TigerOddsの最終レース日記

予想ソフトを作る「五行」を駆使して勝つ。

  • 24Jan
    • 今年2021年初めての万馬券の画像

      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冊の画像

      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の画像

      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の画像

      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の画像

      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!の画像

      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8R204万馬券の考察の画像

      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。の画像

      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の画像

      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で表示の画像

      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の画像

      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の画像

      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1R200万馬券の考察の画像

      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。

  • 31May
    • W.A.R.S.七冠王ソフト 絶影の半年分の成績の画像

      W.A.R.S.七冠王ソフト 絶影の半年分の成績

      W.A.R.S.七冠王での絶影の半年分の成績を表示してみた。絶影は2019年12月からモンテカルロ法で単複を予想している。1)絶影指数に乱数を加えてモンテカルロ法で確率計算。2)確率XOddsで期待値計算。3)買う期待値の幅を指定してそのエリアに来た上位の馬を買うこれで単複はなんとか100%を超えることが出来ているが、ワイド、馬単、3連複、3連単の成績がめちゃくちゃ悪い。単複だけモンテカルロ法を取り入れているが、2連系と3連系のモンテカルロ法はどうやればいいのか思案中。

  • 29May
    • ひとつのキーボードで3つのPCを操作するの画像

      ひとつのキーボードで3つのPCを操作する

      1年ぶりの更新です。競馬ソフト「五行」で競馬ソフトを作り学習させるためにWindows10 PC3台とノートPC計4台を使ってプログラミングしています。狭い机にモニタ3個とマウス3個、キーボードは机の下からスライドして2個格納していましたが、使いにくいので3年前に買っておいたLogicoolのK380マルチデバイスキーボードを使う事にしました。その時の導入の苦労話を。まず、Logcool K380のキーボードの左上には3つのBluetoothのボタンがあります。このボタンを押すだけで3台まで切り替え可能。よって3台のPCを1個のキーボードで操作できるので便利です。PC3台にはBluetoothが搭載されていないので、このキーボードと通信するBluetoothドングルが3つ必要になりました。そこでAmazonで3個のBluetoothを購入。CSR4.0 ¥980/1個という、安いドングルです。もっと安いものもありましたが、評価の高そうなSHOPで購入しました。3個をPCに差し込んで、Bluetoothの設定をするだけで認識できました。別々には通信認識できるのですが、3台同時に差し込んで、キーボードボタンで切り替えようとすると上手くいきません。1台認識すると他の2台は認識できなくなります。なぜそうなるのか?一応心配していたのですが、MACアドレスが皆同じ商品だったのです。普通、MACアドレスは認識でバッティングしないように生産時に世界で一つしかないアドレス番号を書き込むのが常識ですが、安いだけあって、同じアドレスで生産しているようです。同じアドレスだと他のBluetoothを認識しないわけです。webで調査すると、「LinuxはMACアドレスを書き込めるがWindowsはダメらしい」という記事が出てきて落胆したのですが、MAC Adress Changer for WindowsというソフトでWindowsでもMACアドレスを書き替えられることが分かりました。https://macaddresschanger.com/download-bluetooth-mac-address-changer上のページでダウンロード方法やマニュアルがありますので参考にしてください。以上で3台のPCを一つのBluetoothキーボードで操作する事ができました。次はひとつのマウスで3台を操作できる事にチャレンジします。

  • 21Apr
    • W.A.R.S.七冠王、電脳Fiveにエントリーする方法

      電脳Five、W.A.R.S.七冠王にエントリーする方法エントリーシート形式------------------------------------------------------------------------------ID:XXX-ZZ作者:ソフト名:ソフトの予想方法:------------------------------------------------------------------------------の形式でエントリーをお願いします。例-----------------------------------------------------------------------------ID:012-01作者:TigerOddsソフト名:Goddsソフトの予想法:オッズを解析した指標をAIで予想する-----------------------------------------------------------------------------IDのXXXは作者IDIDのZZはソフトIDXXXは現在001から011まで登録されています。004は未使用新しくエントリーされる方は004か012以降になります。作者IDの900番台以降は別の用途に使いますので004と012から899まで使用可能です。ソフトIDは任意です。00から99まで使ってください。電脳FiveとW.A.R.S.七冠王で同じID、ソフト名でエントリー出来ません。エントリー場所はWARS虎の穴2掲示板の[W.A.R.S.役場]スレッドで行います。正式にID、ソフト名でエントリーしないと集計係りの人がコンテスト集計設定ファイルを書き換えられないのでよろしくお願いします。土日に参加する場合は木曜日までにエントリーしてください。金曜日以降のエントリーは次週からのコンテスト参加になります。投票するファイルはFF形式です。ファイル名は1日分を1ファイルにしてFFレース日付[ID].csvで作成後、zipで圧縮してzipファイルをコンテスト掲示板で投票してください。例:2018年1月6日のレースを作者ID:001 ソフトID:01 で投票する場合。投票ファイル名FF20180106[001-01].csv圧縮ファイル名FF20180106[001-01].zip投票場所はコンテスト掲示板です。虎の穴掲示板とコンテスト掲示板は非公開です。エントリーされる方はこの委員会でエントリー表明をしてください。個別に掲示板に入る方法を教えます。#FFファイル #エントリー

