スポーツベッティングのAI予想は当たるのか？モデル勝率79%の完全な検証
バックテストの結果、Mysports.AIの「プロプラン（v4.8）高信頼度試合」はNBAでモデル勝率79%、ROI約28%を達成しました（バックテスト対象の9リーグ全体では、信頼度70%以上の的中率は77.6%）。昨年は固定額でベットした場合、全リーグ累計で+1,240ユニットの純利益となりました。本ページでは、データの定義、モデルの仕組み、限界、検証方法を説明し、負けた試合の記録も残しています。
勝率79%の正直な定義：すべてのベットが79%の確率で勝つという意味ではありません
79%は高信頼度の厳選試合における過去の的中率であり、すべてのベットで利益が出るという意味ではありません。この数字は、選別条件とサンプルの基準とあわせて解釈する必要があります。
79%は「AIが厳選した後」の結果です
モデルは毎日、数百試合の中からシグナルが最も明確な少数の高信頼度試合だけを選び出します。79%はこれら厳選試合の過去の的中率です。すべての試合にベットするのではなく、AIが選んだ試合のおよそ8割が的中しているという意味です。ユーザーが自分で試合を選んだ場合、この数字は当てはまりません。
+1,240ユニットは長期の累計であり、1試合の勝ち負けではありません
1ベットを1ユニット（例：$100）に固定し、モデルの推奨に長期的に従った場合、昨年の全リーグ累計の純利益は+1,240ユニットです。期間中には1日単位や1週間単位で損失が出ることもあり、資金曲線（Equity Curve）は長期の累計結果を示しています。
13,000試合以上をリアルタイム監視、モデルは53回の改良
データベースは2025-26の新シーズンを網羅し、NBA、MLB、NHLのあらゆるラインの変動を計算に取り込んでいます。モデルは何度ものバックテストと再学習を経て、単一モデルから現行の勾配ブースティング決定木（Gradient Boosted Decision Trees, GBDT）、アンサンブル学習（Ensemble Learning）、ディープラーニングのスタックへと段階的に進化し、新しい特徴量を継続的に取り込んでいます。
実際の予想画面：毎日のピックと過去の的中を1試合ずつ公開
このセクションでは、Mysports.AI予想ページの実際の画面を紹介します。各試合には信頼度、市場の最高オッズ、期待値（Expected Value, EV）が表示されます。過去の予想は試合ごとに的中／不的中／プッシュ（返金）が示され、的中率はリアルタイムで更新され、すべての結果が1つの表にまとめられています。
モデルのバックテスト検証曲線：3つのチャートで長期勝率とキャリブレーションを確認
3つのチャートはそれぞれ長期の損益、確率キャリブレーション（Probability Calibration）、汎化性能を検証するもので、順に資金曲線、キャリブレーション曲線、学習曲線に対応しています。データはすべて過去のバックテストであり、将来の結果を示すものではありません。
資金曲線 · 累計 +1,240 ユニット
固定額でベットした場合の累計純利益で、期間中のドローダウンも含みます。
キャリブレーション曲線：信頼度と実際の的中率
緑の線が灰色の理想線に近いほど、信頼度の信頼性が高いことを示します（黄色の点＝79%）。
学習曲線：学習データと検証データの的中率（Learning Curve）
2本の線が最終的に重なっており、モデルに目立った過学習（Overfitting）がなく、新しい試合にも汎化できることを示しています。
なぜこのモデル構造なのか？従来のモデルにはない3つの強み
この構造は勾配ブースティング木を中心に、ディープラーニング（TabNet／LSTM／GNN）、確率キャリブレーション、アンサンブル学習を組み合わせ、構造化データの効率と時系列の文脈を両立させています。設計の全体像はAI アルゴリズム解説を、各リーグの詳細はNBAモデル解説、MLBモデル解説、NHLモデル解説をご覧ください。
強み1：データの関連付け能力
従来の線形モデルは各変数を独立して計算し、主力がケガをすればそのままチームの勝率を下げます。この構造は「主力の欠場」と「オッズの変動」という2つのシグナルを同時に照合します。スター選手の欠場が確定しても市場のオッズがそれに見合うだけ動いていない場合、モデルはこれを市場の価格設定と実際の戦力が一致していないシグナル（いわゆる「釣りライン」）とみなし、予想の方向を修正します。こうした変数同士の相互作用は、線形モデルでは捉えにくい部分です。
強み2：リーグごとの状況に応じて特徴量の重みを調整
