重賞は本当に平場より予想しやすいのか｜情報量と能力差から考えてみる

競馬を始めたばかりの頃は、重賞の方が予想しやすいように感じることがあります。出走馬の名前を知っている、過去のレース映像も見たことがある、有名騎手が乗っている、新聞やSNSには大量の予想情報がある。反対に平場、とくに未勝利戦や1勝クラスになると、知らない馬ばかりが並び、前走成績を見ても能力関係がよく分かりません。

そう考えると、「馬券を買うなら重賞の方が簡単なのではないか」と思いたくなります。実際、GⅠなら何週間も前から有力馬の情報が出ていますし、各馬の適性やローテーションについて多くの人が議論しています。

しかし、ここで少し疑問が出てきます。情報が多いことと、馬券で勝ちやすいことは同じなのでしょうか。

むしろ、多くの人が詳しく分析しているレースほどオッズも正確になり、割安な馬を見つけにくくなる可能性があります。一方、平場は分かりにくい代わりに、市場参加者も十分に馬を理解できていないかもしれません。

今回は、「重賞は本当に平場より予想しやすいのか」という疑問から、予想のしやすさと馬券の勝ちやすさは同じなのかを考えてみます。

重賞が「予想しやすい」と感じる理由

まず、重賞の方が予想しやすいという感覚には、それなりの理由があります。最も大きいのは、やはり情報量でしょう。

GⅠや主要重賞になると、過去数走の映像だけでなく、追い切り、騎手コメント、厩舎コメント、血統、コース適性、ローテーション、前走内容など、さまざまな情報が提供されます。競馬新聞だけでなく、テレビ、YouTube、SNS、競馬メディアなどからも大量の情報を集められます。

出走馬そのものも知っています。例えば皐月賞や大阪杯なら、「この馬は前走で強かった」「この馬は距離が少し長そう」「この騎手なら中山で怖い」といったイメージを持ちやすいでしょう。

一方、土曜午前の3歳未勝利戦になると、馬名を初めて見ることも珍しくありません。前走12着、前々走8着という馬を見ても、その着順が能力不足によるものなのか、不利によるものなのか判断しにくい場合があります。

つまり重賞では、予想するための材料が最初から多く用意されています。

これが「重賞は分かりやすい」という感覚につながっているのでしょう。

能力比較もしやすい

重賞には、すでにある程度の実績を持った馬が集まります。そのため、能力比較もしやすくなります。

例えばGⅠなら、前走もGⅠやGⅡ、GⅢだった馬が多く、共通の対戦相手も見つけやすくなります。「前走でA馬に0.2秒差だった」「別のレースではB馬がA馬に先着している」といった比較ができます。

未勝利戦では事情が違います。初出走馬がいたり、芝からダートへ替わる馬がいたり、距離を大きく変更する馬がいたりします。成長期の若い馬では、数か月前の能力が現在と同じとは限りません。

