AI検証｜競艇・オートレース19,135レース実証データ【期待値+12.4%】

公営ギャンブルでAIは勝てるのか？19,135レース実証で判明した回収率と期待値

公営ギャンブルでAIは勝てるのか。結論から言えば「控除率25〜30%の壁を越える条件付きで勝てる」だ。

全レース均等買いなら確実に負ける。だがAIが算出した期待値（EV）に基づき「割の良いレース」へ厳選投資すれば回収率100%超を達成できる。これは19,135レースの実証データに裏打ちされた客観的事実だ。

検証には競艇AI「NAGI AI」とオートレースAI「TODOROKI AI」を使用。競艇11,607レース・オートレース7,528レースで期待値フィルタを適用した結果、回収率はそれぞれ129.7%・124.9%を記録した。

本稿では全レース均等賭けが負ける数理的理由、期待値フィルタの運用法、2競技におけるAIの全成績を数値付きで公開する。競艇やオートレースのAI回収率・勝率の真偽を知りたい方への判断材料となるはずだ。

なぜ「AI vs 公営ギャンブル」なのか──人間の予想が構造的に負ける3大要因

人間の認知バイアスがギャンブルを構造的不利に追い込む

公営ギャンブルで長期収支がマイナス化する主因は、運営側の控除率以上に「人間の認知バイアス」にある。

人間が直感や経験則で舟券・車券を買う際、以下3つの構造的な歪みから逃れられない。

1. 本命偏重バイアス（過剰人気による期待値低下）

競艇の1号艇やオートレースの強豪選手に過度な投票が集中する。その結果、本命オッズは適正勝率を下回る水準まで低下。競艇1号艇の平均配当は1.8倍前後に留まり、控除率25%を踏まえると長期期待値はマイナス化する。

2. 直近成績バイアス（サンプル不足の過大評価）

直近2〜3走の着順のみで評価を急変させ、長期勝率や機力（モーター・エンジン）、コース適性を過小評価する。本来なら数百走の標本が必要な確率判断を、感情込みの短期記憶で歪めてしまう。

3. 大穴・万舟バイアス（非合理な高配当志向）

一発逆転を狙った万舟券・大穴への過剰投票により、中穴帯（オッズ5倍〜20倍域）が放置されやすい。市場の歪みが生じるこの「本命でも大穴でもない中間オッズ域」にこそ高期待値が潜む。

これらの偏りは知識不足ではなく脳の認知機能に起因するため、精神論で根絶できない。感情を排したアルゴリズムで機械処理するAIが絶対的優位に立つ根拠がここにある。

AIが持つ圧倒的強み──大量データの特徴量解析と一貫したルール遵守

AIには直前の負けによる焦燥もなければ、欲による無謀な増額もない。確率計算を純粋に貫徹できる。

NAGI AIは選手成績・モーター勝率・コース別入着率など55特徴量を用い、256,623行の学習データを基に11,607レースでテスト検証。1着的中率は57.9%をマークした。

TODOROKI AIは37特徴量に加えOptunaでハイパーパラメータを自動探索。5年分208,583行のデータを活用し7,528レースで検証、人手分析を凌駕する予測精度を担保している。

人間が1レース5分かけて分析すれば19,135レースで約1,600時間（24時間不眠不休で66日）を要する。AIはこの情報量を数分で精査し、一切ブレずに期待値を算出する。

最大の利点は「規律の維持」だ。人間は連敗すると賭け金を増やしたり勝負を避けたりするが、AIは事前定義された統計モデルを反復する。この一貫性こそ長期収益化の基盤だ。

検証1: 競艇AI（NAGI AI）──11,607レースの実証検証データ

モデル仕様（LightGBM・55特徴量・厳格な時系列分離スプリット）

評価設計で不可欠なのが時系列スプリットだ。学習に2025年12月15日以前、テスト検証に同16日以降の未来データのみを採用。リーケージ（情報漏洩）を完全排除して実戦耐性を実証している。

全レース均等買いは回収率93.0%──なぜ高的中率でも赤字に沈むのか

NAGI AIの1着的中率は57.9%と過半数を超える。一般的な予想師を大きく上回る精度だ。

しかし、対象11,607レースへ均等に1,000円を賭け続けた場合、トータル回収率は93.0%とマイナスに終わる。

理由は明確だ。AIが本命1号艇の勝利を精緻に当てても、オッズは1.5〜3.0倍の低配当に集中する。的中時の利幅が狭く、控除率25%を差し引いた損失分を補填できない構造だからだ。

