TigerOddsの最終レース日記

TigerOddsの最終レース日記

Ameba

ホームピグアメブロ

芸能人ブログ人気ブログ

予想ソフトを作る「五行」を駆使して勝つ。

前ページ
次ページ

10Apr
- 桜花賞連対馬40頭のファミリーナンバーを調査
  過去20年桜花賞連対馬40頭のファミリーナンバーを調査F9(7頭) F4(6頭)　F2,F13,F16(4頭) F1,F8(3頭)F9とF4が桜花賞には合っているようです。今年のF9は③アルーリングウエイ　10人気F4は⑥ウォーターナビレラ 2人気　　⑦サプライムアンセム 9人気　　⑩ライラック 8人気　　⑰フォラブリューテ 13人気穴馬が多いですが、紐で狙ってみようかな
04Apr
- 英雄色を好む
  今日大阪杯エフフォーリア凡走原因を考えているうちに枠順で牝馬に挟まれた牡馬成績を約11年分で調査4歳牡馬では両側が牝馬の場合、両側牡馬と比較して勝率,複勝率で0.6%低い事が分かった。有馬出走馬の春初戦、初輸送、調教不足もありますが、ウインマリリンとアカイイトの色気は要注意英雄色を好む？隣同士の内中外の順に性別で分けて成績を調べました。6歳以上の高齢牡馬の場合、両隣の枠が牝馬だと成績ガタ落ちです鹿戸調教師「ゲート内で突進して顔が腫れた」のも一つの原因とコメントしています。今度はゲート内で暴れる、突進する、立ち上がる等の原因や条件を調べてみよう
05Dec
- チャンピオンズCの展開新聞で穴馬⑪番を当てた話
  12/5　チャンピオンズC（G1）は14番人気の11番が3着にきて3連単が52660円とチョイ荒れのレースでした。展開新聞の赤丸で囲った人気⑥指数順⑬展開不利⑪　空気抵抗⑪と展開新聞の上位の馬番の組み合わせで簡単に取れた馬券だったんですね。私は3連単は買ってませんでしたが、⑪の複勝馬券は当てました。⑪のアナザートゥルースはみやこSで逃げて粘って3着でした。この時の空気抵抗値が305.8と非常に高い事と含水率が2.5と低い事でおそらくパサパサの馬場＋風が強いレースで逃げて相当不利を受けた事が分かります。今回含水率はゴール前で7.2％と少し水分を含んでいるため、先行馬が粘れる馬場になっていました。それが14番人気で3着になった穴馬の激走理由のひとつではないかと思われます。展開新聞を活用して穴馬を探す方法のヒントになれば幸いです。お正月にお勧めする競馬予測勉強のための本Amazon（アマゾン）AI競馬人工知能は馬券を制することができるか？1,881円AI競馬の天才たちへのインタビューを読んで勉強しましょうAmazon（アマゾン）スポーツx気象の分析: 競馬も「自然」との闘いだ (サンライズパブリッシング)1,300円競馬と風の影響ついて勉強しましょうAmazon（アマゾン）今日から使える!組合せ最適化離散問題ガイドブック (KS理工学専門書)1,730〜7,084円馬券種別の複合的な買い方を研究するには組合せ最適化が必要になるAmazon（アマゾン）Exotic Betting At The Racetrack (World Scientific Series in Finance)4,355〜7,803円Ziemba博士はコンピュータ競馬予測のパイオニアです。古典的バイブルのリニューアル2018年版
04Dec
- 展開新聞の読み方
  今日の含水率展開空気抵抗値新聞1204(無料) 発走順http://www.oyako.com/pdf/jra20211204t.pdfの読み方です。参考にしてください。展開図の読み方お正月にお勧めする競馬予測勉強のための本Amazon（アマゾン）AI競馬人工知能は馬券を制することができるか？1,881円AI競馬の天才たちへのインタビューを読んで勉強しましょうAmazon（アマゾン）スポーツx気象の分析: 競馬も「自然」との闘いだ (サンライズパブリッシング)1,300円競馬と風の影響ついて勉強しましょうAmazon（アマゾン）今日から使える!組合せ最適化離散問題ガイドブック (KS理工学専門書)1,730〜7,084円馬券種別の複合的な買い方を研究するには組合せ最適化が必要になるAmazon（アマゾン）Exotic Betting At The Racetrack (World Scientific Series in Finance)4,385〜7,803円Ziemba博士はコンピュータ競馬予測のパイオニアです。古典的バイブルのリニューアル2018年版
