競馬予想には、ある程度「定番」があります。
近走成績。
持ち時計。
血統。
騎手。
枠順。
調教。
馬場適性。
展開。
オッズ。
AIであれば、これらを数値化して大量の過去データから勝率を推定します。
どれも重要な情報です。
しかし、長く競馬を見ていると一度くらい、
「誰も見ていないようなところから予想できないのか？」
と考えたくなります。
例えば、
「この馬が強いか」
ではなく、
「なぜこの馬はこんなに売れていないのか」
から考える。
馬自身ではなく、
同じレースに出ているほかの馬の“違和感”から本命を決める。
あるいは、
前走着順ではなく、
「前走でどれだけ競馬をしていなかったか」
を評価する。
普通なら特徴量にしないものを、あえて予想材料にしてみる。
もしそこに市場が十分評価していない情報があれば、面白いかもしれません。
もちろん、
変わった予想法＝勝てる予想法
ではありません。
むしろ奇抜な条件を探し続ければ、偶然回収率が高く見える条件はいくらでも作れます。
だから今回は「必勝法」を探すのではなく、
一見すると変だけれど、仮説として検証してみる価値がありそうな競馬予想方法
を、かなり自由に考えてみます。
- まず「意外な予想法」と「オカルト」は分けたい
- 予想法①「一番強い馬」ではなく「一番説明しにくいオッズ」を探す
- 予想法②「買いたい馬」ではなく「どうしても消せない馬」を探す
- 予想法③「前走で最も何もしていない馬」を探す
- 予想法④「強かった馬」ではなく「一番負けても仕方なかった馬」を買う
- 予想法⑤「前走の勝ち馬」ではなく「前走で一番損をした馬」を探す
- 予想法⑥「人気馬が全部同じ弱点を持つレース」を探す
- 予想法⑦「1番人気を当てる」ではなく「1番人気が飛ぶレースだけ買う」
- 予想法⑧「指数1位」を買わず「指数順位が最も不安定な馬」を探す
- 予想法⑨「AIと人間が最も喧嘩している馬」を買う
- 予想法⑩「みんなが見ている情報」をあえて消す
- 予想法⑪「消したら一番モデルが困る情報」を探す
- 予想法⑫「2位ばかりになる馬」を探す
- 予想法⑬「4着が多い馬」を狙ってみる
- 予想法⑭「ずっと人気より走っている馬」を探す
- 予想法⑮「誰も本命にしづらい馬」を探す
- 予想法⑯「実況で名前を呼ばれなかった馬」を探す
- 予想法⑰「SNSで話題になっていない馬」を買う
- 予想法⑱「馬券を買いたくならない馬」をAIに探させる
- 予想法⑲「レースを予想せず、予想しやすいレースを予想する」
- 予想法⑳「AIが一番自信なさそうなレースだけ穴狙いする」
- 予想法㉑「一番つまらない馬」を買う
- 予想法㉒「前走と今回で何も変わっていない馬」を買う
- 意外な予想法をAIで検証するときの注意
- 面白そうな予想法を3段階で検証する
- 意外性より「市場が見落とす理由」が重要
- 今回の中で個人的に検証してみたいもの
- 予想法を考えること自体が競馬AIの学習なのかもしれない
- まとめ
まず「意外な予想法」と「オカルト」は分けたい
意外性を求めると、すぐにこんな世界へ行けます。
馬名の文字数。
誕生日。
枠の色。
記念日。
サイン馬券。
前日のスポーツ結果。
有名人の発言。
もちろん、競馬の楽しみ方としては面白いと思います。
ただ、このブログで競馬AIとして観察したいのは、
意外だけれど、競馬の結果につながる理由を少しは説明できそうなもの
です。
例えば、
「前走4着馬が強い」
だけでは弱い。
しかし、
「前走4着馬の中でも、直線で一度進路を失いながら上がり上位だった馬」
なら、能力を出し切れなかった可能性があります。
奇抜さそのものではなく、
従来の予想では見落とされやすい情報を別の角度から見る
ことを目指します。
予想法①「一番強い馬」ではなく「一番説明しにくいオッズ」を探す
普通は、
馬を評価してからオッズを見ます。
逆にしてみます。
最初にオッズだけを見て、
「この人気順位、なぜ？」
という馬を探します。
例えば、
前走1番人気2着。
同距離。
騎手継続。
大きな条件悪化なし。
なのに今回は7番人気。
こういう馬です。
