競馬予想の実績は何レースあれば信用できるのか｜100レース勝っていれば十分なのか考える

競馬予想を見ていると、実績としてさまざまな数字が並んでいます。

「直近30レース回収率125％」

「100レース検証して回収率110％」

「今年の的中率38％」

「過去500レースでプラス収支」

こうした数字を見ると、かなり強そうに感じます。

特に回収率100％を超えていると、

「この予想は信用できるのでは？」

と思いたくなります。

しかし、そこで少し気になることがあります。

何レースくらい実績があれば、本当に信用していいのでしょうか。

10レースでは少なそうです。

30レースでも、たまたま大穴が一つ当たっただけかもしれません。

100レースあれば十分でしょうか。

500レースなら信用できるのでしょうか。

それとも1,000レース必要なのでしょうか。

競馬AIの成績を公開するときにも、これは避けて通れない問題です。

今回は、競馬予想の実績を「何レースあれば信用できるのか」という視点から考えてみます。

結論から言うと「○レースあれば十分」とは決められない

最初に答えを書いてしまうと、

100レースあれば信用できる

のような共通の基準は作りにくいと思います。

理由は、何を信用したいのかによって必要なデータ量が違うからです。

例えば、

「この予想の的中率は30％前後なのか」

を知りたい場合。

「この予想の回収率は110％前後なのか」

を知りたい場合。

「今後もプラス収支が期待できるのか」

を知りたい場合。

これらは似ていますが、別の問題です。

特に競馬では、的中率より回収率の方が安定するまで時間がかかりやすいでしょう。

1着かそれ以外かを見る的中率に対して、払戻金は2倍、5倍、20倍、100倍と大きく変動するからです。

つまり、「何レース必要か」を考える前に、

どの数字を信用したいのか

を決める必要があります。

10レースや20レースでは、ほとんど何でも起こる

例えば単勝を10レース買って、5回的中したとします。

的中率50％です。

かなり優秀に見えます。

しかし10回しか試していないなら、本来の的中率が30％程度でも偶然5回当たることはあります。

逆に、実力として勝率30％ある予想でも、10回やって1回しか当たらないこともあります。

競馬では短期間の数字がかなり揺れます。

さらに回収率ならもっと極端です。

10レースすべて100円ずつ購入。

9レース外れ。

最後の1レースで単勝15倍が的中。

購入1,000円に対して払戻1,500円。

回収率150％です。

数字だけ見れば非常に優秀ですが、

「10レース回収率150％」

を見て、長期的にも回収率150％あると判断するのは難しいでしょう。

高配当が一度入っただけで数字が大きく動くからです。

30レースでも「傾向が見え始める」程度

では30レースならどうでしょうか。

10レースよりはかなり情報が増えます。

ただし、まだ「信用できる」と言い切るには早いケースが多いと思います。

仮に本当の的中率が30％だったとしても、30レース程度では実際の的中率はかなり上下します。

単純化して、各レースの勝率が同じ30％で独立していると仮定すると、30レースで観測される的中率にはかなり大きな幅があります。

おおまかな95％の範囲で考えると、30％を中心に14～46％程度まで振れるイメージです。

もちろん実際の競馬では、各レースの勝率は同じではないので単純な計算はできません。

それでも、「30レースで的中率40％だった」という数字が、本当に40％の能力を意味しているとは限らないことは分かります。

30レースくらいなら、

「何となく傾向が見えてきた」

くらいに考える方がよさそうです。

100レースになると、ようやく評価らしくなる

個人的に一つの区切りとして使いやすいのは100レースだと思います。

100レースあれば、

勝った。

負けた。

連敗した。

高配当が入った。

人気馬が続いた。

ある程度さまざまな状況を経験します。

