競馬AIはなぜ当たらないの？ AIを投資にする方法

筆者　AI×レース観察「初ダ・未勝利・長距離・ＧⅠ」に強いマネードラゴン投資馬券塾を主催。2025年、年始から２月１週までの全週でプラス決算のパーフェクト達成。

Ｑ　AIの競馬予想を参考にしたのですが、全然儲かりません。なぜなのでしょうか？

この時点で、まず、AIを扱える人口そのものが少ないのが現状です。

機械学習またはディープラーニングは、数学の全ての知識がなくても設計自体はできますが、基礎数学から応用数学にまたがる関連分野の知識がないと、深い部分での理解やチューニングが難しくなります。

同時に大きな課題が、機械学習またはディープラーニングに詳しいエンジニアが、競馬好きとは限らないということです。機械学習には、特徴量（スピード指数、過去成績、斤量等）の初期設定が必要ですが、競馬好きでないエンジニアは、「斤量とは何か？」といったGoogle検索から入ることとなり、効率が悪くなっています。

下はAI予想の「ゆま牧場」が設定していたと思われる特徴量です。

プラス決算を出していた時期があるとされる「ゆま牧場」だけあり、一部ユニークな指標を取り入れていますが、一般的なAI予想は、非常にありがちな特徴量で予想を組み立てていると考えられます。

結果的に、期待値は良くて90前後しか見込めません。

多くのAIが算出した各馬の評価を想定オッズ化し、実際のオッズがそれより高い馬を締め切り直前に機械的に購入し、３連系の馬券などで「利ザヤ」（たまたま想定より売れ行きが悪い目）を稼いで、ようやく浮くか浮かないかという結果に落ち着きやすいです。

「ゆま牧場」に関しては、「開催前半の成績、後半の成績」という特徴量は評価できます。多くの競馬ファンが、馬場の状態（絶好の芝、荒れた芝など）をその日や前日のレースぶりから判断しており、その基準はブレブレです。一方「ゆま牧場」は、開催１～４日目、５日目以降という形でデータを取っていると想定され、これにより過去データでの学習とテストを行うことができ、大きな差につながります。

一方で「調教師・騎手の組み合わせ」については、仮に過去５年程度で調教師や騎手の成績を取ったとしても、活躍ぶりにはトレンドがあり、実際の投資を行うときには期待値がマイナス基調となっていることがあります。逆に活躍が続いていても、多くのファンに知れ渡り、期待値が下がることが大半です。

AIの競馬予想を参考にしたのですが、全然儲かりません。なぜなのでしょうか？という質問への答えとしては、AI予想の作り手が、機械学習やディープラーニングに詳しいものの、競馬の深い知識に欠いている場合が多いが答えとなります。

その意味では、ゆま牧場さんは、公表している特徴量以外にも、非公表の要素を多く取り入れていた可能性があります。

機械学習に詳しくても、なぜか基本的な確率を理解していない？？

機械学習をマスターしている以上、数学は学習済みのはずで、確率を学んでいるはずですが、実地では生かせていないというケースです。

あるデータ（競馬では的中率や回収率）が今後再現するかどうかは、試行回数（統計分母）が重要です。例えば、町を歩いていてランダムに喧嘩を吹っ掛け３人に勝ったという人が、４人目も勝てるかどうかは分かりません。しかし、100人に勝ったという人が101人目に勝つ可能性は高いです。

必要な試行回数（統計分母数）は、ロジックの的中率によりますが、平均的なロジックなら300回程度は必要です。

ところで、競馬は、必勝法ができてしまえば投資額は青天井ですので、必勝法が広まった時点で、元返しや馬連でも1.1倍という競馬が続出します。競馬ファンは一獲千金志向が高いため、競馬は崩壊し、関係者が路頭に迷うこととなります。

そのため、JRAは、簡単には必要な試行回数が揃わないように、コースや競走条件に多様性を持たせています。結果的に、仮に試行回数を意識をしても、試行回数が十分なロジックはほとんど出現しないのです。