逆もあります。
近走内容はそれほどでもないのに2番人気。
なぜそこまで売れているのか。
この方法では、
「どの馬が強いか」
より、
市場の評価に説明できない部分がないか
を探します。
競馬ではオッズそのものが大量の参加者の予想結果です。
その集合知から大きく外れている馬には、
何か理由があります。
その理由が妥当なら市場が正しい。
理由が弱いなら、価格の歪みかもしれません。
AIなら、
予測勝率順位－人気順位
の差を特徴として保存する方法もあります。
例えば、
AI順位1位
人気順位8位
なら差は＋7。
この乖離が大きい馬だけを集計すると、何か見えるかもしれません。
予想法②「買いたい馬」ではなく「どうしても消せない馬」を探す
通常は、
本命。
対抗。
単穴。
と上から選びます。
逆に、
消去法を最後まで生き残った馬
を買う方法です。
例えば16頭立て。
距離実績なし。
近走能力不足。
極端な外枠。
休み明け成績不振。
今回明確な条件悪化。
と、一頭ずつ消します。
最終的に、
「積極的に買いたいわけではないが、消す理由がない」
という馬が3頭残った。
この3頭を候補にする。
これは少し地味ですが、考え方として面白いです。
人間は「良いところ」を探すと、好きな馬に都合のよい材料を集めがちです。
一方、
なぜ買わないのか
から考えると、違う結果になる可能性があります。
予想法③「前走で最も何もしていない馬」を探す
前走成績では、
1着。
2着。
3着。
という上位馬が評価されます。
そこで逆に、
前走でほとんど能力を使っていない馬
を探します。
例えば、
スタートで大きく出遅れ。
最後方のまま。
直線でも進路なし。
結果12着。
これを普通に見ると惨敗です。
しかし、
「前走12着」
ではなく、
そもそも前走はまともに競馬へ参加できていなかった
と捉えます。
もし今回、
枠順改善。
距離短縮。
騎手変更。
スタート改善余地。
などがあれば、
前走着順が人気を下げる方向にだけ効いている可能性があります。
つまり、
負けた馬を探すのではなく、負け方が参考にならない馬を探す
という方法です。
予想法④「強かった馬」ではなく「一番負けても仕方なかった馬」を買う
これも似ています。
前走負けた理由を整理します。
大外を回った。
ハイペースを先行した。
スローペースで後方。
重馬場不向き。
距離長すぎ。
不利。
休み明け。
相手が強い。
複数の不利条件が重なった馬を探します。
例えば、
前走10着。
しかし、
大外枠。
ハイペースを2番手。
距離延長。
今回すべて改善。
なら、
前走10着という数字そのものを低く評価します。
この方法の面白いところは、
良い成績を探すのではなく、悪い成績を許せる理由を探す
ところです。
ただし、何でも「不利だった」で説明し始めると危険です。
本当に不利だったのか。
単純に弱かったのか。
ここは映像やデータで確認したいところです。
予想法⑤「前走の勝ち馬」ではなく「前走で一番損をした馬」を探す
競馬では着順だけではなく、
どれくらいロスを背負ったか
もあります。
例えば、
A馬 1着・内々を完璧に立ち回る
B馬 5着・大外を回す
結果表ではAの圧勝です。
しかし走行距離や展開まで考えれば、Bの方が能力的には近かった可能性があります。
そこで、
- 外を回した距離
- 位置取り
- ペース
- 馬場の有利不利
- 前が壁
- 出遅れ
などを減点ではなく、
「どれだけ損をしたか」という一つの指数
にしてみます。
名付けるなら、
「損失競馬指数」
のようなものです。
次走でその損失要因が消えた馬を狙います。
AIとの相性もよさそうです。
予想法⑥「人気馬が全部同じ弱点を持つレース」を探す
馬ではなく、
レース全体を見る
方法です。
例えば上位人気5頭が、
すべて差し・追い込み。
そして逃げ馬が1頭しかいない。
こういうレースなら、
「人気馬の中で誰が強いか」
ではなく、
人気馬全体が展開面で不利になる可能性
を考えます。
反対に、
人気上位が逃げ・先行馬ばかり。
前へ行きたい馬が多い。
なら差し馬を探します。
つまり、
「穴馬を探す」
より先に、
