こんにちは。Asymmetric Edge、運営者の「K」です。
秋のダート重賞戦線の幕開けとなるこのレース、毎年本当にワクワクしますよね。でも、ハンデ戦ということに加えて、JRAで唯一のダート2000mという特殊な舞台だったり、最近は中京のダート1900mで代替開催されたりと、条件がコロコロ変わって予想が本当に難解です。
過去10年の傾向はどうなっているのか、過去のデータからどんな馬が好走するのか、最新のオッズと期待値のバランスはどうなのか、枠順の有利不利はあるのか、そして気になる穴馬は潜んでいるのかなど、調べれば調べるほど迷ってしまうという方も多いのではないでしょうか。
そんな時に頼りになるのが、人間の感情や思い込みといったバイアスを排除し、純粋に数値だけで勝負の行方を占うシリウスステークスのAI予想です。何十年分もの膨大なレース結果や血統、コース情報などのデータを機械学習で処理し、私たち人間が見落としがちなサインを拾い上げてくれます。
今回は、そんな最新の競馬予測AIが一体どんなデータを読み込み、どうやって最適解を導き出しているのか、私と一緒に深掘りしていきましょう。
- AIがシリウスステークスにおいて最も重視している独自の特徴量と分析プロセス
- 過去10年分の客観的データに基づく具体的な好走条件と年齢・斤量の有利不利
- 阪神コースと中京コースにおけるトラックバイアスと求められる適性の違い
- 回収率を最大化するためのオッズ妙味と買い目構築の現実的なアプローチ
シリウスステークスのAI予想が導く推奨馬
まずは、最先端の競馬AIがこの難解なハンデ重賞において、どのようなロジックで推奨馬をあぶり出しているのかを見ていきましょう。過去のデータから見えてくる期待値や年齢別の傾向など、AIの脳内を覗き見するような感覚で読んでみてくださいね。
AIアルゴリズムが重視する特徴量と予測
「AI予想」と一口に言っても、実は開発元や組み込まれているアルゴリズムによって、重視するポイント（特徴量）は全く異なります。競馬ファンの間でも「血統派」や「データ派」「展開派」がいるように、AIにもそれぞれ得意とするアプローチや個性があるんですよね。
ここでは、シリウスステークスのような難解なハンデ戦において、市場で注目されている代表的なAIモデルが、具体的にどのような思考プロセスで推奨馬を導き出しているのかを深掘りしてご紹介します。
直近の勢いを数値化して壁を突破する「SIVA」
まず、「SIVA」というAIモデルは、ハンデ戦という特殊性を深く考慮し、過去の絶対的な実績（クラスや獲得賞金など）よりも直近の勢い（モメンタム）を極めて高く評価するアルゴリズムを採用しています。
私たち人間は、「今回は重賞初挑戦で一気にメンバーが強くなるから厳しいかも…」と、無意識にクラスの壁を気にしてしまいがちですよね。しかしSIVAは、ダート路線に変更してから条件戦を圧勝してきた馬や、直近の数戦で急激に持ちタイムを縮めている馬のデータを「成長曲線の急上昇」として正確にスコアリングします。たとえ一気に相手が強化される昇級戦であっても、課せられるハンデの恩恵と直近の勢いの数値を掛け合わせることで、人気薄の上がり馬であっても強気に本命や対抗に推してくるのが大きな強みです。
オッズの歪みと期待値のバグを突く「VUMA」
一方で、「VUMA」というAIは、過去の重賞実績と直近の充実度のバランスを精緻に計算し、「馬券としての期待値（オッズ妙味）」を極限まで追求するモデルです。
例えば、長期間の休養明け（11ヶ月ぶりなど）の馬が出走してきた場合、人間は直感的に「レース勘が鈍っているから割引が必要」と判断しがちです。しかしVUMAは、過去に同条件のG3レースで勝ち馬から0秒3差以内で走破している実績や、オープン競走での高いパフォーマンス、さらにはトップジョッキーの起用といったプラスの変数をドライに掛け合わせ、見事に期待値を弾き出します。