結論として、どこまで試行回数を減らしても再現性に影響が出ないかという「塩梅」に対する経験値、また、試行回数が揃わない場合に、どのような補助的な条件を繰り出すべきなのかという知識が必要です。これは確率の教科書に書いてあることではなく、座学だけではなく実際の投資から会得できる部分も大きいです。

冒頭に挙げたような、理系学生が機械学習の練習用に、競馬に大きなお金を投げる経験もソコソコに、短期間で完成したというロジック（ゆま牧場ではなく、すぐ上に挙げた事例）に信頼性はありません。

ただし、これは極端な例であり、通常は機械学習を手掛ける人は、ほとんどの競馬ファンよりも確率には詳しいと思います。

Ｑ　当たる競馬AI予想がごくわずかだとして、その見極め方はありますか？

ほとんど知られていませんが、東大工学部院卒２名が開発したというRingo（リンゴ）を検証してみます。

記事改訂の直近では、府中牝馬Ｓで、10番人気のシンティレーションを１番手に推奨していました。

設計者は、いずれも東京大学の大学院卒。

２名とも機械学習だけではなく、ごく一部の競馬予想AIしか採用していない深層学習（ディープラーニング）も専門分野です。

「競馬に対する並大抵でない造詣」という点は情報がないのですが、競走馬の生産・育成の検討に活用する競走馬の血統適性判定AIなども開発しているため、競馬ファン度は高めと見てよいと思います。

東大工学部院卒２名が開発するRingo　無料お試し可能です。無料お試し終了後も「GOHYAKU5144」のコードがあれば、半額で使用できます。

また、当ブログが発行するマネードラゴン投資馬券塾は、2014年に創刊。長らく、Excelによる手集計の方法を取っていましたが、処理速度や正確性に限界を感じ、2023年に大型データベースを本格導入。2024年３月に「絶対勝負レース」のロジックを開発し、下のような成果を上げてきました。