人気馬グループの共通弱点を探す
方法です。
人気馬のうち1頭だけ弱点があるなら、その馬だけ飛ぶかもしれません。
しかし上位人気全体に同じ弱点があるなら、
レースそのものが荒れる可能性があります。
予想法⑦「1番人気を当てる」ではなく「1番人気が飛ぶレースだけ買う」
さらに極端にします。
勝ち馬予想をやめます。
まず、
1番人気が馬券外になりそうか
だけ予測します。
例えば、
- 初距離
- 休み明け
- 昇級
- 大外枠
- 展開不利
- 前走展開恵まれ
- オッズ1倍台
- AI評価は3～4位
など。
これらから、
「この1番人気は市場ほど信頼できない」
というレースだけ選びます。
その後で、
残りの馬から買い目を作る。
これは、
勝つ馬を直接当てるより、過剰評価された馬を探す
という方法です。
競馬では人気馬が飛ぶだけで、残りの馬券オッズが相対的に高くなります。
つまり「誰が勝つか」より、
誰に資金が集まりすぎているか
を見るわけです。
予想法⑧「指数1位」を買わず「指数順位が最も不安定な馬」を探す
AI指数があるなら、普通は1位を買います。
少し変えてみます。
モデル条件を少し変えます。
例えば、
直近3走重視。
5走重視。
騎手データあり。
騎手データなし。
オッズあり。
オッズなし。
馬場特徴量あり。
なし。
複数のモデルを走らせます。
すると、
どのモデルでも1～2位の馬。
モデルによって1位にも10位にもなる馬。
が出てきます。
後者は、
評価が非常に不安定な馬
です。
普通なら買いにくい存在です。
しかし人気薄であれば、
「一部の条件ではかなり高評価される理由がある」
とも言えます。
安定高評価馬だけでなく、
モデル間の意見が割れている馬
を観察する。
これは少し変わった使い方です。
予想法⑨「AIと人間が最も喧嘩している馬」を買う
例えば、
人間の印：◎
AI順位：12位
あるいは、
人間：完全消し
AI順位：1位
こういう馬です。
普通なら不安になります。
しかし研究対象としては面白いです。
なぜこんなに評価が違うのでしょうか。
人間が見ているのは、
前走内容。
映像。
馬場。
展開。
AIが見ているのは、
大量の数値的パターン。
両者が大きく食い違うところには、
どちらかが見落としている情報
がある可能性があります。
買い戦略として使うなら、
「AIと人間が一致した馬」
より、
「極端に不一致の馬」
の回収率を調べてみる。
意外と面白い実験です。
予想法⑩「みんなが見ている情報」をあえて消す
例えば騎手人気です。
ルメール。
川田。
戸崎。
横山武史。
有力騎手が乗ると人気へ影響します。
そこでAIモデルから、
騎手特徴量を全部抜いてみる。
そして通常モデルと比較します。
通常モデル：3位
騎手なしモデル：1位
実人気：8番人気
こんな馬がいたとします。
すると、
「騎手を除いた馬自身の条件ではかなり高評価」
という見方ができます。
逆に、
騎手ありモデル：1位
騎手なし：7位
なら、
騎手の評価によってかなり持ち上げられている馬かもしれません。
同じことを、
人気。
前走着順。
調教。
血統。
などで試せます。
特徴量を足すのではなく、あえて消したときに何が残るかを見る。
これはAIらしい意外な予想法です。
予想法⑪「消したら一番モデルが困る情報」を探す
さらに進めると、
モデルからある特徴量を消したとき、
予測が大きく変化する馬を探します。
例えばA馬。
通常p_win：0.20
騎手特徴を削除：0.12
かなり落ちました。
B馬。
通常：0.18
騎手削除：0.17
ほとんど変わりません。
A馬は、
騎手依存度が高い評価
ということになります。
同じように、
距離実績依存。
枠依存。
前走実績依存。
血統依存。
などを作れます。
そして、
「何に依存して評価されている馬なのか」
からレースを見る。
これは普通の指数順位よりも、かなり違った見え方になりそうです。
予想法⑫「2位ばかりになる馬」を探す
勝ち馬予想では1着率を見ます。
しかし、
なぜか2着が多い馬。
なぜか3着が多い馬。
というタイプが本当に存在するのか。