先ほどと同じように、本来の的中率30％をかなり単純化して考えると、100レースでは観測的中率がおおよそ21～39％程度に収まるイメージになります。

まだ幅はあります。

しかし30レースよりはかなり狭くなっています。

そのため、

100レースは「信用できる」ではなく「評価を始めてもよい」ライン

くらいに考えると分かりやすいかもしれません。

特に的中率を見るなら、100レース程度から数字の意味が少しずつ大きくなります。

一方、回収率については100レースでもまだかなり不安定です。

回収率は100レースでも簡単に壊れる

例えば100レースすべて100円購入したとします。

購入額は10,000円です。

払戻が11,000円なら回収率110％。

一見すると優秀です。

しかしその11,000円の中に、単勝50倍の的中が一つ含まれていたらどうでしょうか。

その的中だけで5,000円です。

もしその一頭が鼻差2着だったなら、総払戻は6,000円になり、回収率60％まで落ちます。

つまり、

たった一つのレースで回収率110％と60％が入れ替わる

ことがあります。

これでは「真の実力が110％」とはまだ言いにくいでしょう。

競馬の回収率を見るときは、レース数だけではなく、

「最大払戻を除いても成績が残るか」

という確認がかなり重要です。

高配当を除いた瞬間に崩れる実績は注意したい

例えば、

300レース。

回収率118％。

という実績があったとします。

かなり信用できそうです。

しかし内訳を見ると、

購入額30,000円。

払戻35,400円。

そのうち一度の三連単で12,000円。

だったらどうでしょうか。

最大払戻を除くと23,400円。

回収率78％になります。

この場合、

「300レースで回収率118％」

という数字自体は事実です。

しかし、

「この予想法には安定して118％の期待値がある」

とはかなり違います。

競馬では一発の高配当を狙うこと自体が悪いわけではありません。

問題は、その実績が一つの偶然にどれだけ依存しているのかです。

だから信用度を見るなら、レース数に加えて高配当依存度も確認したいところです。

300レースくらいになると的中率はかなり見やすくなる

先ほどの勝率30％の例を300レースまで増やすと、単純化した95％の範囲はおおよそ25～35％程度まで縮まります。

これくらいになると、

「この戦略の的中率はだいたい30％前後なのだろう」

という判断がかなりしやすくなります。

100レースで的中率35％。

300レースでも34％。

500レースでも33％。

というように推移していれば、かなり安心感があります。

逆に、

30レース45％。

100レース35％。

300レース27％。

と徐々に下がっているなら、最初の好成績が上振れだった可能性を疑えます。

つまりレース数が増えることの価値は、単に数字が大きくなることではありません。

成績がどのように落ち着いていくかを観察できること

にあります。

500～1,000レースあればかなり信用できる？

では500レースや1,000レースなら十分なのでしょうか。

的中率やモデルのキャリブレーションを見る上では、かなり有力な材料になります。

先ほどの単純な勝率30％モデルなら、1,000レースまで増えると観測的中率の幅はおおよそ27～33％程度まで縮まります。

ここまで来れば、実際の的中率が30％周辺なのか、20％なのか、40％なのかはかなり区別しやすくなります。

しかし、それでも回収率については油断できません。

特に高オッズ中心の戦略では、1,000レースあっても数回の高配当が全体収支を大きく左右する可能性があります。

逆に1～3番人気中心の単勝戦略なら、一回の払戻の影響は比較的小さくなります。

つまり必要なレース数は、

どんな馬券を買っているか

によっても変わります。

人気馬中心と穴馬中心では必要サンプルが違う

例えば単勝2～5倍の馬を中心に買う戦略があります。

的中率は比較的高い。

払戻も極端には大きくありません。

