はじめに：データで競馬を「再現可能な判断」に変える
競馬は「運の要素が強い」と語られがちだが、実際にはデータの積み重ねによって再現性の高い判断が可能な競技である。
近年は、JRA公式レーティング、スピード指数（西田式・タイム指数）、ラップ分析、馬場差、血統適性、騎手・厩舎成績など、公開データが飛躍的に増えた。
しかし、これらの指標は単体では限界がある。
- スピード指数だけでは馬場差の影響を受けやすい
- JRAレーティングはクラス移動や地方転入馬に弱い
- 枠順・脚質・馬場状態の影響はレースごとに変動する
- 騎手・厩舎の調子は時期によって変わる
そこで本稿では、これらの指標を統合し、重み付けし、動的に調整する「混合レーティング（Mixed Rating：MR）」の実践手法を解説する。
核心：混合レーティング（MR）とは何か？
混合レーティング（MR）は、複数の指標を統合し、レースごとに最適化された総合能力値を算出する手法である。
MRの目的は以下の通り。
- 異なる種類の指標を同一スケールに正規化する
- 馬場状態・展開・コース特性に応じて重みを動的に変える
- 最終的に「勝つ確率」を推定する
MRの基本式は次のように表せる。
[
MR_i = \sum_{k=1}^{n} w_k \cdot S_{ik}
]
- (MR_i)：馬 i の混合レーティング
- (S_{ik})：指標 k の正規化スコア
- (w_k)：指標 k の重み（馬場・展開で変動）
この「正規化」と「重み付け」がMRの核心である。
使用する指標（中央＋地方対応）
本稿では、中央競馬・地方競馬の両方で使える指標を採用する。
① JRAレーティング（中央）／クラス指数（地方）
中央競馬では JRA レーティングが最も信頼性の高い能力指標。
地方競馬ではクラス体系が異なるため、過去走の着差・時計・相手レベルから算出したクラス指数を用いる。
② スピード指数（西田式・タイム指数）
- 西田式スピード指数
- netkeiba タイム指数
- 地方競馬の馬場差補正タイム
これらを Z-score または Min-Max で正規化する。
③ 斤量補正
斤量はパフォーマンスに直結する。
一般的な補正式は以下。
[
AdjSpeed = Speed – 0.2 \cdot (斤量 – 基準斤量)
]
④ 馬場状態（良・稍重・重・不良）
馬場状態は MR の重みを大きく変える。
- 良馬場 → スピード指数の重み増
- 重・不良 → パワー型血統、先行力、馬体重の重み増
- 地方の深い砂 → さらにパワー型血統の比重が増す
⑤ 枠順・脚質適性
脚質は以下の4分類で評価。
- 逃げ
- 先行
- 差し
- 追込
地方競馬は小回りが多く、先行有利が顕著。
⑥ 血統適性（芝・ダート・距離・馬場）
血統は馬場状態と強く連動する。
例：
- ダート重馬場 → パワー型（米国血統）
- 芝高速馬場 → 日本型の瞬発力血統
⑦ 騎手・厩舎指数（EWMA）
騎手指数・厩舎指数は EWMA（指数平滑移動平均）で算出。
[
EWMA_t = \alpha x_t + (1-\alpha) EWMA_{t-1}
]
指標の正規化（Min-Max / Z-score）
異なる指標を統合するため、スケールを揃える。
Min-Max 正規化
[
S_{ik} = \frac{X_{ik} – \min(X_k)}{\max(X_k) – \min(X_k)}
]
Z-score 正規化
[
S_{ik} = \frac{X_{ik} – \mu_k}{\sigma_k}
]
重み付け（馬場状態による動的調整）
MRの最大の特徴は、重みが固定ではなく、馬場状態・コース特性で変動する点である。
基本重み（良馬場）
| 指標 | 重み |
|---|---|
| スピード指数 | 0.35 |
| JRAレーティング／クラス指数 | 0.25 |
| 斤量補正 | 0.10 |
| 枠順・脚質 | 0.10 |
| 血統適性 | 0.10 |
| 騎手・厩舎指数 | 0.10 |
重馬場・不良馬場（地方の深い砂）
| 指標 | 重み |
|---|---|
| スピード指数 | 0.20 |
| パワー血統指数 | 0.25 |
| 先行力指数 | 0.20 |
| 斤量補正 | 0.10 |
| 騎手・厩舎指数 | 0.15 |
| クラス指数 | 0.10 |
動的重みの計算式