21Jun
- オッズチャートと馬主、騎手、調教師、エージェントの成績表
  昨日、新しいオッズチャートに付随する馬主、騎手、調教師、エージェントの成績表を作りました。www.oyako.com　に6月分のチャートをアップしましたのでみてください。朝1：朝7時53分時点のオッズ朝2:朝9時30分時点のオッズ前10:レース10分前のオッズAgent:騎手が契約しているエージェント新聞：エージェントが所属していた新聞馬主、騎手、調教師はご当地の成績エージェントはご当地ではない過去の成績上の表は6月13日中京10R　常滑特別のもの②-⑥-①で決まって10万馬券でしたが、②と⑥は朝１よりも朝２の時点で売れていました。穴馬は朝１と朝２のオッズの変化をサーチした方が良いのかもしれません。まだ調査中ですが、馬主によって賭けるタイミングが違うので個人馬主は朝1と朝２のオッズ一口馬主は前10のオッズの変化を見ると良いのかも。もし何か分かった方はこっそり教えてください。お正月にお勧めする競馬予測勉強のための本Amazon（アマゾン）AI競馬人工知能は馬券を制することができるか？1,881円AI競馬の天才たちへのインタビューを読んで勉強しましょうAmazon（アマゾン）スポーツx気象の分析: 競馬も「自然」との闘いだ (サンライズパブリッシング)1,300円競馬と風の影響ついて勉強しましょうAmazon（アマゾン）今日から使える!組合せ最適化離散問題ガイドブック (KS理工学専門書)1,600〜11,728円馬券種別の複合的な買い方を研究するには組合せ最適化が必要になるAmazon（アマゾン）Exotic Betting At The Racetrack (World Scientific Series in Finance)4,237〜6,641円Ziemba博士はコンピュータ競馬予測のパイオニアです。古典的バイブルのリニューアル2018年版
13Jun
- まったく新しい時系列オッズチャートの読み方
  時系列オッズを使ってインサイダー投票を見つけるプログラムを作っています。https://twitter.com/tigeroddsの方でレース開催日の朝にオッズチャートを不定期に発表していますので、時系列オッズ解析に興味のある方は参考にしてください。このオッズチャートは金融工学を勉強して横軸にリスク、縦軸にリターンをとり、オッズと成績により１Rごとに馬番をグラフにプロットしています。リターンが大きく、リスクが少ない馬番をこのグラフで探せば良いと思っていたのですが、なかなか競馬予想界は甘くない。単純にグラフの左上にくる馬番を買えば儲かると思っていたのですが、その成績は最悪です。それはなぜか？朝にインサイダー投票があるためです。馬券に絡む馬は総じてリスクが少なく、リターンも少なく出てしまうのです。私のポートフォリオの作り方がまだ甘いのも原因の一つですが明らかに馬券に絡む馬の期待値が朝のオッズでは低く出てしまっています。さてグラフの説明ですが、斜めに3本線の直線があります。3本の中で真ん中の線が、実力とオッズが平均的に釣り合っている場合の線です。上の線が実力よりも売れていない線、下の線が実力よりも売れすぎている線になります。そして横軸に期待値1.0の黄色の線があります。1日分を調べると分かりますが、3着以内に来る馬のほとんどが、真ん中の直線より下にあります。つまり予測された実力よりもよく売れているということ。そして、期待値1.0の横の線よりも下に有ることが多いのです。この市場のプレイヤーが実力のある馬を買っているということです。これでは、このポートフォリオを使って回収率100%を超えるのは、難しいです。市場がかなり渋いので、しかし、回収率95%ぐらいはいけそうな方法を見つけました。図に書いておきましたのでご覧ください。お正月にお勧めする競馬予測勉強のための本Amazon（アマゾン）AI競馬人工知能は馬券を制することができるか？1,881円AI競馬の天才たちへのインタビューを読んで勉強しましょうAmazon（アマゾン）スポーツx気象の分析: 競馬も「自然」との闘いだ (サンライズパブリッシング)1,300円競馬と風の影響ついて勉強しましょうAmazon（アマゾン）今日から使える!組合せ最適化離散問題ガイドブック (KS理工学専門書)1,600〜11,728円馬券種別の複合的な買い方を研究するには組合せ最適化が必要になるAmazon（アマゾン）Exotic Betting At The Racetrack (World Scientific Series in Finance)4,210〜7,501円Ziemba博士はコンピュータ競馬予測のパイオニアです。古典的バイブルのリニューアル2018年版