つまり平場、特に下級条件では、過去のデータから現在の能力を推測する不確実性が大きいのです。

その点では、重賞の方が「能力の物差し」を作りやすいと言えそうです。

ただし「能力が分かる」と「馬券が当たる」は違う

ここから少し話が変わります。

例えばGⅠで、

A馬が最も強い
B馬が2番手
C馬が3番手

と、多くの人が同じように評価したとします。

予想としては簡単です。

しかし、その結果として、

A馬1.8倍
B馬4.0倍
C馬6.5倍

というオッズになっているかもしれません。

つまり、分かりやすい情報はすでに価格へ反映されているということです。

A馬が強いことを自分だけが知っているわけではありません。競馬新聞も、専門家も、SNSも、ほかの馬券購入者も知っています。

「強い馬を当てる」という意味では予想しやすくても、「市場より正確に評価する」という意味では難しい可能性があります。

ここは、重賞と平場を比較するときに非常に重要だと思います。

重賞は「市場も予想しやすい」

競馬は、自分だけで答えを出すゲームではありません。ほかの参加者も同じレースを予想し、その結果がオッズになります。

つまり重賞で情報が豊富になることは、自分にとって有利であると同時に、市場全体にとっても有利です。

有名馬の適性。

有名騎手の得意条件。

前走の不利。

調教の変化。

陣営コメント。

こうした情報は、多くの人が共有しています。

すると、明らかに好条件の馬は人気しますし、不安材料の多い馬は人気を落とします。市場価格が比較的効率的になれば、単純な情報だけでは期待値を作りにくくなります。

重賞について詳しくなればなるほど、「この馬が強い」という予想はできても、「このオッズなら買える」という馬が意外と少ないことに気付くかもしれません。

平場は情報が少ないからこそ評価差が生まれる可能性がある

一方、平場は分かりにくいです。

しかし、その分だけ市場参加者の評価にもばらつきが生まれる可能性があります。

例えば1勝クラスで、前走8着の馬がいたとします。表面的には目立ちません。しかし前走を詳しく見ると、外枠から終始外を回り、直線では進路が狭くなりながら最後まで差を詰めていた。

さらに今回は距離短縮、内枠、得意競馬場。

こうした情報まで丁寧に確認している人は、GⅠより少ないかもしれません。

もし市場が前走8着という数字を強く評価している一方、自分は内容をもう少し高く評価できるなら、そこに価格差が生まれます。

つまり平場は、

何が強いのか分かりにくい代わりに、評価のズレを見つけられる余地がある

とも考えられます。

「予想しやすい」を何で測るか

そもそも「予想しやすい」という言葉自体を整理した方がよさそうです。

例えば、次のような意味が混ざっています。

• 1番強い馬を見つけやすい
• 1着馬を当てやすい
• 馬券内に来る馬を選びやすい
• 荒れるか堅いか判断しやすい
• オッズに対して割安な馬を見つけやすい
• 長期的に回収率を高めやすい