これも調べてみたいテーマです。
例えば、
勝率8％。
複勝率48％。
という馬。
一方、
勝率15％。
複勝率30％。
という馬。
前者は単勝では魅力が薄くても、複勝やワイドでは使いやすいかもしれません。
つまり、
「勝てない馬」を消すのではなく、「負け方が安定している馬」を評価する
という逆転です。
三連複やワイドなら特に意味があります。
予想法⑬「4着が多い馬」を狙ってみる
競馬民に嫌われそうな条件です。
いつも4着。
馬券に絡まない。
非常に腹立たしいタイプです。
しかし考えてみます。
何度も4着になれるということは、
馬券内までかなり近いところにはいる
とも言えます。
例えば直近5走が、
4着
5着
4着
3着
4着
なら、
能力的にはクラスで安定して上位です。
しかし「勝てない馬」という印象で人気が下がる可能性があります。
条件替わりであと一押しあれば、
馬券内へ入るかもしれません。
そこで、
「直近○走で4着回数が多い馬」
を特徴量にする。
意外と現実味があります。
ただし人気しているなら妙味はありません。
予想法⑭「ずっと人気より走っている馬」を探す
着順そのものではなく、
人気順位と着順の差
を見ます。
例えば、
10番人気→6着
8番人気→4着
12番人気→7着
9番人気→5着
一度も馬券には絡んでいません。
だから目立ちません。
しかし毎回、
市場予想より上の着順
へ来ています。
逆に、
1番人気→4着
2番人気→5着
1番人気→3着
のように、毎回市場評価を下回る馬もいます。
そこで、
「人気に対してどれだけ走ったか」
を積み上げます。
名付けるなら、
市場期待超過指数
のようなものです。
勝った馬ではなく、
何度も市場を少しずつ裏切っている馬
を探す。
地味ですが面白いと思います。
予想法⑮「誰も本命にしづらい馬」を探す
例えば、
勝ち切れない。
騎手が地味。
前走5着。
重賞実績なし。
派手な末脚なし。
何となく本命にはしづらい。
しかし、
条件は全部安定している。
こういう馬は、
2番手、3番手評価にはされても、
誰からも強く支持されない
可能性があります。
競馬では「本命にしたくなる理由」が人気を作ります。
圧勝。
スター騎手。
派手な上がり。
GⅠ実績。
そこから外れる、
説明しにくいけれど安定して強い馬
は、市場で過小評価される可能性があるのではないか。
これも一つの仮説です。
予想法⑯「実況で名前を呼ばれなかった馬」を探す
かなり意外性極振りです。
前走映像を見て、
実況でほとんど名前が出ない馬。
しかし最後を見ると、
7着くらいまで来ている。
こういう馬を探します。
実況は当然、
先頭。
人気馬。
大きく動いた馬。
を中心に呼びます。
つまり、
実況で名前が出ない＝レース中に目立たなかった
可能性があります。
目立たないまま着順だけそこそこ。
そして次走人気もない。
なら、地味に走っていた馬を市場が評価していない可能性があります。
もちろん実況回数自体が能力を表すとは思いません。
しかし、
「目立たなさ」
を数値化する発想としては面白いです。
AIで映像・実況テキストを扱えるなら、いつか本当に検証できるかもしれません。
予想法⑰「SNSで話題になっていない馬」を買う
これもかなり変わっています。
レース前にSNS上の馬名言及数を数えます。
そして、
人気順位に対して妙に話題になっていない馬。
逆に、
人気以上に大量に言及されている馬。
を探します。
例えば、
JRA人気3位なのにSNS言及10位。
何か地味です。
一方、
人気8位なのにSNS言及2位。
話題先行かもしれません。
ここから、
SNS注目度と実オッズの差
を見る。
以前考えた的中報告などと同じく、SNSは市場心理そのものを観察する材料にもできます。
ただしSNS母集団の偏りが非常に大きいため、かなり慎重な検証が必要です。
予想法⑱「馬券を買いたくならない馬」をAIに探させる
人間には、
買いたくなる馬があります。
前走1着。
有名騎手。
好調教。
人気。
反対に、
買いたくならない馬もいます。
地味。
前走6着。
知らない騎手。
目立つ材料なし。
そこであえて、
