こんにちは。データサイエンスの視点から競馬の真理に迫るAsymmetric Edge、運営者の「K」です。
秋の深まりとともに近づいてくる大一番、マイルチャンピオンシップ。その重要な前哨戦として位置づけられているのが、京都競馬場で行われる伝統の重賞レース、スワンステークスですよね。毎年多くの競馬ファンが熱視線を送るこのレースですが、過去のデータや直前のオッズを見ていると、「どの馬から買えばいいのか本当にわからない」と頭を抱えてしまうことはありませんか。
特に近年は、スワンステークスについてAIを使った予想や、過去の血統傾向、さらには京都芝1400mという特殊なコース形態に関する情報をWEB検索で調べる方が急増しています。SNSを開けば誰もが専門家のような顔をしてトラックバイアスや展開の不利を語り、少しでも条件の良さそうな馬にはあっという間に票が集中してしまう。そんな現代の競馬において、単なる直感や新聞の印だけで勝ち続けることは、以前にも増して難しくなっているのかなと思います。
でも、安心してください。難解に見えるスワンステークスにも、過去の膨大なデータから導き出される「明確な偏り」が存在しています。上位人気馬が意外なほど脆い理由や、特定の年齢や枠順が異常なまでの好成績を残している事実。そして何より、AIがどのようにしてオッズの歪みを見抜き、人間には買えないような大穴馬を推奨しているのか。そのメカニズムを知ることで、あなたの競馬に対するアプローチは劇的に変わるはずです。
この記事では、データサイエンスの視点を取り入れつつ、スワンステークスの隠された真実を一つひとつ丁寧に紐解いていきます。専門的な用語もできるだけ噛み砕いてお話ししていくので、一緒に楽しみながら予想の精度を高めていきましょう。
- 最新のAI予想モデルが狙うオッズの歪みと期待値の概念
- 上位人気馬の不振と、特定の世代が持つ隠れたポテンシャル
- 京都芝1400m特有の地形が引き起こす特殊なレース展開
- 波乱を演出する枠順の偏りと、意外な血統バイアス
スワンステークスのAI予想と基礎データ
さて、ここからは具体的にスワンステークスの基礎データと、そこからAIが何を読み取っているのかについて深掘りしていきましょう。
AIによる競馬予想と聞くと、「なんだか難しそう」「本当に当たるの？」と疑問に思う方もいるかもしれませんね。ですが、AIがやっていることは魔法ではなく、徹底的な「過去データの洗い出し」と「パターンの認識」です。人間の思い込みや感情を排除し、冷徹な数字の裏付けだけで馬を評価する。このセクションでは、そんなAIの視点を借りて、スワンステークスというレースが本来持っている「クセ」を丸裸にしていきますよ。
オッズの歪みと期待値の最大化
現代の競馬予想において、最も重要で、かつ最も難しいテーマ。それが「オッズの歪み」を見抜くことです。
ひと昔前なら、パドックでの気配や調教タイム、あるいは前走でのちょっとした不利といった情報は、一部の熱心な競馬ファンや専門のトラックマンだけが知る「特権」でした。しかし今はどうでしょうか。X（旧Twitter）やYouTubeを開けば、ありとあらゆるデータや映像が瞬時に共有されますよね。
例えば、「前走は直線で前がドン詰まり！スムーズなら勝っていた。次は絶対に買いだ！」というような、誰が見ても分かりやすい「巻き返しのストーリー」はあっという間に拡散され、その馬のオッズを急降下させてしまいます。
これはつまり、「誰もが知っている好材料は、すでに現在のオッズに完全に織り込まれてしまっている」ということ。馬券としての旨味が消え失せ、本来なら単勝10倍つくべき馬が、3倍や4倍で売られてしまっている状態なんです。
期待値とは何か？
簡単に言えば、「その馬の本当の勝率に対して、現在の配当（オッズ）が十分に見合っているか」を示す指標です。
仮に、AIが算出した「本当の勝率が20%（5回に1回勝つ）」の馬がいるとします。
・単勝オッズが10倍なら、期待値は高い＝「買い」
・単勝オッズが3倍なら、期待値は低い＝「買ってはいけない」
競馬は、どんなに強い馬でも100%は勝てません。だからこそ、「強い馬を当てる」のではなく、「勝つ確率以上にオッズが高くついている馬（＝オッズが歪んでいる馬）」を買い続けることでのみ、長期的なプラス収支を実現できるのです。
