🐴 AI競馬の予想勝率とオッズの逆数の差と回収率の関係

• AIの予想した勝率とオッズから計算した逆数との差(AI勝率-オッズ逆数、と呼ぶ)を計算して、その差と回収率の傾向を調査

• 背景

  • AI勝率-支持率が大きいと期待値が大きくなるため、そのポイントを狙うのがいいと考えている。
    例えば、オッズ 2.0の場合にAI勝率が0.8だったら、2.0 * 0.8 = 1.6で期待値が1(100%)を超える。この点から、期待値を超えるケースは、オッズの逆数0.5とAI勝率0.8を比較して、AI勝率が高ければ期待値が1を超えることが分かる。また、その差が大きければ大きいほど、期待値が大きいと考えられる。

• 仮説は、オッズ逆数よりもAI勝率がかなり大きければ回収率が大きくなり、少し大きければ回収率は小さくなる傾向になるはず

• 実験は、学習データでAI競馬を作り、テストデータでAI競馬の単勝予想勝率が1位のものに単勝で予想した時に、"AI勝率-オッズ逆数"でbinをとって、そのbinごとの回収率を計算した。

  • AIの学習データはJRDBが出走の前日に公開する競馬データ(KYIデータ)を利用。有料版で2022年のものを利用(＊1)

    • https://note.com/vacance_keiba/n/n1e37e760f232 と同様

  • "AI勝率-支持率"の計算は、(AI勝率-支持率)/AI勝率で計算。(差の開き具合を比率かしている)

• 結果は、"AI勝率-オッズ逆数"が+方向に開きがあるほど、回収率が大きい傾向になった。→図1

図1

• 結果2として、binの間隔をより細かくしたバージョンも掲載 → 図2。一番右の場合は回収率が0.6(+60%)という結果になった。

図2

• 考察は、図1より支持率よりもAIの予想した勝率がかなり大きければ回収率が大きくなる傾向。ただ粒度小さめの図2では、単純な傾向がわかりづらかったが、これは1つの点をプロットした時の数が約15ぐらいだったので、サンプル数が少なくて傾向がわかりにくくなっている可能性がある。