騎手で買うと負ける本当の理由 — 「騎手プレミアム」のオーバーシュート

ルメール・川田・武豊などの名騎手の単勝回収率 70-85% を Favorite-Longshot Bias の応用として解説。騎手単独の貢献度 5-10% の統計と、鞍上弱化の妙味。

「ルメール買っとけば間違いない」の落とし穴

「ルメールが乗ってるから買い」「主戦の川田が継続騎乗なら勝負どころ」「武豊だから人気でも信頼できる」。

SNS でも「騎手で買う」派は非常に多い。半分本当で半分嘘です。名騎手の腕は本物ですが、「名騎手を買い続ければ儲かる」というのは別の話。長期で見ると 名騎手の単勝回収率は控除率分マイナス、つまり「普通に負ける」券種の典型になります。

騎手プレミアム: 名騎手が乗っているという情報だけで、馬のオッズが本来の実力以上に下がる現象。

具体例

実力的に 5 倍が妥当な馬にルメール騎乗 → 投票集中で 3.5 倍まで低下 → 実力に対して 40% 人気が過熱

これは Favorite-Longshot Bias の応用形。人気の対象が馬ではなく騎手という違いだけ。

名騎手は確かに上手い (レース運び安定、騎乗ミス少ない)。でも 上手さは既にオッズに織り込まれている ので、控除率 20% を超える期待値プラスを残しません。

JRA リーディングジョッキーの単勝回収率は概ね 70-85% レンジ で安定。控除率 20% を考えると、ほぼ「控除率分が負け」の状態です。

競走結果に占める各要素の貢献度 (概ねの目安):

強い馬に名騎手の組み合わせでも、勝因の大部分は 馬の能力。同じ馬を別の騎手が乗っても、勝率はそこまで大きく変わりません。市場はこれを「騎手効果を過剰評価」する傾向があります。

特に「主戦騎手の都合で乗り替わり」のケースは、馬のコンディションには関係ない要因なのに、市場は大幅にオッズを動かします。AI が馬の実力をフラットに評価できていれば、この歪みを直接拾えます。

騎手プレミアムは普遍的現象:

どの市場でも、人間が 名前で判断する認知バイアス は世界共通です。

Stride AI は騎手 ID を単独で学習させません。代わりに 過去成績統計 (コース別連対率、コース × 馬の相性) を特徴量化。「ルメールだから強い」ではなく「この距離・コース・馬の脚質にルメールの騎乗スタイルが合うか」を判定します。