 年。それ以来、業界の期待は燻り続けてきた。しかし 2026 年現在、結果は思ったよりも複雑だ。

Queen's University の研究では、汎用モデルである GPT-4 が、金融特化のはずの BloombergGPT を多くのタスクで上回ったと報告された [Queen's, 2024]。Bloomberg からその後の主要アップデート発表はない。「金融に特化した LLM」というアプローチは、思っていたほど磐石ではなかった。

ヘッジファンド業界はどうか。AIMA の 2026 年調査では、ファンドマネージャーの 95% が GenAI を業務に組み込んでいる（2023 年時点では 86%）。だが用途を分解すると、その 75% は「投資以外の業務」──リサーチ要約、コンプライアンス、ドキュメント検索 [AIMA, 2026]。投資プロセスに組み込まれているのは 55%。さらに、その用途のほとんどは「ハルシネーションを抑える」「巨大な文書群から正しい引用を引く」といった補助タスクだ。

具体例を挙げよう。Bridgewater が AWS の Bedrock Guardrails をテストした際、ハルシネーションの 75% を捕捉できたと報告されている。Balyasny の自社 embedding は、金融文書検索のベンチマークで OpenAI 汎用版を 60% 超で上回った。これらは「AI が市場を予測した」話ではない。「AI を、機関のデスクの周辺機器として正しく配置した」話だ。

「AI で勝つ」と「AI を使う」は、まったく別の話なのである。

02LLM を「予測器」にしない、という設計判断

学術界も、似たような結論に向かいつつある。Frontiers in AI が 2025 年に公開した、84 本の研究論文を横断するレビューでは、LLM の株価予測について「marginal な改善はあるが、本質的に難しい」と総括されている [Frontiers in AI, 2025]。データリーク、illiquidity プレミアム、市場の本質的な予測困難性 ── これらが LLM の上限を厳しく制約している。

業界の最前線は、すでにこの理解に沿って動いている。LLM は チャートを当てる 道具ではなく、文脈を整理し、ノイズの中から意味を拾い、人間のデスクワークをスケールさせる 道具として配置されつつある。

Jones Project の設計判断もここに重なる。Pine Script で書かれた独自インジケーター ── ELASTIC、Liquidity X-Ray、KINETIC HUD ── が市場から信号を生成する。LLM はその信号を、市況の文脈と組み合わせて読む。LLM 自身に価格を当てさせることはしない。

これは譲歩ではない。技術への、正しい敬意だと私たちは考える。LLM は素晴らしい言語モデルだが、price prediction の専門家ではない。専門家は別にいる。それを認めた上で、LLM を「正しい場所」に置く。それだけのことだ。

03物理学のレンズで、介入の経路を読む

4 月 30 日の介入を例にとろう。USD/JPY は介入直前の 1 週間以上、私たちが「弾性限界（Elasticity）」と呼ぶ領域 ── ATR バンド 2σ を超えた状態 ── に滞留していた。価格は弾性体のように、限界を超えると反発する確率が経験的に高まる。

同時に、158〜160 円台にはストップロス注文が分厚く積まれているという観測（オプション市場の建玉、CFTC IMM ポジションから推測可能）があり、私たちが「真空地帯（Vacuum Zone）」と呼ぶ流動性の薄い帯が形成されていた。

介入そのものを予測したわけではない。それは政治と地政学の領域だ。だが、介入が起きたときの 市場の物理的な反応経路 ── どの価格帯で減速し、どの価格帯まで戻されるか ── は、これらのフレームで観察可能だった。

Gravity（HMA 中心線への引き戻し）、Elasticity（ATR バンドの限界）、Vacuum（流動性の薄い領域）、Kinetic（蓄積された運動エネルギー）。これらは比喩ではない。LLM に渡す文脈の構造、すなわちオントロジーとして実装されている。「上がる／下がる」ではなく「弾性限界を超えている／中心への引力が強くなっている」と書く。同じ市場を、別の解像度で記述する語彙だ。

世界をよく理解するためには、専用の語彙が要る。物理学はその語彙を、すでに 300 年以上磨き上げてきた。市場という別の動的システムに、その語彙を翻訳して持ち込む ── それが Jones Project の試みのひとつだ。

04数字を、毎週、openly に

透明性は、業界のデフォルトではない。ヘッジファンドが内部の運用詳細を出さないのは、規制と競争という制約から自然なことだ。一方、retail 向けのサロン業界では「勝率 90%」のような検証不可能な claim が日常的に飛び交う。両極のあいだに、構造的な穴がある。

私たちはその穴に、別の選択肢を置こうとしている。運営の全数値 ── YouTube フォロワー、Jones 利用者数、Shopify 売上、解約数、為替運用の損益 ── を週次で公開してきた。2026 年 1 月入会組の 4 ヶ月後リテンションは 53.6%。一般的な SaaS の業界平均から見ると、これは説明を要する数字だ。だから「すごいです」と語る代わりに、原典の PDF を共有して「数字を見てください」と言う。