また、前走が芝のレースで大敗し、今回ダートに戻って人気が急落しているような馬に対しても、「芝での敗戦はダートの適性や絶対能力とは無関係であり、底は見せていない」と客観的に判断します。こういった人間が過剰に嫌う要素を逆手にとり、オッズが甘くなったところを相手候補に組み込む柔軟性を持っているんですよ。
人間が見落とすマクロデータを網羅する「SPAIA KAIBA」
さらに、「SPAIA KAIBA」が提供する予測エンジンのように、陣営のコース相性といった人間が意外と見落としがちなマクロデータを重視するAIも存在します。
KAIBAは回収率と的中率の双方を最適化する設計になっており、「どの騎手が乗るか」だけでなく「その騎手と調教師のタッグが、該当コースでどれだけの回収率を残しているか」を深く掘り下げます。例えば、「このタッグは中京ダート1900mにおいて複勝率66.7%、複勝回収率119%という圧倒的な数値を誇る」といった、統計学的に極めて合理的な裏付けをもとに、実績不足で軽視されている穴馬でも平気で抜擢する予測を展開します。
AIは人間の「バイアス」を排除する達人
これらのAIに共通しているのは、「過去のG1馬だから」「前走大敗しているから」といった、私たちが無意識に抱いてしまう感情や主観的なバイアスを一切排除しているという点です。純粋な相関関係だけを大量のデータから拾い上げるからこそ、的確にオッズの歪みを突くことができるわけですね。
私自身、これらのAIの思考プロセスを知ることで、「なぜあの時、AIはこの穴馬を選んだのか」という理由が明確に言語化されて、自分自身の予想の幅がグッと広がったと感じています。なお、競馬予想におけるAIの基本的な仕組みやデータ分析のアプローチについては、当サイトのAI競馬予想に関する解説記事でも詳しくご紹介していますので、より深く知りたい方はぜひ参考にしてみてください。
過去10年の傾向に基づく期待値の分析
「ハンデキャップ競走」と聞くと、条件反射的に「荒れる波乱レースだ！」と大穴狙いをしたくなるのが競馬ファンの性ですよね。私も昔はハンデ戦と聞くだけで、無意識に手広く穴馬を買ってしまっていました。
しかし、シリウスステークスに関しては、その直感を一旦リセットしたほうが良さそうです。実はデータを見ると、極端な大穴が勝利する波乱レースとは言い難く、上位人気の信頼度が比較的高いという明確な統計的特徴があるんです。
| 人気順位 | 勝率 | 連対率 | 複勝率 |
|---|---|---|---|
| 1番人気 | 30.0% | 50.0% | 50.0% |
| 2番人気 | 10.0% | 40.0% | 60.0% |
| 3番人気 | 10.0% | 20.0% | 50.0% |
| 4番人気 | 20.0% | 20.0% | 30.0% |
| 8番人気以下 | 極めて低い | 極めて低い | 極めて低い |
過去10年間の実際のレース結果（出典：JRA公式サイト『データファイル』）から傾向を分析すると、1番人気から3番人気の複勝率はいずれも50.0〜60.0%の範囲に美しく収束しています。特に1番人気は連対率が50%もあるので、馬券の軸としての信頼度は「標準以上」と判定できます。
なぜハンデ戦なのに上位人気が強いのか？それは、ダート1900m〜2000mという舞台が純粋なスタミナと底力を問われる過酷なコースだからです。小手先の斤量差（ハンデ）だけでは、絶対的な基礎能力や心肺機能の差を覆すのが難しいという物理的な背景があるんですね。
大穴狙いはAIから見ると「非効率」
AIの確率モデルから導き出される結論として、単勝オッズで20倍以上（概ね8番人気以下）になるような大穴馬は、統計的に極めて苦戦を強いられています。過去10年で馬券圏内に好走したのはわずか2頭のみ。AIのスクリーニングにおいては、早い段階で消し（除外対象）となる層です。
