30秒でわかる概要
競馬AIでは、当たりやすさを上げることと、実際に「買う価値がある」と判断できることは同じではありません。
今回の設計変更では、これまで選んだCatBoostの予測モデルをいったん固定し、通常の特徴量探索も原則として閉じました。ここでいう特徴量は、AIが予測するときに判断材料として使うデータのことです。
次に研究する対象を、予測モデルそのものから「どの予測を買いにつなげるか」という経済的な判断層へ移しました。
例えば、次に比較する経済信号候補は4件です。まだ優劣は決めず、比較対象として固定しました。
現在地は、予測モデルを固定し、4件の経済信号候補を比較する前の設計を確定した段階です。
今回決めたこと
今回、次の点を固定しました。
- 既存のCatBoost予測モデルを比較基準として固定しました。
- この検証では予測モデルの再学習を禁止しました。
- 通常の特徴量探索を原則として閉じました。
- Candidate003はコードと設計だけを再利用し、過去の最終評価結果は再利用しない方針にしました。
- 次に比較する経済信号候補を4種類に整理しました。
- 最終判断の方向性を、不確実さとモデル一致度を考慮した保守的な期待収益に置きました。
- 市場情報の取得時点を確認できる仕組みを並行優先事項にしました。
なぜ研究の軸を変えるのか
予測モデルを何度も作り直すだけでは、「当たりやすい予測」と「お金を賭ける価値がある予測」を分けられません。
そこで今回は、既存の予測モデルを比較の基準として固定し、その上に置く判断方法を研究する方針へ切り替えました。
新しいモデルを学習した結果ではありません。モデルを固定したうえで、次に何を研究するかを決めた設計判断です。
今回固定したこと
既存のCatBoostモデルを、今後の比較基準として固定しました。
この検証ではモデルの再学習を行いません。また、通常の特徴量探索も原則として終了し、本当に新しく、予想時点で使える情報が見つかった場合だけ、事前に決めた手順で例外的に検討します。
これにより、「モデルを変えた効果」と「買い方を変えた効果」が混ざりにくくなります。
過去の研究はどう扱うのか
以前のCandidate003で作った仕組みは、コードや設計の部品として再利用します。
ただし、過去に最終評価へ使ったデータの結果は使い回しません。
つまり、便利な実装は再利用しても、過去の評価結果を新しい判断の根拠として持ち込まない方針です。
次に比べる4つの候補
次の工程では、買う価値を判断するための経済信号として4種類を候補に置きました。
- 市場情報を補助に使う期待収益
- 二段階で見積もる期待収益
- 直接見積もる期待収益
- 市場との期待差を診断する方法
ここでいう期待収益は、「当たる確率」だけでなく、戻ってくる金額も含めて買う価値を考えるための考え方です。
まだ、この4候補のどれが良いかを決めたわけではありません。
最終的に目指す判断
最終的には、単純に期待収益が高く見えるものを選ぶのではなく、不確実さや複数の予測の一致度も考慮して、保守的に買う価値を判断する方針です。
同時に、市場情報をいつ取得できるかを確認できる仕組みも優先して整備します。
検証記録
- 予測モデルの扱い：固定
- 通常の特徴量探索：原則終了
- 経済信号候補：4種類
- 投稿価値の再判定：投稿対象
この4点は、今回の設計変更として正式に確認した内容です。
未達・対象外
この設計変更では、モデルを実行していません。
着順や利益率などの結果も読んでいません。
2025年・2026年の結果も使っていません。
データベースへの書き込みもありません。
そのため、今回の結果だけで予測精度が上がった、利益率が改善した、市場に対する優位性が確認できた、と主張することはできません。
検証結果
- 予測モデルの扱い：固定
- 通常の特徴量探索：原則終了
- 経済信号候補：4種類
- 投稿価値の再判定：投稿対象
次に確かめること
次は、過去の市場情報をどの時点の情報として扱えるかを監査します。
予測モデルを動かす前に、まず「その市場情報は、その予想時点で本当に使えたのか」を確認します。
予測精度を追い続けるのではなく、固定した予測をどう安全に経済判断へつなげるか。ここから研究の対象が変わります。