川崎 2R 詳細AI予想

本レースの全馬 AI 評価と推奨馬券を掲載します。期待値プラスと判定した馬のみ買い目に含めています。

モデル

2R 川崎競馬場ダ1400m ダート1400m　発走 15:30

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ハイウィルヘーズ	岡村裕（川崎）	推定—	B△ A△勝率8% EV-81% 詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場7走で勝率0%と苦戦傾向／同距離帯は8走で勝ち無し）
前5走 07/07 川崎2R 11着/12頭 06/15 川崎5R 3着/12頭 06/01 船橋4R 3着/10頭 04/07 川崎1R 4着/12頭+1.4秒 03/04 川崎1R 11着/12頭+2.7秒
AI 評価の内訳 — 馬番 1 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 5.7着 × 当競馬場適性 7走で勝率 0% (苦戦) ▽ 距離適性同距離は 8走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 11着 (大敗) ○ ローテーション 21日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -99% (大幅な期待値マイナス) AI 予想勝率 0.2% △ Aモデルの評価 (参考) レース内 6位 / 勝率 7.8% / 期待値 -81% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	シェナチチカカ	神尾香（川崎）	推定—	B× A×勝率5% EV-86% 詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場59走で勝率3%と苦戦傾向／同距離帯は71走で勝ち無し）
前5走 07/07 川崎1R 11着/12頭 06/25 浦和1R 2着/9頭 06/17 川崎1R 10着/12頭 05/27 浦和3R 2着/12頭 04/09 川崎3R 11着/12頭+2.2秒
AI 評価の内訳 — 馬番 2 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 7.7着 (不振) × 当競馬場適性 59走で勝率 3% (苦戦) ▽ 距離適性同距離は 71走で勝ち無し ▽ 前走実績前走 11着 (大敗) ○ ローテーション 21日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -100% (大幅な期待値マイナス) AI 予想勝率 0.0% × Aモデルの評価 (参考) レース内 8位 / 勝率 5.5% / 期待値 -87% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	ダンシングハピリー	本田紀（川崎）	推定—	B× A×勝率5% EV-86% 詳細▼	AI予測データ未取得（このレースの予測は実行できていません）
前5走 07/07 川崎1R 7着/12頭 06/18 川崎5R 9着/12頭 05/27 浦和3R 5着/12頭 05/12 川崎2R 7着/9頭+1.5秒 04/23 浦和2R 9着/12頭+1.0秒
AI 評価の内訳 — 馬番 3 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 7.0着 (不振) × 当競馬場適性 30走で勝率 3% (苦戦) ▽ 距離適性同距離は 31走で勝ち無し ○ ローテーション 21日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -100% (大幅な期待値マイナス) × Aモデルの評価 (参考) レース内 9位 / 勝率 5.2% / 期待値 -86% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	ノンストップガール	佐野遥（川崎）	推定—	B○ A△勝率14% EV-74% 詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯は11走で勝ち無し／直近3走平均9.0着と低調）
前5走 07/03 大井1R 7着/11頭+0.0秒 06/11 大井1R 12着/14頭 05/20 大井1R 8着/13頭 04/28 大井1R 1着/11頭勝利 04/15 大井1R 3着/14頭+0.4秒
AI 評価の内訳 — 馬番 4 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 9.0着 (不振) ▽ 距離適性同距離は 11走で勝ち無し ○ ローテーション 25日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -58% (大幅な期待値マイナス) AI 予想勝率 24.1% △ Aモデルの評価 (参考) レース内 4位 / 勝率 14.5% / 期待値 -75% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	ジョーカイ	加藤雄（川崎）	推定—	B× A×勝率7% EV-84% 詳細▼	AI予測データ未取得（このレースの予測は実行できていません）
前5走 07/07 川崎6R 11着/11頭 06/15 川崎5R 9着/12頭+0.0秒 05/27 浦和2R 12着/12頭+2.0秒 05/12 川崎2R 9着/9頭+3.0秒 04/22 浦和2R 11着/11頭+4.2秒
AI 評価の内訳 — 馬番 5 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 10.7着 (不振) ◎ 当競馬場適性 7走で勝率 43% (得意) ○ 距離適性同距離 34走で勝率 21% ▽ 前走実績前走 11着 (大敗) ○ ローテーション 21日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -100% (大幅な期待値マイナス) × Aモデルの評価 (参考) レース内 7位 / 勝率 7.1% / 期待値 -84% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	タイセイルシエル逃げ	櫻井光（川崎）	推定—	B△ A×勝率17% EV-66% 詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場7走で勝率0%と苦戦傾向／同距離帯は5走で勝ち無し）
前5走 07/07 川崎1R 5着/12頭 06/05 船橋8R 9着/12頭 05/14 川崎3R 8着/14頭+1.3秒 04/06 川崎7R 5着/14頭+0.6秒 03/30 船橋12R 2着/12頭+0.3秒
AI 評価の内訳 — 馬番 6 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 7.3着 (不振) × 当競馬場適性 7走で勝率 0% (苦戦) ▽ 距離適性同距離は 5走で勝ち無し ○ ローテーション 21日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -84% (大幅な期待値マイナス) AI 予想勝率 8.3% × Aモデルの評価 (参考) レース内 1位 / 勝率 17.2% / 期待値 -67% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	ルジュウェール	池谷匠（川崎）	推定—	B▲ A▲勝率16% EV-65% 詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯は4走で勝ち無し／前走3着）
前5走 07/07 川崎1R 3着/12頭 06/17 川崎1R 6着/12頭 06/05 船橋6R 12着/12頭+3.0秒 04/03 船橋4R 9着/12頭+3.6秒 03/12 船橋1R 4着/11頭+2.5秒
AI 評価の内訳 — 馬番 7 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 7.0着 (不振) ▽ 距離適性同距離は 4走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ○ 前走実績前走 3着 (好走) ○ ローテーション 21日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -49% (大幅な期待値マイナス) AI 予想勝率 24.1% ▲ Aモデルの評価 (参考) レース内 3位 / 勝率 16.3% / 期待値 -65% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	スウィープレジーナ自在	野畑凌（川崎）	推定—	B◎ A○勝率17% EV-72% 詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場3走で勝率0%と苦戦傾向／同馬場状態で勝率33%）
前5走 07/08 川崎1R 6着/11頭 06/15 川崎4R 5着/11頭 05/14 川崎2R 10着/12頭+0.9秒 12/10 名古屋4R 7着/11頭+2.9秒 10/31 名古屋6R 8着/12頭+2.3秒
AI 評価の内訳 — 馬番 8 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 7.0着 (不振) × 当競馬場適性 3走で勝率 0% (苦戦) ○ 距離適性同距離 10走で勝率 20% ◎ 馬場適性同馬場 6走で勝率 33% ○ 騎手近50戦勝率 16% ○ ローテーション 20日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -32% (大幅な期待値マイナス) AI 予想勝率 42.1% ○ Aモデルの評価 (参考) レース内 2位 / 勝率 16.9% / 期待値 -73% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	アンビータブルニコ	中山遥（浦和）	推定—	B△ A△勝率10% EV-81% 詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯は7走で勝ち無し／直近3走平均8.0着と低調）
前5走 07/16 浦和7R 7着/12頭 06/26 浦和12R 8着/11頭 05/29 浦和2R 9着/12頭 04/21 浦和2R 8着/12頭+1.7秒 04/01 船橋4R 7着/10頭+1.9秒
AI 評価の内訳 — 馬番 9 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 8.0着 (不振) ▽ 距離適性同距離は 7走で勝ち無し × 期待値 (オッズ vs AI勝率) -98% (大幅な期待値マイナス) AI 予想勝率 1.2% △ Aモデルの評価 (参考) レース内 5位 / 勝率 9.6% / 期待値 -81% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