24Jan
- 今年2021年初めての万馬券
  今年初めての万馬券です。展開新聞で中山８R馬連3万馬券を的中しました。穴馬14番人気の②を枠不利１番手、指数２番手で馬連の相手に選びました。１）②の展開図予測は後方ですが、隣枠の①③が先行型だと②はつられて先行２）②の前走１５番枠で不利があったが、今回内枠で先行できた。３）②の前３走２番枠で先行して勝っている。と②は先行して激走する要素がありました。１）については、馬の習性や調教で併走するトレーニングを行っているので、隣の枠の馬の脚質に左右される場合もあるので、展開予想では隣枠の馬の脚質も調べましょう。お正月から読んでいるZiemba博士の本はまだ読んでいますが、Ziemba博士の本から触発されて金融工学の本を図書館で借りては片っ端から読んでいます。今は、ポートフォリオ理論と馬券について研究中です。そのため、なかなかブログを更新できませんでした。お正月にお勧めする競馬予測勉強のための本Amazon（アマゾン）AI競馬人工知能は馬券を制することができるか？1,881円AI競馬の天才たちへのインタビューを読んで勉強しましょうAmazon（アマゾン）スポーツx気象の分析: 競馬も「自然」との闘いだ (サンライズパブリッシング)1,300円競馬と風の影響ついて勉強しましょうAmazon（アマゾン）今日から使える!組合せ最適化離散問題ガイドブック (KS理工学専門書)1,930〜11,728円馬券種別の複合的な買い方を研究するには組合せ最適化が必要になるAmazon（アマゾン）Exotic Betting At The Racetrack (World Scientific Series in Finance)3,709〜7,595円Ziemba博士はコンピュータ競馬予測のパイオニアです。古典的バイブルのリニューアル2018年版
29Dec
- お正月にお勧めする競馬本3冊
  競馬予測＆馬券購入研究用の本を3冊買いました。１）「スポーツX気象の分析」で、風と空気抵抗と競馬の関係２）「今日から使える組合せ最適化」で効率よく馬券を買う方法３）「Exotic Betting at the Racetrack」でZiemba博士の馬券の買い方年末年始は家でゆっくり3冊を読み込んで研究する事にします。特に３）の著者Ziemba博士はBenter博士と共にコンピュータ競馬予測のパイオニアの方です。競馬予測の古典的な本ですが2018年版でリニューアルしており血統Dosage理論でアメリカ三冠を予想したり、WIN５のようなPick6(６重勝)等の馬券戦略についても書かれています。馬券の買い方はまだ初心者の私には、２)と３）を活用して効率的馬券投資法を研究したいと思います。そして来年のW.A.R.S.七冠王で年間MVPを取りたいと思います。お正月に競馬予想のために読む本Amazon（アマゾン）AI競馬人工知能は馬券を制することができるか？1,881円AI競馬の天才たちへのインタビューを読んで勉強しましょうAmazon（アマゾン）スポーツx気象の分析: 競馬も「自然」との闘いだ (サンライズパブリッシング)1,300円競馬と風の影響ついて勉強しましょうAmazon（アマゾン）今日から使える!組合せ最適化離散問題ガイドブック (KS理工学専門書)1,800〜11,728円馬券種別の複合的な買い方を研究するには組合せ最適化が必要になるAmazon（アマゾン）Exotic Betting At The Racetrack (World Scientific Series in Finance)3,753〜7,274円Ziemba博士はコンピュータ競馬予測のパイオニアです。古典的バイブルのリニューアル2018年版
22Dec