それが、claim ではなく 検証可能な事実 を選ぶということだ。透明性は、勇気の問題ではなく、設計の問題に過ぎない。最初から「openly に出す」ことを前提に運営をすれば、出せないものは作らないし、出せるものは静かに積み上がる。

05機関とリテールのあいだ ── ツールはどうランクされているか

LLM や設計思想の話を一旦離れ、市場分析ツールという広い世界を見渡してみる。価格帯にきれいなティア構造が浮かび上がってくる。

一番上、ティア S は機関投資家のデスクで使われるツール群だ。Bloomberg Terminal は 2026 年現在、1 シートあたり $31,980 / 年（旧契約・複数シート契約は $24,000-28,320 / 年） [CostBench, 2026]。LSEG Workspace（旧 Refinitiv Eikon）が約 $22,000 / 年、FactSet が約 $12,000 / 年 [Wall Street Prep]。これらは銀行、ヘッジファンド、投資銀行、アセットマネジメントのデスクで使われている、規制と契約で守られた閉じたデスクトップ環境だ。

その下、ティア A はプロップトレーダーや上級リテール向けの本格分析プラットフォーム群。TrendSpider が $54-349 / 月、Trade Ideas が $84-348 / 月、NinjaTrader が $50-100 / 月、MultiCharts が $97-169 / 月 [TrendSpider]。年額換算すれば $600-4,000 程度。自動化、複数時間軸、スクリーニング、API 連携などプロが必要とする機能が揃っている。

さらに下のティア B が、中級〜上級リテールのプレミアムゾーン。LuxAlgo Ultimate $59.99 / 月、150,000 人以上のユーザーを抱える巨大コミュニティ [LuxAlgo, 2025]。AlgoAlpha $50-99 / 月、TradingView Premium $59.95 / 月。年 $720 前後の負担で、TradingView 上でプロ並みのチャート分析を実行できる。

そして最下層のティア C が、TradingView Free ($0)、TradingView Pro ($14.95 / 月)、LuxAlgo Premium ($39.99 / 月)、GitHub の無料インジケーター、Twitter で見かける「AI bot demo」群。市場の入り口であり、無料〜数十ドルのレンジ。多くのトレーダーがここから始めるが、ここに長く留まる人と、上のティアに上がる人と、別の道に行く人に分かれる。

このティア表を眺めると、リテール最上位 (Tier A) と機関 (Tier S) のあいだに、約 50 倍から最大 1,000 倍規模の価格ギャップがある。Bloomberg Terminal の年 $32,000 は LuxAlgo Ultimate の年 $720 の 44 倍。同じ市場を見ているはずなのに、入り口の rentier 構造はここまで違う。情報の非対称性は、ツールの価格構造そのものに刻まれている。

Jones Project の現在地は、ティア B の上位。Ultra [for team] が ¥5,000 / 月 (約 $35)、国内コミュニティ 130 名で運用中。LuxAlgo (海外 150,000 ユーザー) と価格帯は重なるが、設計思想（物理学オントロジー、Pine alpha source、検証ループ）と運営透明性（週次定例会、リテンション数値の公開）で別の路線を取っている。

向かう先は明確だ。海外 USD $99-149 帯の本格立ち上げ、Quantum 上位プラン ¥12,000 / 月、英語圏での category 形成。これはティア B から ティア A (Pro retail) への移動を意味する。Bloomberg Terminal の世界には行かないし、行く必要もない。だが「機関のレベルで設計された情報環境を、リテールの価格と透明性で提供する」というスペースには明確な余白がある。Shopify ストアの公式タグライン「ヘッジファンドのデスクを再現する」は、単なるブランド演出ではなく、この構造的提案そのものだ。

06有料ツールの利用率 ── 海外と日本の温度差

同じリテール市場でも、地域によって有料ツールの浸透度はまったく違う。海外（特に英語圏）では、$40-60 / 月のインジケーターを払って使うことは、トレーダー文化の標準だ。LuxAlgo は単独で 150,000 人以上のユーザーを抱え、200,000 人規模の Discord コミュニティを運用している。TrendSpider、AlgoAlpha、TradingView Premium といった有料 prod が並列で存在し、ユーザーは Twitter や Reddit でレビュー比較し、品質競争が機能している。

世界の retail forex トレーダー人口は 約 9.6 百万人（2025 年推計、デイリーボリューム $9.6 兆ドル）[Compare Forex Brokers, 2026]。アジアが約 3.2 百万人で最大シェアを持つ。これらのトレーダーが、有料ツールを「投資商品」ではなく「業務道具」として購入する文化が、海外では成立している。

日本の景色は、この図と異なる。FX トレーダー人口は約 290 万人 (2024 年推計、金融先物取引業協会系データ)、決して小さい市場ではない。だが有料インジケーターの浸透率は、海外と比べて圧倒的に低い。