逆に言えば、無理に大穴を狙うよりも、上位人気（単勝3倍〜6倍台）の馬を素直に高く評価し、そこから「いかに期待値の取れる相手を絞り込むか」が回収率を上げる最大の鍵になります。
狙い目のオッズ帯はココ！
AIが「美味しい期待値（オッズの歪み）」を見出すのは、単勝オッズ10倍〜14倍台、人気で言うと4番人気〜7番人気あたりの中穴層です。このゾーンには、実力があるのに少し重いハンデを嫌われたり、前走の着順だけで過小評価されている馬が潜みやすいため、1〜3番人気の堅いところを軸に、この中穴層へ流すのが最も効率的な戦術と言えそうです。
人間はどうしても「もっと荒れるかも」とオッズの誘惑に負けて手広く買ってしまいがちですが、AIはこうした過去10年の期待値分布を冷徹に計算し、無駄な買い目をバッサリと切り捨ててくれます。この徹底した合理性こそが、AI予想の最大の強みかなと思います。
軽ハンデ馬と重ハンデ馬における勝率差
ハンデ戦の醍醐味であり、予想を最も悩ませる要素でもある「斤量」。AIが予測モデルを構築する際にも、この斤量（ハンデ）は極めて重要なパラメーターとして精緻に分析されます。
特にシリウスステークスのようなダートの中距離〜長距離戦では、直線でのスタミナ消耗に斤量差がダイレクトに響いてきます。実績馬が重い斤量を背負い、上がり馬が軽い斤量で挑む。この力関係の逆転現象をAIはどう捉えているのか、過去10年の具体的なデータを元に見ていきましょう。
| 斤量帯（ハンデ） | 勝率 | 3着内率 | 単勝回収率 | 複勝回収率 |
|---|---|---|---|---|
| 53kg | 16.7% | 16.7% | 142% | 44% |
| 54kg | 3.7% | 11.1% | 17% | 29% |
| 55kg | 11.1% | 22.2% | 338% | 88% |
| 56kg | 12.5% | 20.8% | 73% | 41% |
| 57kg | 0.0% | 21.4% | 0% | 63% |
| 57.5〜58kg | 3.8% | 38.4% | 11% | 61% |
結論から言うと、過去10年で勝ち馬が多く出ているのは「53kg〜56kg」の軽〜中ハンデ帯です。なんと、過去10年の優勝馬10頭中、実に9頭がこのゾーンから出ているんですよ。
特に注目したいのが、55kg組の単勝回収率338%という驚異的な数値です。また、53kg組も出走頭数こそ限られますが、勝率16.7%、単勝回収率142%と、アタマ（1着）で狙った際の単勝妙味が非常に大きいことがわかります。
実績馬の過剰人気（重ハンデ）に注意！
一方で、57.5kg以上の重ハンデを背負わされた馬を見てください。2着や3着に踏みとどまる力（3着内率38.4%）はさすがの一言ですが、勝ち切る確率（勝率3.8%）は著しく低下しています。57kgに至っては過去10年で勝ち星ゼロという厳しい現実があります。
私たち人間は、過去のG1実績や馬柱の豪華さに目を奪われて、「いくら重い斤量でも、この馬の格と実力ならあっさり勝つだろう」と、重ハンデの実績馬をあっさり1番人気に推しがちですよね。私も過去に何度もその罠にハマりました。
しかし、AIはそんな思い込みや感情を持ち合わせません。「ダート1900m〜2000mという砂が深くタフな舞台において、1kgの斤量増は終いの脚色に致命的な影響を与える」という物理的な制約を、過去の膨大なデータから冷徹に計算します。
重い荷物を背負ってゴール前の急坂（あるいは長い直線）を駆け上がるのは、人間が想像する以上に過酷です。そのためAIは、絶対的な能力値が高くても重ハンデ馬の「勝率」をシビアに割り引いて評価するんです。
馬券戦略への落とし込み
このデータから導き出されるAI的な最適解は、「アタマ（1着）には53〜56kgの馬を狙い、57.5kg以上の重ハンデ馬は2着・3着のヒモ（相手）として連系馬券に組み込む」という買い方になります。
