競馬予測AI 実戦レポート #5：回収率83%で安定。これが実力なのか、まだ道半ばなのか

プロローグ：340頭のデータが示すもの

2026年3月30日。

5週間の実戦を終え、340頭のデータが蓄積されました。

累計回収率83.8%

第1週の67.2%から比べれば、大きな改善です。

でも、目標の103%には届いていません。

そして、重要な発見がありました。

83%前後で安定している

もしかしたら、これがAIの実力なのかもしれません。

この記事では、5週間（1ヶ月）のデータを総括し、
今後の方針を考えます。

📊 今週の実績（詳細データ）

全体サマリー

項目	数値
ベット数	72頭
実質投資額	7,000円
払戻額	5,840円
返還金	200円
収支	-1,260円
回収率	83.4%
的中数	6頭
的中率	8.3%

前週の75.1%から、+8.3ポイント改善しました。

日別内訳

3/28（土）- 惜しい

ベット数: 31頭
実質投資額: 3,000円（返還100円）
払戻額: 2,820円
収支: -180円
回収率: 94.0% 💪

的中馬:

中京8R 9番 → 2,450円（24.5倍） ← 大穴！
中京12R 11番 → 370円（3.7倍）

94%まで迫りました。あと一歩。

3/29（日）- 不調

ベット数: 41頭
実質投資額: 4,000円（返還100円）
払戻額: 3,020円
収支: -1,080円
回収率: 75.5% ❌

的中馬:

中山5R 2番 → 750円（7.5倍）
中京9R 6番 → 430円（4.3倍）
阪神7R 2番 → 660円（6.6倍）
中山10R 10番 → 1,180円（11.8倍）

4頭的中したのに、配当が伸びませんでした。

📈 5週間の推移

週次比較

週	ベット数	投資額	払戻額	収支	回収率
#1	85頭	8,500円	5,710円	-2,790円	67.2%
#2	36頭	3,600円	3,160円	-440円	87.8%
#3	78頭	7,800円	8,590円	+790円	110.1% ✅
#4	69頭	6,900円	5,180円	-1,720円	75.1%
#5	72頭	7,000円	5,840円	-1,260円	83.4%
累計	340頭	34,000円	28,480円	-5,720円	83.8%

推移の可視化

回収率の推移（週次）:

週 | 回収率        | 感情
---|--------------|----------
#1 | 67.2%  ▂▂▂   | 絶望
#2 | 87.8%  ▅▅▅▅  | 希望
#3 | 110.1% ▇▇▇▇▇▇| 歓喜 ← ピーク
#4 | 75.1%  ▃▃▃   | 落胆
#5 | 83.4%  ▅▅▅   | 冷静
━━━━━━━━━━━━━━━━━━━━━━━━━
目標| 103.0% ━━━━━━|

累計回収率の推移:

ベット数 | 累計回収率
---------|------------
    85頭 | 67.2%  ▂▂▂
   121頭 | 73.3%  ▃▃▃
   199頭 | 87.7%  ▅▅▅▅▅ ← ピーク
   268頭 | 84.5%  ▅▅▅▅
   340頭 | 83.8%  ▅▅▅▅
   目標  | 103.0% ━━━━━━

→ 83-84%で横ばい傾向

💡 重要な発見：83%で安定している

発見1：累計は上がらなくなった

累計回収率の推移:

 85頭: 67.2%
121頭: 73.3% (+6.1%)
199頭: 87.7% (+14.4%)
268頭: 84.5% (-3.2%)
340頭: 83.8% (-0.7%)

199頭をピークに、下降または横ばいです。

これは何を意味するか？

可能性1: 83%がAIの実力
可能性2: まだサンプル不足（500頭で上がる）
可能性3: さらに下がる

発見2：第3週の110%が例外的だった

5週間の統計:

平均: 84.7%
標準偏差: 16.0%

第3週を除く平均: 78.4%

第3週だけが突出して高く、他は80%前後です。

仮説:
第3週はたまたま運が良かった。
AIの実力は83%前後。

発見3：的中率は合っているが配当が低い

的中率の分析:

実績: 9.5%（26/340頭）
想定: 8%

→ ほぼ想定通り（むしろ高い）

配当の分析:

