AI · A-10 AIはニュースをどう読むか ― NLPとLLMが変えた“言葉”の市場 中銀総裁が話し終える前に、機械はもうその一言を売買している。

『言葉』が相場を動かすなら、最も速く言葉を読むのは、もう人間ではない。 中央銀行の声明、決算資料、ニュースの見出し、SNSの投稿――かつて人間が読み解いていたテキストを、いまは NLP（自然言語処理＝Natural Language Processing）のプログラムが秒オーダーで読み（見出しの単純なキーワード判定なら一瞬、LLMの読み込みは数百ミリ秒〜秒）、ポジティブかネガティブか、タカ派かハト派かを数値に変換して売買シグナルにしている。 近年はLLM（大規模言語モデル）の登場で、単語の数え上げを超えて、文脈やニュアンスまで以前よりは捉えられるようになった。 この記事では、AIがニュースをどう読むか――何をしているのか、なぜこれほど広がったのか、そしてそれが“言葉”の市場に何をしたのかを順に解剖する。 先に結論を一つだけ。AIは言葉を読む速さを変えた。だが、相場の核（価格を動かすのは「言葉そのもの」ではなく「予想とのズレ」だ）は、何も変えていない。

01何が変わったか ―― 言葉を最も速く読むのが、人間から機械になった

ほんの十数年前まで、ニュースを読んで相場を判断するのは人間の仕事だった。FOMCの声明文が出れば、ディーラーやエコノミストが文面を目で追い、 「前回より強気か、弱気か」を頭の中で噛み砕き、それから注文を出した。中銀総裁の記者会見では、人間が発言を聞き、メモを取り、意味を考えてから動いた。 どんなに速い人間でも、読んで・理解して・判断するまでには、数十秒から数分はかかった。

いま、その「読む」「数値化する」「反応する」の最初の一手は、機械に置き換わった。 声明文が配信された瞬間、NLPのプログラムはその全文を取り込み、過去の声明と比べて「タカ派寄りに振れたか、ハト派寄りに振れたか」を数値で弾き出す。辞書（レキシコン）方式の単純なキーワード照合ならミリ秒級で、LLMが文脈まで読む場合は数百ミリ秒〜秒オーダーで結果が出る。 中銀総裁が記者会見で一言しゃべれば、その音声がテキストに起こされ、特定のキーワード（「忍耐強く」「機動的に」「データ次第で」）が出た瞬間に、機械はもう反応を始めている。 総裁が話し終える前に、配信された一文に機械が売買で応える――これが、いまの“言葉”の市場の入り口だ。

誤解を解いておく。これは「AIがニュースを完璧に理解して未来を先回りしている」というSF的な話ではない。 NLPの中心は、相場観で大儲けすることではなく、大量のテキストを、人間より速く・休まず・同じ基準で読んで、数値という共通の物差しに乗せるという、地味で機械的な作業だ。 人間のエコノミストが昔からやっていた「文面を読んで強気・弱気を判断する」仕事を、桁違いの速さと量で機械化したもの――それがNLPの正体である。 変わったのは「誰が」「どれだけ速く」読むか、であって、読む対象である言葉そのものは新しくない。ここを押さえると、この記事の話は最後まで一本の線で読める。

02仕組み ―― テキストを読み、数値に変え、売買に変える

NLPがやっていることは、煎じ詰めれば「言葉を数字に変える」一点に尽きる。その変換が、大きく3つの段階で進む。順に、噛み砕いて見ていく。

① 読み込む（テキストの取得）。機械が読む素材は、ニュースの見出しと本文、中央銀行の声明文や議事要旨、企業の決算資料、SNSの投稿など、要するに言葉でできた情報すべてだ。 これらは多くがすでに電子的に配信される。だから機械は、配信された瞬間に全文を取り込める。人間が紙をめくる時間も、画面をスクロールする時間も要らない。

② 数値化する（ここが核）。取り込んだテキストを、機械は数字に変換する。代表的な変換が3種類ある。 ひとつはセンチメント――その文章がポジティブか、ネガティブか、中立かを採点する。たとえば決算資料に前向きな表現が多ければプラス、後ろ向きな表現が多ければマイナス、というように。 ふたつめはトピック――その文章が何について語っているか（金融政策か、雇用か、地政学か）を分類する。 みっつめが、中央銀行のテキストに特化したhawk-dove（タカ・ハト）採点だ。声明文が引き締めに前向き（タカ派＝hawkish）か、緩和に前向き（ハト派＝dovish）かを、過去の声明と比べて数値で測る。 昔ながらの手法は、あらかじめ用意した辞書（「引き締め」「インフレ警戒」はタカ、「景気下振れ」「忍耐」はハト、といった単語リスト）で単語を数え上げるレキシコン方式だった。仕組みは単純で、速くて、結果が説明しやすい。