- 遺伝的アルゴリズムで競馬予測の特徴量を選択する
  多くの特徴量から有効な特徴量を選択する方法として遺伝的アルゴリズムを使いました。前回のランダムシャッフル法だと2のn乗回の中から偶然見つける感じでしたが、遺伝的アルゴリズムを使うと優秀な遺伝子同士の交叉から新しい遺伝子世代を作り進化させます。つまりAIを進化させるのに生物の進化のまねをさせます。1)特徴量リストAの個数をn個とする2)Aのn個の要素を1個づつ取り出して　選択する=1 選択しない=0 とする遺伝子型のリストをBとする3)個体集団Bの遺伝子をm個(1世代)初期化4)世代ループ開始5) 個体集団の個体の評価ループm回開始6) 遺伝子Bから特徴量リストAを得る7) 特徴量Aで学習・予測・評価8) m個のBの評価からエリート遺伝子を選択9) エリート遺伝子を交叉させ子供遺伝子を作成10) 次世代集団を現行、エリート、子供集団から作成11) 次世代集団に突然変異を加える12) 進化の状況を表示13) 現世代を次世代に入れ替える(m回で終了)14)世代ループ終了15)最後の世代のベスト1位を表示16)ベスト1位のモデルを保存50世代で進化させた結果の答えがこれです。少しずつRMSEが進化（減少）したことが分かりますが、特徴量４０個からはまだまだ精度甘いので新しく特徴量を見つける作業に入ります。見つけたら、この遺伝的アルゴリズム（GA）で特徴量を選択してLightGBMでモデルを作るので、特徴量を選択の試行錯誤の必要が無くなります。AI作成の自動化ができるのではないかと思います。「AI競馬」私も序章で出ています。Amazon（アマゾン）AI競馬人工知能は馬券を制することができるか？1,881円
18Dec
- LightGBMRegressorで特徴量の重要度を調べる
  LightGBMRegressorで特徴量の重要度を調べるにはfeature_importances_で重要度を得ることが出来る。ランダムシャッフル法でRMSEの値が最小になった特徴量の組み合わせでモデルを作り特徴量の重要度を出してみた。先行偏差値で一番重要度が高いのは内枠隣の馬の先行偏差値の重要度292と出ました.ホントにそうなのか？　重要度の計算方法が良く分からないので、やっぱりRMSEの値で特徴量を選択した方が良い感じがする。 best_original=['classsa','j_mae_mean','jflag','jockeycode','kato','kmae','kyorisa','noslope','ownercode','soto_mae','soto_tou','tou','trainercode','uchi_mae','umaban','z_ato_mean','z_mae_mean'] X = pd.get_dummies(df[best_original]) y = df['mae'] z = df['ato'] X_train, X_test, y_train, y_test = train_test_split(X, y,test_size=0.2,random_state=2) model = lgb.LGBMRegressor(learning_rate=0.1,objective='regression',metrics='rmse',max_depth=12,num_leaves=25) model.fit(X_train, y_train) y_pred = model.predict(X_test) mse = mean_squared_error(y_test,y_pred) best_rmse = np.sqrt(mse) print('best start_RMSE = '+str(best_rmse)) # 特徴量重要度の算出 (データフレームで取得) #LGBMRegressorのattributeはfeature_importances_　feature_name_ # Feature Importance fti = model.feature_importances_ for num in range(0,17): print('\t{0:12s} : {1:>12.0f}'.format(best_original[num], fti[num]))「AI競馬」私も序章で出ています。Amazon（アマゾン）AI競馬人工知能は馬券を制することができるか？1,881円