ハンデキャッパーが設定した絶妙な斤量差によって生じる、人間の期待と物理的限界のズレ。ここを突くのが、ハンデ戦におけるAI予想の真骨頂と言えるかもしれませんね。
若き3歳馬と4歳馬が圧倒的に有利な理由
競走馬の予想をする時、つい過去の実績や派手な勝ちっぷりに目が行ってしまって、「年齢」というファクターを軽視してしまうことってありませんか？私も昔は、年齢よりも直近の着順ばかりを追いかけて失敗していました。
しかし、秋のダートG1に向けた登竜門としての性質が強いシリウスステークスにおいて、AIの学習モデルは「3歳〜4歳の若い世代」に対して極めて高い評価スコアを与えます。
まずは、以下の年代別成績データを見てみてください。世代間の明確なコントラストが浮かび上がってきます。
| 年齢 | 勝率 | 3着内率 | 単勝回収率 | 複勝回収率 |
|---|---|---|---|---|
| 3歳 | 20.0% | 30.0% | 171% | 65% |
| 4歳 | 9.5% | 38.1% | 70% | 109% |
| 5歳 | 9.5% | 19.0% | 41% | 33% |
| 6歳 | 5.1% | 23.1% | 217% | 86% |
| 7歳以上 | 0.0% | 7.4% | 0% | 14% |
データを見ると一目瞭然ですよね。
4歳馬は3着内率が約40%近くあり、全世代トップ。複勝回収率も100%を超えていて、馬券の軸として最も信頼できる世代であることがわかります。また、3歳馬も出走頭数こそ少ないものの、勝率は20%と圧倒的で、単勝回収率も大きく跳ね上がっています。
逆に、勝利数が最も多い5歳馬は出走頭数も多いため、回収率の観点では妙味が薄めです。そして7歳以上のベテラン馬に至っては、過去10年で勝利ゼロ。加齢による能力減退がはっきりと数字に表れており、AIの予測エンジンでも真っ先に評価を落とされる層になります。
なぜ若駒がこれほどまでに走るのか？
それは、彼らがまだ能力の底を見せておらず、夏を越えて本格化した「急激な成長曲線」をAIが見逃さないからです。
人間のハンデキャッパー（斤量を決める人）や一般の競馬ファンは、どうしても「過去の実績」をベースに馬の能力を測ります。しかし若駒たちは、ひと夏を越えるだけで別馬のようにパワーアップすることが珍しくありません。
その結果、過去の実績から機械的に算出されるハンデキャップが、現在の「真の能力」よりも軽く設定されるという「ハンデの恩恵」を最大限に享受できるんです。AIは、過去の走破タイムの推移（傾き）からこの「成長曲線」を予測し、条件戦を勝ち上がってきたばかりの実績に乏しい若駒でも、オッズ妙味が高いと判断すれば高確率でピックアップしてきます。
「重賞初制覇」の舞台になりやすいレース
この「若駒の成長力＋軽ハンデ」の有利さを裏付けるように、過去10年の優勝馬延べ10頭中、実に7頭（例外は2020年のカフェファラオ、2023年・2024年のハギノアレグリアス）が、このシリウスステークスで「重賞初勝利」を飾っているんです。
実績馬の重い斤量を嫌い、これからG1へ羽ばたいていく伸び盛りの若い上がり馬を狙い撃つ。これが、データが導き出すシリウスステークスの最も美しい勝ちパターンと言えるかもしれませんね。
前走ローテと着順から読み解く好走条件
馬券を買うとき、新聞の馬柱で一番最初に目が行くのは「前走の着順」じゃないでしょうか？私も予想をする時は、どうしても直近で勝っている馬や好走している馬から探してしまいます。
前走の成績は、その馬の現在の調子、いわゆる「モメンタム（勢い）」を測る上で不可欠な指標です。特に勢いがそのまま結果に直結しやすいハンデ戦において、AIは前走の着順やローテーションをどのように評価しているのか、具体的なデータを見てみましょう。