読者の皆さんも、「実力上位なのは間違いないけど、オッズを見たら単勝2.5倍。うーん、これじゃ美味しくないな…」と見送った経験はありませんか？
人間の心理として、どうしても「勝ちそうな馬」「わかりやすい物語がある馬」「有名騎手が乗る馬」を買いたくなりますよね。しかし、多くの人が同じように考えるため、そういった馬のオッズは実力以上に低く見積もられがちです。AIは、こうした人間の心理状態が作り出す「オッズの歪み」を徹底的に突いていきます。
最新のスワンステークスにおけるAI予想モデルは、単に「勝つ確率が高い馬」を探すのをやめました。勝率の算出から「期待値の最大化（市場の価格付けのエラーを探すこと）」へと、予想の概念を大きくパラダイムシフトさせているんです。
例えば、「LightGBM」と呼ばれる高度な機械学習アルゴリズム（出典：LightGBM公式ドキュメント）を用いたAIは、過去数十年分のレース結果や天候、馬場状態だけでなく、「投票締切直前の単勝オッズ」や「人間の投票行動のクセ」までを入力データとして学習します。
AIが狙う「人間が買えない穴馬」の特徴
・近3走の成績が「6着、8着、7着」など、パッと見で印象が悪い。
・地味な血統で、鞍上も中堅クラスの騎手。
・前走のレース内容に、SNSでバズるような「派手な不利」がない。
こういった馬は、一般ファンから見向きもされず、オッズが放置されます。しかしAIは、膨大なデータから「実は今回の条件（コース、馬場、展開）なら一発がある」という隠れた適性を冷徹に見抜き、単勝30倍のまま放置されている「期待値の塊」を抽出するのです。
この開発過程でAIエンジニアが最も苦労するのが、「Echo Chamber（市場クローン化）」と呼ばれる現象からの脱却だそうです。過去の結果を単純に学習させると、AIは「上位人気馬がよく勝つ」という事実を重視しすぎてしまい、結局は市場のオッズをなぞるだけの「無難でつまらない本命予想」になってしまうんですね。優秀なAIは、あえて人気のファクターに対する依存度を下げ、期待値に特化した独自のチューニングを行っています。
スワンステークスのような、古馬と3歳馬が入り乱れ、実力差が拮抗した難解な重賞レースは、人間の思い込みによる「過剰人気」と「過小評価」が激しく交錯します。まさにオッズの歪みが生まれやすい宝の山なんですよ。AIの冷徹な目を借りることで、私たち人間には見えづらい「真の価値」を探り当てていきましょう。
上位人気馬の脆さと世代間の力関係
AIの基礎となるのは、過去のデータです。スワンステークスの過去10年間の基礎データを紐解いてみると、ある非常に興味深い「パラドックス（逆説）」が浮かび上がってきます。
それは、「上位人気馬の連対率はそこそこ高いのに、回収率の観点からは致命的な弱点を抱えている」という事実です。
| 単勝人気 | 勝率 | 連対率 | 複勝率 |
|---|---|---|---|
| 1番人気 | 10.0% | 40.0% | 50.0% |
| 2番人気 | 40.0% | 50.0% | 70.0% |
| 4～6番人気 | 6.7% | 16.7% | 26.7% |
| 7番人気以下 | 3.2% | 5.4% | 10.8% |
このデータを見て、どう感じますか？
驚くべきことに、過去10年で1番人気馬はたったの1勝（勝率10.0%）しかしていません。連対率こそ40%をキープしていますが、「アタマ（1着）では買えない」という傾向が極めて強いんです。
一方で、2番人気馬は勝率40.0%、複勝率に至っては70.0%と、全人気帯の中で最も高い安定感を誇っています。普通に考えれば「じゃあ2番人気を軸に買えばいいのでは？」と思うかもしれません。しかし、AIはここでさらに深いトレンドを読み取ります。
実は近年、3年連続で「1番人気と2番人気が揃って掲示板（5着以内）を外し、下位人気馬が上位を独占する」という強烈な波乱のトレンドが発生しているんです。
なぜこんなことが起きるのでしょうか？
