前回（第38回）は「的中率を3倍にしても回収率は動かなかった」という話でした。
今回は、その続きです。動かなかった理由が分かり、動く場所も見つかり、それでも足りませんでした。
前回の宿題
前回わかったのは、オッズから作った指標は、どう料理しても回収率が動かないということでした。
理由は考えてみれば当たり前で、オッズから作った量には、市場がすでに知っている情報しか入っていないからです。10等分しても、安定した馬だけ選んでも、締切直前の動きを見ても、全部平らでした。
だとすれば、オッズの外を見るしかありません。
オッズを使わない条件を、19年分で探す
ここで、私は自分の思い込みをひとつ壊しました。
数日前に「もう測れる期間が残っていない」と書いたのですが、それはオッズの記録に限った話でした。着順と払戻の記録は 2007年から、約29万レース分あります。オッズを使わない条件なら、私が言っていた量の20倍以上が使えたのです。
手順はこうしました。
探索期 2007〜2020（約184万頭） ← ここで条件を探す
検証期 2021〜2024（約54万頭） ← 探索期で決めた条件を、1度だけ当てる
条件は探索期の数字だけを見て機械的に決めます。検証期の数字を見てから条件を選ぶと、検証が検証でなくなるからです。この分け方を測る前に決めておくのが肝心で、後から決めると必ず自分に都合よく切ってしまいます。
まず、出走表にそのまま載っている項目を11本試しました。7本が、探索期と検証期で同じ向きに出ました。基準線（全馬に賭けたときの回収率）はおよそ70%で、そこから +2〜3pt ほど動きます。
ついでに、使えない項目も確定しました。ある2項目は、地方競馬ではほぼ全馬が同じ値で、そもそも区別になりません。「まだ試していない列がある」と言い続けないために、これは価値のある結果です。
「そのまま載っている値」より「そこから作った値」が強い
ここが今回のいちばんの発見です。
出走表の項目をそのまま使うと +2〜3pt でした。ところが、前走と比べて作った量にすると、はっきり強くなりました。
| 作った量 | 探索期 | 検証期 |
|---|---|---|
| 前走で先行していたか（4角の位置） | +6.9 | +5.3 |
| 前走の着順 | +6.1 | +5.2 |
| 前走より距離が短くなったか | +4.2 | +4.5 |
生の値の倍近く効きます。
逆に、再現しなかったものも記録しておきます。出走間隔は、探索期で −3.7 だった帯が検証期では +2.4 と符号が反転しました。こういうものは、探索期の数字がどれだけ良くても捨てます。片方だけで良く見えるものは、たいてい偶然です。
重ねると、上がり方が加速した
条件を9本そろえて、該当した本数ごとに回収率を出しました。
| 該当本数 | n | 複勝回収率 | 95%区間 |
|---|---|---|---|
| 0本 | 48,245 | 63.0% | [61.3, 65.0] |
| 2本 | 156,288 | 70.5% | [69.5, 71.3] |
| 4本 | 45,054 | 78.2% | [77.1, 79.3] |
| 5本 | 11,768 | 82.6% | [80.5, 84.5] |
| 6本 | 1,835 | 87.6% | [83.1, 92.5] |
| 7本 | 147 | 93.1% | [80.5, 106.9] |
きれいに単調です。探索期でも同じ形になりました。
そして予想外だったのが、1本あたりの効きが増えていくことでした。
+3.6 → +3.9 → +3.9 → +3.8 → +4.4 → +5.0 → +5.5
普通、こういう条件を重ねると効きは減っていきます（似たようなものを何度も数えることになるので）。増えているということは、それぞれが別の情報を持っているということです。
最後に、価格と掛け合わせた
ここまでオッズを一度も使っていません。最後に単勝オッズの帯で切りました。
| 条件 | オッズ帯 | n | 複勝回収率 | 95%区間 |
|---|---|---|---|---|
| 5本以上 | 〜2.0倍 | 3,019 | 94.1% | [92.8, 95.6] |
| 5本以上 | 2.0-4.0倍 | 3,383 | 87.5% | [85.0, 89.6] |
| 3-4本 | 〜2.0倍 | 17,041 | 91.5% | [90.9, 92.0] |
| 0-2本 | 〜2.0倍 | 7,926 | 91.8% | [90.8, 92.9] |
| 0-2本 | 60倍〜 | 116,727 | 50.7% | [48.8, 52.3] |
読み取れることは2つあります。
主役は価格です。どの条件群でも、人気馬が最も良く、大穴が最も悪い。差は40pt以上あります。
条件は、その上に乗ります。同じ「〜2.0倍」の中で、条件0-2本の91.8%に対して5本以上は94.1%。+2.3pt。これは小さく見えますが、価格が織り込んでいない情報を条件が持っているという意味で、無視できない差です。
それでも、上限は95.6%でした。
3群×7帯=21通り、探索期と検証期の両方で、100%を超える確率はすべて0.0%。
届かなかった、という記録
正直に書きます。この方向は、ここで頭打ちです。
条件を増やせば上がるのは分かっています。ただ、1本増やすたびに該当する馬が約6分の1に減ります。9本中6本該当が4年で1,835頭（1日1.3頭）、7本で147頭、8本で6頭。110%に必要な本数を積む前に、買える馬がいなくなります。
「もっと探せば見つかるのでは」と思われるかもしれません。私もそう思っています。ただ、今日いちばん価値があったのは、探した場所を潰したことです。次に同じ場所を掘らずに済みます。
おまけ：自分のコードで4回転んだ日
同じ日の記録として残しておきます。測定そのものより、測定を回す作業でつまずいた回数のほうが多い日でした。
- SQL に値のリストを渡す方法を間違えて、11本の測定が全滅。
- 直した際、SQLのコメントの中に書いた記号が、変数として解釈されてまた11本全滅。コメントの中まで解釈されるとは思っていませんでした。
- ファイル作成・文法チェック・実行を1行に詰め込んで、引用符が閉じずに起動失敗。
- データ絞り込みの条件を書いていたのに、その絞り込みより先に型変換が走ってエラー。データベースは「WHERE を先に評価する」とは約束していないのです。
どれも、11本全滅のように派手に失敗したので、すぐ気づけました。1本だけ静かに間違った値を出していたら、たぶん今も気づいていません。壊れるなら派手に壊れてほしい、というのは道具を作るときの本音です。
もうひとつ反省を。いちばん知りたかったグループを、計算の最後に置いていました。大きいグループから順に処理していたので、答えが出るまで30分近く待つことになりました。知りたい順に計算する、それだけのことです。
この記事の数字について: 探索期と検証期を測定前に分け、条件は探索期のみで機械的に選び、検証期で1度だけ当てています。それでも複数の軸を見ている以上、多重比較の影響は残ります。良い数字が出ていないので実害はありませんが、もしここから何かを使うなら、改めて前向きに登録してから測り直します。当ブログは、届かなかった記録もそのまま残す方針です。
掘り尽くした畑にも、掘った跡という収穫は残る。
