ANCY'S BRIEFING ANALYSIS & RESEARCH

投資としての競馬において、事前の数理モデルが導き出した期待値（Expected Value）と、実際のレース結果という物理的帰結の間に生じる誤差を客観的に解析し、フィードバックループを構築することは、アルゴリズムの自己修復および将来の資本保護において最も重要なプロセスでございます。

事前の予測モデルは、感情や主観的期待といった市場のノイズを排除し、過去の膨大なデータと統計的優位性のみを抽出して論理的な結論を導き出すよう設計されておりました。しかしながら、現実のレース結果は、事前のメタ認知分析が設定した「絶対的物理制約（斤量・枠順・トラックバイアス）」の閾値が、特定の生体力学的条件下において完全に無効化される事象を証明したのでございます。

本解析の目的は、予測の失敗を単なる確率的ノイズやランダムウォークとして処理するのではなく、生体力学・運動エネルギー法則・遺伝的ポテンシャル・ローテーション疲労の観点からエラーの真因を特定することにあります。特定されたエラーは直ちにアルゴリズムへ統合され、次回以降の予測精度向上に反映されます。

まずは事前評価と実際の結果の乖離を可視化いたします。

本命のストレングスが10着に沈み、過酷な59kgを背負って評価を下げたドンインザムードが2着以下に1.2秒（約7馬身）の大差をつけて圧勝、消し判定のノーブルロジャーまで3着に入線 ── 予測モデルの根幹仮説が崩壊した結果でございます。誤差要因は3つに分解されます。

誤差要因① 斤量ペナルティの非線形性 ── 相対的質量負荷の欠落

最大の論理的誤謬は「59kg」の物理的ペナルティに対する過大評価でございます。事前モデルは「ダート1kg増は終い直線で推進力低下として現れる」という一般的ヒューリスティクスに過度に依存し、ドンインザムードを単穴に降格させました。

しかし生体力学的に正しい評価は、絶対的な重量数値ではなく「総質量に対する相対的負荷率」でございます。実データで計算いたします。

修正ロジック：基礎能力（F1）が一定閾値を超える馬で、相対的負荷率が11.5%を下回る場合、斤量による減点処理を無効化（オーバーライド）する。

誤差要因② 未知の変数への過剰防衛 ── 遺伝的オーバーライドの欠落

消し判定のノーブルロジャー（パレスマリス産駒）3着も構造的欠陥を露呈いたしました。事前評価は「ダート適性を示す客観データ不足」を理由にF2を強制的にゼロに引き下げ、「フェイク・オッズ」と断定 ── これは極端な過剰防衛でございました。

父Palace Maliceは米国ダート路線でベルモントSを制した名馬であり、日本ダートへの適応力を血統的に内包しております。過去のトラックレコードが存在しない（未知の変数）という理由だけでF2をゼロ評価するアプローチは誤りでした。実走で上がり35.4秒という優秀な末脚を見せ、59kgの斤量と芝→ダート条件替わりの二重ハードルを越えて3着入線 ── 遺伝的ポテンシャルが現実化したのです。

修正ロジック：過去走データが存在しないコース・条件であっても、血統的ポテンシャルを基に仮想的なF2スコアを補完算出する「遺伝的オーバーライド（Genetic Override）」を導入。

誤差要因③ トラックバイアスへの過剰適応 ── 心肺機能限界値の無視

本命ストレングス10着の敗因は、事前の展開シミュレーション崩壊にございます。モデルは「東京ダ1400m＝先行有利」という統計的優位性に過剰依存し、先行力のあるストレングスを軸と決定しました。しかし実際のラップは：

前半600mを34.3秒で通過 ── ダ1400mにおいて典型的な無酸素運動領域を強制する極限のハイペースでございます。ストレングスは（1,3）-10と先行集団直後に取り付くも、上がり3F 38.1秒で完全失速。「統計的有利なポジション」を獲得するためのエネルギー消費が、同馬の乳酸性作業閾値（LT）・最大酸素摂取量（VO2 Max）を超えてしまったのです。

修正ロジック：トラックバイアスは絶対法則ではなく「ポジション獲得・維持に必要な要求スピード × 個体の絶対的心肺能力」の関数として再評価する。

関東馬ナルカミ・リアライズカミオンを消した判断は正しかったものの、本命ハグが**最下位16着**という大惨敗、デバフ判定のロードクロンヌが優勝、評価Eで投資対象外としたヴァルツァーシャル（8番人気）まで2着 ── 三重の誤差を引き起こしました。

誤差要因① 蓄積疲労インデックスの欠落 ── ハグ16着

確勝級◎として資金ポートフォリオの核に据えたハグの完全失速は、構造的な見落としに起因いたします。3コーナーまでは好位集団直後をロスなく追走しながら、4コーナー進入から直線で完全に推進力を喪失、上がり3F 41.9秒という出走馬中最遅タイム ── キックバックや砂被りといった外的要因ではなく、生体エネルギーの完全枯渇（オーバーワーク）を示唆しております。

ローテーション履歴を再検証して、重大なデータ見落としが判明しました：

修正ロジック：直近3〜5走のレース間隔・距離・グレードを統合した「蓄積疲労インデックス（Cumulative Fatigue Index）」を新規導入。F4の補正係数として作用。