AI評価 🌟◎鉄板本命 ◎本命 ○対抗 ▲注目 △押さえ ▽下位 ×推奨外／ 期待値 100円賭けたときの想定利益率／ オッズ 実=リアル取得済推定=推定オッズ／ 馬名横のグレーバッジ 脚質（過去の上がり3F傾向からの推定）

🎯 AIの本命

AI評価1位Aモデル ○

スウィープレジーナ

騎手野畑凌（川崎）

単勝オッズ

—

AI期待値

—

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○A:△4ノンストップガール

—

EV —

▲A:▲7ルジュウェール

—

EV —

出走馬全9頭

◎A:○8

スウィープレジーナ

野畑凌（川崎）

—

›

○A:△4

ノンストップガール

佐野遥（川崎）

—

›

▲A:▲7

ルジュウェール

池谷匠（川崎）

—

›

△A:×6

タイセイルシエル

櫻井光（川崎）

—

›

△A:△9

アンビータブルニコ

中山遥（浦和）

—

›

△A:△1

ハイウィルヘーズ

岡村裕（川崎）

—

›

×A:×2

シェナチチカカ

神尾香（川崎）

—

›

×A:×3

ダンシングハピリー

本田紀（川崎）

—

›

×A:×5

ジョーカイ

加藤雄（川崎）

—

›

💡 各馬をタップでAI評価の根拠を表示。印は推奨モデル (B) 基準、「A:」は A モデルの評価。買い目は期待値プラスのみ推奨。

▶ このレースの展開シミュレーションはこちら AIが2万回仮想開催した着順分布・展開予想・レース再生アニメ

🌙 オッズ確定前のレースです（夜開催など、発走前でオッズ未公開）。
上の表の AI 評価は確認できますが、期待値・買い目はオッズが出てから（発走が近づくと）自動で公開されます。

