30秒でわかる今回の結果
競馬AIの「買うレースを選ぶ判断層」と「条件別の強み」を、未使用の2018年・2021年データで検証しました。
結果は1件中1件が払戻対象、ROI110%でした。
しかし、買い対象が1件しかなかったため、事前に決めていた基準に従って REJECT_DECISION_LAYER_SEGMENT_EDGE_V1 と判定しました。
ROIがROIが100%より高かったこと自体ではなく、再現できるだけのサンプルと安定性があるかを重視した結果です。
何を試したのか
今回のテーマは、すべてのレースを同じように買うのではなく、AIが判断しやすいレースや条件だけを選別できるか、というものです。
検証では、Decision LayerとSegment Edgeの条件を事前に固定し、その後でFreshデータへ適用しました。
結果を見た後の閾値変更や、都合の良い条件への調整は禁止しています。
実測結果
- 対象：Freshな2018年・2021年
- 買い数：1件
- 的中数：1件
- ヒット比率：1.0
- ROI：110%
- 最終判定：REJECT
4つの検証対象はすべてMEASUREDとなり、未解決項目は0件でした。
なぜREJECTなのか
1件だけの結果では、ROI110%が安定して再現するシグナルだとは判断できません。
このため、「ROIが100%より高かった」という一点だけで採用せず、事前に定めた判定ルールに従って棄却しました。
現在の状態
今回の検証で、買うレースを選ぶ判断層そのものは測定可能な形になりました。
一方で、この方式をそのまま採用できるだけのFresh Evidenceは得られていません。
次の一手
次は、Decision Layer / Segment EdgeがFreshデータで十分な買い数を作れなかった原因を整理します。
その後、次に試すROI100仮説を、結果を見る前に1つだけ事前固定します。
後付けの閾値探索や結果依存の条件調整は引き続き禁止し、未使用データで再現できるかを優先します。