    • W.A.R.S.予想コンテスト FF形式について

      電脳FiveとW.A.R.S.七冠王の投票形式はFF形式です。FF形式とは競馬ソフトTargetで採用されたファイル形式です。W.A.R.S.では予想買い目ファイルをFF形式で統一することによりコンテストの集計を自動的に行ない、リアルタイムで成績を発表できるようにしています。#FFファイル #エントリーFFファイルは買い目の1つを1つのレコードとしたCSV形式のファイルです。主に買い目の入力と出力に使用し、他のTARGET等のソフトと買い目のやり取りが可能になります。一括出力時のファイル名の初期値は、FFyyyymmdd.CSVで、yyyyは西暦4桁、mmは月2桁、ddは日2桁です。  内容は全てテキストファイルで、各データ(買い目1つ分)は1行で構成され、改行で区切られています。   読み込む場合、以下のデータの全てを埋める必要はありませんが、空データで結構ですので、データの個数は一致させて下さい。基本的には、レースIDと券種と目のデータさえ入っていれば、買い目として読み込まれます。他のデータは省略可能です。◆本体1 レースID JRA-VAN新仕様(16桁)     yyyymmddjjkknnrr (yyyymmddは日付 jj競馬場コード kknn回日 rrレース番号)2 返還フラグ 0:有効、1:返還3 券種 0=単勝 1=複勝(未使用)2=枠連(未使用) 3=馬連4=ワイド(未使用) 5=馬単6=3連複 7=3連単4 目1 目1が指定されていないデータは無視される5 目26 目37 購入金額 円8 オッズ 実数(W.A.R.S.では使いません)9 的中時の配当 円(W.A.R.S.では使いません)10 エリア A~H(半角)(W.A.R.S.では使いません)11 マーク 半角2文字または全角1字(W.A.R.S.では使いません)12 一括購入目用馬番 (W.A.R.S.では使いません)---------------------------------------------------------------------------------------------上記出力データのヘッダとしてご利用ください---------------------------------------------------------------------------------------------レースID,返還フラグ,券種, 目1,目2,目3,購入金額,オッズ(空文字OK),空文字,空文字,空文字,空文字レースID,0,券種, 目1,目2,目3,購入金額,0, //基本FFData---------------------------------------------------------------------------------------------実際のFFファイルの内容は以下の通りです。1行目は2017年12月24日中山(06)5回8日目01R 単勝 100円2行目は2017年12月24日中山(06)5回8日目01R 複勝 100円3行目は2017年12月24日中山(06)5回8日目01R 馬連 200円のようになっています。買い目文字は2桁に合わせても大丈夫です。1→01でもOK。FF形式の例2017122406050801,0,0,1,0,0,100,4.7,0,0,2017122406050801,0,1,1,0,0,100,1.4,0,0,2017122406050801,0,3,1,10,0,200,23.2,0,0,2017122406050801,0,4,1,6,0,100,3.4,0,0,2017122406050801,0,5,1,10,0,100,39.7,0,0,2017122406050801,0,6,1,6,10,100,33.1,0,0,2017122406050801,0,7,1,10,6,100,190.4,0,0,FF形式の例2(買い目を2桁にそろえて視認性向上)2017122406050801,0,0,01,00,00,100,4.7,0,0,2017122406050801,0,1,01,00,00,100,1.4,0,0,2017122406050801,0,3,01,10,00,200,23.2,0,0,2017122406050801,0,4,01,06,00,100,3.4,0,0,2017122406050801,0,5,01,10,00,100,39.7,0,0,2017122406050801,0,6,01,06,10,100,33.1,0,0,2017122406050801,0,7,01,10,06,100,190.4,0,0,以下のリンクを参考にしてください。http://faqnavi13a.csview.jp/faq2/userqa.do?user=jravan&faq=faq01_target&id=312&parent=20&fbclid=IwAR1lMregyxsP-FbZrNjImoVa9stimrKhm5f9FIl3Xo2dZ4p--tv3Z7ZQezE

  • 25Mar
    • ケリー基準機能の画像

      ケリー基準機能

      ケリー基準についてケリー基準とは、総資金に対する賭け金の割合です。総資金の何パーセント賭ければ、一番利益が上がるかを数学的に計算したものです。「ケリー基準の歴史」getcitiesが2019年3月31日にサービス終了するので、今のうちにこのページで勉強しておいてください。http://www.geocities.jp/y_infty/management/history.htmlGoogleでケリー基準を検索すると、よくわからないページが多いのですが、「ケリーの公式を導出する方法」は次のページを参考にして下さい。http://blog.katty.in/402さて、競馬でケリー基準を使うためには、自分の予想モデルの、1)1点あたりの勝率(的中率)が安定している事2)1点あたりの平均配当額が安定している事3)勝率X平均配当額が100円を超える事。つまり回収率が100%を超える事の3つが絶対条件になります。自分の予想ソフトの勝率や平均配当額が分からない方は、まず最低半年か1年ぐらいのデータで勝率、平均配当額を求めておいてください。そして「日本式のオッズの場合の式」でケリー基準fを求めてください。拙作「五行」では、検証後に勝率、平均配当額を自動で計算してケリー基準を求めてくれます。グラフの頂点が求めたいケリー基準fです。この場合は横軸0.086あたりでグラフが最大値をとっていますので、f=0.086=8.6% になります。グラフの基準fの頂点から右側に行けば行くほど、グラフが下がり、利益が少なくなります。このモデルの場合(的中率43.6% 回収率119.3%)総資金の18%以上を賭け続けると、回収率が100%を超えているモデルでも破産する確率が高くなることがグラフから読み取れます。

  • 22Jan
    • 「五行」のマニュアル-6 新規ファイルの作成の画像

      「五行」のマニュアル-6 新規ファイルの作成

      6)新規ファイルの作成新しく五行のプログラムを作成する場合トップメニューから[ファイル(f)]→[新規ファイルを作成]をクリニック画面中央のエディタ画面(黄色いエリア)にテンプレートのプログラムが自動的に表示されます。五行のプログラムは1-宣言文2-入力文3-計算文4-順位文5-馬券文の五行だけで競馬ソフトを作ります。