【競艇AI開発者が暴く】展示タイムは本当に信用できる？全国100万走のデータで見えた「真の狙い目」📊

舟券を買うとき、あなたは「展示タイム」をどのくらい参考にしていますか？
「展示1位だからとりあえずアタマで買おう」「展示ビリだから舟券から外そう」……そんな直感的な買い方をして、痛い目を見た経験は誰にでもあるはずです。

はじめまして。競艇AI開発・データサイエンティストのlogueです。
私は独自のプログラムを用い、過去の数万〜数十万レースのデータをAIに学習させて「期待値投資」を行っています。

今回は、全国の約100万走の生データを解析し、「コース別の展示タイム順位が、実際の勝率にどう影響するのか」という真実をガラス張りにします。

衝撃事実①：イン戦（1コース）の展示ビリは「即切り」厳禁！
衝撃事実②：ダッシュ勢（4〜6コース）における展示タイムの「破壊力」
決定的な証拠：「平均勝率」と比較してわかる展示タイムの真価
まとめ：展示タイムは「コース」とセットで評価せよ
【開発者向け】本記事の分析仕様・データソース

衝撃事実①：イン戦（1コース）の展示ビリは「即切り」厳禁！

「1号艇の展示タイムが6位（最下位）。よし、今日はインが飛ぶぞ！」
そう思って穴狙いをした結果、あっさり1号艇が逃げ切ってしまった経験はありませんか？

AIエンジンで集計したデータを見ると、その理由が一目瞭然です。

1コース・展示1位の1着率：62.7%
1コース・展示6位の1着率：43.2%

確かに展示1位の信頼度は抜群ですが、なんと展示最下位であっても4割以上の確率で逃げ切ってしまうのです。現代ボートレースにおいて、1コースの空間的優位性は圧倒的であり、「展示タイムが悪いから」という理由だけで1号艇を完全に切るのは、期待値的に非常に危険な行為だと言えます。

衝撃事実②：ダッシュ勢（4〜6コース）における展示タイムの「破壊力」

一方で、展示タイムが「絶対的な指標」に変わるポジションがあります。それがダッシュ戦（4〜6コース）です。

カド戦となる4コースのデータを見てみましょう。

4コース・展示1位の1着率：17.5%
4コース・展示2位の1着率：13.4%
4コース・展示6位の1着率：6.3%

1コースとは異なり、順位が落ちるごとに勝率が恐ろしいスピードで急落しています。ダッシュからの一撃（まくり・まくり差し）を決めるには、絶対的な「伸び足（直線タイム）」が必要です。
つまり、「4〜6コースで展示タイムが上位の選手は一発の魅力が跳ね上がるが、展示タイムが下位のダッシュ勢は迷わず切っていい」という明確なセオリーがデータから証明されました。

決定的な証拠：「平均勝率」と比較してわかる展示タイムの真価

「展示タイムなんて、コースの有利不利に比べたら誤差の範囲では？」
そう疑う方のために、展示タイムを一切考慮しない「純粋なコース別平均勝率（約100万走ベース）」と、展示順位別の勝率を比較してみました。

【4コースの1着率比較】

4コース平均勝率：10.7%
4コース × 展示1位：17.5% （平均の約1.6倍！）
4コース × 展示6位：6.3% （平均の約半分…）

いかがでしょうか。コースが同じ「4カド」に固定されていても、展示タイムがトップかワーストかによって、実際の勝率には約3倍もの強烈な格差が生まれているのです。
展示タイムは決して「コース依存の誤差」などではなく、モーターの仕上がり（特に伸び足）を正確に数値化し、平均勝率を大きく歪ませる「独立した強力な指標」であることが証明されました。

一般のボートレースファンは「4カドだから買おう」と平均勝率（10.7%）の感覚で舟券を買います。しかし、展示1位の4カドは実質「17.5%」のポテンシャルを秘めているため、ここにオッズの歪み（期待値）が生まれるのです。

まとめ：展示タイムは「コース」とセットで評価せよ

全国100万走のデータ解析から導き出された結論は以下の通りです。

1コースの展示タイム不良は「過信禁物」だが「即切りも厳禁」。
ダッシュ勢（4〜6コース）の展示トップは「特大エッジ（期待値）」のサイン。
ダッシュ勢の展示下位は、舟券から除外して点数を絞るチャンス。

展示タイムというたった1つの指標も、AIやデータを通すことで「ただの数字」から「強力な武器」に変わります。

当サイト（Analogue Project）では、こうした膨大なデータ解析に基づく「AI直前予想」や「最適化買い目」をDiscordサーバーにて【完全無料】でリアルタイム配信しています。
感覚のギャンブルから、データ駆動の「投資」へ。興味がある方はぜひ下記のリンクから参加してみてください。

▶ 無料Discordサーバーへ参加する

【開発者向け】本記事の分析仕様・データソース

本記事の統計データは、独自開発した競艇AIエンジンのデータベースから抽出しています。データ分析やPythonプログラミングに興味がある方向けに、分析環境の仕様を公開します。

集計対象期間：2023年4月1日〜 2026年6月12日
対象会場：全国24場
サンプル数：約104万走（有効な展示タイム・着順データのみを抽出）
開発・分析環境：Python 3.x / Pandas / NumPy / VS Code

▼ データ抽出に使用したPythonコード（一部抜粋）

import pandas as pd
import numpy as np

# データの読み込みと展示順位（ランク）の算出
df_exh_pivot = df.set_index(['date', 'venue', 'race_num'])[[f'c{i}_展示タイム' for i in range(1, 7)]]
df_ranks = df_exh_pivot.rank(axis=1, ascending=True, method='min')

# 勝率と3連対率のフラグ化
df_final_stats['is_1st'] = np.where(df_final_stats['rank'] == 1, 1, 0)
df_final_stats['is_top3'] = np.where(df_final_stats['rank'] <= 3, 1, 0)

# コースごとの勝率集計
for c in range(1, 7):
    c_data = df_final_stats[df_final_stats['course'] == c]
    for r in sorted(c_data['exh_rank'].unique()):
        rc_data = c_data[c_data['exh_rank'] == r]
        win_rate = (rc_data['is_1st'].sum() / len(rc_data)) * 100
        print(f"コース{c} 展示{r}位: 1着率 {win_rate:.1f}%")