【要約】競馬AI開発記録 #23 市場の構造的歪みと「本命の壁」：期待値戦略の再定義 [Zenn_Python] | Summary by TechDistill
> Source: Zenn_Python
Execute Primary Source
// Problem
開発チームは、期待値（EV）に基づく投資戦略の最適化において、理論と実態が乖離する問題に直面した。EV閾値を引き上げてもROIが向上しないという統計的矛盾が発生した。
- ・Favorite帯における勝率の3倍もの乖離（予測7.2%に対し実績23.0%）。
- ・動的クリッピング（Prob_max = 1.5/N）による、実力の高い馬の確率的な天井。
- ・モデルが本命馬を過小評価し、有望な馬を排除するフィルターとして機能。
// Approach
開発者は、モデル全体の矯正を試みるのではなく、モデルの信頼性が高い領域へ投資を集中させる戦略を採用した。
- ・「Strong帯（オッズ5.0〜15.0倍）」の特定と、odds_zone_filter による投資領域の限定。
- ・穴馬モデルをスコア加算ではなく、フィルタリング用途に限定（anauma_weight = 0.0）。
- ・logit変換による上位帯の分散拡大と、3フェーズ・ウォークフォワード基盤の活用。
// Result
開発チームは、モデルの構造的限界を数学的に特定し、安定した運用ベースラインを確立した。これにより、不確実な領域での損失を抑えつつ、エッジのある領域での収益化が可能となった。
- ・単勝ROI 85.17%を達成。
- ・ECE (All Zones) 0.0247を記録。
- ・本命帯の乖離は構造的限界として許容。
- ・次なる課題として、複勝圏内を識別する「Top3モデル」の開発へ移行。
Senior Engineer Insight
> 本記事の価値は、モデルの不完全さを認め、その限界を数学的に定義した点にある。クリッピングが特定領域の精度を阻害するという、トレードオフの発見は実戦的な知見だ。全領域の精度向上を追わず、エッジの出る領域へリソースを絞る判断は、極めて合理的である。