オートレースの平均回収率は70%台──まず現実を知る
オートレースで回収率を上げたいなら、最初にやるべきことは「現実の数字」を把握することだ。感覚で賭け続ける限り、回収率は構造的に下がり続ける。
控除率30%の壁（競艇の25%より重い）
オートレースの控除率は約30%。これは売上から30%が運営側に差し引かれることを意味する。つまり、全レース・全選手に均等に賭けた場合、理論上の回収率は70%になる。
比較として、競艇の控除率は約25%、競馬は約20〜30%（券種による）。オートレースは公営ギャンブルの中でも控除率が重い部類に入る。この5〜10%の差は、数百レース単位で賭けると無視できない金額に膨らむ。
逆に言えば、この「30%の壁」を超える精度で予測できれば、他の公営ギャンブルより参入者が少ないぶん利益を出しやすい。控除率が重いことは、正しい戦略を持つ者にとってはむしろ追い風になる。
全レース均等賭けの回収率は77.8%
実際にデータで確認した。7,528レースにおいて、AIが予測した1着候補に1レース1,000円ずつ均等に賭け続けた場合、回収率は77.8%だった。
これは「毎レース1,000円賭けて、平均778円しか戻ってこない」ことを意味する。7,528レースで合計752万8,000円を投じ、約167,000円の赤字。AIの的中率が49%あっても、全レースに賭ける限り赤字になる。
原因は明快だ。的中しても配当が控除率を上回らないレースが多すぎるのである。この構造を理解せずに「とにかく当てれば勝てる」と考えるのは、回収率を下げる最大の原因だ。
回収率を上げるための3つの戦略
全レースに賭けると赤字になる構造は変えられない。しかし「どのレースに賭けるか」を選ぶことで、回収率は劇的に変わる。以下の3つの戦略は、いずれも7,528レースのデータで有効性が確認されたものだ。
戦略1: 期待値（EV）で賭けるレースを選ぶ
最も効果が大きい戦略が「期待値フィルタ」だ。期待値（EV: Expected Value）は以下の式で計算する。
期待値（EV） = AI予測確率 × オッズ
たとえば、AIがある選手の勝率を35%と予測し、その選手の単勝オッズが4.0倍だった場合：
EV = 0.35 × 4.0 = 1.40
EVが1.0を超えるということは、「長期的に見て、賭けた金額以上のリターンが見込める」ことを意味する。逆にEVが1.0未満のレースは、当たっても長期的には損をする。
7,528レースの検証で、EV1.0以上のレースだけに絞った場合の回収率は124.9%（2,719レース）。全レース均等賭けの77.8%から47ポイント以上の改善だ。
この結果が意味するのは、「賭けないという判断」こそが回収率を上げる最大の武器だということである。
戦略2: 8号車（最大ハンデ）の過小評価を狙う
オートレースには他の公営ギャンブルにない特徴がある。それがハンデ制だ。実力上位の選手ほど後方からスタートし、最大110mのハンデが課される。8号車は通常、最もハンデが大きい選手が割り当てられる。
データを見ると、8号車の勝率は30.1%（7,528レース中）。8人中1人の均等確率12.5%を大きく上回り、全車番で最も高い。
なぜこうなるのか。ハンデが大きい＝実力が高い選手だからだ。110mのハンデを課されてもなお勝ち切れる選手が8号車に配置される。しかし、一般の購入者は「後方スタートだから不利」という直感でオッズを高めに設定してしまう。
この「実力とオッズの乖離」が、回収率を上げる余地になる。ハンデの仕組みを詳しく知ることで、この構造をより深く理解できる。
戦略3: オッズと実力の乖離が大きいレースを狙う
3つ目の戦略は、「オッズが実力を正しく反映していないレース」を見つけることだ。
TODOROKI AIの開発過程で、この戦略の有効性を実証したデータがある。初期モデル（v1）はオッズ情報を使わず、選手の実力データだけで予測していた。このときの回収率は73.3%。改良版（v2）でオッズ特徴量を導入した結果、回収率は105.1%に改善した。
v1→v2で変わったのは、「AIが予測した実力」と「市場が付けたオッズ」のギャップを検出する能力が加わった点だ。つまり、オッズの歪みを見つけること自体が、回収率を上げる直接的な手段になる。