その最大の理由は、スワンステークスが「マイルチャンピオンシップの前哨戦」であるという位置づけにあります。すでにG1で好走実績のある有力馬たちは、ここを本番に向けた「叩き台」として使います。つまり、メイチ（100%の仕上げ）ではなく、8割程度の仕上がりで臨むことが多いんですね。しかし、一般の競馬ファンは過去の実績ばかりに目が行き、その馬を1番人気に押し上げてしまいます。
ここに、「過去の実績（オッズ）」と「現在の勝負気配（実力）」との間に大きな乖離（ギャップ）が生まれます。AIはこの歪みを見逃しません。オッズに見合わないリスクを抱えた上位人気馬を容赦なく評価から外し、期待値の高い伏兵へとフォーカスを切り替えるのです。
期待値が突出する三歳馬のポテンシャル
オッズの歪みを生み出すもう一つの大きな要因が、「世代間の力関係」の読み違いです。秋の古馬混合重賞といえば、充実期を迎えた4歳馬や5歳馬が中心になるのがセオリーですよね。しかし、スワンステークスにおいては、その常識が通用しません。
年齢別の成績傾向（過去10年）
・4歳馬：勝率2.7%、連対率10.8%と極度の不振。
・5歳馬：勝率8.0%、連対率16.0%。馬券圏内への突入回数が最も多く、安定感あり。
・6歳以上：好走率は著しく低下し、基本的には軽視対象。
ここまでは「ふむふむ、なるほど」という感じですが、AIが最も高く評価し、「期待値の塊」として熱視線を送る世代があります。それが3歳馬です。
過去10年で3歳馬の出走頭数はそれほど多くありません。しかし、成績はなんと[4-0-0-14]。勝率22.2%という驚異的なアベレージを叩き出し、単勝回収値に至っては187円にも上ります。つまり、過去10年間、出走してきた3歳馬の単勝をすべて買い続けていれば、大幅なプラス収支になっていたということです。
なぜ3歳馬がこれほどまでに強いのか。
一つは、斤量のアドバンテージです。古馬と比較して軽い斤量を背負えることは、スピードと瞬発力が問われるレースにおいて決定的な差となります。
そしてもう一つは、夏の間の急成長です。春先まではクラシック路線に乗れなかったような馬でも、夏を越して心身ともにパンとし、古馬を凌駕するほどのポテンシャルを開花させることが頻繁に起こります。
競馬ファンは「いくら斤量が軽くても、歴戦の古馬相手では厳しいだろう」と3歳馬を過小評価しがちです。その結果、3歳馬のオッズは甘くなり、AIが好んで狙い撃ちにする絶好のターゲットとなるわけです。「スワンステークスの3歳馬は黙って買え」。これはAIが導き出した、ひとつの黄金律と言えるかもしれません。
京都芝1400mの地形とロンスパ戦
スワンステークスを読み解く上で絶対に避けて通れないのが、舞台となる「京都芝1400m（外回り）」というコースの特殊性です。私はこのコース形態こそが、スワンステークスをここまで難解で、かつ魅力的なレースにしている最大の要因だと考えています。
一般的な1400mの短距離戦といえば、スタート直後から激しいポジション争いが起き、息の入らないハイペースのまま直線になだれ込む……という展開を想像しますよね。しかし、京都の芝1400m外回りコースは、そのセオリーを根底から覆します。
前半のスローペースを誘発する「上り坂」
このコースは、向正面の左手からスタートし、最初のコーナー（第3コーナー）までの直線距離が約500m以上と非常に長く設計されています。
「直線が長いなら、テン（序盤）が速くなるのでは？」と思いますよね。ところが、向正面の半ばから第3コーナーにかけて、高低差4.3mという急な「上り坂」が待ち構えているんです。スタートしてスピードに乗ろうとした矢先に坂を上らされるため、ジョッキーたちも無理にペースを上げようとせず、結果として他場の1400m戦と比べて明らかなスローペースになりやすいという特徴があります。
息もつかせぬロンスパ（ロングスパート）戦へ
そして、第3コーナーの頂上で坂を上り切ると、今度は残り800m地点の手前から、一転して急勾配の下り坂へ突入します。有名な「京都の坂の下り」ですね。
ここで馬たちは、自らの意思とは無関係にスピードに乗らざるを得なくなります。息を入れる間もなく下り坂を駆け降り、そのまま第4コーナーを回って、約403mのほぼ平坦な直線へと雪崩れ込んでいくのです。
AIはどう分析するか？
この特殊な地形が意味するのは、レースの後半において「下り坂から平坦な直線にかけて、長く良い脚を持続させる能力」と「絶対的なトップスピード」が極限まで問われるということです。