| 前走着順 | 好走傾向とAIの評価ロジック |
|---|---|
| 1着 | 安定感抜群。勢いそのままに好走するパターンが多く、連対馬の半数を占める。 |
| 2着〜4着 | 馬券圏内の好走傾向として「前走4着以内」が明確なボーダーラインとなる。 |
| 6着〜9着 | 過去10年で4勝。不利などの明確な敗因があれば、AIが高評価を与える穴馬ゾーン。 |
| 10着以下 | 過去10年で馬券圏内ゼロ。二桁着順からの巻き返しは絶望的であり、AIも消し評価。 |
データを見ると、複勝圏内（3着以内）に入る馬の大部分は「前走4着以内」に該当していることがわかります。特に前走1着だった馬は、連対馬（1着・2着）の半数を占めるほどの安定感です。先ほど「3歳・4歳の上がり馬が強い」というお話をしましたが、夏の条件戦（3勝クラスなど）を勝ち上がってそのままの勢いで重賞に挑んでくる馬は、AIも高く評価する鉄板のローテーションと言えます。
AIが狙いすます「前走6着〜9着」の罠
ここで注目していただきたいのが、前走6着〜9着に敗れた馬から過去10年で4勝も出ているという点です。人間は直近の敗戦を見ると、無意識に「調子が落ちているな」と評価を下げてしまいますよね。
しかし、AIの分析アプローチは全く異なります。
AIは単なる着順だけでなく、レースのラップタイム、通過順位、着差などを総合的に学習しています。そのため、「前走は芝のレースでスピード負けしただけ」「展開が極端に向かなかった」「不利な大外枠で外を回されすぎた」といった明確な敗因があり、今回の条件替わりで大きく好転する馬に対しては、スコアを一切落としません。
前走でそこそこ負けているため、一般の競馬ファンからは見放されてオッズが跳ね上がります。ここが、オッズの歪みを突くAIならではの「穴馬発掘エンジン」になっているんです。
前走大敗馬の巻き返しはデータ上困難
一方で、前走10着以下の二桁着順に大敗してしまった馬に関しては、過去10年で1頭も馬券に絡んでいません。いくら過去の実績が凄くても、不振からの急激な立て直しは極めて困難であることが証明されています。
「前走4着以内の好調馬」を素直に軸として信頼しつつ、オッズ妙味を求めて「前走6着〜9着で敗因が明確な馬」を相手に拾い上げる。そして、未練を捨てて「前走10着以下の馬」はバッサリと切る。この割り切りこそが、AI予想から学べるクレバーな馬券戦略ですね。
オッズ妙味を狙う単勝2桁台の穴馬探し
ここまでのデータを総合すると、オッズのどこに妙味があるのかが見えてきます。
人気サイドであれば単勝3倍〜6倍台。そして穴馬を狙うのであれば、単勝オッズ20倍以上の大穴ではなく、10倍〜14倍台の層から期待値の歪み（過小評価されている馬）を抽出するのが最も効率的です。
過去10年の穴馬トレンド
過去10年において、単勝10倍以上の馬が9年連続で馬券に絡んでいます。「上位人気馬を軸に据えつつ、単勝オッズ2桁台（10倍〜19倍）の中穴を相手候補として広めに流す」というのが、AIが推奨する一つの最適戦略と言えそうです。
堅いところと中穴を上手くミックスさせる。これが長期的にお財布を温かく保つコツかもしれませんね。
シリウスステークスのAI予想を用いた攻略法
ここからは、抽出されたデータやAIの評価基準を、実際の馬券戦略にどう落とし込んでいくかという実践的なお話です。コース替わりによる適性の変化や、血統・騎手データなど、さらに一歩踏み込んだ攻略法を解説していきます。
阪神と中京の開催コースで変わる適性
シリウスステークスを予想する上で、絶対に忘れてはいけない最大のトラップ。それが「開催コースの変則性」です。
例年は右回りの「阪神ダート2000m」で開催されますが、京都競馬場の改修工事などの影響で、近年（2020年〜2022年、2024年）は左回りの「中京ダート1900m」での代替開催が頻発しています。私たち人間はどうしても「同じシリウスステークスだから、過去10年のデータをそのまま使おう」と一括りにしがちですよね。