ただし、オッズの歪みを人間の目で見つけるのは現実的に難しい。1日に数十レースが開催される中で、全レースのオッズと選手実力を比較分析するには、AIの計算力が必要になる。
7,528レースの検証結果──EV閾値別の回収率
期待値フィルタの効果を、閾値ごとに整理した結果が以下だ。
| EV閾値 | 対象レース数 | 回収率 | 損益（1,000円/R） |
|---|---|---|---|
| フィルタなし（全レース） | 7,528 | 77.8% | -167,230円 |
| EV ≥ 0.8 | 6,176 | 109.2% | +56,750円 |
| EV ≥ 1.0 | 2,719 | 124.9% | +67,620円 |
| EV ≥ 1.2 | 847 | 165.9% | +55,780円 |
| EV ≥ 1.5 | 123 | 125.0% | +3,070円 |
ここから読み取れるポイントは3つある。
第一に、EVフィルタの効果は明確だ。全レース77.8%→EV1.0以上で124.9%。フィルタを入れるだけで赤字が黒字に転換する。
第二に、EV閾値を上げるほど回収率は上がるが、対象レース数は減る。EV1.2以上にすると回収率は165.9%に達するが、対象は847レースまで絞られる。利益の絶対額はEV1.0フィルタの67,620円に対し、55,780円と少なくなる。
第三に、EV1.5以上まで絞ると対象が123レースしかなく、回収率の信頼性が下がる。サンプルサイズが小さいため、偶然の影響を受けやすい。実用上はEV1.0〜1.2の範囲が回収率と賭け機会のバランスが最も良い。
この検証の詳細なデータは7,528レースの検証レポートで全て公開している。
TODOROKI AIは毎日Xで予測を先出し公開中。@todoroki_ai_ar をフォロー（無料）するだけで、EV1.0以上のレースを確認できる。
競艇との比較──オートレースの方がAI有利な理由
TODOROKI AIは、競艇AI「NAGI AI」の技術を横展開して開発した。NAGI AIの回収率は129.7%。一方、TODOROKI AIのEV1.0以上での回収率は124.9%と近い水準にある。しかし、オートレースにはAI予測にとって構造的に有利な条件が3つ存在する。
個人戦（ラインなし）＝ 変数が少ない
競輪にはライン（チーム戦）があり、競馬には馬群の位置取りや騎手の駆け引きがある。これらは数値化しにくい変数だ。
オートレースは完全な個人戦。選手同士の連携や駆け引きがほぼなく、「選手の実力」と「ハンデ」と「コンディション」でほぼ結果が決まる。変数が少ないほどAIの予測精度は上がりやすい。
ハンデが数値化されている ＝ AIが処理しやすい
オートレースのハンデは0m〜110mまで10m刻みで公開されている。これは主催者が「選手の実力差」を数値として明示しているに等しい。
AIにとって、数値化されたデータは最も扱いやすい入力だ。競馬の馬場状態やパドック情報のような「見た目で判断する」要素と比べ、ハンデは機械的に処理でき、モデルの精度向上に直結する。試走タイムの読み方と組み合わせることで、予測の精度はさらに高まる。
AI競合がほぼゼロ ＝ 市場の歪みが大きい
競馬AIは群雄割拠の状態だ。多くのエンジニアや企業がAI予測モデルを開発・公開しており、オッズにAIの予測が織り込まれつつある。競艇でもAI予測サービスは増加傾向にある。
一方、オートレースのAI予測サービスは事実上ほぼ存在しない。つまり、オートレースのオッズは人間の直感と経験だけで形成されている。AIが検出できる「オッズの歪み」が大きく残っているのだ。
この状況は永続するものではない。AI予測の参入者が増えれば歪みは小さくなる。現時点でオートレースにAIを活用することは、先行者利益を得られる数少ないチャンスである。
公営ギャンブル全体でのAI活用について詳しく知りたい場合はこちらを参照してほしい。
実践ガイド──オートレース回収率改善の5ステップ
ここまでの戦略を、初心者でも今日から実践できる具体的な手順に落とし込む。
Step 1: 全レースに賭けるのをやめる
回収率改善の第一歩は「賭けない判断」だ。7,528レースの検証が示す通り、全レースに均等に賭ければ回収率は77.8%に収束する。これは控除率30%がある以上、構造的に避けられない。