17Dec
- 競馬展開予測　特徴量の選定について
  展開先行指数に関係しそうな40項目の特徴量を決めて、さらにRMSEが低くなる（精度が上がる）特徴量を選択する作業に入りました。LightGBMには重要度を計算するみたいな関数もあるようですが、特徴量同士の相関が強いと重要度が低くなるバイアスがあるという話をネットで見ましたので、特徴量選択で悩みました。何か良い方法はないですかね？仕方なく、試行錯誤をコンピュータに任せることにしました。１）特徴量４０項目をリストAにする２）特徴量のリストAの順番をランダムにシャッフルしてリストBを作る３）リストBからひとつづつ特徴量Cを取り出して、LightGBMでモデルを作る４）RMSEを計算、RMSEが小さくなったら、特徴量Cを選択リストDに追加　　RMSEが変わらない場合や大きくなったら特徴量Cは選択しない。　　３）にループ　　特徴量40項目計算が終わったら５）へ５）２）に戻り、RMSEが小さくなるまで繰り返す。めちゃくちゃ力技です。ランダムにシャッフルすることで、偶然相関が強い特徴量を省く場合もあるし、特徴量の組み合わせによってRMSEが低くなる組み合わせを見つけることも出来ます。時間がかかりますが、暇な時にLightGBMを走らせて最適な組み合わせを見つけたいと思います。特徴量選定には遺伝的アルゴリズムを取り入れた方が良さそうですが、まず、ランダムシャッフル技で実験してみました。実験の結果RMSE＝8.8057　まで下がりました。選定した特徴量は19項目、順番はシャッフルしたので重要度順ではなくバラバラです。kmae:前走前半偏差値kato:前半後半偏差値umaban:馬番noslope:スタート後坂無しun_ninki:人気が無いj_mae_mean:同一騎手騎乗時の前半偏差値trainercode:調教師z_mae_mean:過去前半偏差値平均soto_tou:自分より外に何頭いるかclasssa:クラス差z_ato_mean:過去後半偏差値平均tou：頭数uchi_mae：隣内馬の前走前半偏差値jockeycode：騎手soto_mae：隣外馬の前走後半偏差値ownercode：馬主jflag：騎手乗り替わりkyorisa：前走からの距離差前半偏差値のRMSE=8.8057はLightGBM以前はRMSE=11.52ですから少しづつ進歩しているみたいです。「AI競馬」私も序章で出ています。Amazon（アマゾン）AI競馬人工知能は馬券を制することができるか？1,881円
13Dec
- おれひゃく計画　12/13阪神10R 204万馬券の考察　空気抵抗不利馬を狙え！
  昨日は中山８Rで204万馬券今日は阪神１０R で3連単204万馬券が出ました。そして松風さんがまたまた的中してました。すごいですね。さてW.A.R.S.ソフトはこのレースで馬連7900円を自然、自然４、倚天剣、HRPTV5Cの4ソフトが的中馬単19390円を3点で倚天剣が的中しましたが、3連単は的中できませんでした。これは複勝3190円の大穴⑧番を3着に指定できなかったためです。残念。そして一番上の展開新聞の空気抵抗2位がこの大穴⑧でした。人気順3位ー指数順1位ー空気抵抗順2位の組み合わせで204万馬券です。もう少し手を広げれば、WARSソフトも204万馬券的中出来たんですが、昨日の204万馬券も空気抵抗2位の馬が2着に来ていたことを考えると100万馬券以上を狙うなら空気抵抗上位の穴馬に流してみる価値はありそうです。空気抵抗値を含めた展開新聞は無料で公開されていますので活用してみてください。＊空気抵抗値とは、最後のコーナーと直線で加速する馬に対して、風速、風向き、気温、湿度、前後の馬の位置、馬の速度などから前走の空気抵抗を計算しています。空気抵抗順位は前走の空気抵抗が大きい順に表示しています。「AI競馬」私も序章で出ています。Amazon（アマゾン）AI競馬人工知能は馬券を制することができるか？1,881円
12Dec
- おれひゃく計画　12/12中山8R204万馬券の考察