予想性能を決めるのはデータ量ではなく、特徴量の質と重みの配分です。モデルは試合ごとの状況に応じて特徴量の重要度を調整します。経験豊富なアナリストが「この試合で最も重要な変数は何か」を判断するやり方に近いものです。NHLでは「先発ゴールテンダー」の重みを上げてホームアドバンテージの影響を下げ、NBAでは「選手の疲労（連戦）」と「直近のシュート成功率の傾向」の重みを上げます。リーグごとに異なる重み配分を採用しています。
強み3：1,500+の特徴量＋確率キャリブレーションで、「運」を説明可能な変数に
モデルは1,500以上の特徴量を収集しますが、重要なのは質です。まず重複や関連性の低いノイズを取り除いて予想力のあるコア特徴量だけを残し、さらに確率キャリブレーションによって、60%と予想したサンプルが長期的に約6割的中するようにします。MLBでは風向きなどの天候や球場の得点環境も取り込みます。これらの変数は、1～2点差の投手戦の結果を左右することがよくあります。
リーグ横断の特徴量重要度ヒートマップ：各リーグにおけるモデルの重み分布
数字＝モデルが割り当てた相対的なアテンションの重み（0–100、高いほど赤）。NBA、MLB、NHL、NFLの4大リーグのみを例示しています。その他のリーグにもそれぞれ完全な重み分布があります。
| 特徴量 | NBA | MLB | NHL | NFL |
|---|---|---|---|---|
|
主力選手の状態
Key Personnel
|
95 | 95 | 92 | 96 |
|
日程による疲労度
Fatigue / B2B
|
88 | 45 | 65 | 60 |
|
環境と天候
Environment
|
5 | 82 | 10 | 94 |
|
マーケットの資金フロー
Money Flow
|
75 | 60 | 55 | 85 |
|
直近のチーム状態
Momentum
|
60 | 30 | 50 | 70 |
|
ホームアドバンテージ
Home Advantage
|
85 | 40 | 65 | 80 |
|
審判／判定基準
Ref / Umpire
|
70 | 90 | 30 | 60 |
|
高度な攻守効率
Advanced Metrics
|
92 | 95 | 96 | 98 |
3プランの比較：ベーシック v4.2、スタンダード v4.5、プロ v4.8
モデル評価では、的中率に加えて最大ドローダウン（Maximum Drawdown）とプロフィットファクター（Profit Factor）も確認する必要があります。ドローダウンが小さいほど資金の変動は小さくなります。プロフィットファクター3.50は、1ユニットの損失に対して長期平均で3.5ユニットの利益が生まれることを意味します。
| 主要指標 | プロ v4.8 | スタンダード v4.5 | ベーシック v4.2 |
|---|---|---|---|
| 特徴量のカバー範囲 | ＋全特徴量と3大特殊要因 | ＋高度な指標（4ファクター／wOBAなど） | 基本データ（直近の調子、成功率） |
| モデル構造の深さ | アンサンブル＋ディープラーニング（LSTM／TabNet／GNN） | GBM アンサンブル学習 | 勾配ブースティング木 GBM |
| 特殊要因の分析 | 3大特殊要因すべて | 一部（1項目） | ✗（なし） |
| 対応リーグ | 25リーグ | 21リーグ | 主要9リーグ |
| 対応ベットタイプ | 全ベットタイプ | 全ベットタイプ | マネーライン |
| 投資収益率 (ROI) | 28.0% | 18.5% | 10.5% |
| 最大ドローダウン | -4.8% | -10.2% | -18.5% |
| 平均オッズ | 1.92 | 1.85 | 1.65 |
| プロフィットファクター | 3.50 | 1.88 | 1.25 |
ベーシック v4.2 は主要リーグの強弱判定に特化しています。スタンダード v4.5 は全ベットタイプを開放し、ラインの調整が遅い地域リーグにも対応します。プロ v4.8 は完全な特徴量、3大特殊要因、確率キャリブレーション、アンサンブル学習を統合し、MLBやNHLなど変動が大きくロースコアの試合で高信頼度試合を選別するために使われます。
リーグ別の内訳：リーグ × 信頼度しきい値ごとの的中率をそのまま公開
2022–2025年のマネーラインのバックテストでは、信頼度しきい値（Confidence Threshold）を引き上げると、対象試合数は通常減り、的中率は通常上がります。全リーグをすべて掲載しており、Serie Aが≥70%でわずかに下がった結果も含め、事後的な削除は行っていません。