これらは同じではありません。

仮に重賞の1番人気勝率が高く、能力順も分かりやすかったとしても、1番人気のオッズが常に適正以下なら、馬券として簡単とは言えません。

逆に平場では勝ち馬を当てるのが難しくても、10回に1回だけ市場が大きく見落としている馬を拾えれば、回収率では重賞を上回る可能性があります。

競馬AIで考えるなら、最終的に知りたいのは単純な的中率より、予測確率と市場オッズとの差でしょう。

GⅠは能力が高い馬ばかりだから簡単なのか

GⅠでは強い馬が揃っています。では強い馬同士なら、能力順位もはっきりするのでしょうか。

むしろ逆の可能性もあります。

例えば16頭立てのGⅠで、上位10頭までかなり能力差が小さいとします。どの馬も重賞を勝っており、少しの展開や位置取りで着順が入れ替わる。

こうなると、

「弱い馬を消す」

ことは簡単でも、

「1着馬を選ぶ」

ことは難しくなります。

一方、平場では1頭だけ能力的に大きく抜けているケースもあります。

つまり、

レース格が高い＝能力差が大きい

とは限りません。

むしろ重賞は、選び抜かれた強い馬同士が戦うため、能力差が圧縮されていることもあります。

重賞は小さな差を当てるゲームになりやすい

例えばGⅠで、

A馬　能力100
B馬　能力99
C馬　能力98
D馬　能力98
E馬　能力97

くらいの差しかないとします。

この場合、枠順、展開、馬場、当日の状態など、小さな条件が結果へ大きく影響します。

一方、1勝クラスで、

A馬　能力100
B馬　能力90
C馬　能力88

という構成なら、多少の不利があってもA馬が能力で押し切る可能性があります。

もちろん実際の競馬はこんな単純な数値ではありません。

ただ、「強い馬が揃っている重賞だから簡単」というより、

強い馬同士の差が小さいからこそ難しい

という面も考えられます。

平場にも「簡単なレース」と「難しいレース」がある

平場をひとまとめにするのも危険です。

例えば新馬戦は、実戦データそのものがありません。未勝利戦も成長や条件替わりの影響が大きく、難しいレースが多いでしょう。

一方、古馬1勝クラスや2勝クラスなら、各馬の戦歴が十分に蓄積されています。同じ条件を何度も走っている馬も多く、能力比較しやすい場合があります。

さらに少頭数で、能力上位馬がはっきりしている平場もあります。

したがって、

重賞対平場

という二分法だけでは少し粗いのだと思います。

本当は、

「どのような条件のレースが予測しやすいか」

を調べるべきなのでしょう。

AIなら「レースの予想難易度」を数字にできないか

ここは競馬AIでかなり面白そうです。

通常は、各馬のp_winを出します。

例えばAレースでは、

1位　0.35
2位　0.18
3位　0.12
4位　0.08

だったとします。

1位がかなり抜けています。

一方Bレースでは、

1位　0.14
2位　0.13
3位　0.12
4位　0.11
5位　0.10

と横並びです。

直感的には、Aレースの方がAIにとって予想しやすそうです。

このように、

指数1位と2位の差

や、

上位馬への確率集中度

を使えば、レース単位の「予測しやすさ」を作れるかもしれません。

そして、その数字を重賞と平場で比較します。

指数差が大きいレースほど本当に当たりやすいのか

例えば、

1位と2位のp_win差が0.15以上。

0.10～0.15。

0.05～0.10。

0.05未満。

というように分類します。

各グループで、

指数1位勝率。

単勝回収率。

複勝率。

を比較します。

もし差が大きいほど1位勝率も上昇するなら、

AI自身の自信度

として使える可能性があります。

そのうえで、

GⅠだから買う。

平場だから避ける。

ではなく、

AIが予測しやすいレースだから買う

という選択ができます。

これは「重賞か平場か」という分類より合理的かもしれません。

モデル同士の一致度も予想難易度になりそう

さらに、複数モデルを使う方法もあります。

例えば、

モデルA：1位＝5番
モデルB：1位＝5番
モデルC：1位＝5番

なら、かなり一致しています。

一方、

モデルA：5番
モデルB：8番
モデルC：2番

なら評価が割れています。

このとき、

モデル間で本命が一致するレースほど予想しやすい

という仮説が作れます。

これを重賞・平場で集計してみると面白そうです。

もしかするとGⅠの方がモデル評価が一致しやすい。

しかし回収率では平場の方が高い。

という結果もあり得ます。

そうなれば、

「重賞は予想しやすいが、馬券としては勝ちやすくない」

という構造が見えてきます。

重賞の方が予想しやすい人もいる

ここまで一般論として考えましたが、予想する人によっても違います。

例えば重賞だけ毎週詳しく見ている人なら、過去レースや各馬の特徴をよく知っています。

その人にとっては、重賞の方が圧倒的に予想しやすいでしょう。