  12月12日中山８R204万馬券が出ました。上の展開図ではとうてい読み切れませんが、人気3位→空気抵抗2位→展開不利3位の組み合わせでした。AI競馬の松風さんはこの馬券を的中しています。配当自己ベストだそうです。凄いですね。「AI競馬」私も序章で出ています。Amazon（アマゾン）AI競馬人工知能は馬券を制することができるか？1,881円
11Dec
- 展開偏差値の精度をLightGBMで上げてみた。
  先行偏差値をPythonのLightGBMで予測した結果RMSEが8.65まで下がった。つまり精度があがりました。前走の先行偏差値の一変数だけで予測したRMSEは11.52。そしてLightGBMの学習スピードがRのランダムフォレストと比較して滅茶苦茶速い。LightGBMを使う利点が良く分かりました。グラフは縦軸（予測偏差値）　横軸（結果偏差値）です。なんとなく相関が見られますが、赤の直線上に並ぶのが理想的なので、少しズレが見られます。バラつきがまだ大きいということが分かります。出遅れのデータは削除して学習しました。そして、Rで出力したランダムフォレストの各変数の影響度を↓に出力しました。先行偏差値に関する影響度です。各変数の意味は　mae:先行偏差値　ato:追い込み偏差値　kmae:前走の先行偏差値　kato:前走の追い込み偏差値　uchi:内枠の隣の馬soto:外枠の隣の馬z_*_mean:前5走の平均偏差値「外枠の隣の馬の先行偏差値　soto_mae」の影響度が高いというのが新しく分かった事です。soto_mae>uchi_mae なんです。つまり先行争いの時に外側の隣の馬がスタートが良ければ、負けじと追いかけるが内側の隣の馬のスタートが良ければ、追いかけるが、外側の馬ほど追いかけないという傾向があることが分かりました。もっと具体的に言うと馬番2番の馬の気持ちになって考えると外の3番馬のスタートが良ければ、2番の馬は外から被せられないようにスタートが早目になる。内の1番馬のスタートが良ければ、2番の馬は被せられないので1番の後ろを追いかける。みたいな感じかもしれません。展開図では追い込み馬なのに隣の馬番の馬につられて先行する馬が出てくるという仮説が少し証明されたと思います。tigeroddsのmy PickAmazon（アマゾン）超予測力　不確実な時代の先を読む10カ条 (早川書房)891円
09Dec
- 展開偏差値の精度をランダムフォレストで上げてみる
  展開指数の精度をランダムフォレストを使って上げる事にした。普通の単回帰LMよりも若干精度があがる。今までは予測値と結果の誤差の指標のRMSEが11.40だったが、ある特徴量を加えてランダムフォレストで予測すると9.63まで誤差が少なくなった。グラフは横軸が結果で縦軸が予測値だ。まだ誤差だらけだが、予測値と結果になんとか相関がみられる。グラフ左側の疎な点の集まりは出遅れですから、気にしないことにします。さてRMSEという指標でどこまで誤差を少なくできるか、コツコツと精度を上げていきます。以前読んだ「超予測力」という本にこう書かれている。予測をする人々は自分たちの予測の正確さがどれくらいか分かっていない。予測の正確さをどこまで高められるか分かっていない。せいぜい「この程度」というぼんやりとした感覚がある程度だ。その原因は「予測・測定・見直し」という手続きを実践していないからだ。ビル・ゲイツはこう書いている「人々の置かれた状況を改善するうえで、測定する事がいかに重要かを痛切に感じた。明確な目標を設定し、その目標に向けた進歩を促すような指標を見つければ、素晴らしい進歩を達成できる。（中略）当たり前のことに思えるかもしれないが、それがなされていないことが驚くほど多く、またきちんとやるのはとても難しい。」ようやく「超予測力」の意味が分かりました。The Best is yet to come.tigeroddsのmy PickAmazon（アマゾン）超予測力　不確実な時代の先を読む10カ条 (早川書房)891円
07Dec
- 展開予測誤差 RMSEで表示
