KeibaWithの競馬予想AIが見抜く「勝ち筋」とは

これまでの競馬予想は、経験や勘に頼るスタイルが中心でした。

KeibaWithの競馬特化型AIは、過去10年以上のレースデータ・各種指数・馬場傾向・騎手成績などを学習し、独自のアルゴリズムで「勝ち筋」を数値化しています。

人間では追い切れない膨大なデータを処理し、展開や脚質の相性まで機械的にチェックすることで、新しい角度の予想が見えてくる設計です。

このKeibaWithの競馬予想Aを用いて今日の競馬予想(中央・地方)で情報を発信し、競馬予想サイトと比較して検証をしています。

KeibaWithのAI予想ができること

膨大なデータを基に、レースの「勝ち筋」を数値として見える形にしていく仕組みとなっています。

人間の勘や感覚では拾いきれない部分まで踏み込み、予想の精度を高められるよう設計したものです。

以下では、AIが担う役割をわかりやすくまとめています。

レースごとの勝ち筋を数値化

まず「そのレースがどんな展開になりやすいのか」を分析します。

逃げが決まりやすい流れなのか、差しが届きやすい展開なのか、ペースは速くなるのか。

過去の類似レースをもとに、展開パターンを複数シミュレーションし、どのシナリオがもっとも起こりやすいかをスコアとして提示する仕組みです。

レースの“根本的な流れ”を先に把握できるため、軸選びや穴狙いの判断がつけやすくなるといえます。

馬ごとの総合評価と穴馬候補の抽出

AIは各馬の能力・適性・展開との相性などを照合し、総合評価スコアを算出します。

これにより「強い馬」「展開が向く馬」「人気の割に妙味がある馬」が整理されて表示される構造です。

特に穴馬については、

1. 人気対比の期待値
2. 過去の好走シナリオとの一致度
3. 脚質と馬場の相性

複合的にチェックし、過小評価されている馬を抽出します。

自分では見落としていた馬が浮かび上がる場面もあるでしょう。

コース適性・馬場傾向の自動判定

競馬はコースの形状や馬場状態によって求められる能力が大きく変わります。

このAIは、各競馬場の特徴や馬場差を学習しており「今日の馬場でパフォーマンスを上げやすい馬」「逆に条件が向かず能力を発揮しにくい馬」を数値化して可視化していきます。

