第149夜統計データを用いた予想手法例(7)

▼賞金というバロメータでもっと複雑な加工をする
統計データを用いる例示として6種類の要素を縷々説明している。
最後の「要素F」について、今晩は書きとめておきたい。
要素Fも要素Eと同様に賞金を用いた分析なのだが、他のデータより少し手の込んだ計算をしている。
要素Fは、中央競馬平地競走で走った回数別に獲得賞金の平均を出し、それに比べて当該馬が上回っている/下回っている率を出走馬で競う。
ただし、獲得賞金の平均は理論値で、実際の平均値より誤差を生じる(1走目で獲得する平均賞金、2走目で獲得する平均賞金…を積み上げているためである)。
例えば、ある馬が過去に5回走り、7,312,000円獲得しているとする。
5回走った馬の獲得賞金平均は5,678,144円であるから、この馬は7,312,000円/5,678,144円=1.29となる。
これを出走馬で比較し、順位付けするのだ。
要素Fの表は順位をもとに連対率を算出し、その全体平均との差をポイント(平均比)にしたもの。
要素Eの平均賞金の順位付けと似ているのだが、平均賞金の単純な比較とはまた違った統計になるようで面白い。
(出走回数別獲得賞金モデル額、2006-2014年データから作成)

出走済回数別 獲得賞金	件数	出走済回数別 獲得賞金平均	出走回数別 獲得賞金モデル
0	39,540	846,648	846,648
1	36,261	687,942	1,534,590
2	32,033	827,400	2,361,990
3	27,748	948,152	3,310,142
4	23,932	1,092,632	4,402,774
5	20,758	1,275,370	5,678,144
6	17,951	1,450,843	7,128,987
7	15,772	1,501,858	8,630,845
8	13,980	1,693,927	10,324,772
9	12,499	1,713,337	12,038,109
10	11,164	1,782,870	13,820,979
11	10,027	1,841,321	15,662,300
12	9,020	1,812,774	17,475,074
13	8,159	1,988,203	19,463,277
14	7,444	1,978,829	21,442,106
15	6,814	2,054,612	23,496,718
16	6,170	2,177,333	25,674,051
17	5,636	2,017,287	27,691,338
18	5,151	2,006,675	29,698,013
19	4,717	1,953,298	31,651,311
20	4,301	1,975,220	33,626,531
21	3,896	1,930,045	35,556,576
22	3,477	1,845,239	37,401,815
23	3,109	1,889,702	39,291,517
24	2,771	1,748,784	41,040,301
25	2,487	1,611,536	42,651,837
26	2,199	1,435,599	44,087,436
27	1,981	1,668,608	45,756,044
28	1,773	1,475,528	47,231,572
29	1,612	1,292,262	48,523,834
30	1,419	1,370,937	49,894,771
31	1,251	1,557,830	51,452,601
32	1,116	1,678,697	53,131,298
33	987	1,268,344	54,399,642
34	854	1,262,989	55,662,631
35	755	1,295,928	56,958,559
36	653	1,263,360	58,221,919
37	574	1,033,213	59,255,132
38	481	950,478	60,205,610
39	424	1,113,401	61,319,011
40	376	588,452	61,907,463
41	330	792,288	62,699,751
42	283	812,975	63,512,726
43	248	1,005,681	64,518,407
44	225	995,191	65,513,598
45	200	701,265	66,214,863
46	169	1,103,893	67,318,756
47	147	646,415	67,965,171
48	120	545,058	68,510,229
49	101	746,851	69,257,080
50	85	257,282	69,514,362
51	69	521,304	70,035,666
52	60	547,667	70,583,333
53	52	176,250	70,759,583
54	48	988,813	71,748,396
55	38	393,947	72,142,343
56	32	311,500	72,453,843
57	28	872,036	73,325,879
58	20	584,100	73,909,979
59	17	595,706	74,505,685
60	13	161,538	74,667,223
61	11	0	74,667,223
62	10	322,000	74,989,223
63	9	0	74,989,223
64	7	0	74,989,223
65	4	375,000	75,364,223
66	2	0	75,364,223
67	2	750,000	76,114,223
68	2	0	76,114,223
69	2	0	76,114,223
70	2	0	76,114,223
71	2	0	76,114,223
72	1	0	76,114,223

(要素F、出走回数別獲得賞金モデル額の成績順)

順位	件数	連対数	連対率	平均比
1位	22,919	8,228	0.359	0.215
2位	22,460	5,899	0.263	0.119
3位	23,225	4,667	0.201	0.057
4位	23,420	3,960	0.169	0.025
5位	23,357	3,339	0.143	-0.001
6位	22,417	2,807	0.125	-0.019
7位	21,771	2,535	0.116	-0.027
8位	21,283	2,378	0.112	-0.032
9位以下	133,219	11,338	0.085	-0.059
全体	314,071	45,151	0.144

▼合計
これら6要素を算出したところで、今回わたしは単純に合計を出した。
統計学的にはもっと良い手法があるのだけれど、足し算でも掛け算でも平均でも「あまりひどい」ものにはならないと思う。
今回の例では、芝・ダート区分と、前走データ、賞金データを用いた。
ほかにも予想要素はたくさんあり、取捨選択しながら自分の予想というものを確立してもらえればと思う。

長期にわたって綴ってきたものの、単純化すると(1)過去9年分のデータで該当するレコードを選び、(2)データの数値を連対率に揃える、という作業であった。
例えば血統などをどう予想に組み込むか、考えあぐねていることもあると思う。
数字では表せないという人も少なくない。
だが、「スペシャルウィーク産駒のダート」なら、連対率を調べることができ、他の指数と同一の土俵で予想することはできる。
このような手法を一度覚えれば、どのような要素をピックアップするのか、どのような指数に揃えるか(今回は連対率を用いたが勝率でも賞金でも着順でもなんでも良い)、いろいろ応用が利くと思う。
(SiriusA+B)