競馬予測AI 実戦レポート #1：初週は回収率67%という厳しい結果

はじめに：今週の結果サマリー

先週末（2/28-3/1）、自作した競馬予測AIを実戦投入しました。

結果は…

回収率67.2%

目標の103%には遠く及ばず、2,790円の損失という厳しいスタートとなりました。

でも、諦めません。

この記事では、初週の結果を包み隠さず公開し、データ分析と今後の改善策をまとめます。

📊 今週の実績（詳細データ）

全体サマリー

項目	数値
ベット数	85頭
投資額	8,500円
払戻額	5,710円
収支	-2,790円
回収率	67.2%
的中率	13.8% (12/85頭)

日別内訳

2/28（土）

ベット数: 46頭
投資額: 4,600円
払戻額: 3,120円
収支: -1,480円
回収率: 67.8%

3/1（日）

ベット数: 39頭
投資額: 3,900円
払戻額: 2,590円
収支: -1,310円
回収率: 66.4%

両日ともほぼ同じ回収率で、一貫して目標を下回る結果となりました。

🔍 データ分析：なぜ目標に届かなかったのか

仮説1：サンプル数が少なすぎる

テストデータ: 12,000頭で回収率103.5%達成
実戦データ: 85頭で回収率67.2%

この差は、サンプル数の違いから来る「確率のブレ」の可能性が高いです。

統計学的な視点

コイン投げに例えると：

10回投げる → 表3回、裏7回もあり得る
1,000回投げる → 表500回、裏500回に近づく

競馬も同じ。85頭という少ないサンプルでは、理論値から大きく外れることがあります。

仮説2：大穴（高期待値馬）が不発

AIは「期待値がプラスの馬」を全て推奨します。

今週のケース：

期待値1000%超の大穴を複数推奨
でも、これらがほぼ全滅
的中したのは配当の低い人気馬ばかり

的中馬の配当分析（前週のデータより推測）：

平均配当: 約476円（4.76倍）
最高配当: 1,760円（17.6倍）
最低配当: 110円（1.1倍）

→ 期待値計算が実際のオッズに対して楽観的だった可能性

仮説3：2024年データのみでの学習

AIは2024年1年分（46,752頭）のデータで学習しています。

課題：

データが1年分のみ（本来は3-5年欲しい）
2025年との傾向の違い
重賞レースとの特性差

💭 失敗から学んだこと

1. 理論と実践は違う

学び:
テストデータで良い結果が出ても、実戦では通用しないことがある。
特に確率が絡むゲームでは、短期的なブレを覚悟する必要がある。

2. サンプル数の重要性

学び:
85頭では何も判断できない。
最低でも500頭、できれば1,000頭以上のデータが必要。

3. 記録の大切さ

学び:
負けた理由を分析するには、詳細な記録が不可欠。
投票履歴をCSVで保存していたおかげで、振り返りができた。

4. 感情との戦い

学び:
2日連続で負けると「AIは使えない」と思いたくなる。
でも、データを見れば「まだ判断できない」が正しい結論。

🔧 今後の改善計画

短期（1ヶ月以内）

1. データ蓄積を最優先

週次で記録を続ける
目標: 500頭のデータ収集

2. 記録システムの改善

ベット記録の自動化
結果入力の簡易化
週次レポートの自動生成

中期（3ヶ月以内）

1. データ分析

500頭時点での回収率評価
得意/不得意なレースタイプの把握
競馬場ごとの精度確認

2. 改善検討

もし3ヶ月時点で回収率80%未満なら：

過去走データの追加
騎手・調教師データの追加
学習データを3年分に拡充

長期（6ヶ月以降）

1. モデルの見直し

特徴量エンジニアリング
アルゴリズムの変更検討
重賞レース専用モデルの開発

2. 自動化の推進

自動ベットシステムの検討
リアルタイムオッズ対応

📈 グラフで見る推移

回収率の推移

週  | ベット数 | 回収率
----|----------|--------
#1  |   85頭   | 67.2%
#2  |    ?     |   ?
#3  |    ?     |   ?
目標|    -     | 103.0%

※今後、毎週更新していきます

累計収支

投資累計: 8,500円
払戻累計: 5,710円
収支累計: -2,790円

🎯 重要：なぜ続けるのか

テストデータでの実績

2024年のテストデータ（約12,000頭）では：

回収率103.5%を達成
統計的に有意な結果
モデルの予測精度は証明済み

確率論的な考え方

競馬は確率のゲームです。

85頭 → ブレが大きい（今ここ）
500頭 → やや安定
1,000頭 → 理論値に近づく

テストで103.5%が出ている以上、
実戦でもサンプル数を増やせば同様の結果に収束するはず。

AIの強み

人間と違い、AIは：

感情に左右されない
継続的に学習できる
データが増えるほど精度が上がる

初週の失敗を次に活かせるのがAIの強みです。

💪 今後の方針

毎週やること

週末に予測実行

TARGETでデータ出力
AIで予測
推奨馬にベット

結果を記録

投票履歴を保存
払戻データを記録
週次レポート作成

ブログで公開

結果を隠さず公開
データ分析を共有
改善プロセスを記録

評価基準

1ヶ月後（約200頭）

回収率の傾向を確認
システムの改善点洗い出し

3ヶ月後（約500頭）

本格的な精度評価
80%未満ならモデル改善

6ヶ月後（約1,000頭）

最終評価
継続可否を判断

📝 まとめ

今週の結果

❌ 回収率67.2%（目標103%）
❌ 収支-2,790円

でも、諦めない理由

✅ テストでは103.5%達成
✅ サンプル数が少なすぎる（85頭）
✅ 記録体制は確立できた
✅ 改善の方向性は見えている

メッセージ

競馬AIは一朝一夕では成功しません。

でも、データを積み重ね、改善を続ければ、
テストで証明された精度が実戦でも再現されるはずです。

失敗も含めて全て公開していくので、
応援していただけると嬉しいです。

🔜 次週予告

次週（#2）は：

累計200頭到達予定
回収率の推移を分析
得意/不得意なパターンを探る

引き続き、記録を続けます。

📌 関連リンク

【競馬AI #0】朝「作れるかな？」→夜には回収率103%達成した1日の記録

最後まで読んでいただき、ありがとうございました！

次週のレポートもお楽しみに 🏇✨

🗨️ コメント欄

皆さんの感想や質問、お待ちしています！

「AIの精度、本当に上がる？」
「自分も作ってみたい！」
「こういう改善はどう？」

何でもお気軽にどうぞ 💬

【競馬AI #1】初週は回収率67%で惨敗。でも諦めない理由を全部話す