的中率重視だけでは公営ギャンブルで勝てない。「高確率の買い目」と「期待値がプラスの買い目」は根本的に別物であり、オッズとのバランスを無視すれば確実に資金は溶ける。

期待値フィルタ（EV≧1.0）導入で回収率129.7%へ黒字化達成

打開策は「見送りの徹底」だ。全レース参加を捨て、期待値（EV）が1.0を上回る優位レースのみを抽出する。

期待値の基本算出式は以下の通りだ。

期待値（EV）= AI算出勝率 × 実オッズ

EV≧1.0は「数理上、長期的試行で利益が残る勝負」を指す。逆にEV<1.0のレース購入は、参加した時点で統計的な資本毀損が確定する悪手といえる。

EV≧1.0の基準適用で対象は5,185レースに厳選され、回収率は129.7%へ跳ね上がる。EV≧1.5条件では882レースで回収率199.6%に到達。レース数と利益率のトレードオフを資金力に合わせて設計することが肝要だ。

競艇のデータ分析手法についてさらに深く知りたい場合は競艇のデータ分析手法も参考にしてほしい。

競艇AIの検証結果をさらに詳しく知りたい場合は、競艇AIの検証結果を詳しく見るを参照してほしい。

検証2: オートレースAI（TODOROKI AI）──7,528レースの実証データ

モデル構造（LightGBM・37特徴量＋Optunaベイズ最適化）

TODOROKI AIは競艇AIの開発基盤をオートレースの力学に合わせて最適化したモデルだ。Optunaによるハイパーパラメータ調整を組み込み、5年分208,583件の走行データから隠れた相関を抽出している。

ハンデ戦の歪みを突く──8号車（最大ハンデ）の勝率30.1%の秘密

オートレース解析で判明した重要法則は、最重ハンデである8号車の勝率が30.1%に達する点だ。全8車立ての理論的均等勝率12.5%と比較し、約2.4倍もの勝率格差が存在する。

8号車は最後方からの発走となるため一般投票者には不利に見えやすい。だが最大ハンデを背負う選手はS級を中心とする抜けた実力者であり、車群を捌く技量が桁違いである。

一般ファンが「追走届かず」と見て投票を控える結果、オッズが実力対比で過剰に跳ね上がる。「最強選手が市場で過小評価される」という特異なバリュー構造が定常的に生じるのだ。

TODOROKI AIは実走タイム・試走偏差・気象条件からハンデの力関係を正確に測定し、市場オッズが過小評価した8号車を検知する。オートレースのハンデ構造について詳しくはオートレースのハンデ構造で解説している。

期待値フィルタで回収率124.9%へ伸長（全均等買い77.8%から急回復）

オートレースも全レース均等買いでは回収率77.8%と惨敗するが、EV≧1.0フィルタで回収率124.9%へ大幅好転。EV≧1.2まで基準を高めれば165.9%を記録し、控除率30%の厚い壁を軽々と突破できた。

オートレースAIの詳細な検証過程はオートレースAIの検証結果を詳しく見るにまとめている。

競艇 vs オートレース──AI運用適性と市場の歪みを比較分析

両競技を比較すると、競艇は年間レース数が多く統計的再現性に長ける一方、オートレースは複雑なハンデ制度ゆえに市場オッズの歪みが極めて大きいという特性が浮き彫りになる。

特にオートレースは競艇・競馬と異なり競合するAI運用者が極端に少ない。市場のオッズ形成が一般ファンの心理に依存しているため、期待値ベッティングの優位性が色濃く残されている。

控除率はオートレースが30%、競艇が25%と前者が5ポイント不利だ。しかし歪みの大きさとオッズの旨味によって、TODOROKI AIはEV≧1.0で回収率124.9%という高リターンを叩き出している。

期待値ベッティングの仕組みを基礎から理解したい場合は、期待値ベッティングの基礎を学ぶを参照してほしい。

NAGI AI・TODOROKI AIは毎日XでAI予測を公開している。実際のレースでAIがどのような目を算出するか、@nagi_ai_boat（競艇）と@todoroki_ai_ar（オートレース）をチェックしてほしい。