期待配当: 12.9倍
（回収率103.5% ÷ 的中率8%）

実績配当: 8.8倍
（回収率83.8% ÷ 的中率9.5%）

差: -4.1倍

AIの予測は当たっている。
でも、配当が理論値より低い。

なぜか？

仮説1: オッズの予測が甘い
仮説2: 人気馬に偏っている
仮説3: 期待値計算のロジックに問題

📅 1ヶ月経過の総括

月間成績（第2週〜第5週）

期間	第2週〜第5週（1ヶ月）
ベット数	255頭
投資額	25,500円
払戻額	21,990円
収支	-3,710円
回収率	86.2%

週平均:

64頭/週
回収率86.6%

評価

良かった点:

✅ 第1週（67.2%）から19ポイント改善
✅ 80%台後半で安定
✅ 的中率は想定通り
✅ システムは正常稼働
✅ データが蓄積された

課題:

❌ 目標103%に届かず（差16.8ポイント）
❌ 83%で収束傾向
❌ 配当が理論値より低い
❌ 改善の兆しが見えない

🤔 なぜ理論値に届かないのか

テストデータとの比較

テストデータ（2024年全レース）:

データ数: 約12,000頭
回収率: 103.5%
的中率: 約8%
平均配当: 約13倍

実戦データ（5週間）:

データ数: 340頭
回収率: 83.8%
的中率: 9.5%
平均配当: 8.8倍

差の原因:

仮説1：サンプル数が少ない

テスト: 12,000頭
実戦: 340頭

比率: 2.8%しか検証していない

統計学的には、まだ判断には早いかもしれません。

仮説2：2024年と2025年で傾向が違う

AIは2024年データで学習
実戦は2025-2026年

・騎手の調子
・馬の成長
・競馬場の改修
・時代の変化

→ データの前提が変わった

仮説3：オッズの歪みが変化した

テスト時: オッズと実力に乖離
実戦時: オッズがより正確に

→ 期待値が取りにくくなった

仮説4：モデルに問題がある

使っている特徴量:
・オッズ
・人気
・距離
・馬場状態
・性別
など11種類

足りない特徴量:
・騎手
・調教師
・過去走
・血統

→ 予測精度に限界

📊 詳細データ分析

的中率の推移

週	的中数	的中率	想定との差
#1	12/85	14.1%	+6.1%
#2	2/36	5.6%	-2.4%
#3	6/78	7.7%	-0.3%
#4	6/69	8.7%	+0.7%
#5	6/72	8.3%	+0.3%
全体	26/340	9.7%	+1.7%

直近3週は8%前後で安定。

配当の推移

週	平均配当	最高配当	最低配当
#1	476円	1,760円	110円
#2	1,580円	2,450円	710円
#3	1,432円	2,780円	110円
#4	863円	2,030円	400円
#5	973円	2,450円	370円
全体	900円	2,780円	110円

平均9倍程度。理論値（13倍）より低い。

回収率の分布

100%以上: 1週（20%）
80-100%: 2週（40%）
60-80%: 2週（40%）

中央値: 83.4%

83%前後が中心です。

💭 このまま続けるべきか？

正直な気持ち

不安:

「340頭やって83%...」
「テストの103%には遠い」
「このまま続けて意味あるのか？」

希望:

「でもサンプルはまだ少ない」
「500頭で変わるかもしれない」
「改善すれば上がるかも」

データが示す現実

楽観的シナリオ:

サンプル数が増えれば上がる

340頭 → 83.8%
500頭 → 90%？
1,000頭 → 100%？

根拠: テストでは103.5%達成

現実的シナリオ:

83%がAIの実力

改善しない限り、
このまま83%で収束

根拠: 直近3週の平均81%

悲観的シナリオ:

