■ はじめに：6競技を「別々に研究する時代」は終わった
競艇・競馬・競輪・オートレース・宝くじ・スポーツくじ（toto）は、表面的には全く異なる競技に見える。しかし、数値分析の観点から見ると、これらは「同じ構造」を持つ。すなわち、すべては以下の3要素で構成される。
- ① 不確実性（ランダム性）
- ② 構造的バイアス（競技特有の偏り）
- ③ 予測可能な要素（データで説明できる部分）
本記事では、6競技を横断して分析するための「MR（Mixed Rating：混合レーティング）」を体系化し、回収率を最大化するためのデータ分析基礎を1万文字でまとめる。特定の競技に依存しない、普遍的な予測モデルを構築することが目的である。
■ 1. MR（混合レーティング）とは何か
MRとは、複数の指標を統合し、総合スコアとして評価するためのモデルである。競艇・競馬・競輪・オート・宝くじ・totoなど、競技が異なってもMRの構造は共通している。
● MRの基本構造
- ① 競技固有の指標（例：競艇の風、競馬のラップ）
- ② 選手・馬・数字の能力指標
- ③ 外部要因（天候・路面・枠順など）
- ④ 過去データからの統計的傾向
- ⑤ 回収率への寄与度（重み付け）
MRはこれらを統合し、0〜100点で評価する。
■ 2. 6競技に共通する「予測可能な部分」と「予測不可能な部分」
どの競技にも、予測できる部分と予測できない部分が存在する。
● 予測可能な部分（Predictable）
- 競艇：風・モーター差・スタート傾向
- 競馬：ラップ・血統・脚質・馬場
- 競輪：ライン構成・脚質・バンク特性
- オート：試走タイム・湿走路指数・ハンデ
- 宝くじ：出現頻度・周期・分布
- toto：得点率・失点率・Poisson分布
● 予測不可能な部分（Random）
- 競艇：スタート事故・不利・接触
- 競馬：落馬・不利・馬の気性
- 競輪：落車・位置取りの乱れ
- オート：滑り・整備不良
- 宝くじ：完全ランダム要素
- toto：退場・怪我・偶然のゴール
MRは「予測可能な部分」を最大限活用し、「予測不可能な部分」を最小化するためのモデルである。
■ 3. MRの共通フレームワーク（6競技共通）
MRは競技ごとに異なる指標を扱うが、フレームワークは共通している。
● MR共通構造（0〜100点）
- ① 能力指数（最大40点）
- ② 状態指数（最大20点）
- ③ 外部要因指数（最大20点）
- ④ 統計的傾向指数（最大10点）
- ⑤ 回収率寄与指数（最大10点）
この構造を使えば、どの競技でも同じロジックで予測が可能になる。
■ 4. 能力指数（Performance Rating）の統合
能力指数は、競技ごとに異なる能力指標を統合したものである。
● 競艇の能力指数
- モーター性能
- 選手のスタート力
- 展示タイム
● 競馬の能力指数
- ラップ指数
- スピード指数
- 血統指数
● 競輪の能力指数
- 先行力
- 捲り力
- 差し力
● オートの能力指数
- 試走タイム
- 車体性能
- ハンデ秒換算
● 宝くじの能力指数
- 出現頻度偏差
- 周期指数
● totoの能力指数
- 攻撃力（得点率）
- 守備力（失点率）
能力指数はMRの中で最も重みが大きい。
■ 5. 状態指数（Condition Rating）の統合
状態指数は、当日の状態や直近の傾向を数値化したものである。
● 競艇
- 気温・湿度・風向き
- モーターの直近成績
● 競馬
- 調教指数
- 馬体重の増減
● 競輪
- 直近のバック本数
- 直近の上がりタイム
● オート
- 整備後のタイム
- 湿走路適性
● toto
- 直近5試合の成績
- 怪我・出場停止
状態指数は短期的な変動を捉えるために重要である。
■ 6. 外部要因指数（External Factor Rating）の統合
外部要因指数は、競技特有の環境要因を数値化したものである。
● 競艇
- 風向き・風速
- 水面特性
● 競馬
- 馬場状態
- 枠順
● 競輪
- バンク特性
- 風の影響
● オート
- 路面状態（晴走路・湿走路）
● toto
- ホームアドバンテージ