逆に毎日大量のレースデータを処理しているAIなら、馬名を知っているかどうかは関係ありません。

GⅠ馬でも未勝利馬でも、入力された特徴量を同じ形式で処理します。

つまり、

人間にとっての予想しやすさ

と、

AIにとっての予想しやすさ

も違います。

人間は知っている馬ほど安心して予想できます。

AIは知名度ではなく、どれだけ過去データから説明できるかで判断します。

「知っている馬が多い」は予想しやすさの錯覚かもしれない

これは少し注意したいところです。

GⅠに出る馬を全頭知っている。

過去レースも見ている。

騎手も分かる。

すると、自分がレースを理解している感覚が強くなります。

一方、平場で知らない馬が並ぶと、

「難しい」

と感じます。

しかし、

知っていることと、正確に予測できることは別です。

むしろ知っている馬には思い入れもあります。

「あのGⅠで強かった」

「この馬には前走お世話になった」

「あの騎手なら大丈夫」

と、過去の印象が現在の評価へ入り込みます。

情報量が多い重賞だからこそ、先入観も多い可能性があります。

重賞は「予想したくなる」レースでもある

もう一つ重要なのが、重賞は単純に楽しいということです。

GⅠなら朝から考える。

新聞を読む。

SNSを見る。

動画を見る。

パドックを見る。

予想の時間自体が長くなります。

そのため、

「これだけ考えたから当たりそう」

という感覚も生まれます。

しかし予想に3時間使ったことと、その馬券の期待値は無関係です。

むしろ情報を集めすぎると、最後にはどの馬にも買う理由が見つかってしまうことがあります。

重賞では全馬について大量の肯定材料・否定材料があります。

結果として、

情報が多いから簡単なのではなく、情報が多すぎて判断が難しくなる

こともあります。

SNSの影響も重賞の方が大きい

重賞、とくにGⅠではSNS上の情報量が急増します。

「あの馬の調教がすごい」

「このデータに該当する馬は過去10年好走」

「この騎手は今日乗れている」

といった情報が大量に流れてきます。

すると、自分の予想に他人の評価が混ざります。

もともとA馬を本命にしていたのに、SNSでB馬の高評価を何度も見ているうちにB馬も買いたくなる。

結果として買い目が増えます。

市場参加者も同じ情報を見ているため、話題馬のオッズも下がるかもしれません。

重賞は情報が豊富ですが、

その情報を自分だけが利用できるわけではない

ことは常に意識しておきたいところです。

平場は「買わない」という判断もしやすい

平場のメリットとして、個人的に面白いのは感情的な思い入れが少ないことです。

GⅠなら、

「せっかくだから馬券を買いたい」

となります。

有馬記念で、

「分からないから見送ろう」

とするのは意外と難しいものです。

しかし土曜の1勝クラスなら、

「よく分からないから買わない」

と比較的簡単に判断できます。

これは長期的にはかなり重要かもしれません。

買いたいレースと、買う価値のあるレースは別です。

重賞は買いたい。

平場は条件がよければ買う。

この差が、結果として回収率に影響する可能性があります。

「重賞だけ買う」は資金管理上のメリットもある

一方で、重賞中心の購入には別のメリットがあります。

レース数を自然に絞れます。

毎週36レース全部買うより、重賞だけなら購入機会は大幅に減ります。

馬券で負ける原因の一つは、

予想精度より、買いすぎ

かもしれません。

平場まで広げると、

「せっかくデータを見たから」

「暇だから」

と購入レースが増える可能性があります。

その意味では、重賞しか買わないというルールは、予想しやすさとは別に資金管理の仕組みとして機能します。

AIなら「全レース予想、買うのは一部」ができる

ここはAIの強みです。

人間が36レースすべてを詳細に検討するのは大変です。

しかしAIなら全レースへ指数を出せます。

そのうえで、

p_winが一定以上。

指数差が一定以上。

オッズとの乖離が一定以上。

といった条件で、買うレースだけ抽出します。

つまり、

重賞か平場かを最初から決めなくてよい

のです。

GⅠでも条件に合わなければ買わない。

1勝クラスでも期待値が高ければ買う。

競馬AIにとっては、この方が自然でしょう。

レース格は特徴の一つにすぎません。

実際に検証するならどうするか

この疑問はデータでかなり検証しやすそうです。

例えば2015～2025年のJRAレースを、

• GⅠ
• GⅡ
• GⅢ
• オープン・リステッド
• 3勝クラス
• 2勝クラス
• 1勝クラス
• 未勝利
• 新馬

に分けます。

そしてAI指数1位について、

• 勝率
• 複勝率
• 単勝回収率
• 複勝回収率
• 平均p_win
• 1位と2位の指数差
• 人気との順位差
• 平均単勝オッズ

を比較します。

これだけでも、

「どのクラスでAIは当てやすいのか」

と、

「どのクラスで儲けやすいのか」

を分けて見られます。

