TigerOddsの最終レース日記 -5ページ目

TigerOddsの最終レース日記 -5ページ目

ホームピグアメブロ

芸能人ブログ人気ブログ

20Jan
- 馬体重/斤量=馬斤値とPRB値のグラフ
  一般的に斤量/馬体重の比で成績を調べる事が多いようですが、馬体重/斤量の比で成績を調べれば比率が大きい程、成績が良くなるようにグラフが描ける。2017年から2023年までのデータで馬体重/斤量の比率と成績の関係をグラフにした。データ数が同じになるように、馬体重/斤量の比率をラベリングして20等分に分けた。横軸に馬体重/斤量の比率のラベル値縦軸にPRB値　PRB値=0.5で平均パフォーマンスとなる値ハンデ戦だけ違います。全部のデータの黒線の傾向とは違います。
10Jan
- 展開新聞解説　2023年フェアリーS最終追切で回顧
  2023年フェアリーSを最終追切で回顧1着11人気⑭キタウイング　　　美坂57-56馬⑩　2着07人気⑩メイクアスナッチ　美坂63-64馬❹3着06人気①スピードオブライト美Ｗ60-52馬上位3頭、最終追切は馬なり調教好時計勝ったキタウイングの小島調教師は牝馬には優しい。牝馬は「馬なり」か「強め」か？なんとなく分かってきたような気がする。
- 展開新聞解説　2023年淀短距離Sを調教から反省回顧
  2023年淀短距離Sは大波乱3連単356万、当たるわけがない。なぜ外れたのか？展開新聞の調教欄から反省してみます。テーマは牝馬の調教は難しい？
08Jan
- 展開新聞解説　2023年シンザン記念は最終追切だけで判断しちゃダメだった
  最終追切の時計が速く、外人騎手イーガンで1番人気になったクファシルは7着中間時計もしっかりチェックしましょう。
- 展開新聞調教欄の読み方（併走馬と坂路とウッドチップ）　
  2023年1月7日中京９R長良川特別の2頭の馬の調教欄を比較しました。10番チャックネイトと12番ダークエクリプスです。赤丸と青丸の部分を見てください。❼は併走馬に0.7秒差を付けて速く走った記号です。⑥は併走馬に0.6秒差を付けて遅く走った記号です。10番チャックネイトは最終追切、中間時計でも併走馬を付けていますが、12番ダークエクリプスは最終追切、中間時計でも併走馬無しでした。やる気が見えるのはチャックネイトですが7番人気、ダークエクリプスは5番人気でした。結果はチャックネイト1着、ダークエクリプスは出遅れて9着展開新聞
- 展開新聞の調教の読み方
  2023年1月7日中山６R　14番メイショウガガの調教内容から読み取れることを書いておきました。強めの調教で調教偏差値高いのは、要注意馬なり調教で調教偏差値高い馬を選ぶことメイショウガガが次走馬なり調教でワンターンの東京、中京、新潟に出走してきたら買ってみたい1頭です。展開競馬新聞https://www.oyako.com/pdf/jra20230107t.pdf
12Dec
- 騎手、調教師、馬等を評価するファクター
  actual value - expected value = A-E (-1～1)騎手、調教師、馬等を評価する評価A=Σ(成績PRB)/Data数評価B=Σ(成績PRB-人気PRB)/Data数
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