- 天候
外部要因は予測精度に大きく影響する。
■ 7. 統計的傾向指数（Statistical Bias Rating）
統計的傾向指数は、過去データから観測される偏りを数値化したものである。
● 競艇
- イン逃げ率
- コース別勝率
● 競馬
- 脚質傾向
- コース別の有利不利
● 競輪
- ラインの勝率
- 脚質別の成功率
● オート
- 湿走路の勝率
- ハンデ別の勝率
● 宝くじ
- 連番発生率
- 飛び番発生率
● toto
- 引き分け率
- 得点分布
統計的傾向指数は、競技の「癖」を捉えるために重要である。
■ 8. 回収率寄与指数（ROI Contribution Rating）
回収率寄与指数は、予測モデルが回収率にどれだけ寄与するかを数値化したものである。
● 回収率寄与の考え方
- 的中率が高くても回収率が低い場合がある
- 逆に、的中率が低くても回収率が高い場合がある
回収率寄与指数は、予測モデルの「収益性」を評価するために必要である。
■ 9. MR統合モデル（MR-UNIFIED）の構築
6競技を横断して使えるMR統合モデルを構築する。
● MR-UNIFIEDの構成（0〜100点）
- 能力指数：40点
- 状態指数：20点
- 外部要因指数：20点
- 統計的傾向指数：10点
- 回収率寄与指数：10点
このモデルを使えば、どの競技でも同じロジックで予測が可能になる。
■ 10. 回収率最適化（ROI Optimization）の基礎
回収率を最大化するためには、以下の3要素が重要である。
● ① 的中率（Accuracy）
予測が当たる確率。
● ② オッズ（Odds）
的中したときのリターン。
● ③ 資金配分（Money Allocation）
どの買い目にどれだけ資金を投入するか。
回収率は以下で決まる。
回収率 = 的中率 × 平均オッズ
■ 11. 6競技に共通する「勝てない理由」
多くの人が勝てない理由は、競技ではなく「行動」にある。
● 勝てない理由
- ① 感覚で買う
- ② データを使わない
- ③ 資金配分が無計画
- ④ 回収率を意識していない
- ⑤ 競技ごとに別のロジックを使う
MR統合モデルは、これらの問題をすべて解決するために設計されている。
■ 12. ケーススタディ：MR統合モデルの適用例
競艇・競馬・競輪・オート・宝くじ・totoにMRを適用した例を示す。
● 競艇（例）
- 能力指数：32
- 状態指数：18
- 外部要因指数：15
- 統計的傾向指数：7
- 回収率寄与指数：6
合計：78点 → 買い
● 競馬（例）
- 能力指数：35
- 状態指数：12
- 外部要因指数：10
- 統計的傾向指数：8
- 回収率寄与指数：5
合計：70点 → 買い
● 競輪（例）
- 能力指数：30
- 状態指数：15
- 外部要因指数：12
- 統計的傾向指数：8
- 回収率寄与指数：5
合計：70点 → 買い
● オート（例）
- 能力指数：38
- 状態指数：10
- 外部要因指数：12
- 統計的傾向指数：6
- 回収率寄与指数：4
合計：70点 → 買い
● 宝くじ（例）
- 能力指数：20
- 状態指数：0
- 外部要因指数：0
- 統計的傾向指数：8
- 回収率寄与指数：5
合計：33点 → 買い目の一部に採用
● toto（例）
- 能力指数：28
- 状態指数：12
- 外部要因指数：10
- 統計的傾向指数：8
- 回収率寄与指数：5
合計：63点 → 買い
■ 13. MR統合モデルの限界と注意点
MRは万能ではない。以下の点に注意する必要がある。
- ① ランダム性は完全には排除できない
- ② データ不足の競技では精度が低下する
- ③ 外部要因の急変には対応できない
- ④ 長期的には確率に収束する
MRは「勝率を上げる」モデルであり、「必ず勝つ」モデルではない。
■ 14. まとめ：6競技を統合するMRは「再現性のある予測モデル」である
競艇・競馬・競輪・オート・宝くじ・totoは、表面的には異なる競技だが、数値分析の観点から見ると同じ構造を持つ。MR統合モデルは、これらを横断して分析するための普遍的なフレームワークで
コメント