さらに下がる

サンプル数が増えると
真の実力（80%以下）が見える

根拠: 199頭以降下降傾向

🎯 次の判断ポイント：500頭

500頭到達時の判断基準

あと約4週間（160頭）で500頭に到達

その時点で本格評価します。

シナリオA: 回収率90%以上

判断: 改善不要
方針: そのまま継続
理由: 目標まであと少し

シナリオB: 回収率85-90%

判断: 改善を検討
方針: 特徴量追加（騎手、調教師）
理由: 改善で目標達成の可能性

シナリオC: 回収率85%未満

判断: 抜本的見直し
方針: モデル変更、過去走データ追加
理由: 現モデルでは限界

現状83.8% = シナリオCに近い

でも、まだサンプル不足なので判断保留。

🔧 もし改善するなら（参考）

追加すべき特徴量（優先順位順）

1. 騎手データ

# 騎手の勝率
jockey_win_rate = df.groupby('騎手')['結果'].mean()

# 騎手と競馬場の相性
jockey_venue = df.groupby(['騎手', '場所'])['結果'].mean()

効果: 大（推定+5-10%）

2. 調教師データ

# 調教師の勝率
trainer_win_rate = df.groupby('調教師')['結果'].mean()

効果: 中（推定+3-5%）

3. 過去走データ

# 直近3走の着順
recent_3_races = [1, 3, 2]

# 前走との距離差
distance_change = current_distance - last_distance

効果: 大（推定+5-15%）

合計期待改善: +13-30%

もし+20%改善できれば:

現状83.8% + 20% = 103.8%
→ 目標達成

でも、これは理想的な場合です。

📝 今後の方針

Phase 1: 500頭まで（あと4週間）

やること:

✅ 記録継続（最優先）
✅ 何も変更しない
✅ データ蓄積
✅ 週次レポート
✅ 感情に左右されない

やらないこと:

❌ モデル改善
❌ 特徴量追加
❌ パラメータ調整
❌ ベット方法変更

Phase 2: 500頭到達時

実施すること:

本格的な評価
競馬場別・人気別・距離別の分析
改善の要否を判断
継続可否を決定

判断基準:

回収率90%以上 → 継続
85-90% → 改善検討
85%未満 → 抜本的見直し

Phase 3: 改善実施（条件付き）

条件:
500頭時点で85-90%の場合

実施内容:

騎手データ取得
調教師データ取得
特徴量追加
モデル再構築
効果測定

🎯 次週の目標

現実的な目標

・週次回収率: 85%以上
・累計回収率: 84%維持
・的中率: 8%前後
・感情的にならない

記録の目標

・競馬場別の成績分析
・人気別の成績分析
・距離別の成績分析

📝 まとめ

第5週の成果

✅ 回収率83.4%（前週+8.3%）
✅ 的中率8.3%は想定通り
✅ 累計340頭のデータ蓄積

5週間（1ヶ月）の総括

数字:

累計回収率: 83.8%
目標との差: -19.2ポイント
改善幅: +16.6ポイント（第1週比）

発見:

✅ 83%前後で安定
✅ 的中率は想定通り
❌ 配当が理論値より低い
❌ 第3週（110%）が例外的

判断:

⚠️  まだサンプル不足
⚠️  500頭で本格評価
⚠️  改善の要否を判断

総合評価

現実を直視すれば:

理論値103.5%には届いていません。
83%で安定している現状は、厳しい結果です。

でも、まだ希望はあります:

サンプル数がまだ少ない（340 vs 12,000）
改善の余地がある（騎手、調教師、過去走）
第1週から着実に改善している

次の4週間が勝負:

500頭到達時に、本格的な判断をします。

それまでは、淡々と記録を続けます。

メッセージ

焦らず、諦めず、でも現実も見る

5週間のデータが示す現実:

回収率83%で安定
目標には届かず
でも改善の余地あり

もし500頭時点でも85%未満なら、
抜本的な見直しが必要でしょう。

でも、まだその時ではありません。

データを積み重ね、
冷静に判断する時を待ちます。

🔜 次週予告

次週（#6）では:

累計370頭前後到達
競馬場別の詳細分析
500頭到達まであと3週

引き続き、すべてのデータを公開していきます。

📌 関連記事

最後まで読んでいただき、ありがとうございました！

「83%が限界？」
「500頭で変わるか？」
「改善すべきでは？」

コメントお待ちしています 💬

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！

500頭まで待つべき？
今すぐ改善すべき？
83%で十分では？
諦めるべき？

何でもお気軽にどうぞ 💬

📊 補足データ

5週間の統計まとめ

指標	値
総ベット数	340頭
総投資額	34,000円
総払戻額	28,480円
総収支	-5,720円
累計回収率	83.8%
総的中数	33頭（返還含む）
的中率	9.7%
平均配当	900円
週次変動幅	42.9%
累計変動幅	20.5%

判断ポイント

タイミング	データ数	実施内容
現在	340頭	記録継続
4週間後	500頭	本格評価・改善判断
3ヶ月後	700頭前後	最終判断

【競馬AI #5】340頭のデータが示す現実。回収率83%で安定、これが限界か？