この場合、数百レース集まれば成績は比較的安定しやすいでしょう。

一方、

単勝20～100倍を中心に買う。

的中率3％。

という戦略ならどうでしょうか。

100レースやって3回程度しか当たりません。

たまたま0勝なら回収率0％。

たまたま5回当たれば大幅プラス。

かなり激しく振れます。

この戦略を100レースだけ見て評価するのは難しいです。

1,000レース、あるいはそれ以上必要になるかもしれません。

だから、

「競馬予想は500レースあれば信用できる」

という一律基準では足りません。

低的中・高配当になるほど、必要なサンプル数は増える

と考えた方が自然です。

馬券種によっても違う

単勝。

複勝。

ワイド。

馬連。

三連複。

三連単。

これらを同じ「100レース」で評価するのも少し無理があります。

例えば複勝で的中率50％なら、100レースで50回前後の払戻が発生します。

それなりに評価しやすいです。

一方、三連単で的中率2％なら、100レースで期待される的中はわずか2回です。

2回のうち一回が万馬券か10万馬券かで回収率はまったく違います。

そのため、

レース数だけでなく的中回数も見る

必要があります。

「500レース検証しました」

という数字だけではなく、

その中で何回当たったのか。

どんな配当だったのか。

まで確認した方が信用度を判断しやすくなります。

「100レース」と「1000頭予測」も違う

競馬AIでは少し別の問題もあります。

例えば100レースに15頭ずつ出走していれば、AIは1,500頭に確率を付けています。

モデルの確率精度を検証するなら、1,500頭分の予測データがあります。

しかし、

「AI指数1位を買う」

という戦略の成績を見る場合、対象は100レースしかありません。

つまり、

モデルそのものを評価するサンプル数

と、

馬券戦略を評価するサンプル数

は違います。

p_winのキャリブレーションなら全出走馬を使えます。

一方、AI1位単勝の回収率なら1レース1頭です。

競馬AIの「実績○レース」という言葉だけでは、何を検証しているのか分からない場合があります。

全レースの実績なのか「当たったレースだけ」なのか

外部の競馬予想を見るときには、さらに重要な問題があります。

例えば、

「直近20レースで15的中」

と紹介されていたとします。

かなり優秀です。

しかし、本当に連続した20レースをすべて公開していたのでしょうか。

それとも予想した100レースの中から、自信のあった20レースを後から抜き出したのでしょうか。

あるいは的中したレースだけSNSへ掲載しているのでしょうか。

実績を信用するには、

レース数以上に母集団が明確か

が重要です。

いつからいつまで。

どの条件。

何レース予想。

何レース購入。

賭け金はいくら。

外れも含めてすべて公開。

ここまで分からないと、100レースという数字だけでは判断できません。

「事前公開されていたか」はかなり重要

予想実績を評価するとき、個人的にかなり重視したいのが事前公開です。

レース前に、

この馬を買います。

この金額を買います。

と公開していた。

そしてレース後も記録が残っている。

これは信用度が高くなります。

一方、レース終了後に、

「実はこの馬を評価していました」

と言うだけなら、検証しようがありません。

さらに、

「推奨馬A・B・C・D・E」

の中から勝ったAだけを的中実績として扱うようなケースも注意が必要です。

馬券実績なら、

事前に購入ルールまで固定されていること

が重要です。

バックテスト1万レースと実戦100レースならどちらを信用するか

競馬AIでは、過去10年分を使えば数万レースのバックテストも可能です。

では、

過去10,000レースで回収率110％。

実戦100レースで回収率95％。

ならどう評価するのでしょうか。

10,000レースという数字だけなら、かなり強いです。

しかしバックテストには、

過学習。

情報リーク。

条件の後付け。

データ品質。