2R 川崎競馬場ダ1400m ダート1400m　発走 15:30

並べ替え:

馬番	馬名	騎手	オッズ	AI評価	AI解説
1	ハイウィルヘーズ	岡村裕（川崎）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場7走で勝率0%と苦戦傾向／同距離帯は8走で勝ち無し）
前5走 07/07 川崎2R 11着/12頭 06/15 川崎5R 3着/12頭 06/01 船橋4R 3着/10頭 04/07 川崎1R 4着/12頭+1.4秒 03/04 川崎1R 11着/12頭+2.7秒
AI 評価の内訳 — 馬番 1 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △ 直近3戦の調子平均 5.7着 × 当競馬場適性 7走で勝率 0% (苦戦) ▽ 距離適性同距離は 8走で勝ち無し △ 騎手近50戦勝率 2% (やや苦戦) ▽ 前走実績前走 11着 (大敗) ○ ローテーション 21日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -81% (大幅な期待値マイナス) AI 予想勝率 7.8% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
2	シェナチチカカ	神尾香（川崎）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場59走で勝率3%と苦戦傾向／同距離帯は71走で勝ち無し）
前5走 07/07 川崎1R 11着/12頭 06/25 浦和1R 2着/9頭 06/17 川崎1R 10着/12頭 05/27 浦和3R 2着/12頭 04/09 川崎3R 11着/12頭+2.2秒
AI 評価の内訳 — 馬番 2 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 7.7着 (不振) × 当競馬場適性 59走で勝率 3% (苦戦) ▽ 距離適性同距離は 71走で勝ち無し ▽ 前走実績前走 11着 (大敗) ○ ローテーション 21日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -87% (大幅な期待値マイナス) AI 予想勝率 5.5% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
3	ダンシングハピリー	本田紀（川崎）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場30走で勝率3%と苦戦傾向／同距離帯は31走で勝ち無し）
前5走 07/07 川崎1R 7着/12頭 06/18 川崎5R 9着/12頭 05/27 浦和3R 5着/12頭 05/12 川崎2R 7着/9頭+1.5秒 04/23 浦和2R 9着/12頭+1.0秒
AI 評価の内訳 — 馬番 3 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 7.0着 (不振) × 当競馬場適性 30走で勝率 3% (苦戦) ▽ 距離適性同距離は 31走で勝ち無し ○ ローテーション 21日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -86% (大幅な期待値マイナス) AI 予想勝率 5.2% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
4	ノンストップガール	佐野遥（川崎）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯は11走で勝ち無し／直近3走平均9.0着と低調）
前5走 07/03 大井1R 7着/11頭+0.0秒 06/11 大井1R 12着/14頭 05/20 大井1R 8着/13頭 04/28 大井1R 1着/11頭勝利 04/15 大井1R 3着/14頭+0.4秒
AI 評価の内訳 — 馬番 4 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 9.0着 (不振) ▽ 距離適性同距離は 11走で勝ち無し ○ ローテーション 25日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -75% (大幅な期待値マイナス) AI 予想勝率 14.5% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
5	ジョーカイ	加藤雄（川崎）	推定—	×詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場7走で勝率43%と適性高／直近3走平均10.7着と低調）
前5走 07/07 川崎6R 11着/11頭 06/15 川崎5R 9着/12頭+0.0秒 05/27 浦和2R 12着/12頭+2.0秒 05/12 川崎2R 9着/9頭+3.0秒 04/22 浦和2R 11着/11頭+4.2秒
AI 評価の内訳 — 馬番 5 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 10.7着 (不振) ◎ 当競馬場適性 7走で勝率 43% (得意) ○ 距離適性同距離 34走で勝率 21% ▽ 前走実績前走 11着 (大敗) ○ ローテーション 21日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -84% (大幅な期待値マイナス) AI 予想勝率 7.1% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
6	タイセイルシエル逃げ	櫻井光（川崎）	推定—	×詳細▼	AI予想勝率は最上位だが、オッズ過剰評価で期待値マイナス（当競馬場7走で勝率0%と苦戦傾向／同距離帯は5走で勝ち無し）
前5走 07/07 川崎1R 5着/12頭 06/05 船橋8R 9着/12頭 05/14 川崎3R 8着/14頭+1.3秒 04/06 川崎7R 5着/14頭+0.6秒 03/30 船橋12R 2着/12頭+0.3秒
AI 評価の内訳 — 馬番 6 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 7.3着 (不振) × 当競馬場適性 7走で勝率 0% (苦戦) ▽ 距離適性同距離は 5走で勝ち無し ○ ローテーション 21日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -67% (大幅な期待値マイナス) AI 予想勝率 17.2% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
7	ルジュウェール	池谷匠（川崎）	推定—	▲詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯は4走で勝ち無し／前走3着）
前5走 07/07 川崎1R 3着/12頭 06/17 川崎1R 6着/12頭 06/05 船橋6R 12着/12頭+3.0秒 04/03 船橋4R 9着/12頭+3.6秒 03/12 船橋1R 4着/11頭+2.5秒
AI 評価の内訳 — 馬番 7 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 7.0着 (不振) ▽ 距離適性同距離は 4走で勝ち無し △ 騎手近50戦勝率 4% (やや苦戦) ○ 前走実績前走 3着 (好走) ○ ローテーション 21日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -65% (大幅な期待値マイナス) AI 予想勝率 16.3% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
8	スウィープレジーナ自在	野畑凌（川崎）	推定—	○詳細▼	人気馬、市場評価通りで上乗せなし（当競馬場3走で勝率0%と苦戦傾向／同馬場状態で勝率33%）
前5走 07/08 川崎1R 6着/11頭 06/15 川崎4R 5着/11頭 05/14 川崎2R 10着/12頭+0.9秒 12/10 名古屋4R 7着/11頭+2.9秒 10/31 名古屋6R 8着/12頭+2.3秒
AI 評価の内訳 — 馬番 8 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 7.0着 (不振) × 当競馬場適性 3走で勝率 0% (苦戦) ○ 距離適性同距離 10走で勝率 20% ◎ 馬場適性同馬場 6走で勝率 33% ○ 騎手近50戦勝率 16% ○ ローテーション 20日の間隔 (理想的) × 期待値 (オッズ vs AI勝率) -73% (大幅な期待値マイナス) AI 予想勝率 16.9% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。
9	アンビータブルニコ	中山遥（浦和）	推定—	△詳細▼	人気馬、市場評価通りで上乗せなし（同距離帯は7走で勝ち無し／直近3走平均8.0着と低調）
前5走 07/16 浦和7R 7着/12頭 06/26 浦和12R 8着/11頭 05/29 浦和2R 9着/12頭 04/21 浦和2R 8着/12頭+1.7秒 04/01 船橋4R 7着/10頭+1.9秒
AI 評価の内訳 — 馬番 9 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) × 直近3戦の調子平均 8.0着 (不振) ▽ 距離適性同距離は 7走で勝ち無し × 期待値 (オッズ vs AI勝率) -81% (大幅な期待値マイナス) AI 予想勝率 9.6% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。