| リーグ | ≥50% | ≥55% | ≥60% | ≥65% | ≥70% |
|---|---|---|---|---|---|
| NBA | 67.5%(5,439) | 69.9%(4,672) | 72.5%(3,795) | 75.5%(2,912) | 79.1%(2,151) |
| MLB | 57.0%(10,721) | 59.8%(7,067) | 64.5%(3,483) | 70.4%(1,432) | 73.7%(433) |
| NHL | 61.3%(5,980) | 63.7%(4,447) | 67.5%(2,824) | 71.4%(1,618) | 74.7%(823) |
| Premier League | 66.1%(834) | 69.5%(663) | 73.7%(460) | 76.4%(331) | 80.7%(223) |
| La Liga | 67.0%(698) | 70.8%(518) | 77.2%(347) | 81.1%(244) | 83.9%(143) |
| Serie A | 63.8%(743) | 66.9%(537) | 70.4%(361) | 76.5%(230) | 72.7%(128) |
| Bundesliga | 64.9%(589) | 68.2%(453) | 71.5%(337) | 75.8%(231) | 76.9%(156) |
| Ligue 1 | 65.1%(653) | 69.4%(480) | 71.4%(336) | 74.9%(219) | 76.4%(123) |
| MLS | 59.3%(859) | 65.0%(509) | 68.0%(231) | 76.1%(88) | 85.7%(28) |
| Overall | 61.3%(26,516) | 64.5%(19,346) | 69.0%(12,174) | 73.9%(7,305) | 77.6%(4,208) |
※ 数字＝そのリーグのその信頼度しきい値におけるマネーラインの的中率（2022–2025、ウォークフォワード検証、Walk-forward Validation）。括弧内はそのセルのサンプル試合数で、下記からダウンロードできる完全版バックテストレポートと一致しています。
よく出てくる7つの用語、それぞれどういう意味？
これまでに出てきた用語には、それぞれ異なる意味があります。違いがわかりにくいものもありますが、理解しておけば分析がずっと読みやすくなります。
信頼度Confidence
1試合のピックに対するモデルのシグナルの強さを百分率で表したものです。この数値は、その試合の条件の明確さと特徴量の一貫性に対するモデルの判定を反映しており、1回のベットで必ず利益が出ることを意味するものではありません。本ページの階層別の数字はすべてこれをしきい値としています。≥70%がプロプランの高信頼度試合で、しきい値が高いほど対象試合は少なくなり、過去の的中率は高くなります。
期待値Expected Value, EV
的中確率とオッズを組み合わせて計算した長期の平均損益です。式は「的中確率 × オッズ − 1」で、0より大きければ長期の期待リターンはプラス、0なら損益分岐です。AI予想ページでは各試合にこの値を表示しています。的中率が高くてもベットする価値があるとは限らず、オッズが低すぎれば期待値はマイナスになることもあります。
ユニットUnit
賭け金の相対的な尺度で、1ユニット＝自分で決めた基準額（例：資金の1%）です。金額ではなくユニットで損益を表すことで、資金規模の異なる成績を比較できます。本ページの「+1,240ユニット」は、毎回1ユニットを固定で賭けた場合、1シーズンの累計純利益が基準額1,240回分になることを意味します。
最大ドローダウンMax Drawdown
資金曲線が過去の最高値からその後の最安値まで下落した最大の幅を、百分率で表したものです。最大ドローダウンと的中率は、それぞれ異なるリスクの側面を測ります。的中率の高いモデルでもドローダウンは起こりえます。本ページでは各バージョンのドローダウン（v4.8は4.8%、v4.2は18.5%）を掲載しており、資金配分の際の下振れリスクの評価に使えます。
プロフィットファクターProfit Factor
総利益を総損失で割った比率です。1を超えれば総利益が総損失を上回っていることを示し、数値が大きいほど利益が損失をカバーする度合いが高くなります。プロフィットファクターと的中率は補完関係にあります。的中率は正解した試合の割合を測り、プロフィットファクターは1試合ごとの損益の大きさも考慮するため、的中率が低くても高オッズと組み合わされば、プロフィットファクターが良好な水準になることがあります。