という別の問題があります。

例えば何百種類もの条件を試した結果、

「5～8番人気、芝1800m、良馬場、関西馬」

だけ回収率130％だった。

そしてその条件だけ採用した。

これは過去データへの偶然の適合かもしれません。

そのため、

大量のバックテストだけより、少数でも未来データで再現した方が価値が高い

場合があります。

最初に検証用データを分けていたか

例えば2015～2023年でモデルを作りました。

2024年を検証。

2025年を最終テスト。

という設計なら、かなり信用しやすくなります。

一方、

2015～2025年を全部眺めながら条件を調整し続けて、

最終的に回収率115％。

となった場合、何レースあっても安心できません。

モデルがその過去に合わせて作られているからです。

極端に言えば、

独立した100レースの方が、何度も調整に使った1万レースより価値がある

こともあります。

サンプル数だけではなく、データの使い方が重要です。

期間も重要になる

例えば1か月で500レースの実績がある予想法。

5年間で500レースの実績がある予想法。

どちらが安心できるでしょうか。

同じ500レースでも後者には、

春。

夏。

秋。

冬。

良馬場。

重馬場。

競馬場の違い。

騎手や馬の変化。

など、さまざまな環境が含まれます。

短期間に大量のレースを集めることはサンプル数の面では有利ですが、特定の環境に偏っている可能性があります。

そのため、信用度を考えるなら、

レース数×期間

で見る必要があります。

年ごとにプラスかどうかも見たい

例えば5年間で5,000レース。

総回収率105％。

これはかなり強そうです。

しかし、

1年目　83％
2年目　91％
3年目　88％
4年目　90％
5年目　173％

だったらどうでしょうか。

最後の一年の巨大な上振れで、全期間がプラスになっています。

反対に、

1年目　103％
2年目　108％
3年目　101％
4年目　107％
5年目　106％

なら、かなり印象が違います。

平均回収率が同じでも、

どれだけ安定して再現されているか

を見た方が信用しやすいです。

条件を細分化するとサンプル数は一気に減る

AI指数1位の実績が1,000レースあったとします。

十分に見えます。

しかし、

芝だけ。

東京だけ。

1600mだけ。

3歳以上だけ。

単勝5～10倍だけ。

と条件を分けていくと、対象は50レースしかないかもしれません。

そこで、

「東京芝1600mの5～10倍は回収率140％！」

と発見する。

しかしサンプル50では、偶然の可能性がかなり残ります。

これは競馬AIの研究で非常に起こりやすい問題です。

データを細分化すると、何かしら成績のいい場所が必ず見つかります。

だから「この条件だけ強い」という主張ほど、対象レース数を確認したいところです。

何個の条件を試したかも重要

例えば一つの条件だけ事前に決めて100レース試した。

回収率120％。

これは興味深いです。

一方、

100種類の条件を試して、最も成績の良かった条件が100レース・回収率120％。

では意味が違います。

100回くじを引けば、偶然当たりのような条件が出てくる可能性が高くなります。

つまり、

サンプル数が十分でも、大量の試行錯誤から選ばれた結果なら信用度は落ちる

ということです。

これが「100レース」という数字だけでは判断できない理由の一つです。

自分なら100・300・1000をどう扱うか

かなり大雑把ですが、自分の競馬AIを観察するなら、次のように考えたいです。

レース数	見方
～30レース	ほぼ観察段階。上振れ・下振れが非常に大きい
50～100レース	傾向が見え始める。まだ結論は出さない
100～300レース	的中率などを評価し始める
300～500レース	一定の再現性を検討できる
500～1,000レース	かなり有力な材料。ただし回収率の中身を確認
1,000レース以上	長期評価しやすいが、期間・条件・高配当依存は別途確認

