Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
競馬予測の考え方
Search
Issei Mori
June 14, 2016
Programming
2
6.3k
競馬予測の考え方
ウマナリティクス #1 で発表したときの資料です。
Issei Mori
June 14, 2016
Tweet
Share
Other Decks in Programming
See All in Programming
XP, Testing and ninja testing ZOZ5
m_seki
2
220
エンジニアとして高みを目指す、 利益を生み出す設計の考え方 / design-for-profit
minodriven
23
11k
AIエージェント時代における TypeScriptスキーマ駆動開発の新たな役割
bicstone
4
1.3k
(Extension DC 2025) Actor境界を越える技術
teamhimeh
1
200
Playwrightはどのようにクロスブラウザをサポートしているのか
yotahada3
7
2.2k
iOSエンジニア向けの英語学習アプリを作る!
yukawashouhei
0
150
CSC509 Lecture 03
javiergs
PRO
0
320
CI_CD「健康診断」のススメ。現場でのボトルネック特定から、健康診断を通じた組織的な改善手法
teamlab
PRO
0
160
iOSDC.pdf
chronos2500
2
650
Local Peer-to-Peer APIはどのように使われていくのか?
hal_spidernight
2
440
CSC305 Lecture 04
javiergs
PRO
0
230
Let's Write a Train Tracking Algorithm
twocentstudios
0
220
Featured
See All Featured
"I'm Feeling Lucky" - Building Great Search Experiences for Today's Users (#IAC19)
danielanewman
229
22k
実際に使うSQLの書き方 徹底解説 / pgcon21j-tutorial
soudai
PRO
188
55k
A Tale of Four Properties
chriscoyier
160
23k
Fight the Zombie Pattern Library - RWD Summit 2016
marcelosomers
234
17k
Bootstrapping a Software Product
garrettdimon
PRO
307
110k
Fashionably flexible responsive web design (full day workshop)
malarkey
407
66k
Java REST API Framework Comparison - PWX 2021
mraible
33
8.8k
Build your cross-platform service in a week with App Engine
jlugia
231
18k
Site-Speed That Sticks
csswizardry
11
870
The Illustrated Children's Guide to Kubernetes
chrisshort
48
51k
Raft: Consensus for Rubyists
vanstee
139
7.1k
Refactoring Trust on Your Teams (GOTO; Chicago 2020)
rmw
35
3.2k
Transcript
競馬予測の考え方 @stockedge 1
自己紹介 本名 森 一生 個人事業主です。Web制作、機械学習、自然言語処理、etc。 個人的に(趣味で)作成したWebサイトなど。 2 推奨銘柄無料公開ブログ 家賃相場
今年の正月に書いた記事 10万PV以上のアクセスがありました。 3
ちなみに… ブログでは偉そうなこと書いてますが 競馬に関しては素人です ツッコミ大歓迎! 4
今日は競馬予測の考え方について話します 1. 戦略について 2. モデルについて 3. 評価方法について 5
1.戦略について 6
Q.そもそも、なぜ予測するのか? 7
A.お金を儲けたいから! 8
お金を儲けるためには… ただ単に良い予測をするだけではだめ 他の人より良い予測をしなければならない! 戦略的に考えよう 9
自分の強みを考えよう 我々の強み プログラミングの知識 機械学習の知識 10
プログラミングで出来ること 手間のかかる作業の自動化 11
分析するのに手間のかかる特徴量を使おう! 例:親馬や兄弟馬の成績、時系列オッズなど 12 だから…
注意点 闇雲に手間をかければいいというものではない 分析しても無駄な特徴量もあるので… 徒労を避けるためには競馬の知識が必要 13
機械学習で出来ること 色々な特徴量を総合的に考慮できる 14 脚質、オッズ、血統、騎手、etc
既存の競馬予想方法の問題点 既存の競馬予想方法は 特定の特徴量にだけ着目するものが多い 使える特徴量は全て使おう! 15
強みを自覚して戦略的に使おう! 我々の強みは プログラミングの知識 機械学習の知識 積極的に活用しよう! 16
2.モデルについて 17
モデルを作る前にデータをきれいにしておこう 新馬戦、障害戦は除外 出走取消、競争除外も除外 正規化(平均0分散1にする) etc... 18
私が競馬予測のために作ったモデル 使用した特徴量は67個 前述のとおり手間のかかる特徴量を多く取り入れた 線形モデルでモデル化 過学習が怖かったのでシンプルなモデルを使った 19
モデルについてもう少し詳しく はおいしさ指数 はi番目の特徴量 はパラメータ 20 つまり 「勝ち馬」ではなく 「儲かる馬」を予測
なぜ線形モデルを使う? 理由1 既に卍氏が線形モデルで成功している 理由2 シンプルなモデルなので過学習しにくい 21
モデルをどう学習させるか モデルの学習とは の を最適化すること 目的関数は回収率の最大化 22
最適化手法 勾配計算が不要な手法なら何でもOK 私はCMA-ESを使っていた(過去形) あるいは今流行のBayesian Optimizationとか 23
勝ち馬の予測はだめ? 「1着になる確率」を予測 「投票率」を予測し「1着になる確率」と比較 二つの問題を解く必要がある 私は複雑な問題が苦手なのでやめた 24
3.評価方法について 25
モデルの評価方法 ローリングウィンドウ法を使う 26 学習 テスト 学習 テスト 学習 テスト 学習
テスト
回収率の高さが最重要、というわけではない もちろん回収率が100%を超えていないと賭ける意味はないのだが… 回収率120%だが年一回しか賭けるチャンスが無い方法 回収率101%だが毎週賭けるチャンスがある方法 トータルで考えたら後者の方が良い! 27
リスクの評価も忘れずに リスクとはリターンの分散のこと リスク大 リスク小 28
特徴量に確定オッズを含めないようにしよう 特徴量に確定オッズを含んでいる場合 パフォーマンスが過大評価される(経験済み) 現在は投票締め切り30分前のオッズを使用 29 JRA等から取得可能
賭け金の決め方 卍氏と同じ投資法をそのまま採用 賭け金 = 資金残高 * 0.1 / 30分前オッズ 収支が安定するのでリスクを減らせる
30
実際にどれぐらいのパフォーマンスがでるか 過去10年分のデータ(37万件)を使って実験した 学習データ5万件、テストデータ1万件 ローリングウィンドウ法で学習とテストを31回繰り返した 31 おいしさ指数 平均リターン 標準偏差 最大ドローダウン 買い目割合
0以上 0.028% 3.128% 99.9% 51% 10以上 0.047% 3.169% 99.9% 35% 20以上 0.066% 3.217% 98.0% 21% 30以上 0.083% 3.259% 98.4% 11% 40以上 0.136% 3.336% 83.1% 5%
問題点 ドローダウン大きすぎ 資金配分を追い下げにすれば破産はしないはず マーケットインパクトを考えていない 重賞レースなど投票数が多いレースにだけ賭ける 32
これで完成というわけではない まだ分析ができていない特徴量がある リスクが高いのも何とかしたい 年内中には何かしらの形で公開予定 33
ご清聴ありがとうございました 34