絶対勝負レース

回	月日	レース	ロジック	◎	人気	着順	複配当	投資額	払戻額
77	6/8	阪神１	障害	５	５	７		4000
76	6/7	阪神12	初ダ	２	４	７		12000
75	6/7	東京１	障害	８	２	２	150	12000	18000
74	5/24	京都１	ダ短	２	１	３	220	10000	22000
73	5/11	NHKマ	ＧⅠ	２	15	16		5000
	5/11	NHKマ	ＧⅠ	８	１	14		5000
72	5/10	新潟４	障害	２	４	７		10000
71	5/4	新潟４	障害	５	４	３	190	10000	19000
70	5/3	京都４	初ダ	11	１	１	170	10000	17000
69	5/3	新潟４	障害	５	８	６		10000
68	5/3	新潟１	障害	６	２	３	190	10000	19000
67	4/27	福島12	ダ短	１	４	５		5000
66	4/27	東京４	長距離	11	１	１	110	5000
65	4/27	京都４	障害	11	３	３	180	10000
64	4/26	京都４	障害	５	８	４		10000
63	4/26	福島２	ダ短	15	２	１	120	10000
62	4/20	阪神４	障害	５	２	２	160	5000	8000
61	4/20	中山３	初ダ	５	３	３	170	10000	17000
60	4/20	福島１	ダ短	16	２	２	130	10000	13000
59	4/13	桜花賞	ＧⅠ	７ 12	３ ４	１ ３	200 200	10000	20000
58	4/13	中山７	ダ中	５	１	10		10000
57	4/13	阪神２	初ダ	７	５	９		10000
56	4/12	阪神５	ダ中	２	１	５		10000
55	4/6	阪神4	芝長	12	１	３	130	5000	6500
54	4/5	中山12	ダ短	13	２	５		10000	0
53	4/5	阪神９	芝長	１	１	１	110	5000	5500
52	3/30	中京11	ＧⅠ	１	４	６		20000	0
51	3/29	阪神	障害	１	２	中止		10000	0
50	3/29	中京４	初ダ	５	５	８		5000	0
	3/23	阪神11	芝長	１	１	４		5000	0
	3/23	阪神６	初ダ	13	２	２	210	15000	31500
	3/16	阪神７	マイル	14	１	１	120	10000	12000
	3/16	中京７	マイル	９	４	11		10000	０
45	3/16	中京４	芝長	２	１	１	130	10000	13000
	3/9	中山５	マイル	１	２	１	180	10000	18000
	3/8	阪神２	初ダ	14	９	14		10000
	3/2	阪神11	マイル	７	６	９		5000	０
	3/2	小倉４	障害	３	１	１	110	5000	5500
40	3/2	阪神２	初ダ	６	７	13		15000	0
	3/1	小倉５	障害	９	１	２	110	5000	5500
		ﾌｪﾌﾞﾗﾘｰ	ＧⅠ	14	１	３	150	20000	30000
		京都７	芝長	４	２	６		5000	０
		東京６	芝長	16	１	９		15000	0
35		東京３	初ダ	６	４	16		5000	0
		京都２	初ダ	１	５	10		20000	0
		東京９	芝長	３	１	２	120	10000	12000
		東京11	芝長	13	５	６		10000
	2/2	小倉３	ダ短	11	２	２	200	10000	20000
30	2/1	小倉１	ダ短	６	４	３	200	10000	20000
	1/25	小倉５	障害	１	１	２	110	5000	5500
	1/19	日経新春杯	芝長	１	７	３	350	10000	35000
	1/19	中山６	ダ短	２	４	７		10000
	1/19	中京１	ダ短	10	１	４		10000
25	1/12	中山６	ダ短	１	３	２	250	15000
	1/12	中京３	ダ短	11	２	６		5000
	1/6	中山４	ダ短	１	１	１	190	10000	19000
	1/5	中京３	初ダ	16	３	２	180	10000	18000
	1/5	中京１	ダ短	３	６	２	280	10000	28000
20	12/28	京都２	初ダ	７	２	12		5000
	12/22	有馬	芝長	12	14	10		10000
	12/21	中山９	芝長	５	10	７		10000
	12/21	京都３	初ダ	６	５	10		5000
	12/21	京都２	ダ短	５	１	１	220	5000	11000
15	12/21	京都１	初ダ	１	５	６		10000
	12/16	朝日杯	ＧⅠ	２	５	１	270	20000	54000
	12/15	京都４	障害	３	１	５		5000
	12/15	京都２	初ダ	２	１	９		10000
	12/8	京都１	初ダ	６	１	１	単180	5000	9000
10	12/7	京都４	障害	５	１	１	単170	5000	8500
	12/7	中山１	ダ短	16	３	２	160	20000	32000
	12/1	中京11	ＧⅠ	４ ２	３ １	５ １	140	5000	1400
	11/30	中山５	芝短	７	１	２	170	20000	34000
	11/24	東京３	初ダ	２	５	５		20000
5	11/17	福島６	芝短	14	３	１	250	20000	50000
	11/16	東京３	初ダ	15	２	16		10000	運用ミス
	11/16	東京１	初ダ	11	２	８		20000
	11/9	東京４	初ダ	７	７	４		20000
1	11/9	福島２	初ダ	４	３	２	230	20000	46000

機械学習の手法は取っていませんが、データの見方、競馬の見方という点で、表に出ない情報を読者限定でお伝えしています。

AI×レース観察　マネードラゴン馬券塾

AIを投資にする方法

①　年間回収率を正確に集計しているAIをリサーチ。できれば、レジまぐ、ウマい馬券といった買い目登録・集計システムや、各種予想大会に参加しているAIを探し、SNS等で高配当的中を訴えているものは避ける（年間回収率が未集計、または都合の良い集計）。
②　AIの回収率は、軸馬の複勝回収率で見ると上振れがなく正確。３連系、馬連・馬単、単勝を使用している場合、上振れが起こりやすいため、２年連続年間プラスが採用条件。
③　使用するAIが決まったら、投資計画を立てる。複勝１点の場合、よくすすめられるケリー基準は投資金が無駄に膨らむためNG。均等投資をベースに、季節ごとに見直す緩やかな複利投資がおすすめ。
④　３連系、馬連・馬単、単勝の場合、卍氏が以下の書籍で推している「現在残高×0.08÷オッズ」がおすすめ。例えば競馬用の預金が50万円あり、５倍の単勝を購入する場合、8000円の投資額となる。
⑤　投資を開始する。