純粋なスプリンター（1200mを得意とする馬）は、前半のスローペースには余裕でついていけます。しかし、後半の過酷なロングスパート戦に耐えきれず、平坦な直線に入った途端にバタッと脚が止まってしまうことがよくあります。
逆に、マイル（1600m）以上の距離を走り切れるだけのスタミナと、質の高い末脚を持つ中距離馬が、この舞台で圧倒的なパフォーマンスを発揮するんです。距離適性のズレ。これこそが、AIがスワンステークスで見逃さない重要なファクターの一つです。
内枠の異常な優位性とトラックバイアス
コース形態が理解できたところで、次は「枠順」に目を向けてみましょう。スワンステークスの過去のデータにおいて、AIが極めて強いシグナルとして検知するバイアス（偏り）があります。それは、「2枠の異常なまでの優位性」です。
以下のデータを見てください。
| 枠番 | 勝率 | 連対率 | 成績傾向と特徴 |
|---|---|---|---|
| 1枠 | 6.3% | 12.5% | 馬群に包まれるリスクはあるが、複勝率は比較的高め。 |
| 2枠 | 21.1% | 31.6% | 過去10年でトップの成績。勝率・単勝回収率ともに絶大。 |
| 4枠以内 | – | – | 1～4枠全体で好走ゾーンを形成。内をロスなく回れる。 |
| 7〜8枠 | 2.6% | 10.3% | 外を回される距離ロスが致命的になりやすく、勝率が著しく低い。 |
2枠が勝率21.1%（別の集計データでは22.2%とも）、連対率31.6%と、他の枠を圧倒する成績を残していることがわかります。
AIエンジンはこのデータを非常に重視しています。例えば、過去に大波乱を演出した2020年のカツジ（11番人気・単勝1万4370円）や、2023年のウイングレイテスト（10番人気）、2017年2着のヒルノデイバロー（12番人気）など、これらはすべて「内枠の利」を最大限に活かした人気薄の馬でした。
特に、「今回2枠に入った馬」かつ「最初のコーナーで3番手以内につけられる馬」という条件が揃った場合、勝率40.0%、連対率60.0%という驚異的な黄金パターンが形成されることを、AIはしっかりと学習しています。
トラックバイアス（当日の馬場状態）の罠
ただし、ここで一つ大きな注意点があります。それは、開催される週のトラックバイアス（馬場の有利不利）です。
スワンステークスは秋の京都開催において、Aコースの最終週、あるいはBコース替わりの初週に行われることが多いレースです。
もし「Bコース替わりの初週」であれば、それまで傷んでいた内側の芝が仮柵でカバーされるため、強烈な「内枠有利・先行有利」の馬場になります。2枠の優位性はさらに跳ね上がります。
しかし、「Aコース最終週」のままで馬場の内側がボロボロに荒れている場合はどうでしょうか。
この場合、下り坂でスピードに乗った馬たちが、荒れた内側を避けて一斉に外の綺麗な馬場へ持ち出そうとします。すると、突如として外枠からスムーズに差し脚を伸ばせる馬が恵まれるという逆転現象が起きるのです。
AIの予測モデルが優れているのは、こうした当日の馬場状態をリアルタイムで数値化し、予想に組み込むことができる点にあります。過去のデータだけを鵜呑みにせず、目の前の現実（トラックバイアス）に柔軟に対応することが、スワンステークス攻略の鍵となります。
スワンステークスをAIで攻略する秘訣
ここまで、スワンステークスというレースが持つ基礎データと、コースや枠順の偏りについて見てきました。上位人気がアテにならない理由や、3歳馬のポテンシャル、そして京都1400m外回りの特殊なロンスパ戦について、なんとなくイメージが掴めてきたのではないでしょうか。
後半のセクションでは、さらに一歩踏み込んで、実践的な攻略法に迫ります。脚質やローテーション、クッション値といったマニアックな指標、そして競馬のロマンでもある「血統」から、AIがどのようにして期待値の高い穴馬を導き出しているのか。その核心部分を包み隠さずお話ししていきますよ。
逃げ馬の粘りと差し馬の強襲パターン
レースの展開（ペース）は、馬の「脚質」に直結します。