これは統計学上の絶対基準ではありません。

馬券種やオッズ帯によって大きく変わります。

ただ、少なくとも、

「30レース回収率150％だから完成」

とは考えない。

100レースで少し期待する。

300～500レースで再現性を見る。

1,000レースまで来たらかなり真剣に評価する。

くらいの距離感がよさそうです。

回収率110％なら何レースあれば「本物」なのか

ここが一番知りたいところかもしれません。

しかし残念ながら、

「300レースなら110％を信用してよい」

とは言えません。

110％という数字が、

単勝2倍前後を大量に買ってできたのか。

50倍の的中数本でできたのか。

固定額なのか。

購入額が毎回違うのか。

特定の一年だけ好調なのか。

すべてで意味が変わります。

だから回収率を見るなら、レース数と一緒に、

最大払戻を除いた回収率。

中央値付近の配当。

年別回収率。

人気別回収率。

購入額。

最大ドローダウン。

なども確認したいです。

回収率という一つの数字を信用するのではなく、その数字を作った構造を信用できるかを見る

という考え方です。

「信用できる」を0か100かで考えない

ここまで考えると、

結局いつまで経っても信用できないのでは？

と思うかもしれません。

しかし信用を0か100かで考える必要はありません。

30レースなら、

「面白い仮説」。

100レースなら、

「もう少し追ってみたい」。

300レースなら、

「一定の傾向がありそう」。

1,000レースなら、

「かなり有力。ただし条件を確認したい」。

というように、データが増えるほど信頼度を少しずつ上げればよいと思います。

AIのp_winと同じです。

絶対に正しい。

絶対に間違っている。

ではなく、

現時点でどの程度信じる材料があるか

という確率的な考え方の方が競馬には合っています。

他人の予想実績を見るときのチェックポイント

他人の競馬AIや予想家を見る場合も、回収率だけを見ない方がよさそうです。

例えば、

何レース分か。

どの期間か。

全予想が公開されているか。

レース前に公開されていたか。

買い目と金額が固定されているか。

最大払戻はいくらか。

最大払戻を除いてもプラスか。

年別でも安定しているか。

条件が後付けではないか。

ここまで見ると、同じ「回収率120％」でもかなり違って見えます。

500レースを事前公開して安定して120％の人と、

20レースの的中画像だけを掲載して120％の人。

数字の表面が同じでも信用度はまったく違います。

自分のAIなら「何レース勝ったか」より成長過程を残したい

競馬AIを自分で運用している場合には、もう一つ重要なことがあります。

モデルを途中で変更します。

特徴量を追加する。

再学習する。

買い方を変える。

期待値条件を変更する。

すると、過去の1,000レースと現在のモデルが同じ戦略ではなくなることがあります。

例えば、

旧モデル700レース。

新モデル300レース。

合計1,000レース。

としてしまうと、現在のモデルを1,000レース検証したことにはなりません。

だから、

モデルVer.1。

モデルVer.2。

購入ルールVer.1。

購入ルールVer.2。

のように分ける必要があります。

競馬AIの実績は、単なる累計より、

同じルールをどれだけ継続できたか

の方が重要です。

予想が本当に強いなら、データが増えても逃げないはず

一つの考え方として、

本当に有効な戦略ならサンプルが増えても簡単には消えない

はずです。

30レース回収率160％。

100レース135％。

300レース115％。

500レース110％。

という推移なら、最初の上振れが薄まりながらも何か残っている可能性があります。

一方、

30レース160％。

100レース110％。

300レース91％。

500レース84％。

なら、最初の数字は偶然だった可能性が高まります。

だから最初から完璧な数字を求めるより、

レース数が増えるにつれてどこへ収束していくのか

を見る方が面白いと思います。

まとめ

競馬予想の実績は何レースあれば信用できるのでしょうか。

残念ながら、

100レース。

500レース。

1,000レース。

という絶対的な答えはありません。

的中率を見たいのか。

回収率を見たいのか。

人気馬中心なのか。

穴馬中心なのか。

単勝なのか三連単なのか。

バックテストなのか実戦なのか。

条件によって必要なレース数は変わります。

ただ、一つの目安として考えるなら、

30レース程度はまだ観察。

100レースで評価を始める。

300～500レースで再現性を見る。

500～1,000レース以上でかなり真剣に長期評価する。

くらいの距離感は持っておきたいところです。

そして回収率については、レース数だけでは足りません。

一発の高配当に依存していないか。

年をまたいでも続いているか。

すべての予想が事前公開されていたか。

購入ルールが途中で変わっていないか。

検証条件を後から選んでいないか。

まで確認する必要があります。

極端に言えば、

信用できる500レースと、信用できない5,000レースがある

ということです。

未来に対して固定したルールで積み上げた500レース。

何度も条件をいじりながら最も良い部分だけ選んだ5,000レース。

なら、前者の方が価値を持つことがあります。

競馬AIを観察する場合も、

「回収率110％を超えました」

という瞬間だけを見るのではなく、

100レース。

300レース。

500レース。

1,000レース。

とデータが増えたとき、その数字がどう変わっていくのかを残しておきたいです。

最初の100レースでは120％だった。

300レースでも112％。

500レースでも108％。

1,000レースでも106％。

となれば、派手さは徐々になくなっても、むしろ信用度は上がっていきます。

競馬予想の実績で本当に見たいのは、最も高かった瞬間の回収率ではありません。

レース数が増えて上振れが削られていった後にも、何が残っているのか。

そこまで観察できて初めて、「この予想には何かありそうだ」と言えるのではないでしょうか。