しかし、AIはこの2つのコースを「全く別の競技」として処理します。入力する「コースフラグ」を切り替えることで、求められる適性の違いをどう弾き出しているのかを見てみましょう。
【本来の舞台】阪神ダート2000mの特性
JRAで唯一のダート2000m戦という非常にタフな舞台です。スタート直後が芝コースで、最初の1コーナーまでの距離が約500mと長いため、序盤のペースが速くなりやすい特徴があります。さらにホームストレッチを2回通過する＝ゴール前の急坂を2回も登るという極めて過酷なレイアウトです。
このタフな阪神コースでAIが最も高く評価するのは、勝負所で後方から外を回して一気に順位を上げる「マクリ」の適性です。道中の先行争いで消耗し、2度目の急坂で完全に脚が止まった前残りの馬群を尻目に、豊富なスタミナを備えた差し・マクリ馬が台頭する展開が頻発します。ここでは、小手先のスピードよりも「純粋なスタミナの絶対値」が問われるわけですね。
【代替舞台】中京ダート1900mの特性
一方の中京ダート1900mは、左回りで阪神とは全く異なる力学が働きます。最後の直線に急坂はあるものの、阪神ほど道中のアップダウンが過酷ではないため、より前目でロスなく立ち回れる器用さが求められます。
中京開催時、AIは明確にアルゴリズムのウェイト（重み付け）を調整します。阪神コースで猛威を振るっていた「マクリ」や「追い込み」の成功率が著しく下がるデータを冷徹に読み込み、代わりに優勝馬の半数以上を輩出している「先行力」を保持する馬の特徴量スコアを大きく跳ね上げるんです。
「今年のシリウスステークスはどちらの競馬場で開催されるのか？」
まずは出馬表でここをしっかりと確認して、AIが提示するトラックバイアス（有利不利の偏り）の切り替わりに意識を向けてみてください。ここを間違えなければ、予想の精度が劇的に変わるかなと思います。
枠順データから読み解く有利不利の傾向
木曜日の枠順発表、自分の本命馬がどこに入ったか見て、ついつい一喜一憂しちゃいますよね。ダートの中距離戦においては、砂を被るリスクやコーナーでの距離ロスを大きく左右する「枠順」も、レースの行方を決定づける非常に重要な要素になります。
まずは、過去のデータから抽出した具体的な枠順別の成績（抜粋）を見てみましょう。
| 枠番 | 勝率 | 連対率 | 複勝率 | 特徴・傾向 |
|---|---|---|---|---|
| 1枠 | 12.9% | 21.6% | 30.6% | 距離ロスなく立ち回れるため、全体的に好成績を残す。 |
| 2枠 | 8.1% | 15.0% | 27.5% | 勝率こそ1枠に劣るが、単勝回収率141%とオッズ妙味が抜群。 |
| 8枠 | 11.7% | 18.8% | 24.9% | 距離ロスはあるが、砂を被らず揉まれないメリットが生きる。 |
基本的には、コースのロスを最小限に抑えられる内枠（特に1枠〜2枠）が有利に働く傾向が、データからもはっきりと確認されています。特に2枠に至っては、単勝回収率が141%と跳ね上がっており、馬券的なオッズ妙味が非常に高い「美味しいゾーン」になっているんですよ。
AIは「枠順×馬の個性」で評価する
ただし、AIは単に「内枠に入ったからスコアをプラスする」といった単純な計算はしません。内枠は距離ロスがない反面、他馬から砂を被ったり、馬群に揉まれて抜け出せなくなるリスクと常に隣り合わせだからです。
そのためAIは、「この馬は過去に馬群の中で砂を被っても怯まずに走れたか？」といった「砂被り耐性」や「スタートの巧拙」を特徴量として掛け合わせ、真の期待値を算出します。