前半のセクションで、京都芝1400mは上り坂の影響で「スローペースになりやすい」とお話ししましたね。ペースが上がらないということは、道中で脚を溜めやすい「前に行ける馬（逃げ・先行馬）」が基本的には有利に働きやすいというセオリーが成り立ちます。
実際、短距離戦にしては逃げ馬がしぶとく粘って穴をあけるケースが散見されます。
しかし、データを深く掘り下げて連対率や勝率の絶対値を見てみると、トップに君臨しているのは実は「差し馬」なんです。
なぜ差し馬が勝ち切るのか？
道中がスローペースでも、第3コーナーからの急な下り坂によって、全馬が強制的にロングスパートを強いられます。前に行っている馬は、平坦な直線に入ったところでどうしても苦しくなり、脚色が鈍ります。そこで、道中は中団の内側でじっとスタミナを温存し、直線で馬群がバラけた隙を突いて強襲してくる「差し馬」の切れ味が爆発するのです。
AIのデータ分析によれば、特に「前走の最初のコーナーを3～9番手（中団）で通過し、かつ9着以内にまとまっていた馬」は、勝率12.9%、単勝回収値155という非常に高いリターンを示しています。
展開の助けが必要な後方ポツンの追込馬よりも、ある程度のポジションを取りつつもしっかりと末脚を繰り出せる「機動力のある差し馬」こそが、AIが高く評価する理想的な脚質だと言えます。
距離短縮ローテーションとマイル実績
私が個人的に、スワンステークスの予想において最も重視すべきだと思っているのが、この「前走からのローテーション（距離の延長・短縮）」です。AIが期待値を算出する際にも、これが強烈な買いシグナル、あるいは消しシグナルとして機能します。
スプリンター（1200m組）の限界
まず、データ上で明確に苦戦を強いられているのが、前走で1200m戦を使われていた「距離延長組」です。この組は、勝率が0%〜数%台に沈んでしまうことが多く、非常に危険な人気馬になりやすい傾向があります。
なぜでしょうか。
1200m戦（特にスプリンターズSなど）は、スタートから全速力で駆け抜ける「前傾ラップ」のレースです。そのペースに身体が慣れきっている馬は、スワンステークスの「前半スローからの持続力勝負」という特殊なリズムに対応できず、道中で力んでしまったり、直線でスタミナ切れを起こして失速してしまうのです。
マイラー（1600m以上組）の優位性
対照的に、AIがこぞって高い評価を与えるのが「同距離（1400m）」または「距離短縮（1600m以上）」の組です。
距離短縮組は勝率10.5%、連対率21.1%と高いアベレージを誇っています。
過去の好走馬を振り返っても、2018年の1着ロードクエスト、2着モズアスコット、3着グァンチャーレなど、上位を独占した馬たちはいずれも「マイル（1600m）以上の重賞で勝利実績」を持っていました。
前走でマイル重賞に出走し、そこで少し着順を落として人気が下がっている馬。
これこそが、スタミナと持続力が問われるスワンステークスにおいて、オッズの歪み（過小評価）を突く絶好のターゲットとなるのです。
クッション値と含水率による適性の変化
近年、JRAが公式に発表するようになった「クッション値」と「含水率」（出典：JRA 日本中央競馬会 公式サイト）。皆さんは予想の際にチェックしていますか？
「なんだかよくわからない数字だな」とスルーしてしまいがちですが、最先端のAI予測モデルにおいて、これらは馬場の物理的な反発力を定量化した極めて重要なパラメーターとして扱われています。
| クッション値 | 馬場の状態 | レースへの影響（AIの視点） |
|---|---|---|
| 12以上 | 硬め | 極端な高速馬場。スピード馬や内・前有利に働きやすい。 |
| 10〜12 | やや硬め | スピードが乗りやすく、時計の速い決着になりやすい。 |
| 8〜10 | 標準 | 展開次第で逃げ・差しがフラットに決まる適正な状態。 |
| 7以下 | 軟らかめ | 脚抜きが悪く消耗戦に。欧州血統やパワー型が台頭する。 |
京都競馬場の芝は、移動柵の運用によって比較的良好な状態が保たれやすいですが、路盤自体の硬さ（クッション値）によって、好走する馬のタイプは劇的に変化します。
例えば、クッション値が11以上の「パンパンの高速馬場」であれば、1200m適性を持つ純粋なスピード馬でも、内枠の経済コースを立ち回ってそのまま押し切ってしまう可能性があります。
