ストライド競馬AI

Glossary

用語・データ解説

ストライド競馬AI で使用される指数・統計用語・予測モデルを カテゴリ別にまとめています。初めての方は、各機能ページとあわせてご参照ください。

基本指数

ストライド競馬AI の根幹をなす能力指数です。

実走BT値

(Bigtime Index)

過去走の実走データから、馬場差・ペース・不利・斤量・コーナーレーン補正を経て 算出される「純粋な走破力」のスケール化指数。同じ条件で何度も走らせた時の期待タイムに対応します。 中心値は条件問わず一定基準。

予測BT値

(BTV (走破タイム能力))

ML 予測モデルから出力される、これから走るレースに対する期待走破能力。 実走 BT 値が「過去の実走から計算した補正済み実力」であるのに対し、 予測 BT 値 (BTV) は「未来予測としての能力」を表します。

SCORE

(総合スコア)

BTV に適性・展開・市場補正など全要素を統合した能力スコア。WIN% はこの SCORE と高い相関を持ちます。

SAV-W

(勝率ベース指数)

その馬が勝つ確率の高さを表す指数。前日の情報だけで算出し、 ストライダービジョンの出走表とデータタブに表示されます。 値が高いほど勝率が上がり、実測では上位帯の勝率が下位帯の約 2 倍になります。
※ 勝率が高い馬は市場でも人気になりオッズが下がるため、SAV-W が高い＝儲かる、ではありません。 妙味は SAV-R で見てください。

SAV-R

(妙味ゾーン指数)

オッズに対して割に合うかを表す指数。前日の情報だけで算出します。
※ 「高いほど良い」ではありません。極端に高い帯よりも中〜上の帯のほうが回収率が高くなる（山なりの）性質があるため、 順位づけではなく「妙味のあるゾーンに入っているか」で見る指数です。 数値が大きい順に買えば良い、という使い方はできません。

✦ マーク

(SAV-W・SAV-R 両立)

SAV-W と SAV-R がともに高い希少な条件を満たした馬に付きます。 開催日あたり平均 0.3 頭ほどで、4 回に 3 回の開催日は 1 頭も出ません。
※ 該当例がまだ少ないため、当たりを保証する印ではありません。 「強さと妙味が同時に立っている珍しい状態」を示すものとしてご覧ください。

1番人気の信頼度・妙味度

(5 段階の日本語表記)

予測 1 番人気の馬について 2 つの見方を 5 段階で示します。
信頼度＝勝ち切る確度。安定 / 高め / 普通 / 低め / 不安 の 5 段階で、 「安定」の実測勝率は約 58%、「不安」は約 14% です。 ただし信頼度が高い＝儲かる、ではありません。 勝つ確率が高いほどオッズも下がるため、回収率はどの評価でもほぼ横ばいです。
妙味度＝オッズが割に合うか。絶好 / 高め / 普通 / 低め / 無し の 5 段階で、 評価が下がるほど回収率も下がります。ただし最上位の「絶好」でも実測回収率は 84% 程度で 100% には届かないため、買えば儲かる印ではありません。 特に 「無し」は「人気先行」の警戒サインとして有効です。

SAV (旧)

(Speed-Stamina Average)

スピード・スタミナを合わせた総合指数。 出走表の表示は SAV-W に置き換わりました。

スピード・ペース指数

レースの局面ごとのスピード能力を表す指数群です。

BTテン指数

序盤 3F (スタート〜) の速さ。先行力に直結。

BTペース指数

中盤の持続力。長くいい脚を使えるかの目安。

BT上がり指数

終盤 3F (ゴール前) の伸び。差し追込馬の評価軸。

想定テン3Fタイム

ML 予測モデルが出力する、各馬の序盤 3F (スタート〜) の予測通過タイム。秒単位で表示され、当日のペース予想や位置取りの根拠になります。

想定上がり3Fタイム

ML 予測モデルが出力する、各馬の終盤 3F (ゴール前) の予測通過タイム。秒単位で表示され、差し・追込馬の届く距離感の判断材料になります。

脚質スコア

各馬の 逃げ / 先行 / 好位 / 差し / 追込 / 後方 に対する 0〜100 の近さスコア (6 タイプ)。BT 指数 (テン 3F / ペース / 上がり 3F) と馬具補正から、各脚質プロトタイプとのユークリッド距離を計算して算出 (通過順位は未使用)。

ストライドアビリティ

ビジョンで使用する派生指標。脚質スコア (形) × BT 指数 (強さ) を加重合成し、さらに出走馬内で偏差値化 (平均 50 / 標準偏差 10) した 5 軸の能力指標です。