一方で、大外の8枠も勝率11.7%と決して悪くありません。コーナーで外を回される距離ロスの不利は確実にあるのですが、「砂を被らずに自分のペースでのびのび走れる」という気性面でのメリットが大きく働くケースがあるからです。
展開次第で全滅する外枠のリスクに注意
しかし、「外枠なら安全」と決めつけるのも危険です。例えば、5枠〜8枠の外枠に「どうしても先行したい馬（同型馬）」が複数固まってしまった場合、激しいポジション争いで外を回されすぎた結果、勝率が極端に落ち込むというデータも存在します。
「砂を被りたくない馬だから外枠に入ってラッキー」なのか、それとも「外枠の先行争いに巻き込まれて共倒れする」のか。
AIは単なる枠順の有利不利だけでなく、馬の気性や同型馬の配置といった複数の要素をパズルのように組み合わせて、人間が見落としがちな総合的なリスクとリターンをシビアに見極めているんです。枠順ひとつとっても、AIの思考プロセスは本当に奥が深いですよね。
血統や騎手成績を加味したAIの評価基準
競馬予想において、「血統」と「騎手」は私たち人間にとっても永遠のテーマですよね。私も血統ロマンには昔から目がないのですが、AIはそういった感情的なロマンやドラマを一切排除し、冷徹な数字の裏付けとして能力の底上げ要素を計算します。
競走馬個体のパフォーマンスデータに、これらの背景データをどう掛け合わせて予測精度を向上させているのか、具体的に見ていきましょう。
芝のタフなG1馬の血がダートで活きるメカニズム
まず血統面についてですが、過去の優勝馬（ハギノアレグリアス、オメガギネスなど）の父馬を見ると、キタサンブラック、キズナ、ロゴタイプといった名前が並んでいます。一見すると「あれ？ダート馬じゃなくて、芝のG1で活躍した馬ばかりじゃない？」と思うかもしれません。
実はここに、シリウスステークスというレースの本質が隠されています。
ダート1900m〜2000mという舞台で求められるのは、ダート特有のパワーだけではなく、タフな展開を最後まで走り切る圧倒的なスタミナと心肺機能です。現役時代に「芝のタフな中距離〜長距離G1で活躍した種牡馬」の血は、この過酷な消耗戦を補完する強力な武器になります。
AIは、この一見矛盾するような血統背景を「ダート長距離適性を補完するスタミナの遺伝値」として正確にスコアリングします。過去の膨大なレース結果から「この種牡馬の産駒は、このタフな条件でパフォーマンスを上げる」という相関関係を見抜き、人間の予想家が軽視しがちな伏兵馬を高く評価するんです。
「誰が乗るか」よりも「期待値が見合うか」
次に、レースの行方を大きく左右する騎手データです。人間はどうしても「とりあえずトップジョッキーを買っておけば安心だろう」と、名前だけで判断してしまいがちですよね。
確かに、クリストフ・ルメール騎手などは勝率・複勝率ともに驚異的な安定感を誇ります。しかし、AIの評価軸はもっとドライでシビアです。
トップジョッキーの過剰人気に潜む罠
有名騎手が乗ると、本来の実力以上にオッズが吸い取られて過剰人気になります。そのため、ルメール騎手であっても単勝回収率で見ると40%〜50%台にとどまるケースが少なくありません。AIは「勝つ確率が高いこと」と「馬券として美味しい（儲かる）こと」を明確に分けて計算し、過剰人気馬のスコアを容赦無く割り引きます。
一方で、特定のコースでオッズ以上の異常な数値を叩き出す騎手を、AIは見逃しません。
例えば、中京ダート1900mで代替開催される場合。川田将雅騎手は同コースにおいて、勝率こそトップ層と拮抗していても、複勝率60%超え、複勝回収率110%超えという、期待値の観点から極めて優秀なリターンをもたらすというデータが存在します。（※データは集計期間によります）
AIは「騎手×コース」のシナジーを可視化する
つまりAIは、単なる全国リーディングの順位や知名度ではなく、「その騎手が、その特定のコースにおいて、オッズに見合う確実なリターンをもたらしているか」をシビアに判定しているわけです。