ここにLLM（大規模言語モデル）が加わって、数値化の精度が一段上がった。 単語を数えるだけの辞書方式では、「利上げを見送らないとは言えない」のような二重否定や、皮肉、前提条件付きの言い回しを取り違えやすい。 LLMは膨大な文章で訓練されているため、文脈やニュアンス――どの単語がどの文脈で出たか、肯定なのか否定なのか――を以前より捉えられる。 ただし後で述べる通り、これは「完璧に読める」という意味ではない。LLMは強力だが、文脈を取り違えることも、もっともらしい誤りを自信たっぷりに出力すること（＝ハルシネーション）もある。

③ 売買に変える（シグナル化）。②で得た数値は、そのまま売買の合図になる。 「この声明は前回よりタカ派に大きく振れた」という採点が出れば、その通貨を買う／金利上昇に賭ける、といったルールに自動でつながる。 重要なのは、機械が反応するのは「数値が前回と比べてどれだけ動いたか」だという点だ。声明が単にタカ派だったから動くのではない。 市場が事前に想定していたタカ派度より、もっとタカ派だった（あるいは、思ったほどタカ派ではなかった）から動く。言葉そのものではなく、言葉と予想とのズレ――ここは§04でもう一度立ち返る、この記事の背骨だ。

03なぜ広がったか ―― 技術・データ・LLM・コストの四つが揃った

NLPによる「言葉の機械読み」は、ある日突然生まれた発明ではない。言葉を数値化する技術と、読むべきテキストの電子化が、年を追うごとに揃っていった結果、自然に主流になったものだ。 広がりを支えた背景は、大きく4つある。

• NLP技術の進歩。単語を数えるだけの素朴な辞書方式から、文の構造や単語同士の関係を扱える手法へと、テキスト処理の技術そのものが着実に進歩した。言葉を「ある程度きちんと」数値に変えられるようになって初めて、その数値を売買に使う価値が出てきた。
• テキストデータの電子化。中銀の声明文も、ニュースも、決算資料も、いまやほぼすべてが電子的に、しかも配信と同時に手に入る。読む素材が紙から電子に変わったから、機械が機械の速さで読める土俵が整った。土俵が電子になったから、電子の読み手が圧倒的に有利になった。
• LLM（大規模言語モデル）の登場。これが近年で最も大きい。膨大な文章で訓練されたLLMは、二重否定や皮肉、文脈依存の言い回しを、辞書方式より上手に捌ける。「読めるテキストの範囲」と「読みの質」が一段広がり、それまで人間にしか判断できなかったニュアンスの一部を、機械が肩代わりできるようになった。
• 計算コストの低下。大量のテキストを読み、数値化する計算は、かつては高価だった。それが年を追うごとに安くなり、誰でも（お金さえ払えば）大量のニュースや声明を機械に読ませられるようになった。参入のハードルが下がるほど、競争は「誰が速く・正確に読むか」の一点に集中していった。

この4つが噛み合った瞬間、“言葉”の市場は「文面をいちばんよく読み解ける者」ではなく、「いちばん速く・休まず・同じ基準で読める者」が有利な場所へと、静かに性質を変えた。 昔のエコノミストが磨いていたのは、文面の機微を読む解釈力だった。NLPが磨くのは、テキストを取り込んで数値に変えるまでの速さと一貫性だ。 “言葉”を読む重心が、人間の解釈から機械の処理速度へ移った――これが、このシリーズの総論（A-00）で言う「情報の市場から執行の市場へ」の、言葉という領域での現れである。

04市場への影響 ―― 言葉の市場が高速化し、機械が初動を作る

NLPとLLMが“言葉”の市場にもたらした作用は、大きく3つに整理できる。順に見ていく。最後の一つは、このシリーズの通奏低音である「便利さの裏にあるリスク」だ。

① “言葉”の市場が高速化した。かつて、中銀の声明や指標の発表に対する相場の反応は、人間が文面を読み、噛み砕き、判断するぶんだけ「間」があった。 いまは、その間がほぼ消えた。声明が配信された瞬間、NLPがhawk-dove採点を弾き出し、機械が反応する。 だからFOMCや中銀会合の直後、相場は一瞬で大きく動くことが増えた。教科書1-1（中央銀行と金利）で扱ったフォワードガイダンス――中銀が「次にどう動くか」を言葉で示して市場を誘導する手法――は、いまや人間より先に機械が読み解く対象になっている。 言葉が相場を動かすという構造そのものは昔からあったが、その反応の速さが桁違いになった。詳しくは 教科書1-1（中央銀行と金利）、および 指標 I（FOMC・中銀会合）で扱っている。

② 機械が初動を作る。速くなった結果、声明や指標の最初の動きは、もう人間が作っていない。 人間がニュースを読み終え、「これは強気だ」と判断する頃には、機械の反応はとっくに済んでいる。あなたがスマホで速報を見て注文を出すとき、その値段はすでに機械の初動が織り込んだあとの水準だ。 昔は「ニュースを誰より早く読んで動く」ことに個人の腕の見せ所があった。だがミリ秒の勝負になった以上、速報の文面を読んで初動を取りにいくのは、構造的に機械に勝てない。 人間に残るのは、初動そのものではなく、「その初動が正しかったのか、行きすぎたのか」をもう少し遅い時間軸で考える仕事のほうだ。