先行力

出脚 × 前列に取り付きたがる性向。テン 3F 指数 + 逃げ/先行スコアの合成。

追走力

中盤ペースに付いて行く能力。ペース指数 + 先行/好位スコアの合成。

持久力

長距離・タフな展開で粘る能力。ペース指数 + 好位/差しスコアの合成。

持続力

末脚を長く使える能力。直線が長いコースで効く。上がり 3F 指数 + 差し/追込スコアの合成。

瞬発力

直線で一気に脚を使う鋭さ。瞬発戦・上がり勝負で重要。上がり 3F 指数 + 追込/後方スコアの合成。

シミュレーション関連

モンテカルロ・シミュレーションで使用される用語です。

モンテカルロ

(Monte Carlo)

確率的シミュレーションを多数回繰り返して期待値を求める手法。1 レースを多数回試行し、各馬の着順分布を得ます。

ITER

モンテカルロの試行回数。多いほど確率が安定し、少ないほど高速で動きます。

SEED

乱数シード。同じシードを与えれば同じ結果が得られるため、検証や再現性確認に使用します。

代表ラン

多数の試行から選出した「典型的な 1 回のレース」。最有力馬が勝った試行群の中央値タイムなどを使用。

WIN%

モンテカルロ試行中の勝利確率。

PLACE%

3 着以内に入る確率 (複勝率)。

RANK

期待着順 (試行平均の着順、小数)。

機械学習モデル

自社開発の ML モデル群とその出力です。

ML Race Time

レース全体の想定勝ちタイム・テン 3F・上がり 3F を予測するモデル。

ML Expected Time

各馬の予測走破タイム (期待タイム)。

ML Race Position

各馬の 4 コーナー予測通過順位。位置取りシミュレーションの入力。

ML Race Lane

各馬の 4 コーナー予測走行レーン (内 / 中 / 外 の確率分布)。

ML Baba Prediction

天気予報から当日の馬場状態と馬場比を予測。想定タイムのアンカーに反映。

ML Predicted Odds

ML が見積もる単勝オッズ。市場とのズレが妙味判定に使われる。

市場・オッズ

オッズの解析や市場動向に関連する用語です。

implied probability

(暗黙的勝率)

オッズから逆算した暗黙的な勝率 (1/odds の正規化、控除率除去)。レース内合計が 1.0。

シャープマネー

専門家・関係者の動きと推測される、発走直前の有意なオッズ変動。

市場ブースト

レース内での市場の絶対評価補正。1 番人気は +、大穴は -。

動向シグナル

前日 (または発走 30 分前) → 最新の比率変化。買われている / 売られている方向を捉える。

適性・コンディション

コース・馬場・距離適性、当日コンディション関連の指数です。

距離適性

同距離クラス (sprint/mile/middle/long) の過去走複勝率。

馬場適性

同芝 / ダートの過去走複勝率。

馬場状態適性

良 / 稍重 / 重 / 不良ごとの複勝率。

騎手指数

直近 3 年の overall 勝率・複勝率から算出された騎手の総合評価指数。

外厩指数

70+ 優秀 / 50-69 標準 / <50 要注視。当週の外厩仕上げの良し悪しを示す指数。

ローテーション

前走からの間隔。中 N 週 / 連闘 / 初出走。

スタート巧拙

好発率・出遅れ率。発馬の安定性を表す。

馬具・道具

馬具変更による補正に使われる用語です。

馬具変更

ハミ替え・ブリンカー・ノーズバンド・チークピース等の変更。馬の集中力・制御性に影響。

ブリンカー

集中力向上の効果。初装着時は序盤の積極性アップが期待されます。

チークピース

中〜終盤の持続力サポート。

ノーズバンド

控えるための変更。序盤の暴走防止。

ハミ替え

ハミ (馬の口に咥える金具) の交換。過去実績統計 (d_bit_change_stats) ベースでデータ駆動的に補正。

AI 評価指標

ストライダービジョンを中心に使用される、AI による総合的な評価指標です。

AI 難易度

堅軸本命・準堅軸・標準・難解・混沌の 5 段階。レース全体の難易度を示します。

信頼度

AI 予測の確からしさ。出走馬のサンプル数・指数分散から算出。

妙味度

期待値 (EV) ベースの「お得度」。ML 予測と市場オッズのハイブリッド評価。

EV

(期待値)

勝率 × 配当 − 1。プラスなら長期的にプラス収支が期待できる。

データ処理・統計手法

指数や統計処理で使われる方法論です。

クラス基準パーセンタイル

クラスごとの p25 / median / p75 で正規化した値。データタブのヒートマップに使用。

斤量補正

基準斤量との差分。軽い = 期待値プラス、重い = マイナス。

ヒートマップ

数値の良し悪しを背景色で視覚化する手法。データタブで採用。

馬場差

当日の馬場が標準比でどれだけ速いか / 遅いか。タイムの絶対値比較に必須。

Bayesian shrinkage

サンプル数が少ない時に推定値を 0 寄せにする統計手法。馬具変更ブーストの算出に使用。

データソース

ストライド競馬AI が使用するデータの出典です。

JRDB

株式会社ジェイ・アール・デー・ビーが提供する競馬データベース。過去走・走破タイム・コーナー通過順位・馬具変更等の蓄積データを保有。

関連ガイド

ストライド競馬AI を試す