統計・検定

実験ログ

AIでJRAの回収率110%を目指す検証(第6回)|馬券の俗説20個中16個は差がなく、2個は言い伝えと逆だった

「降級は買い」「逃げ・先行有利」など定番の俗説20個を16万件で検証しました。人気による見かけの差を取り除くと16個は差が消え、降級にいたっては言い伝えと逆の結果になりました。
実験ログ

AIでJRAの回収率110%を目指す検証(第5回)|断然人気の複勝は98%で止まる、その構造的な理由

人気馬に絞るほど複勝の回収率は上がります。全体85.1%、2.0倍以下で89.3%、1.5倍以下で96.0%。ではどこまで伸びるのか。追いかけた結果、約98%で構造的に頭打ちになりました。
実験ログ

AIでJRAの回収率110%を目指す検証(第4回)|馬券の俗説10個のうち、差が確認できたのは3つだけ

「休み明けは危険」「馬体重の大幅増減は割引」といった定番の俗説10個を、16万件のデータで検証しました。人気による見かけの差を取り除いたところ、7つは差が確認できませんでした。
実験ログ

AIでJRAの回収率110%を目指す検証(第3回)|特徴量を作り込んでも市場を超えられなかった

条件別適性・騎手厩舎成績・調教データを投入した第3回。一度は「効いた」と見えた数値が、正しく測り直すと消えました。最後の検証に入る前に停止条件を決め、届かなかったため技術的な追求を終了しています。
実験ログ

AIでJRAの回収率110%を目指す検証(第2回)|回収率98%のエッジは、サンプルを増やすと消えた

直前のオッズ変化に賭ける第2回。107点で回収率98.2%という結果が出ましたが、サンプルを17倍にすると74.5%まで低下しました。有望に見えた数値が消えていく過程と、そこから得た方法論上の教訓を記録します。