血統データでスタミナの底力を測り、鞍上のコース適性とオッズ期待値で最終的なリターンを弾き出す。これぞまさに、人間の思い込みや「有名騎手だから」というバイアスを打破する、AIならではの精緻なアプローチかなと思います。
回収率を最適化する買い目構築のポイント
ここまで、AIが重視する特徴量や過去のデータ傾向を色々と見てきました。では、最終的にこれらのデータを統合して、「実際の馬券（買い目）」をどう組み立てればいいのか？という実践的なお話に入っていきましょう。
AIの推奨ロジックを実際の馬券戦略に落とし込む際の最大のポイントは、「夢を追わずに期待値を刈り取る」というシビアな割り切りにあります。
軸馬（1列目）の選定条件
まずは本命となる軸馬ですが、これまでに解説した「ハンデ53〜56kg」「前走4着以内」「3〜4歳馬」といった好走条件を複数満たす上位人気馬（1〜3番人気）を、しっかりと据えます。ここを無理に穴馬から入らないのが、シリウスステークスにおける回収率安定の鉄則です。
そして重要なのが、相手（ヒモ）の選び方。
人間はオッズを見ると「もしかしたら大荒れするかも…」と、単勝30倍や50倍を超えるような大穴を幅広く買いたくなってしまいますよね。私もパドックで良く見えた大穴馬をつい買い足して、無駄撃ちしてしまうことがよくあります。
しかし、AIの確率モデルは「単勝20倍以上の馬は統計的に極めて苦戦する」と冷徹に弾き出しています。そのため、相手には無謀な大穴を狙わず、単勝オッズ10倍〜19倍の中穴（4番人気〜7番人気あたり）をピックアップしてフォーメーションを構築します。
AI推奨データに基づく具体的な買い目フォーメーション
このロジックを最も効率よく回収率に直結させるなら、私は「3連複のフォーメーション」がベストかなと思います。
- 1列目（軸）：好走条件をクリアした堅い上位人気馬（1〜2頭）
- 2列目（相手本線）：期待値の高い中穴馬＋別の上位人気馬（3〜4頭）
- 3列目（ヒモ）：展開次第で食い込めそうな中穴馬や、前走着順が悪くても巻き返しスコアが高い馬（幅広く）
このように資金を配分することで、堅く決まった時の「トリガミ（当たったけどマイナス）」を避けつつ、中穴が絡んだ時の「美味しい配当」を逃さずキャッチできる確率がグッと上がります。
「この馬も来るかも」という人間の迷いやノイズをカットして、データが示すストライクゾーンだけに網を張る。AIが提示するデータは、無駄な買い目を削ぎ落として資金効率を最大化するための、最高のフィルターになってくれるんですよね。
※ご注意ください
競馬に「絶対」はありません。ここで紹介したデータや勝率、回収率などは過去の統計に基づくあくまで一般的な目安であり、将来の的中を保証するものではありません。馬場状態や当日のパドックなど、変動する要素も多々あります。馬券の購入は無理のない範囲で、最終的なご判断はご自身の責任で行っていただきますようお願いいたします。また、正確な出走情報やオッズについては、必ずJRA 日本中央競馬会公式サイトをご確認ください。
シリウスステークスのAI予想を活用する総括
いかがだったでしょうか。
シリウスステークスにおけるAI予想の真の価値は、単に「当たる・当たらない」という結果論ではなく、私たち人間がどうしても抱いてしまう「G1馬だから重ハンデでも大丈夫だろう」「有名騎手だから間違いない」といった思い込み（バイアス）を、冷徹なデータで打破してくれることにあります。
膨大なデータから導き出された「斤量の物理的限界」や「若い世代の成長曲線」をベースにしつつ、そこに自分なりの競馬観や当日のパドックの印象を少しだけスパイスとして加える。
AIの頭脳と人間の直感を上手く組み合わせることで、難解な秋のダート重賞もきっとクリアできるはずです。今週末のレース、ぜひAIの視点も取り入れながら、一緒に楽しみましょう！