人間が買いたくならなそうな馬の中からAI高評価馬だけを抽出する
方法です。
例えば、
AI上位3位以内。
前走着順5着以下。
騎手人気低め。
単勝10倍以上。
という条件。
これは、
人間心理とAI評価がずれる場所を狙う戦略です。
もし市場に人間の「買いたくなる／ならない」が残っているなら、何か見つかるかもしれません。
予想法⑲「レースを予想せず、予想しやすいレースを予想する」
これは少しメタな方法です。
すべてのレースで勝ち馬を予測するのではありません。
まず、
AIが自信を持ちやすいレースそのもの
を予測します。
例えば、
指数1位と2位の差が大きい。
モデル間で1位が一致。
人気とAI評価も大きく矛盾しない。
過去に似た条件のデータが多い。
こういうレースだけ買います。
逆に、
指数差がほぼない。
モデルごとに順位がバラバラ。
未知条件が多い。
というレースは見送ります。
つまり予測対象を、
「勝ち馬」
から、
「自分が予測できるレースか」
へ一段上げるわけです。
これはかなり有効そうに見えます。
予想法⑳「AIが一番自信なさそうなレースだけ穴狙いする」
先ほどの逆です。
AIの予測確率が、
1位 12％
2位 11％
3位 10％
4位 9％
5位 8％
のように横並び。
つまり、
AI自身もよく分かっていないレース
です。
普通なら見送るべきです。
しかし、
もし市場だけが1頭を強く支持しているならどうでしょうか。
AI：ほぼ横並び
市場：1番人気2.0倍
なら、
「市場だけが自信を持ちすぎている」
可能性があります。
このようなレースで、
1番人気以外の馬券を買う。
かなり攻めた戦略です。
もちろんAIが単純に間違っている可能性もあります。
だからこそ検証対象として面白いところです。
予想法㉑「一番つまらない馬」を買う
究極に地味です。
特に欠点なし。
特に長所なし。
前走4着。
今回も同条件。
騎手継続。
人気5番手。
誰も大きく推していない。
こういう馬です。
競馬予想は、
「何か特別な理由がある馬」
を探しがちです。
しかし実際には、
特別なことが何も起きない馬が、淡々と好走することもあります。
つまり、
変化を探しすぎず、最も普通の馬を買う
という逆張りです。
「変わり身」ばかり探している人間に対して、市場が意外と地味な継続力を軽視しているなら意味があります。
予想法㉒「前走と今回で何も変わっていない馬」を買う
これも同じ方向です。
競馬記事では、
距離短縮。
騎手変更。
ブリンカー。
馬場替わり。
など「変わったこと」が注目されます。
なら、
何も変わっていない馬
を調べてみます。
同競馬場。
同距離。
同騎手。
同じような枠。
同じクラス。
そして前走好内容。
非常に地味です。
しかし、
前走と同じことを再現しやすい
とも考えられます。
AI的には、未知の条件が少ない馬とも言えます。
意外性極振りの記事で、
最後に「何も変わらない馬」を狙うのは少し面白い気がします。
意外な予想法をAIで検証するときの注意
ここまで大量に案を出しました。
しかし、ここに最大の罠があります。
20個。
50個。
100個。
変わった条件を試せば、
必ずどこかで、
回収率150％
のような条件が出てきます。
例えば、
「7番人気以下＋前走4着＋距離短縮＋偶数馬番」
で回収率180％。
見つけた瞬間は、
「すごい法則を発見した」
と思います。
しかし条件を大量に試した結果、偶然その組み合わせだけ高かった可能性があります。
これは、以前考えた「回収率100％超えを名乗る条件」と同じ問題です。
意外な予想法ほど、
発見した瞬間より、その後に再現するか
を見る必要があります。
面白そうな予想法を3段階で検証する
変わった仮説を思いついたら、次のように進めるとよさそうです。
STEP1 仮説を言葉にする
例えば、
「人気より毎回上の着順へ来ている馬は、次走も過小評価されやすい」
とします。
STEP2 過去データで確認する
2015～2023年などで、
条件該当馬の勝率。
複勝率。
単勝回収率。
複勝回収率。
を確認します。
STEP3 別期間で確認する