③ 誤読・ハルシネーション・同質化のリスク。ここが、便利さの裏にある暗い半面だ。三つに分けられる。 ひとつめは誤読。機械は速いが、皮肉や二重否定、前提条件付きの言い回しを取り違えることがある。LLMで以前より減ったとはいえ、ゼロにはならない。 ふたつめはハルシネーション。LLMは、もっともらしいが事実でない内容を、自信たっぷりに出力することがある。テキストに書かれていない数字や結論を「読み取ったつもり」になる危うさだ。 みっつめは同質化。多くの参加者が同じようなモデル・同じようなニュース配信・同じような辞書を使えば、同じ言葉に対して同じ向きに、同じ瞬間に反応する。 するとフェイクニュースや誤った見出し一本で、機械の群れが一斉に同じ方向へ走り、相場が過剰に振れることが起こりうる。便利な道具が、皆で同じものを使った瞬間に、群れの危うさへ変わる――この構造は、このシリーズが繰り返し扱うテーマだ。

05通説 vs 本当の構造

AIによる「ニュースの機械読み」ほど、過大評価と過小評価のあいだで語られてきたものはない。だが現実は、その極端のどちらでもない。三層で整理する。

この三層を握ると、ニュースの単純な見出し――「AIがニュースを完璧に読んで先回りする」「LLMで機械は言葉を理解した」――の、どちらも半分しか言っていないことが分かる。 AIは言葉を理解したのではない。言葉を速く数値に変えるようにしたのだ。 速さは本物だが、読みの質には限界があり、皆が同じ道具を使えば群れの危うさが生まれる。便利さもリスクも同じ仕組みから出ている――それが、当事者として市場の中にいて見える、“言葉”の市場の偽らざる姿だ。 そして最後まで効いてくるのは、価格を動かすのは言葉ではなく予想とのズレだという核である。この「サプライズが価格を動かす」構造と、局面（レジーム）によって同じ言葉への反応がまるで変わることは、 教科書5-2（レジーム）で体系的に扱っている。

06デスクの目 ―― 当事者として、実際にLLMで中銀声明を採点している我々が見るもの

ここで正直に立場を明かす。我々はAIクオンツデスク（kenny.boats）を運営している。そして、この記事のテーマ――AIによる言葉の機械読み――は、外から眺めた解説ではない。 我々自身が、実際にLLM（Claude等）を使って中央銀行の声明をhawk-dove採点している当事者だ。 FRB・日銀・ECB・BoE・RBA・BoCといった主要中銀の声明文を、最新のものはLLMでタカ・ハト方向に採点し、過去の声明はレキシコン（辞書）方式の数値も併用して、5年スパンの時系列で見られるようにしている。 だから、この記事で書いた「言葉を数値に変える」作業を、我々は毎日デスクで実際に回している。これは他のAI記事には書けない、当事者の一次情報だ。

では、当事者として何が見えているか。NLPの便利さと、その限界の両方だ。 声明を機械で採点すると、人間がいちいち全文を読み比べなくても「前回よりタカ派に振れたか」が一目で分かる。これは確かに速くて便利だ。 だが同時に、我々は誤読が起きることを知っている。皮肉や条件付きの言い回しを機械が取り違えることもあれば、LLMが書かれていない含みを「読み取ったつもり」になることもある。 だから我々は、機械の採点をそのまま信じない。あくまで人間の判断を助ける一つの数値として扱い、最新はLLM、過去はレキシコンと、手法を併用して相互にチェックする。機械が言葉を読むからこそ、その読みを鵜呑みにしない――これが当事者としての距離の取り方だ。

そして、これも誠実に書いておく。我々のAIが中銀の言葉を読んで市場を「当てられる」とは言わない。 AIは“言葉”の市場の構造（読む速さ・反応の速さ）を変えたが、相場の核――価格を動かすのは言葉ではなく予想とのズレだ、エッジは混雑すれば消える――は、何も変えていない。 だから我々は、自分たちの予測の精度を公開して採点している。当てられると言い張るより、外したときも含めて晒すほうが、当事者として誠実だと考えるからだ。 その採点は、シンクロ率（予測の公開採点）で誰でも確認できる――我々はLLMの読みを使って予測し、外したときも、それを隠さず公開して採点している。言葉ではなく、当てた回と外した回の記録そのもので、当事者としての誠実さを示すためだ。

次回は、ここまでで何度も触れてきた一つの問いに正面から向き合う。AIは言葉を速く読み、執行を速くし、市場の構造を確かに書き換えた。 ―― では、これだけAIが入り込んだ市場は、本当に「効率的」になったのか？　それとも、ただ“速くなった”だけなのか？ 次の効率的市場の現代版で、「市場は全てを織り込む」という古い教科書が、AI時代になぜ半分しか正しくないのかを解剖する。