おーかの競馬サイエンス

競馬大好きOLのおーかです🌸
普段はデータサイエンティストのお仕事をしています。

膨大な競馬データを独自のAIモデルで分析し、回収率100%超えをはじめとした、“期待値の高い条件”を見つけて紹介していきます☺️

[おーかの競馬サイエンス @ohka_vodka]

人生初バズりでびっくりしてます！！
色々批判や厳しいお言葉も来ていますが、私はただの競馬YouTuberです🌸

8月に動画投稿をはじめて、有難いことにチャンネル登録者もうすぐ2000人です。

競馬のデータ検証や、予想を発信していますので是非のぞいてみてください☺️

https://t.co/rTujWnQ8ZZ

[おーかの競馬サイエンス @ohka_vodka]

武蔵野ステークス＆デイリー杯2歳ステークスの全頭診断を公開しました🌸

#武蔵野S #デイリー杯2歳S
https://t.co/ZQHTepq0IO

[おーかの競馬サイエンス @ohka_vodka]

@kozao_jp 直接的に禁止するような条項はないと認識しています🤔
また技術的な検知も不可能だと思いますね。。

[おーかの競馬サイエンス @ohka_vodka]

思わぬ方向に議論が広がっていますが、ひとつ誤解を解かせてください😌

私は「生成AIのおかげで、誰でも簡単に回収率100%超の競馬AIを作れるようになった」とは思っていません。

本業でも機械学習エンジニアをしている私が、生成AI登場以前から何百時間も実験を重ね、それでも届かなかった100%の壁。

それを突破できた大きな要因が、生成AIによる開発・実験効率の飛躍的な向上でした。

もちろん、生成AIに丸投げして完成したわけではありません。実験を効率よく回すためのハーネスや実行環境も、試行錯誤しながら構築しています。コストもかけています。

未経験の方が今から同じことをするには、まだ相応のハードルがあると思っています。

一方で、最近の競馬におけるオッズ急落には、生成AIの普及が少なからず影響していると考えています。

私の仮説は大きく3つです。

① Claude Codeなどの登場で、初心者でも自動投票システムを開発しやすくなり、情報や予想をもとにした自動発注が増えた。

② 機械学習を使わなくても「オッズが〇倍以下なら買う」といったルールベースの自動投票は比較的容易に実装できるため、参入者が増えた。

③ 以前から競馬AIを開発していた人たちが、生成AIによって実験効率を飛躍的に高め、これまで越えられなかった収益性の壁を突破し始めた。

個人的には、③の影響が最も大きいのではないかと考えています。

もちろん、これは現時点での私の仮説であり、実際の内訳を示すデータがあるわけではありません。

なお、現時点で私のモデルや開発環境を公開する予定はありません。

ただ、技術は日進月歩です。いつか私のモデルや開発手法が特別なものではなくなったときには、公開してもいいと思っています。

私が伝えたいのは「生成AIで誰でも簡単に競馬で勝てるようになった」という話ではありません。

「生成AIによって、これまで一部の人にしか越えられなかった技術的な壁が、急速に低くなり始めている」

ということです。

そして、その変化は競馬に限った話ではないと思っています。

[おーかの競馬サイエンス @ohka_vodka]

エリザベス女王杯の全頭診断動画をあげました🌸

あの穴馬にS評価！ぜひ抑えてもらいたいです☺️

https://t.co/nPYWMlqpBL

[おーかの競馬サイエンス @ohka_vodka]

3連単1200万のアルゼンチン共和国杯、皆さんまだ少し引きずってますよね🤭

今週はG1エリザベス女王杯ですが、皆さん、固い決着予想を避ける気がしませんか？

「重賞が荒れた翌週は、人気馬にオッズ妙味がある説」を過去10年分のデータで検証しました🌸

重賞の3連複が10万円・20万円以上と大荒れした翌週の重賞で、1番人気の単勝を買い続けた回収率は80〜81%。

荒れなかった週の翌週(78%)との差は+1.5〜+3.1ptで、p=0.77〜0.92の誤差の範囲でした。

「荒れたあとは人気馬が美味しい」は確認できませんでした🤔

[おーかの競馬サイエンス @ohka_vodka]

競馬クイズです🐴
人気馬で、3着以内に来やすいのはどっち？

①上手い騎手 vs コース実績あり
②前走1着 vs 前走2〜3着
③3歳 vs 5歳以上
④ダートの内枠 vs 外枠

答え合わせはこの動画で！
過去10年分のデータで、軸馬選びの一つの正解を出しました🌸

#競馬 #競馬AI

https://t.co/plnb2kBInm

[おーかの競馬サイエンス @ohka_vodka]