しかし、クッション値が10以下の「標準」から「やや軟らかめ」にシフトし、さらに含水率が高く芝に水気を含んでいる状態になったら要注意です。
馬場が軟らかいと、馬の蹄が深く沈み込み、それを引き抜くために余計なエネルギーを消費します。つまり、普段以上にスタミナの消耗が激しくなるのです。
ある年の金曜午前に「クッション値9.9、含水率13.5％」と発表されたことがありました。このようなタフな馬場コンディションになると、スワンステークス特有の「スタミナ指向」がさらに強調され、マイル以上の距離適性を持つ馬や、次にお話しする「パワー型の血統」を持つ馬が、絶対的な優位に立つことになります。
短距離血統よりも欧州型ロベルト系を
さあ、競馬のロマンであり、AIが穴馬を発掘するための最も強力なフィルターとして機能する「血統」のお話です。
スワンステークスにおける血統傾向は、ここまでお話ししてきた「コースの要求スペック（スローからの持続力・スタミナ勝負）」を色濃く反映しています。
ロードカナロア産駒の評価と限界
まず大前提として、京都芝1400m（外回り）において圧倒的な好成績を残している種牡馬がいます。それがロードカナロアです。（集計期間内トップの8勝、複勝率25.0%）
持ち前の機動力とスピードを武器に、この条件では抜群の安定感を示します。しかし、競馬ファンの間にも「短距離〜1400mならロードカナロア」というイメージが定着しきっているため、過剰に人気を集めやすく、オッズの妙味（期待値）という観点からは少し旨味が薄いケースが目立ちます。
AIが狙い撃つ「欧州型」と「ロベルト系」の底力
では、AI予想エンジンが本命や高評価に推す「美味しい穴馬」はどんな血統なのでしょうか。
それは、短距離血統ではなく、「欧州型種牡馬」や「ロベルト（Roberto）系」の血を引く、中距離志向のパワー型血統です。
下り坂からのロングスパートと、タフな馬場でのスタミナ勝負。ここで必要になるのは、軽いスピードではなく、バテずに走り続ける「底力」です。
過去の大波乱の主役となった馬たちの血統を見てみましょう。
- 2024年 1着 ダノンマッキンリー（父モーリス）
- 2023年 1着 ウイングレイテスト（父スクリーンヒーロー）
- 2023年 3着 ロータスランド（母父にロベルト系の血）
見事なまでに、父や母系に「ロベルト系」の血を内包している馬たちが激走しています。また、ハイペースや厳しいラップで真価を発揮するダンジグ系（デインヒルなど）やキングマンボ系の血を持つ馬も、この過酷な持続力勝負において抜群のパフォーマンスを発揮します。
AIが見抜く血統の逆張り
例えばキズナ産駒の牡馬は、短距離の純粋なスピード勝負ではキレ負けすることが多いです。そのため、1200m戦を使って惨敗し、人気を落とすことがあります。しかし、スワンSのような1400mへの「距離延長＋持続力勝負」に変わった途端、本来のパワーを活かして巻き返し、大穴をあけるパターンがデータとして確立されています。
「1400mだからスピード血統だろう」という競馬ファンの一般的なバイアスによって人気を落としている「中距離志向・パワー血統の馬」。これこそが、AIが最も高く評価するオッズが歪んだ期待値の塊なのです。
過去の波乱結果から学ぶ穴馬のメカニズム
AIやデータアナリストたちが提唱するこれらの理論が、実際のレースでどれほど恐ろしい精度で機能するのか。
それを示す最良のケーススタディとして、2024年（第67回）のスワンステークスを振り返ってみましょう。このレースは、まさにデータサイエンスの理論がすべて結実したかのような、歴史的な大波乱となりました。
2024年 スワンステークスの衝撃
この年の1番人気は、前走1400mでレコードタイムを叩き出し、AIの一部からも「2枠・53kg」という好条件を理由に高く評価されていた3歳牝馬のクランフォードでした。
しかし結果は、先行勢が早めにプレッシャーをかけ合う厳しい展開となり、クランフォードは直線で失速してまさかの13着に大敗します。
代わって上位を独占したのは、以下の馬たちでした。
| 着順 | 馬名（人気） | 年齢・斤量 | 血統背景・特記事項 |