理由は、市場の信頼そのものが破壊されているからだ。警察庁の 2024 年統計によれば、SNS 型投資詐欺の被害額は ¥871 億円（6,413 件、前年比 3.1 倍） に達した [警察庁, 2025]。1 件あたりの平均被害額は ¥1,365 万円。SNS 型ロマンス詐欺と合算すると ¥1,990 億円規模に膨らむ [日経新聞, 2025]。これらの「投資詐欺」の大半は、Instagram (悪用率 29.8%) や Facebook (17.5%) 経由で「AI が予測する」「機関の手口を盗む」「勝率 90%」を謳う商品群だ。

被害規模の大きさは、被害者の問題に留まらない。市場の中で「有料の投資ツール」というカテゴリ全体が "詐欺かもしれない" という疑念を背負ってしまう。海外で当たり前の「品質を払って買う」文化が、日本では育ちにくい。海外で確立されたツール (LuxAlgo 等) すら、国内では普及が鈍化する。

この市場で本物として立つには、特殊な設計が要る。「すごいです」ではなく「数字を見てください」と言える、検証可能な運営。「絶対勝てる」ではなく「ML サンプル 200 件の限界も openly に」と書ける、誠実さの設計。Jones Project が透明性を最初から事業の核に据えているのは、この日本特有の文脈と無関係ではない。

07地図にすると、見えてくるもの

ここまでの観察を、1 枚の地図に落とすとどうなるか。2 つの軸を立ててみる。

X 軸：事業の透明性 × 検証可能性

事業の実態（数値・限界・設計）が openly に開示されているか、それとも内部に閉じているか。右に行くほど、第三者が claim を検証できる事業を意味する。

Y 軸：LLM × Finance アーキテクチャの構造性

LLM をどう使っているか、という設計の深度。下端は「LLM に直接予測させる」表層利用。上端は「LLM の役割を正しく配置する」構造的設計。

この 2 軸の上に、業界の主要プレーヤーを並べてみる。

4 つの象限が、はっきり 4 つの違うグループを描き出す。

左下には、AI を演出として使う content 群と、retail 向け FX 教材販売。「AI で勝てる」と煽るが、実態を確かめる手段がほぼない領域。左上には、infra 強だが externalize しないヘッジファンドの内製 ML や大手金融 LLM。彼らの設計は確立されているが、それは社内に閉じている。右下には、コードは公開されているが事業として成立していない indie AI bot 群。そして 右上 ── 構造的 LLM × 公開検証可能 ── は、ほぼ空席だ。学術 LLM agent 論文が研究として透明だが、事業実態がない。

事業として右上に立つプレーヤーは、現在ほとんど見当たらない。 Jones Project は、そこに位置している。

086 層のアーキテクチャ

地図上の position は「主張」では証明できない。アーキテクチャで証明する必要がある。下の図は、Jones Project の内部構造を抽象化したものだ。

6 つの層がある。

Input（Pine alerts、市況コンテキスト、Discord ops）。Ontology（物理学フレーム、各インジケーターの役割定義）。LLM Interpretation（Claude、Gemma 3、Gemini Deep Research の使い分け）。Brand Gate（コンプライアンス、トーン、ディスクレーマーの自動チェック）。Output（X、Discord、Research blog）。Verification Loop（24 時間後の hit / miss 自動チェック → Vector DB 蓄積）。そして Vector DB から LLM 解釈層への feedback loop。

レッドオーシャン側のプレーヤーは、この 6 層のうち L3（LLM）と L5（Output）の 2 層しか持たないことが多い。Pine alpha source も、Brand Gate も、検証ループも存在しない。だから claim はできても、検証できない。地図上では左下〜左上に集中することになる。

LLM はこの構造のなかの 1 層に過ぎない。「AI が全部やっている」と誤解させない設計が、business model としても、安全性としても、誠実性としても正しい。

09続きの話

ここから何が始まるのか。

L6 が稼働するとき、地図上の Jones の位置は、さらに右上に進む。Vector DB に蓄積される signal-context-outcome のセットは、次の推論に反映され、システムは少しずつ自己改訂する。これは「AI が勝手に学習する」話ではなく、人間が観察し、設計を改訂し続ける ためのループだ。

2026 年 Q3 の Jones Engine 公開、Q4 の公開トラックレコード稼働。その先には、英語圏での発信、海外向け価格帯の本格立ち上げ、新しい Pine インジケーターの追加。プロジェクトは、まだ折り返してさえいない。

市場 × AI × 透明性 という空白地帯で、何が起こるのか。私たちはそれを、毎週、数字とともに書き続ける。続きを追いたい人は、Research blog の更新と、Discord コミュニティを覗いてもらいたい。新しいインジケーターのリリース、検証データの公開、設計判断のログ ── 全て、隠さずに書いていく。

地図の右上は、まだ広い。一緒に立つ場所はある。