「回収率100%を超えるAIがあるなら、YouTubeなんかやらずに馬券で億万長者になればいいのでは？」

的なコメントをよく頂くので、少しお話しさせてください（長いです笑）

まず、競馬には税金という大きな壁があります。

有名な「卍さん」の馬券裁判をご存じの方も多いと思いますが、競馬の払戻金は、ハズレ馬券を経費として認めてもらえるかどうかで、税負担が大きく変わります。

一定の条件を満たせば経費として認められる判例もありますが、AIを使っているからといって誰でも認められるわけではありません。

芸人のじゃいさんも問題提起されていますが、競馬の税制には議論の余地があると感じています。

そして、現状の私のAIも、ハズレ馬券を経費にできない前提では、税引き後に利益を残すのが難しいのが実情です。

私の想定する購入規模や税率では、税引き後に利益を残すには回収率130%程度が必要になります。

これがどれほど高い壁か、競馬AIを開発している方ならよく分かると思います。

もちろん、無謀な夢として、そこを目標に実験を続けていますが😊

ちなみに誤解されやすいですが、回収率130%だからといって、元手が1.3倍になるという意味ではありません。

馬券は同じ資金を何度も回転させられるので、仮に年間回収率110%でも、購入規模次第では税引き前にかなり大きな利益を生む可能性があります。

だからこそ、税金の問題は無視できないんですよね。

そして、もうひとつ。

私は機械学習エンジニアである以前に、根っからの競馬ファンです。

純粋に「競馬を攻略すること」をAIを使って楽しんでいます。

これは生成AIが登場する前から、ずっとやっていることです。

良いものが出来てきたので、せっかくなら独りよがりではなく、沢山の人に反応をもらいたい。

そして、AIを開発する過程で分かった有意義な情報をYouTubeやnoteで発信し、対価をいただければ、AIの改善費用にも充てられます。

（そしてまた新たに得た情報を、皆さんにお返しできます🙏）

そんな理由で発信を始めました。

ちょっとバズって舞い上がり、すぐ青バッジにしてしまいました🤣

長文すみませんでした！

[おーかの競馬サイエンス @ohka_vodka]

予想動画でもホーエリートだけはA評価指名できましたが、ファミリータイム・メイショウゲキリンはB評価。他はボロボロでした😔

[おーかの競馬サイエンス @ohka_vodka]

統計的に荒れるレースはある程度見抜けるので、動画でご紹介しています🙋‍♀️

今日のアルゼンチン共和国杯、3連単1200万円超え。
動画で紹介した荒れるサインすべて当てはまってますね🌸

https://t.co/FmclCEkXY2

[おーかの競馬サイエンス @ohka_vodka]

@mitsu98271619 ありがとうございます！！！嬉しいです😊

[おーかの競馬サイエンス @ohka_vodka]

人生初バズりでびっくりしてます！！
色々批判や厳しいお言葉も来ていますが、私はただの競馬YouTuberです🌸

8月に動画投稿をはじめて、有難いことにチャンネル登録者もうすぐ2000人です。

競馬のデータ検証や、予想を発信していますので是非のぞいてみてください☺️

https://t.co/rTujWnQ8ZZ

[おーかの競馬サイエンス @ohka_vodka]

@701epCTcFsRiJj5 2条件（頭数×1番人気のオッズ）に重ねると、この差はほぼ消えます。上位騎手が多いレースは、少頭数や1番人気の売れ方とかぶっているためです。
なので、追加のふるいとしては効きませんでした。まずは頭数と1番人気のオッズで見るのがおすすめです！

[おーかの競馬サイエンス @ohka_vodka]

「競馬AI」について誤解が多いので、補足しますね。AIと言っても、ChatGPTのような生成AIとは別物です。

簡単に言えば、大量の過去の競馬データを学習した、競馬予想専用のAIです。

チャットもできないし、競馬について語ることもありません。

やることは至ってシンプル↓

[おーかの競馬サイエンス @ohka_vodka]

@701epCTcFsRiJj5 ご質問ありがとうございます！調べてみました。
芝では、リーディング上位10人の騎乗割合が高いレースほど荒れにくく、1番人気の勝率が上がり、配当も下がる傾向がありました（0%で約39%、40〜60%で約21%）。ダートはほぼ変わりません。
ただ、割合で急に変わる境目は見当たりませんでした。
動画の

[おーかの競馬サイエンス @ohka_vodka]

今更ながらアルゼンチン共和国杯、面白い結果になりましたね🤭

重賞で三連単1000万超えは2015年ストレイトガールのVM以来ですかね！

私の動画でも、専用モデルが出した波乱確率は高めとしていましたが、桁の違う荒れ方でした。。。
モチベになったので、今週は波乱確率モデルの改善に注力します！

[おーかの競馬サイエンス @ohka_vodka]

@Yio8abf 全頭診断動画も、叶うなら直前オッズを踏まえて見解を出したいのですが、現実的にはそうともいかないので、また別の派生モデルをつくったりして見解を出しています。
制作タイミングの都合で、枠順確定前の見解でもあります💦

言うまでもなく、動画は参考情報として楽しんでもらえたらと思います☺️

[おーかの競馬サイエンス @ohka_vodka]

@tao0OO0o 私が回収率100%を超えているかどうかに関わらず、機械学習モデルで各馬の勝率を推定し、オッズと比較して期待値を算出すること自体は、ごく一般的な手法です。

時間軸は先にご提示した通りです。

建設的な議論にならなそうなので、ここで失礼します🥲

[おーかの競馬サイエンス @ohka_vodka]

@tao0OO0o ①はGBDTを用いた予測モデリングで各馬の勝率を出す仕組みのことです。
勝率を完全に予測できる、という話ではありません。あくまで作ったモデルによる予測値です。

時系列は一致していると私は見ています。

[おーかの競馬サイエンス @ohka_vodka]

なくても、AIと対話しながら予測モデルを作れる時代です。

私も、生成AIの登場以前から競馬AIに没頭していましたが、中々良いもの作れませんでした。

生成AIが登場したことで、実験効率が大幅に上がったこと・自分で手を動かさなくても実験を進められたことが、良いものを作れた大きな要因です☺️

[おーかの競馬サイエンス @ohka_vodka]

これを繰り返しています。

では、なぜ生成AIの登場以降、こうした競馬AIの開発が加速したのかというと、生成AIにより、開発のハードルが劇的に下がったことです。

プログラムの作成、実験の効率化、分析手法の壁打ちなど、生成AIが開発を強力にサポートしてくれます。
今や機械学習の専門知識が