先日のサウジカップデーでいよいよ現役騎手を退くこととなった福永騎手や実績を残した調教師の引退など、2月は中央競馬にとって別れの月となりましたが3月になってすぐに新人騎手・調教師のデビューが注目されています。そこで、今回は「騎手」「調教師」といったような予想ファクターの扱いについて検討します。

　多くの競馬ファンは「○○騎手の成績は安定している/大舞台に強い/スタートがうまい」といった事柄を過去レースのデータを考慮して予想に組み込んでいると思います。最終的な予想に組み込むファクターとしてどれほど重視しているかは人によりますが、正確な予想をするためにはこれらのデータをどう扱うかが重要です。2023年の競馬予想をする際、2022年までのデータを元に集計した結果がそのまま使えるとは限りません。

　例えば騎手の方であれば怪我の影響などでやや成績が低迷するといったことがあるかもしれません。以前のコラムで、血統データの扱いについて述べているのですが、その際も種牡馬の成績は時代によって変わり産駒が途絶えたりする可能性もあるためデータ入力の仕方について注意が必要、という話をしています。これは「騎手」「調教師」といった要素にも関連しています。AISSの場合、騎手に関しては「○○騎手」という情報を登録していますが、AIに学習させる際は騎手に関する情報を加工した集計値も用います。これは機械学習の用語で「Target Encoding」と呼ばれる手法でして、例えば特定騎手の過去走のデータを集計して「勝率」や「平均獲得賞金」を算出し、そのデータを学習に利用します。

　下のグラフは2022年のリーディングジョッキーである「川田騎手」の「過去500走」の「複勝率」を時系列推移で表したものです(週ごとに過去500走の成績を集計)。


　年ごとの推移でみると確実に成績が向上していることはわかりますが、月ごとなど短いスパンだと期間によってぶれが生じていることが分かると思います。これは川田騎手に限らず多くの騎手で見られる現象であり、騎手は機械でなく騎乗する馬の質が異なることや、騎乗するレースの環境(開催替わりなど)もあるため当然の傾向といえます。このような時期による特徴を考えずに「2022年の川田騎手の成績」などとまとめてしまうとこれらの情報性を失ってしまう可能性があります。

　同様の集計を「ルメール」騎手に対しても行ってみます(通年免許を取得した2015年4月からを集計対象とします)。


　高いレベルにいることは確かですが、ピーク時と比べると成績はやや下降傾向であることは確かです。

　次に川田騎手、ルメール騎手の「複勝回収率」の時系列推移を表したものが下のグラフです。


　川田騎手については特に昨年(2022年)の成績が良いことから馬券妙味的な部分で薄れてきていますがそれでも近年は高い数値となっています。対してルメール騎手は近年特に馬券妙味的な部分でも大きく下がっており積極的には狙いにくい状況です。

　今回は数値の推移として分かりやすい複勝率・複勝回収率で比較していますが、「得意な競馬場」「騎乗スタイル」なども併せて過去データの集計値として数値化することで「騎手」や「調教師」がどれほどの能力があるかをコンピュータに教えることができます。

　もう一つ今回の集計結果として大事なことは、「どんな優秀な騎手/低調な騎手でも基本的には“波”がある」ということです。例えば川田騎手は2023/2/26時点で2023年の中央競馬複勝率が70％超えという驚異的な成績を残していますがこのまま複勝率80％まで到達するかというと極めて難しく、逆にしばらく複勝率50％以下の時期が続くと考えても全く不思議でありません。「波」があるということを認識しておけばこのような事象も確率的に違和感がないことが理解できますし、逆にこれまで低調な騎手が一気に成績向上するという事象が発生しても納得ができると思います。

「データしか見なくなると競馬がつまらなくなる」と言われそうですが競馬に限らず様々な物事はある程度数字でコントロールされているという事実を認めたうえで馬券攻略していくべきでしょう(もちろん競馬を楽しむという姿勢も忘れないように)。