馬場状態を数値化（良=0、稍重=1、重=2、不良=3）し、線形補間する。
[
w_k(b) = w_k^{良} + \frac{b}{3}(w_k^{不良} – w_k^{良})
]
計算デモ（架空のレース例）
レース設定
- 船橋ダート1600m
- 馬場：重
- 8頭立て
- データソース：netkeiba、地方競馬情報サイト
各馬の主要データ（簡略）
| 馬 | Speed | Class | Power血統 | 先行力 | 騎手指数 | 斤量 |
|---|---|---|---|---|---|---|
| 1 | 72 | 68 | 55 | 60 | 58 | 56 |
| 2 | 70 | 70 | 62 | 65 | 60 | 54 |
| 3 | 68 | 65 | 70 | 58 | 55 | 55 |
| 4 | 75 | 72 | 50 | 70 | 62 | 57 |
| 5 | 66 | 60 | 72 | 55 | 50 | 54 |
| 6 | 71 | 69 | 60 | 62 | 59 | 56 |
| 7 | 69 | 67 | 58 | 63 | 57 | 55 |
| 8 | 73 | 71 | 52 | 68 | 61 | 57 |
正規化（Z-score例）
Speed の平均と標準偏差を計算し、Z-score化する。
例：馬1の Speed Z-score
[
Z = \frac{72 – 70.5}{2.6} = 0.58
]
MR計算（重馬場の重みを適用）
重馬場の重み：
- Speed：0.20
- Power血統：0.25
- 先行力：0.20
- 斤量補正：0.10
- 騎手指数：0.15
- Class：0.10
例：馬1のMR
[
MR_1 = 0.20S_{Speed} + 0.25S_{Power} + 0.20S_{先行} + 0.10S_{斤量} + 0.15S_{騎手} + 0.10S_{Class}
]
全馬について計算すると以下のような結果になる（例）。
| 馬 | MR |
|---|---|
| 1 | 0.58 |
| 2 | 0.72 |
| 3 | 0.69 |
| 4 | 0.63 |
| 5 | 0.66 |
| 6 | 0.70 |
| 7 | 0.67 |
| 8 | 0.64 |
MR → 勝率推定（Elo式）
Elo式を応用し、勝率を算出する。
[
P_i = \frac{e^{MR_i}}{\sum_{j} e^{MR_j}}
]
例：馬2の勝率
[
P_2 = \frac{e^{0.72}}{\sum e^{MR_j}} = 0.162
]
全馬の勝率例：
| 馬 | 勝率 |
|---|---|
| 2 | 16.2% |
| 6 | 15.8% |
| 3 | 15.5% |
| 7 | 14.8% |
| 5 | 13.9% |
| 8 | 12.0% |
| 4 | 11.8% |
| 1 | 10.0% |
期待値計算（オッズを用いる）
例：馬2の単勝オッズ 4.8倍
期待値：
[
EV = P \times オッズ
]
[
EV_2 = 0.162 \times 4.8 = 0.7776
]
競馬では控除率があるため、0.8以上で十分優秀と判断できる。
精度向上のための追加要素
① 地方競馬の転入馬評価
中央→地方の転入馬は能力が高く出やすいが、
- 砂質の違い
- 小回り適性
- 連戦間隔
などでパフォーマンスが変動する。
② コース別ラップ傾向
- 大井：直線長く差しも届く
- 船橋：コーナーきつく先行有利
- 名古屋：極端な小回りで逃げ天国
③ 騎手のコース適性
地方は騎手のコース理解が勝敗に直結する。
④ EWMAで調子を反映
騎手指数・厩舎指数は EWMA で更新し、直近の成績を強調する。
まとめ
本記事では、競馬の勝率を最大化するための「混合レーティング（MR）」の実践手法を解説した。
- 指標を正規化し
- 馬場状態に応じて重みを動的に調整し
- MRを算出し
- 勝率を推定し
- 期待値で最終判断する
という流れは、中央・地方どちらにも適用できる。
競馬は「運」ではなく「情報の統合」で勝率を高められる競技である。
免責事項
本記事はデータ分析の教育的目的であり、特定の馬券購入を推奨するものではない。
競馬はリスクを伴う娯楽であり、最終判断は読者自身の責任で行ってほしい。
また、MRは確率を高める手法であり、的中を保証するものではない。
コメント