誤差要因② クラス・ドロップ優位性の看過 ── ロードクロンヌ1着

1着のロードクロンヌは事前評価で「7枠14番の遠心力ロス＋58kg」を理由に連下（△）に留めておりました。しかし同馬は本年1月のプロキオンS（GII）を1:51.0で制覇、フェブラリーS（GI）出走経験も持つ高ポテンシャル馬。GII覇者がGIIIに格下げ出走する構造的優位性を、モデルは過小評価していたのです。

横山和生騎手の積極的なポジショニングにより、外枠の不利を逆手に取って砂を被らない絶好の位置を確保。「過剰な運動エネルギー消費」というモデルの懸念は、馬自身の高い巡航スピードによって相殺されました。

修正ロジック：絶対能力（GII覇者クラス以上）を持つ馬に対して、下位クラス出走時の物理的デバフ（1〜2kg増・外枠等）の影響係数を緩和する「クラス・ドロップ優位性（Class-Drop Override）」を導入。

誤差要因③ リカバリーカーブの無理解 ── ヴァルツァーシャル2着

2着のヴァルツァーシャル（8番人気）は事前評価でE判定・投資対象外。F4が70と閾値（80）を大きく下回ったためでございます。

しかしこの低評価はアルゴリズムの盲点でした。同馬は2024年のマーチS（GIII）を豪快な差し切りで制した実績馬。その後、左第3中手骨の骨折が判明し長期休養を余儀なくされておりました。復帰後の凡走は能力喪失ではなくリハビリテーション過程。数戦を叩いて心肺機能と骨格筋が再適応したタイミングを、モデルは「連続惨敗中の衰え」と誤認したのです。

修正ロジック：重賞勝ち馬の休養明けからのパフォーマンス推移を、単純な直線的減点ではなく時系列の「潜在能力リカバリーカーブ（Recovery Curve）」として動的に評価。骨折・故障明け復帰3〜5戦目に加点係数を適用。

予測精度の問題に加えて、両レースは資金管理ロジックにも構造的な欠陥があったことを明らかにいたしました。事前の3層構造（本線60% / 攻め30% / 保険10%）は資金管理の骨格としては数学的に正しいものでございました。しかし結果として、両レースで全損ドローダウンを記録 ── 根本原因は「軸馬（◎）の好走 or 単一のペース仮説」への過剰依存（Single Point of Failure）にございます。

平安Sの「波乱ヘッジ（保険）」として設定したシュラザックからの馬券は、確かに上位人気総崩れシナリオを想定したものでした。しかし実際に起きた展開（ハイペースからの持続力消耗戦）で上位を独占したのは、本線の予測と同じペース仮説の上に立つ馬群（ロードクロンヌ、ヴァルツァーシャル、タイトニット）。シュラザックは「前崩れ→後方一気」という本線と同じベクトルの保険でしかなかったのでございます。

修正ロジック：ポートフォリオ構築時、「本線シナリオ」と「保険シナリオ」が同一の前提（脚質・ペース・馬場）に依存していないかを必ず検証する「非相関シナリオ・ヘッジ」を強制適用。3層ポートフォリオの設計原理のアップデート要件として組み込み。

特定された誤差要因を、クォントモデルへの恒久的な改善として統合いたします。以下が model-updates v1.4 として登録される6つの新概念でございます。

①②④は4ファクター評価エンジンのメタ認知分析層に、③⑤はFactor 04の補正係数として、⑥は資金配分アルゴリズムに統合されます。これらが今回特定された6つの致命的誤差すべてを構造的に解決する論理的措置でございます。

また、表面的な数字や過去統計への「過学習（オーバーフィッティング）」を防ぐため、ローテーション履歴（連戦間隔・距離・グレード）と休養曲線を時系列で読み取る検証ロジックを調教評価コラムの文脈と接続して強化いたします。

競馬予測における完全な決定論的モデルの構築は本質的に不可能でございます。しかし物理的変数（質量比）・生体リズム（蓄積疲労とリカバリー曲線）・展開の反転リスク（非相関ヘッジ）をアルゴリズムに組み込むことで、不確実性の海から生じるノイズを極限まで低減させることは十分に可能でございます。

欅S・平安Sで露呈した「表面的な数字や過去統計への過学習」という致命的エラーは、今回のmodel v1.4 修正により構造的に修復されました。再定義された評価エンジンは、大衆が陥る罠（過剰な斤量嫌い・連戦馬への盲信・休養明け実績馬の過小評価）を逆手に取り、投資市場に生じるオッズの歪み（真のアルファ）をより正確に捉えることが可能となります。

予測の失敗を運や偶然に転嫁する非論理的な言い訳は、当briefingの規範に反します。失敗は隠さず、誠実に解剖し、アルゴリズムへ統合する ── これが当briefingがお約束する「自己修復プロトコル」の実演でございます。次回以降のレポートは、本v1.4の進化したロジックの上で出力されます。

なお、本号は当briefingが定期的に開示する事後解析シリーズの初回（vol.1）でございます。今後、不的中時には必ずこの構造分析プロセスを経て、明示的なアルゴリズム更新として読者にお見せいたします。失敗を資産に変える ── これが進化し続ける論理的アプローチの本質でございます。

本レポートの事後検証は、以下の公開レース結果データに基づいております。

1. JRA（日本中央競馬会）公式サイト「2026年 欅ステークス・平安ステークス レース結果・払戻」
2. netkeiba.com「該当レースのラップタイム・着順・配当データ」
3. JRA-VAN Data Lab.「コース別・脚質別成績データ」

※ 記載の検証は発走前に公開した予想の原本と確定結果を照合したものでございます。将来のレース結果を保証するものではございません。