|---|---|---|---|
| 1着 | ダノンマッキンリー（5番人気） | 3歳・55kg | 父モーリス（ロベルト系内包）、中団待機からの差し。 |
| 2着 | オフトレイル（6番人気） | 3歳・55kg | 父ファー（欧州型）、道中最後方からの強襲。 |
| 3着 | トゥラヴェスーラ（13番人気） | 9歳・57kg | 超伏兵の激走。 |
この結果がもたらした配当は凄まじいものでした。
馬連は8,530円、馬単は15,560円。そして3連単に至っては836,070円（83万馬券）という、目眩がするような超高配当を記録したのです。
なぜこの結末を予測できたのか
レース後の結果論に聞こえるかもしれませんが、この記事でお伝えしてきたデータと照らし合わせれば、この結末には明確な必然性があったことがわかります。
まず、1着と2着はともに「3歳馬」であり、55kgという斤量のアドバンテージを存分に活かしました（3歳馬の期待値の高さの証明）。
次に、展開です。前半からプレッシャーがかかる展開の中、ダノンマッキンリーは中団後方、オフトレイルに至っては最後方でじっと脚を溜めていました。コース形態特有の「末脚を温存した差し・追込馬の強襲パターン」が見事にハマった形です。
そして極めつけは「血統」です。ダノンマッキンリーはロベルト系の血を引くモーリス産駒、オフトレイルは欧州型のファー産駒でした。短距離のスピード勝負と見せかけて強烈な底力が要求される舞台で、欧州・ロベルト血統の真価が爆発したのです。
一部の期待値特化型のAIや血統アナリストたちは、この「オッズの歪み（伏兵扱いされていた欧州血統の3歳馬）」を正確に検知し、見事に推奨馬として指名していたと言われています。人間の感情や「レコードタイム」といった派手な実績に惑わされず、冷静に過去の事象と血統バイアスを処理したAIの完全勝利と言えるレースでした。
スワンステークスのAI予測攻略まとめ
いかがだったでしょうか。
スワンステークスというレースが、「1400mの短距離戦」という表面的な顔の裏に、どれほど複雑で難解なメカニズムを隠し持っているか、少しでも感じていただけたなら嬉しいです。
最後に、AI的アプローチを用いてスワンステークスを攻略するための要点を3つにまとめます。
- 市場のオッズに惑わされない：SNSなどで過剰に人気を集める馬を疑い、「前走マイル以上からの距離短縮組」など、真の実力に対してオッズが甘くなっている「期待値の高い馬」を狙う。
- リアルタイムの馬場評価：基本は「2枠」などの内枠有利だが、当日のクッション値や含水率、開催最終週の馬場の荒れ具合（トラックバイアス）を直前まで確認し、差し馬の台頭を警戒する。
- 血統の逆張りを恐れない：スピード重視の短距離血統よりも、ロベルト系やデインヒル系といったスタミナと底力に優れた欧州型の中距離血統を高く評価する。特に「該当血統の3歳馬」は絶好の狙い目。
AI予想の真の価値は、絶対に当たる予言をすることではありません。過去の膨大なデータから人間が気づきにくい法則を見つけ出し、私たちの思い込みやバイアスを排除して、冷徹な「期待値」を提示してくれることにあります。
スワンステークスは、時に83万馬券という途方もない結果を生み出す、データサイエンスの壮大な実験場です。今回ご紹介した様々なバイアスやAIの視点を、ぜひあなた自身の予想のスパイスとして取り入れてみてくださいね。
※免責事項
本記事で紹介しているデータや傾向、AIによる予測数値などは、過去の統計に基づいたものであり、あくまで一般的な目安です。将来のレース結果を保証するものではありません。馬場状態や出走馬の条件は常に変動するため、正確な情報は必ずJRAの公式サイト等をご確認ください。馬券の購入にあたってはご自身の責任で行い、最終的な判断は専門家にご相談されることをお勧めいたします。
データと血統が織りなすドラマチックな1400m戦。今年の秋は、ぜひAIの視点を持ってスワンステークスを楽しんでみましょう。Asymmetric Edgeでは、他にもデータ分析を活用した競馬攻略のヒントを発信していますので、ぜひチェックしてみてくださいね。
Asymmetric Edgeの「K」がお届けしました。また次回の記事でお会いしましょう！