競馬×機械学習 vs ChatGPT。対決してたら、相手がV1からV4まで進化

競馬の機械学習システムを作りながら、もう一つ続けていることがあります。ChatGPTとの対決です。

「これだけ色々できるなら、ChatGPTに直接、競馬の予想をしてもらえばいいのでは？」

自分でデータを集めて、特徴量を作って、モデルを学習させている横で、ChatGPTに頼んだ予想のほうが良い成績だったら。それはもうAGIですねw

予想を出してもらい、結果を見て、気になった点を話しているうちに、ChatGPT側の予想の仕方もアップデートしていきました。気づけば、今はV4です。

どんなルールで対決しているのかと、そこまでの経緯を書いてみます。

※V1〜V4は、この対決で使っている予想方式の呼び名です。

予算をそろえて、買い目は別々に考える

まず、機械学習のシステムがその日の買い目と配分額を出します。それをChatGPTに渡し、同じ総額で、ChatGPT自身の予想を作ってもらいます。

そろえるのは、実際に選ばれた買い目への配分総額です。例えば10月18日は、システムが9,800円を配分したので、ChatGPT側も9,800円でした。

対象は、その日の中央競馬。レースも券種も点数も、それぞれで選びます。同じレースで同じ馬を選ぶこともあれば、まったく違うところを選ぶこともあります。

予想と配分は発走前に固定し、終わったら確定払戻で精算します。

なお、私の買い目を先に見せているので、完全に情報を隠した比較ではありません。（一応それに引っ張られないようにと記述している）

途中からGrokも加わりましたが、今回はChatGPT側の変化を中心に紹介します。

V1：まずは、予想してもらう

最初は、馬の評価やオッズを見て、良さそうな買い目を選んでもらうところからでした。

強そうな馬を探し、配当との釣り合いを考え、自信のあるところに配分する。大まかには、そんな裁量中心の予想です。

V2：「強そう」から「何倍なら見合うか」へ

全馬を評価し、市場の確率を出発点にして、当日の情報で補正する。その推定確率から、配当が何倍なら見合うかを計算し、実際のオッズと比べる。配分も、配当との比較と見積もりへの確信度を踏まえて考える。これがV2の方針でした。

例えば、ある買い目の的中率を20％と見積もるなら、期待収支がちょうどゼロになる倍率は5倍です。同じ20％でも、オッズが3倍なのか7倍なのかで判断は変わります。

当たりそうな順に並べるだけではなく、その確率に対して配当が見合うかを見る。 この点は、機械学習のシステムでやりたいことに近づいてきました。

V3：確率を計算する形になった。でも、3レースに集中した

V3では、単勝オッズの逆数をレース内で正規化し、そこから着順の組み合わせを考える方法を使いました。Plackett–Luceという順位モデルで、ワイドや馬連の的中率を近似する形です。

10月17日の固定票は、3レース・9点に21,200円。東京10Rに8,500円、京都11Rに7,400円、新潟11Rに5,300円という配分でした。

9点あると、いろいろな買い目を選んでいるように見えます。でも、中身を見ると、かなり限られた結果に賭けていたことが分かります。

そして、この日は9点とも不的中。払戻は0円でした。

もちろん、全敗したからこの計算方法がダメだと決まるわけではありません。それでも、少数レースへの集中、同じ馬への依存、朝のオッズと推定確率の扱いは、見直す対象になりました。

V4：大きなズレを見つけても、すぐには信じない

V4では、確率の見積もりと資金の集中を見直していました。

単勝オッズから計算したワイドの的中率だけで判断せず、ワイドのオッズから作った確率の目安とも比べます。両者が大きく離れていたら、単勝からの推定をそのまま強く信じず、ワイド市場側の目安へ寄せる考え方です。

そしてV4初戦は、ChatGPTに負けました

ここまで書くと「それで、結果は？」という話ですが、10月18日はChatGPT側の勝ちでした。

東京11Rのワイド6–11が的中し、2,400円に対して払戻18,960円。京都8Rのワイド3–5も的中し、1,400円に対して払戻3,780円。合わせて22,740円です。

各者9,800円で比べた結果は、次のとおりでした。

自分のシステムはボウズ。その横で、予想の仕方を一緒に見直していた相手に勝たれましたTT
とはいえ、土曜日の全敗も合わせると、ChatGPT側の土日2日間の収支は−8,260円です。機械学習のシステムは−7,900円なので、この2日間を通して見れば、両方マイナスで、わずかに自分のほうが上でした。

V4初戦の232.04％だけで「改良成功」と言ってしまうのも違います。V3とV4を同じ日の同じ条件で比較したわけではありませんし、そもそもまだ1回目です

また、次の週末も、勝負します。機械学習のシステムの改修と、ChatGPT側の作戦変更。それぞれ何を変えて、どういう結果になったのかも、またアップデートしていきたいです。

この記事を書いていたら、chatgptがさらに強くなりそうなニュースが！

ちょうど気になる投稿が流れてきました。

奥野憲一さんが、JRDBで「もっとチャッピーしやすくなるサービス」を構築中だと投稿していました。Claude Codeにも触れていて、まもなくリリースするという予告です。

奥野憲一さんの投稿はこちら

自分にとっては、なかなかのビッグニュースです。chatgptは今後使えるデータまで充実するかもしれないですね

ここまでのV3・V4では、確率の計算は主にオッズを出発点にしていました。もちろん馬の近走なども見ていますが、そこへ専門のデータを扱いやすい形で加えられるなら、試してみたいことが増えます。

例えば、気になった馬について、過去のレース内容をそろえて比較する。市場の評価と自分の見立てが違うときに、ほかの情報と突き合わせる。そういう作業をChatGPTに頼みやすくなるなら、予想の進め方も変わりそうです。

V1からV4までは、主に「どう予想するか」を変えてきました。次は、「何を見て予想するか」も勝手に変わるかもしれません。

これは続報が気になります。