単なる実績だけでなく、当日のトラックバイアスまで踏まえて馬を評価するため、より実戦的な判断が可能となるでしょう。

期待値とオッズのバランス評価

競馬は「強い馬」を買うだけでは回収率が安定しません。

勝率とオッズのバランスから期待値を算出し、「買っていい人気馬」「妙味のある中穴・大穴」を選びやすい形に整理します。

直前オッズの変動や過剰人気の兆候がある場合も、数値として反映されるため、感覚では判断しづらいお得さを見極められる点が強みといえます。

展開・脚質の相性をスコア化

脚質と展開の噛み合わせは、予想の基盤となる部分で、

1. 逃げ馬が潰れやすい展開か
2. 先行勢が残りやすいか
3. 差しが決まりやすい馬場か

脚質と展開の相性をスコアで示します。

これによって、「能力だけなら強いが展開は向かない馬」「能力差以上に展開がハマるタイプ」を見分けやすくなる流れです。

軸・相手・穴の三分類を自動生成

このAIは、最終的に各馬を「軸候補」「相手候補」「穴候補」の三つに自動分類する仕組みを備え、レースごとの狙いどころを組み立てています。

AIが示す評価は買い目を強制するものではなく、「どこに勝ち筋があるのか」「どの馬が条件・展開に合致するのか」といった判断材料を整理する役割を担っています。

独自の指数や展開分析と合わせて、AIが示した三分類を基礎にすることで、

・軸として信頼できる馬

・相手に押さえるべき馬

・妙味ある穴馬

といった構造が自然に浮かび上がり、予想の方向性が明確になります。

このプロセスを通じて、私たちは毎レースの「勝ち筋」をより立体的に把握し、精度の高い予想作成につなげています。

【一覧】KeibaWithの競馬予想AIが考えるファクター

馬のファクター（能力・適性）

1. 過去成績（クラス別成績、平場/特別/重賞）
2. 着順ではなく内容（上がり順位・位置取り・不利）
3. 通過順（脚質タイプの判別）
4. 上がり3F、ラップの推移
5. スピード指数
6. ラップ指数
7. パフォーマンス指数（独自指数含む）
8. 持ち時計（距離別・馬場別）
9. 同距離での成績
10. 同コースでの成績
11. 馬場状態別（良・稍重・重・不良）
12. 脚質ごとの適性（逃げ、先行、差し、追込）
13. 枠順と脚質の相性
14. 血統傾向
15. 兄妹馬の傾向
16. 成長曲線（2歳・3歳・古馬のピーク）
17. 斤量負担能力
18. 前走からの疲労度
19. 叩き良化型/間隔空けて走るタイプ
20. ローテーション（中1週・中2週・放牧明け）
21. 調教時計
22. 調教内容（坂路/南W/栗東CW/追い切り本数）
23. 調教評価（終い重点/強め/馬なり）
24. ゲート難・テンの速さ
25. 気性（前向き/掛かる/落ち着き）
26. 馬体重
27. 馬体重の増減
28. 発汗・気配
29. 返し馬の動き
30. 馬の輸送適性
31. 競り合いの強さ
32. 長期休養明けの実績
33. 馬齢による利得

 

騎手のファクター

1. 騎手の勝率・連対率・複勝率
2. 得意コース
3. 得意距離（短距離/中距離/長距離）
4. 得意脚質（逃げがうまい、差しがうまい）
5. 追える騎手/仕掛けのタイミング
6. ペース読む能力
7. 乗り替わり（強化/弱化）
8. 騎手×厩舎の相性
9. 騎手×馬の相性
10. 海外騎手の短期免許時期

厩舎/調教師のファクター

1. 厩舎の得意条件（芝/ダート/短距離など）
2. 仕上げの技術
3. 外厩との連携
4. 放牧明けの成績
5. 遠征時の成績
6. 厩舎同士の傾向

コース・馬場のファクター

1. コース形状（直線の長さ、坂の有無）
2. コーナーの数・角度
3. 内外の有利不利
4. 芝の開催週（1週目〜8週目）
5. 芝の傷み具合（内荒れ/外伸び）
6. ダートの含水率
7. 馬場状態（良・稍重・重・不良）
8. 天候（晴/雨/風）
9. 当日のトラックバイアス
10. 逃げ・先行が残りやすい日
11. 差しが届く日
12. 内枠・外枠の有利不利
13. スタートから1コーナーまでの距離
14. 高低差（坂・平坦）

展開（レースの流れ）のファクター

1. ペース予測（ハイ/ミドル/スロー）
2. ハナ争いが激しくなるか
3. 逃げ馬の数
4. 先行馬の数
5. 差し馬の脚の使いどころ
6. 直線勝負型の展開
7. 阪神や東京のような差し決着傾向
8. ラップ傾向（前傾/後傾）
9. キレ味勝負か持久力勝負か

レース条件のファクター

1. 距離変更（短縮/延長）
2. クラス替わり（降級/昇級）
3. レースレベル（OP/重賞/特別/条件）
4. 初コース・初距離
5. ローカルと中央の違い
6. 斤量（増減）
7. 牝馬限定・混合戦
8. 2歳戦の特殊性（仕上がり差）
9. ハンデ戦の利点
10. 出走頭数（少頭数/多頭数）
11. 馬番（1〜18番の有利不利）

数字データ（指数・タイム）

1. スピード指数
2. ラップ指数
3. パワー指数（ダート向け）
4. ペース指数
5. 基準タイムとの比較
6. レースレベル指数
7. 末脚指数
8. 先行力指数
9. 通過順指数
10. 期待勝率
11. 期待回収率
12. 過去対戦比較
13. 相手関係レベル比較

人気・オッズのファクター

1. 予想オッズと実オッズの乖離
2. 過剰人気馬
3. 過小評価されやすいタイプ
4. 人気薄の好走パターン
5. 単勝オッズと複勝オッズの関係
6. 馬連・ワイドの妙味
7. 直前のオッズ変動（異常オッズ）

外部要因

1. 輸送距離（長距離輸送の苦手/得意）
2. 初ナイター（門別や地方交流など）
3. 初ダート・初芝
4. 気温
5. 競馬場間の適応
6. 当日のパドック情報
7. 返し馬の気配
8. 馬具変更
9. 去勢明け
10. 初ブリンカー効果
11. 初ダート/久々のダート
12. 競走除外明け
13. 初めての長距離輸送
14. ゴール前の風向き

最後に

KeibaWithの競馬予想AIは、膨大な過去データや指数、展開傾向をもとに、レースごとの勝ち筋を数値化するためのツールとなっています。

人間の経験だけでは追い切れない部分を補い、軸・相手・穴の三分類や期待値の判定まで一貫して行うことで、予想の精度と再現性を高めていく狙いです。

AIが示す評価は買い目を押し付けるものではありません。

むしろ、レースを多角的に読み解くための“第二の視点”として活用しています。

データと経験の双方を取り入れることで、勝ち筋がより鮮明になり、競馬本来の面白さも深まるといえるでしょう。