今週はG1のない週でしたが，皆さんはどうでしたでしょうか。私の馬券成績は，買い目が上手く噛み合わず，回収率83％となってしましました。
一方，予想モデルの方は比較的好調で，R推奨度4における本命馬の単勝回収率217％だったことや，指数上位5頭の3連単BOX買いで日曜の阪神12Rで1,365倍の13万馬券を出していたり（私は買ってない）比較的好調だったかなと思います。
重賞の方も予想自体は良かったものの，買い目の選択を誤り外すと言うパターンで3戦3敗でした。買い目の研究は今後行っていきたいと思います。
今週の要点
- R推奨度4のレースの単勝回収率が217％
- 指数上位5頭のBOX買いで3連単13万馬券的中
- 買い目を最適化する強化学習モデルを導入する必要性。
- 牝馬の気性のような不確実性を予想に組み込む必要性。
- データベースを変更
予想モデルの全レース予想成績
全レースの印別成績は本命馬の成績が余り良くない形に，▲と✕の成績は良さげでした。
- 印別予想成績（R推奨度3以上）
R推奨度別の本命馬◎の成績は下記の通りです。R推奨度4の成績が単勝回収率217％とずば抜けていました。R推奨度5のレースにおける成績は悪いのは残念ですが，サンプルが2レースほどで少ないのでたまにこういうことはあります。
- R推奨度別本命馬成績
BOX買い3連単的中レース
指数上位5頭のBOX買いによる3連単的中レース（万馬券以上）は今週は結構多かったため，良かったです。とくに日曜の阪神12Rにおいては136,500円の払い戻しがあり，非常に良かったと思います。私は基本BOX買いでは買わないため，それが残念です。
重賞の分析・回顧
福島牝馬ステークス（G3）
レースは大外枠からキタイが先手を奪い、2番手にロザムールが付けた。緩みないペースでレースは流れ、隊列は縦長に。勝ったアナザーリリックは後方から徐々に進出し直線へ。直線に入り追い出されると、先に抜け出したクリノプレミアムを最後はキッチリ捉え、重賞初制覇を達成。
- 買い目
3連複フォーメーション：②⑫⑮－②⑫⑮－⑤⑨⑯以外（31点各200円）計6200円
馬連BOX：②⑫⑮（3点各1200円）計3600円
合計9800円
予想自体は6番人気のクリノプレミアムを本命にして2着になっており，1着は✕アナザーリリックだったので悪くはなかったと思います。問題は買い目でした。
クリノプレミアムに絶対的な信頼が置けなかったため〇▲を含めた3頭BOX型としていたのですが，これが裏目にでました。いつものように◎ー〇▲△✕のような形にしていれば良かったです。とはいえこれも功を奏す場合があるため，なんとも言えないところですが。競馬は難しいです。
フローラステークス（G2）
内枠から好スタートを決めて3～4番手集団に位置したエリカヴィータがゴール前で逃げたパーソナルハイを捉えての勝利。
- 買い目
3連複フォーメーション：⑨－①⑩⑬－①②③④⑥⑦⑨⑩⑬⑭（21点各200円）4200円
馬連流し：⑨－①⑩⑬（3点各1900円）5700円
合計9900円
こちらは全然ダメでした。怪物と言われていたラスールやルージュスティリアが掲示板にも入らない結果となり驚きです。とくに15着となったルージュスティリアは全く走る気がないように思いました。ここら辺が牝馬の難しいところですね。
こうした不確実性・リスクを上手く織り込むための仕組みを現在検討しています。
マイラーズカップ（G3）
後続を離して逃げを打った10歳馬のベステンダンク、直線に向いてもなかなか後続との差は詰まらず、見せ場たっぷりのレースぶり。これをめがけてホウオウアマゾンやファルコニアがジワジワと伸びる中、1頭違う勢いで大外を強襲したのはソウルラッシュ。4連勝で重賞初制覇を決めた。
- 買い目
3連単フォーメーション
③→⑤⑦⑫→②④⑤⑦⑧⑨⑩⑫⑬⑮（計27点各100円）
③→②④⑧⑨⑩⑬⑭→⑦⑫（計21点各100円）
⑤⑦⑫→③→②④⑤⑦⑧⑨⑩⑫⑬⑮（計27点各100円）
⑤⑦⑫→②④⑤⑦⑧⑨⑩⑫⑬→③（24点100円）（⑮を抜かす）
計9900円
こちらも，3着に◎，2着に△が来ているので予想自体は悪くはなかったかと思います。こちらも買い目が裏目に出て◎ファルコニアが3着の場合，1着が⑤⑦⑫であれば当たっていたのですが，ソウルラッシュだったためハズレてしまいました。
反省と今後に向けて
今週は買い目に泣かされる展開でした。いろいろ調べたところ買い目の最適化は強化学習というAIの手法で出来るみたいですね。買い目最適化モデルの開発に移りたいところですが，今まで競馬予想のデータベースにはTarget Frontier JVを使っていたものの精度の向上に限界を感じ，とうとうJRDBに手を出してしまいました。
これにより，これまでモデルで考慮出来ていなかった過去走の有利・不利や調教・追い切りなどのデータをモデルに組み込むことが出来るようになる予定です。ただ，せっかく機械学習のプログラムを書き終わったと思ったところでの変更なので，JRDB用に変数構築のプログラムを書き直すことになります。
いつになるかは分かりませんが，それほど時間はかからないかと思います。これにより更なる精度向上とより役に立つデータの提供ができるようになると思いますので，ご期待ください。
今後ともよろしくお願いします。