1日12レース開催されても、実際に賭ける価値があるのはそのうち3〜4レース程度。残りは「見るだけ」に徹する。この意識転換ができるかどうかが、回収率を分ける最大の分岐点だ。
Step 2: ハンデと試走タイムを必ず確認する
賭けるレースを選ぶ前に、最低限確認すべきデータが2つある。
ハンデ：出走表に記載されている各選手のハンデ距離を確認する。前述の通り、8号車（最大ハンデ）の勝率は30.1%と突出して高い。ハンデが大きい選手ほど実力が高いことを意味するため、単純に「後方スタートだから不利」と判断してはならない。
試走タイム：当日の試走タイムはエンジンの調子を反映する。ハンデで測れない当日の状態変動を補完する重要な情報源だ。試走タイムの読み方を把握しておくと、予測の精度が上がる。
Step 3: オッズが「高すぎる」選手を探す
実力に対してオッズが高い（＝過小評価されている）選手を探す。これが期待値の高いレースを見つけるコツだ。
たとえば、ハンデが最大で試走タイムも上位なのに、単勝オッズが5倍以上付いている選手がいたら注目に値する。「実力は高いが、市場はそれを十分に評価していない」可能性があるからだ。
ただし、この判断を人力で毎レース行うのは負担が大きい。TODOROKI AIのようなAI予測を参照すれば、期待値の計算は自動化できる。
Step 4: 1レースの賭け金を一定にする
賭け金の管理は回収率改善と同等に重要だ。守るべきルールは1つ──1レースの賭け金を固定する。
「自信があるレースは多めに賭ける」「負けを取り戻すために倍プッシュする」──これらは回収率を破壊する典型的な行動パターンだ。賭け金を固定することで、回収率の計測が正確になり、戦略の効果を正しく評価できるようになる。
TODOROKI AIの検証でも、全て1レース1,000円均等で計算している。この条件でEV1.0以上フィルタの回収率が124.9%なのだから、賭け金を変動させるリスクを取る必要はない。
Step 5: 最低50レース以上で回収率を評価する
ギャンブルの回収率は短期では大きくブレる。5レース連続で外れることもあれば、3レース連続で的中することもある。
回収率を正しく評価するには、最低でも50レース以上のサンプルが必要だ。理想的には100レース以上。EV1.0以上のフィルタを使った場合、2,719レース中で回収率124.9%という結果が出ている。50レース程度では結果が上下に振れるが、レース数を重ねるほど回収率は期待値に収束していく。
「10レースやって赤字だからダメだ」と判断するのは早すぎる。逆に「5レース連続で当たったから天才だ」というのも幻想だ。統計的に有意なサンプルサイズで冷静に評価することが、回収率改善の最終ステップになる。
まとめ──オートレースは「データ勝負」で回収率が変わる
オートレースの回収率を上げる方法を整理する。
| アプローチ | 回収率 | レース数 |
|---|---|---|
| 全レース均等賭け | 77.8% | 7,528 |
| EV1.0以上フィルタ | 124.9% | 2,719 |
| EV1.2以上フィルタ | 165.9% | 847 |
ポイントは3つだ。
第一に、全レースに賭けてはならない。控除率30%の壁を超えるには、期待値が高いレースだけを選ぶ必要がある。
第二に、ハンデ構造を理解する。8号車の勝率30.1%に代表される構造的な歪みは、データを見なければ気づけない。
第三に、オッズの歪みを検出する。v1→v2でROIが73.3%→105.1%に改善した事実が示す通り、オッズと実力の乖離を見つけることが回収率に直結する。
感覚予想で回収率を上げることは、7,528レースのデータが示す通り困難だ。オートレースは変数が少なく、ハンデが数値化され、AI競合もほぼいない。データ分析が最も報われる公営ギャンブルの一つである。
競艇の回収率改善方法でも同様の期待値戦略が有効であることを確認できる。
TODOROKI AIは毎日Xで予測を先出し公開中。@todoroki_ai_ar をフォロー（無料）するだけで、期待値ベースのレース選定を体感できる。まずは自分の目でAI予測と実レース結果を照らし合わせ、データ勝負の効果を確かめてほしい。
コメント