「的中率は重賞、回収率は平場」という結果もあり得る

個人的には、こういう結果になっても不思議ではないと思います。

例えば、

区分	指数1位勝率	単勝回収率
重賞	32％	87％
平場	25％	103％

という結果です。

重賞では強い馬を正しく選べている。

だから的中率は高い。

しかし市場も同じ馬を高く評価しているため、オッズが低く回収率が伸びない。

平場では的中率は低い。

しかし、ときどき市場が見落とした人気薄をAIが上位評価し、それが回収率を押し上げる。

もしこうなれば、

予想しやすさと勝ちやすさは別物

ということがはっきりします。

もちろん逆の結果もあり得ます。

だから実際に調べる価値があります。

レース格より「市場との disagreement」を見たい

最終的には、

重賞だから。

平場だから。

よりも、

AIと市場の評価がどれくらい違うか

を見た方が面白い気がします。

例えば、

AI指数1位＝1番人気。

これは市場と一致しています。

AI指数1位＝8番人気。

これは大きく食い違っています。

後者は当然外れることも多いでしょう。

しかし、その中に市場が見落としている馬が含まれているなら、回収率を作る源泉になる可能性があります。

そして、その「食い違い」が重賞と平場のどちらで多いのかを調べれば、

平場の情報不足が本当に価格差につながっているのかも見えてきます。

重賞を予想する楽しさと、馬券研究は分けてもよい

ここまで効率の話をしましたが、重賞を買うこと自体を否定する必要はありません。

むしろ競馬の楽しさとしては、重賞には特別な魅力があります。

知っている馬。

世代の頂点を決めるレース。

長く追ってきた馬の対決。

大勢が同じレースを見る一体感。

こうしたものは平場とは違います。

だから、

楽しむ馬券は重賞。研究する馬券は条件次第。

と分けてもよいでしょう。

GⅠだから少額で参加する。

一方、AI戦略の回収率集計には、事前に決めた条件に該当したレースだけを入れる。

こうすれば「競馬を楽しむこと」と「期待値を検証すること」を両立できます。

「重賞だから買う」を一度疑ってみる

重賞開催日になると、

「今日は○○記念だから予想しよう」

となります。

しかし、期待値という観点では少し順番が逆かもしれません。

本来なら、

「今日のレースの中に買う価値のある条件があるか」

を探し、その中に重賞があれば買う。

という順番でもよいはずです。

ところが実際には、

重賞だから買うことを先に決め、

その後で買う馬を探します。

すると、どれだけ難しいレースでも何かしらの馬券を作ることになります。

これは意外と大きな違いです。

予想しやすいレースを先に選ぶという考え方

競馬予想というと、

「このレースでどの馬が勝つか」

を考えます。

しかし、その前に、

「そもそもこのレースは予想する価値があるのか」

を考えてもよさそうです。

AIなら、

指数差。

予測確率の集中度。

モデル間一致度。

データ量。

人気との乖離。

などからレースを選別できます。

人間なら、

能力差がはっきりしている。

展開が読みやすい。

得意条件。

過去レースをよく把握している。

といった基準があります。

つまり、

馬を選ぶ前にレースを選ぶ。

これが回収率を安定させるうえでは重要なのかもしれません。

まとめ

重賞は本当に平場より予想しやすいのか。

人間の感覚としては、重賞の方が予想しやすい場面は多いと思います。情報量が多く、知っている馬も多い。過去の対戦関係も分かりやすく、能力比較もしやすいからです。

しかし、

予想しやすいことと、馬券で勝ちやすいことは同じではありません。

重賞では自分が情報を持っている一方、市場も大量の情報を持っています。分かりやすく強い馬はしっかり人気になり、馬券的な妙味が残っていない可能性があります。

反対に平場は難しいですが、その難しさを市場全体も抱えているのであれば、評価差が生まれる余地があります。

さらに、重賞では強い馬同士の能力差が小さく、展開や枠順などのわずかな条件で結果が変わる可能性もあります。必ずしも「レベルが高いから簡単」とは言えません。

競馬AIで検証するなら、重賞と平場を分けて指数1位の勝率・複勝率・回収率を比較するだけでなく、指数差やモデル間の一致度からレースそのものの予測難易度を測ってみたいところです。

そこで、

「重賞では的中率が高いが回収率は低い」

「平場では的中率は低いが回収率は高い」

という結果が出れば、かなり面白いでしょう。

そして最終的には、

重賞か平場かではなく、自分やAIが予測しやすく、市場との評価差もあるレースを選ぶ

という方向へ行き着くのかもしれません。

GⅠだから買う。

土曜午前だから買わない。

ではなく、

このレースはどれくらい予測できるのか。

市場はどれくらい正確に評価しているのか。

その二つを見る。

「どの馬を買うか」より先に、「どのレースを買うか」を考えることが、重賞と平場の違い以上に重要なのだと思います。