AIでも勝てない条件とリスク──期待値ベッティングの限界と統計的真実

短期的に負ける日がある理由──必要サンプル数の統計的根拠

AIは魔法ではない。期待値ベッティングは「長期的に回収率100%超へ収束させる」戦略であり、1日単位では下振れにより負ける日が普通にある。

リアルタイム検証のフォワードテストでは173レースで回収率112.8%を記録したが、日単位では赤字となる日も確実に存在する。

期待値ベッティングが統計的に機能するには十分なサンプルサイズが必要だ。100レース未満の短期成績でAIの真価を判断するのは早計であり、最低でも200〜300レースの累計で評価すべきだ。1万レース規模のバックテスト検証を行っているからこそ、統計的に有意な結論が導き出せている。

全レース均等買いでは負ける──AI期待値フィルタの必須性

強調したいのは、どれほど高精度なAIでも期待値フィルタなしの全レース均等買いでは赤字になる点だ。競艇AI（NAGI AI）でも実証されている。

AIは「当てるツール」ではなく「オッズの歪みから割の良いレースを選ぶツール」だ。全買いではなく、期待値100%超を厳選して初めて利益が出る。

的中率の数字だけでAIを評価すると、オッズ過小な買い目を掴み、長期的な資金管理で失敗することになる。

市場の効率化とオッズの歪み──AI優位性の持続性

理論上、AIモデルを用いる参入者が増えればオッズの歪みは解消し、期待値ベッティングの優位性は薄れる。アルゴリズム取引の普及に伴い、株式市場で裁定機会が激減したのと同じ原理だ。

だが現実の公営ギャンブル市場では、賭け手の大多数が感覚や直感で投票する一般ファンであり、AIで系統的に期待値を追う層はごく少数だ。特にオートレースではAI予測を活用する競合プレイヤーが事実上存在しない。

競艇やオートレースは市場規模が適度であり、機関投資家のような巨大資本が参入するインセンティブが低い。そのため非効率な市場の歪みが長期間維持されやすく、個人レベルのAI運用でも構造的優位性を十分に持続できる。今こそAIによる公営ギャンブル予測を実践する絶好のタイミングといえる。

まとめ──AIは「確実に勝つ魔法」ではなく「確率を味方にする道具」

19,135レースの実証データから導かれた4つの重要結論を整理する。

1. AIは公営ギャンブルで「条件付きで」回収率100%超を達成できる

全レース均等買いでは控除率（回収率75%前後）に敗れるが、期待値フィルタの導入で回収率100%超を安定して維持できた。

2. 勝敗を分ける決定打は「的中率」ではなく「期待値」である

的中率57.9%でも均等買いなら赤字となる一方、期待値フィルタを通せば回収率129.7%を達成。AIの本質的な価値は、膨大な過去データと確定直前オッズを即座に計算し、割の良い買い目のみを選別する能力にある。

3. 競艇・オートレースともにAI定量モデルが有効

競技が異なる両分野で「全レース赤字→期待値選別で黒字化」の同一パターンが再現された。これは期待値戦略が持つ構造的優位性の確たる証拠である。

4. 短期的なブレを想定した500レース以上の長期運用が不可欠

AIは1レース単位の結果を保証しない。だが500レース以上のサンプル数を重ねることで、期待値のプラスが実際の収支へと確実に収束していく。

当サイト（nagi-ai.net）および公式XではAI実証データを毎日公開している。実際の数値が本物か、ぜひ自身の目で検証してほしい。

無料で試す

・競艇AI予測（NAGI AI）: @nagi_ai_boat をフォロー（無料・登録不要）

・オートレースAI予測（TODOROKI AI）: @todoroki_ai_ar をフォロー（無料・登録不要）

全レースのAI予測・期待値データを見る

noteメンバーシップ（月額1,980円〜）で全レースAI予測を配信中。期待値スコア付きの予測全データを活用し、独自の厳選買いに役立てられる。

関連記事一覧

・競艇AIの検証結果を詳しく見る（19,135レースの実証生データ付き）

・オートレースAIの検証結果を詳しく見る（回収率推移グラフ付き）

・期待値ベッティングの基礎理論を学ぶ（控除率を上回る計算手法）

・競艇のデータ分析手法（進入コース・オッズと着順の相関分析）

・オートレースのハンデ構造とAI予測モデルへの活用法

・AI予測を無料で試す方法（初心者向けステップ別ガイド）