🎯 AIの本命

AI評価1位

タイセイルシエル

騎手櫻井光（川崎）

単勝オッズ

—

AI期待値

—

買い目

見送り

全レースの推奨

AIの推奨本命の次点

○8スウィープレジーナ

—

EV —

▲7ルジュウェール

—

EV —

出走馬全9頭

×6

タイセイルシエル

櫻井光（川崎）

—

›

○8

スウィープレジーナ

野畑凌（川崎）

—

›

▲7

ルジュウェール

池谷匠（川崎）

—

›

△4

ノンストップガール

佐野遥（川崎）

—

›

△9

アンビータブルニコ

中山遥（浦和）

—

›

△1

ハイウィルヘーズ

岡村裕（川崎）

—

›

×5

ジョーカイ

加藤雄（川崎）

—

›

×2

シェナチチカカ

神尾香（川崎）

—

›

×3

ダンシングハピリー

本田紀（川崎）

—

›

💡 各馬をタップでAI評価の根拠を表示。買い目は期待値プラスのみ推奨。

▶ このレースの展開シミュレーションはこちら AIが2万回仮想開催した着順分布・展開予想・レース再生アニメ

次の推奨を X で受け取る

あわせて読む

本日のAI予想購入戦略の解説 AIモデルの仕組み運用実績（回収率）

本サイトの予想は機械学習モデルによる参考情報です。過去の実績は将来の結果を保証しません。投資判断は自己責任でお願いします。本サイト運営者は損失について一切の責任を負いません。20歳未満の方は馬券を購入できません。