2024～2025年。
さらに2026年のリアルタイムデータ。
同じ条件を一切変更せず使います。
ここでも再現するなら、初めて少し面白くなります。
意外性より「市場が見落とす理由」が重要
結局、一番重要なのは、
なぜその条件がオッズに十分反映されないのか
です。
例えば、
前走着順。
騎手。
重賞実績。
は誰でも見ます。
だから市場へ反映されやすい。
一方、
人気に対する着順差。
モデル間の評価差。
前走のロス。
予測不確実性。
市場とAIの乖離。
などは、少し計算しないと分かりません。
もし勝機があるとすれば、
単に珍しいデータではなく、
有効なのに多くの人が使いにくいデータ
なのだと思います。
今回の中で個人的に検証してみたいもの
今回挙げた中なら、競馬AIとの相性を考えて特に気になるのは次の5つです。
| 予想法 | 面白い理由 |
|---|---|
| AI順位と人気順位の乖離 | 市場評価との差を直接見られる |
| 人気より着順が良い馬 | 市場の継続的な過小評価を探せる |
| 予測モデル間の順位差 | AI自身の不確実性を見られる |
| 人気馬グループの共通弱点 | 個別馬ではなくレース構造を評価できる |
| 前走の「損失競馬指数」 | 着順に出ない内容を数値化できる |
特に、
AI順位－人気順位
は今のデータでも比較的簡単に作れます。
例えば、
AI1位・人気7位以下
だけを抽出して、
単勝回収率。
複勝回収率。
人気別。
距離別。
競馬場別。
を出す。
かなり面白そうです。
予想法を考えること自体が競馬AIの学習なのかもしれない
AIを使っていると、
「特徴量を増やせば強くなる」
と考えがちです。
しかし本当に重要なのは、
何を数字として表現するか
です。
着順。
タイム。
斤量。
騎手。
だけではなく、
「市場期待を何回上回ったか」
「どれくらい評価が不安定か」
「前走でどれだけ損をしたか」
のような、人間が概念として考えたものを数値へ変換する。
ここに競馬AIの面白さがあります。
AIが勝手に競馬の新しい概念を考えてくれるわけではありません。
人間が、
「こんな見方はどうだろう」
と仮説を作る。
AIが大量データで確かめる。
この繰り返しです。
まとめ
「そんな着想なかった！？」
と言いたくなる競馬予想方法。
考えようと思えば、かなりたくさんあります。
一番強い馬ではなく、
一番オッズの説明が難しい馬。
一番好走した馬ではなく、
一番負けても仕方なかった馬。
AI指数1位ではなく、
AIと人間の評価が最も食い違う馬。
人気馬を選ぶのではなく、
人気馬全体が同じ弱点を持つレース。
モデルが最も自信を持つ馬ではなく、
モデル同士の評価が最も割れる馬。
さらに、
実況で目立たなかった馬。
SNSで話題になっていない馬。
人気より毎回少しだけ上へ来る馬。
4着ばかりの馬。
そして最後には、
何の変化もない「一番つまらない馬」。
普通の予想とはかなり違う角度から競馬を見ることができます。
ただし、
変わった着想だから優位性があるわけではありません。
むしろ奇抜な条件を大量に試すほど、偶然の高回収率を発見しやすくなります。
だから、
面白い仮説を思いつく。
過去データで試す。
別期間で再検証する。
実戦で条件を変えずに観察する。
という順番が重要です。
そして何より、
「なぜこの予想法なら市場より少しだけ有利になれるのか」
を説明できるか。
そこまで考えたいところです。
競馬でまだ誰も見つけていない魔法の特徴量があるかどうかは分かりません。
しかし、
みんなと同じデータを、少し違う問いで見る
ことにはまだ余地がありそうです。
「どの馬が強い？」
だけではなく、
「なぜこの馬はこんなに人気がない？」
「なぜこの人気馬をみんな信用している？」
「どの馬が一番損をして負けた？」
「AI自身が一番迷っているのはどのレース？」
問いを変えると、
同じ競馬データでも見え方が変わります。
もしかすると「意外性極振りの競馬予想」とは、
奇妙なデータを探すことではなく、
今まで当たり前だと思っていた予想の問いそのものを変えてみること
なのかもしれません。
コメント