  12/6より展開新聞の展開予測と展開結果から展開予測誤差をRMSE(Root Mean Squared Error)で計算して表示するようにした。RMSEが10以下になるように展開予測を調整する目標とする。データ解析のための統計モデリング入門――一般化線形モデル・階層ベイズモデル・MCMC (確率と情報の科学)Amazon（アマゾン）3,581〜12,540円Rによる統計的学習入門Amazon（アマゾン）7,480〜17,187円最も賢い億万長者〈上〉――数学者シモンズはいかにしてマーケットを解読したかAmazon（アマゾン）1,604円最も賢い億万長者〈下〉数学者シモンズはいかにしてマーケットを解読したかAmazon（アマゾン）1,980〜6,699円
01Dec
- 展開予想図で複勝率が高いエリアの色を濃くする
  www.oyako.com では展開図含水率枠不利展開不利空気抵抗新聞を公開中ですが、先週から１）展開結果図をレース翌日には公開２）展開予想図の複勝確率の高いエリアの色を濃くする２つの機能を追加しました。展開予想図と展開結果図の比較から、予想よりも動いた馬を研究するための機能です。例えば2020/11/29 の東京４Rの展開図では⑫の馬が展開予想図の濃いピンクのエリアに入っている。グリーンの濃いエリアやブルーの濃いエリアには馬が入っていない。イエローの濃いエリアには④⑥が入っている。結果濃いエリアの⑥④⑫で3連単14850円という結果です。こんなにうまくハマる事は稀ですが、イエロー以外の濃いエリアの近くの馬は穴馬として押さえる時に使えるのではないかと思います。色の濃度は単純に展開予想図の配置と競馬場、距離、トラック別に直近の3000データを使って複勝確率を計算しています。しかし展開図の馬の個々の配置によって確率の高いエリアは変化するはずですが、そこまでは計算していません。個々の馬の配置による影響を導入する事が次への課題です。
28Nov
- おれひゃく計画　11/28東京2R102万馬券の考察
  ⑧-③-⑪で102万馬券⑧は指数2位、穴指数1位、枠不利3位内側の⑦⑤④がスタート遅めで先行しやすい位置にいた。③は枠不利1位内枠①②が先行馬で③は引っ張られるように後に続くことが出来た。この現象をSSW(SlipStreamWhip)と呼ぶ。Whipとは鞭打つという意味もあるが、ローラーゲームの中で、味方を前に押し出す技の名前をWhipという。③は①②を利用して、Whipしたと呼ぶことにする。⑪は人気順2位で順当この組み合わせで102万円、展開新聞を見れば簡単なようだが、難しい。実は人気の⑭⑮の人気先行馬が外枠の不利で先行できなかった事が100万馬券の原因であったことを予測できなければいけない。内枠SSWの破壊力と外枠先行馬の脆さで成立した馬券でした。
15Nov
- おれひゃく計画　11/15福島1R200万馬券の考察
  上は2020年11月15日　福島1R 3連単200万馬券の展開図新聞（www.oyako.comで公開中）です。100万馬券以上のレースを当てようという無謀な計画（おれひゃく計画）がW.A.R.S.の向上委員会ではじまり、このブログでその続きをやっていきます。まだ100万馬券を当てたわけではありません。どんなレースで100万馬券がでるのか？展開新聞を見ながら、過去の100万馬券以上のレースについて考察する修行を行い、いつの日か100万馬券を1点で的中しようという無謀なおれひゃく計画です。展開新聞には、枠不利・展開不利・空気抵抗の3種類の前走の不利を受けた馬の馬番が出走表の右下に不利の大きい順に馬番で表示しています。今回のレースでは、④→⑤→⑥3連単200万だったのですが、④⑤⑥の3頭とも3種類の不利の2番目までに現れるという特異なレースでした。3頭とも前走に大きく不利を受けていたため、人気がなかった。展開図を見ると、黄色のエリア（前半スピードも後半スピードもある馬）には⑤しかなく、残りの馬は前走のレースで後半の末脚が無い馬ばかりのレースでした。この考察は後付けで、申し訳ないのですが、自分の100万馬券に対する嗅覚を鍛えるため、忘備録としてやっていますのでご了承下さい。
06Nov
- W.A.R.S.窓口おばちゃんがオッズを返す
  W.A.R.S.フォーマット　Twitter版をPHPで試作中です。2020年11月1日東京11R 単勝9番(アーモンドアイ)の馬券のW.A.R.S.コンテスト投票をTwitterで行うテストです。d20201101 t11r 9tとW.A.R.S.窓口おばちゃんで入力してみてください。馬券の表示欄にオッズまで出るようにしました。

前ページ
次ページ