Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
競馬予測の考え方
Search
Issei Mori
June 14, 2016
Programming
2
6.1k
競馬予測の考え方
ウマナリティクス #1 で発表したときの資料です。
Issei Mori
June 14, 2016
Tweet
Share
Other Decks in Programming
See All in Programming
CDK開発におけるコーディング規約の運用
yamanashi_ren01
2
250
Djangoにおける複数ユーザー種別認証の設計アプローチ@DjangoCongress JP 2025
delhi09
PRO
4
460
Honoのおもしろいミドルウェアをみてみよう
yusukebe
1
230
CI改善もDatadogとともに
taumu
0
200
Grafana Loki によるサーバログのコスト削減
mot_techtalk
1
150
Honoとフロントエンドの 型安全性について
yodaka
7
1.4k
React 19アップデートのために必要なこと
uhyo
8
1.5k
苦しいTiDBへの移行を乗り越えて快適な運用を目指す
leveragestech
0
1k
密集、ドキュメントのコロケーション with AWS Lambda
satoshi256kbyte
1
210
Unity Android XR入門
sakutama_11
0
180
お前もAI鬼にならないか?👹Bolt & Cursor & Supabase & Vercelで人間をやめるぞ、ジョジョー!👺
taishiyade
7
4.2k
『テスト書いた方が開発が早いじゃん』を解き明かす #phpcon_nagoya
o0h
PRO
8
2.4k
Featured
See All Featured
Building Applications with DynamoDB
mza
93
6.2k
Sharpening the Axe: The Primacy of Toolmaking
bcantrill
40
2k
VelocityConf: Rendering Performance Case Studies
addyosmani
328
24k
Building Flexible Design Systems
yeseniaperezcruz
328
38k
個人開発の失敗を避けるイケてる考え方 / tips for indie hackers
panda_program
100
18k
Statistics for Hackers
jakevdp
797
220k
Writing Fast Ruby
sferik
628
61k
Measuring & Analyzing Core Web Vitals
bluesmoon
6
250
For a Future-Friendly Web
brad_frost
176
9.6k
StorybookのUI Testing Handbookを読んだ
zakiyama
28
5.5k
10 Git Anti Patterns You Should be Aware of
lemiorhan
PRO
656
59k
Docker and Python
trallard
44
3.3k
Transcript
競馬予測の考え方 @stockedge 1
自己紹介 本名 森 一生 個人事業主です。Web制作、機械学習、自然言語処理、etc。 個人的に(趣味で)作成したWebサイトなど。 2 推奨銘柄無料公開ブログ 家賃相場
今年の正月に書いた記事 10万PV以上のアクセスがありました。 3
ちなみに… ブログでは偉そうなこと書いてますが 競馬に関しては素人です ツッコミ大歓迎! 4
今日は競馬予測の考え方について話します 1. 戦略について 2. モデルについて 3. 評価方法について 5
1.戦略について 6
Q.そもそも、なぜ予測するのか? 7
A.お金を儲けたいから! 8
お金を儲けるためには… ただ単に良い予測をするだけではだめ 他の人より良い予測をしなければならない! 戦略的に考えよう 9
自分の強みを考えよう 我々の強み プログラミングの知識 機械学習の知識 10
プログラミングで出来ること 手間のかかる作業の自動化 11
分析するのに手間のかかる特徴量を使おう! 例:親馬や兄弟馬の成績、時系列オッズなど 12 だから…
注意点 闇雲に手間をかければいいというものではない 分析しても無駄な特徴量もあるので… 徒労を避けるためには競馬の知識が必要 13
機械学習で出来ること 色々な特徴量を総合的に考慮できる 14 脚質、オッズ、血統、騎手、etc
既存の競馬予想方法の問題点 既存の競馬予想方法は 特定の特徴量にだけ着目するものが多い 使える特徴量は全て使おう! 15
強みを自覚して戦略的に使おう! 我々の強みは プログラミングの知識 機械学習の知識 積極的に活用しよう! 16
2.モデルについて 17
モデルを作る前にデータをきれいにしておこう 新馬戦、障害戦は除外 出走取消、競争除外も除外 正規化(平均0分散1にする) etc... 18
私が競馬予測のために作ったモデル 使用した特徴量は67個 前述のとおり手間のかかる特徴量を多く取り入れた 線形モデルでモデル化 過学習が怖かったのでシンプルなモデルを使った 19
モデルについてもう少し詳しく はおいしさ指数 はi番目の特徴量 はパラメータ 20 つまり 「勝ち馬」ではなく 「儲かる馬」を予測
なぜ線形モデルを使う? 理由1 既に卍氏が線形モデルで成功している 理由2 シンプルなモデルなので過学習しにくい 21
モデルをどう学習させるか モデルの学習とは の を最適化すること 目的関数は回収率の最大化 22
最適化手法 勾配計算が不要な手法なら何でもOK 私はCMA-ESを使っていた(過去形) あるいは今流行のBayesian Optimizationとか 23
勝ち馬の予測はだめ? 「1着になる確率」を予測 「投票率」を予測し「1着になる確率」と比較 二つの問題を解く必要がある 私は複雑な問題が苦手なのでやめた 24
3.評価方法について 25
モデルの評価方法 ローリングウィンドウ法を使う 26 学習 テスト 学習 テスト 学習 テスト 学習
テスト
回収率の高さが最重要、というわけではない もちろん回収率が100%を超えていないと賭ける意味はないのだが… 回収率120%だが年一回しか賭けるチャンスが無い方法 回収率101%だが毎週賭けるチャンスがある方法 トータルで考えたら後者の方が良い! 27
リスクの評価も忘れずに リスクとはリターンの分散のこと リスク大 リスク小 28
特徴量に確定オッズを含めないようにしよう 特徴量に確定オッズを含んでいる場合 パフォーマンスが過大評価される(経験済み) 現在は投票締め切り30分前のオッズを使用 29 JRA等から取得可能
賭け金の決め方 卍氏と同じ投資法をそのまま採用 賭け金 = 資金残高 * 0.1 / 30分前オッズ 収支が安定するのでリスクを減らせる
30
実際にどれぐらいのパフォーマンスがでるか 過去10年分のデータ(37万件)を使って実験した 学習データ5万件、テストデータ1万件 ローリングウィンドウ法で学習とテストを31回繰り返した 31 おいしさ指数 平均リターン 標準偏差 最大ドローダウン 買い目割合
0以上 0.028% 3.128% 99.9% 51% 10以上 0.047% 3.169% 99.9% 35% 20以上 0.066% 3.217% 98.0% 21% 30以上 0.083% 3.259% 98.4% 11% 40以上 0.136% 3.336% 83.1% 5%
問題点 ドローダウン大きすぎ 資金配分を追い下げにすれば破産はしないはず マーケットインパクトを考えていない 重賞レースなど投票数が多いレースにだけ賭ける 32
これで完成というわけではない まだ分析ができていない特徴量がある リスクが高いのも何とかしたい 年内中には何かしらの形で公開予定 33
ご清聴ありがとうございました 34