キャリブレーション曲線Calibration Curve
モデルの予想確率と実際の的中率を同じグラフに描き、確率キャリブレーションを確認するためのものです。理想的には各点が対角線に近くなります。70%と予想したサンプルの実際の的中率は70%に近いはずです。離れているほど、信頼度のキャリブレーション誤差が大きいことを意味します。
ウォークフォワード検証Walk-forward Validation
「その時点より前」のデータだけで学習し、次の期間を予想するバックテスト手法で、時間を前に進めながら区間ごとに繰り返します。ポイントは、未来のデータで過去を予想してしまうデータリーク（Data Leakage）を防ぐことにあり、そのため得られる的中率は、学習／テストデータを一度だけ分割する方法よりも実戦に近くなります。本ページの2022–2025年のバックテスト数値はすべてこの手法で算出しています。
モデルの限界とリスク開示：AIは100%正確ではありません
過去データの統計的な限界
本ページのデータは異なる統計基準を用いています。的中率79%とROI 28%はNBA最新版（プロプラン v4.8）の高信頼度試合のバックテスト値、+1,240ユニットは昨年の全リーグの実戦での累計、13,000+試合は2025-26シーズンのリアルタイム監視の数で、ダウンロードできるマネーラインの完全な記録は2022–2025年を対象としています。過去の実績は将来の結果を保証するものではありません。試合直前のケガや審判の誤審などの偶発的な出来事は完全には予想できないため、結果は意思決定の補助としてのみご利用ください。
的中率の高いモデルでも連敗はあります
どんな確率モデルにも短期的な変動はあり、79%も例外ではありません。的中率が高いほど、通常は連敗の確率と深さを抑えられます（v4.8の最大ドローダウンは -4.8%で、v4.2の -18.5%より大幅に良好です）。賭け金の上限を設定し、長期のサンプルでモデルを評価してください。
よくある質問とモデルの限界
ベーシックプランが主要9リーグにしか対応していないのはなぜですか？
「利益が出なければ無料延長」はどのような仕組みですか？
これはMysports.AIのモデル性能に対する約束です。契約期間中に利益が出なかった場合、以下の条件で1か月無料で延長します：
- 対象プラン：プロプランのみ。
- 対象ベット：「マネーライン (Moneyline)」のみを計算対象とします。
- 対象リーグ：AI予想ページで「👑王冠ピック」と表示されたリーグのみ。
- ベット方法：AIが推奨する試合とユニット数に完全に従う必要があります。
申請方法：その月の精算で利益が出なかった場合は、直接カスタマーサポートに連絡してベット記録を照合してください。確認後、契約期間を1か月延長します。
特徴量とは何ですか？特徴量が多いほどモデルは正確になるのですか？
モデルにはどのような限界がありますか？AIは100%正確ですか？
ご自身で検証してください：負けた試合も含め、すべての記録を公開しています
このセクションでは、2022–2025年の26,000試合を超えるマネーライン予想の完全な記録を公開しており、各試合の利益・損失の結果をすべて残しています。最新の毎日の過去予想と的中結果はMysports.AI予想ページで1試合ずつ確認できます。完全版バックテストレポート（2022–2025）は下記からダウンロードして照合できます。
過去記録のフィールド一覧
- League ：リーグ（NBA、MLB、EPLなど）
- Date / Time (ET) ：試合の日付と時刻。米国東部時間（ET）を採用
- Home / Away Team ：ホームチームとアウェーチーム
- Home / Away Score ：両チームの最終スコア
- Pick ：AIの推奨ベット。システムが推奨する具体的なベット対象
- Result ：予想結果。その試合が利益 (Win) か損失 (Loss) か
- Strategy ：戦略モデル。契約プランに対応（例：Pro＝プロプラン）
- Confidence ：AI信頼度指数の元の数値。数値が高いほど過去の的中率も高い
- 1 完全版バックテストレポートをダウンロード 本ページから完全版のExcelバックテストレポート（2022–2025）をダウンロードします。レポートには試合ごとのマネーライン記録が、利益・損失の試合を含めて残されています。
- 2 無作為に30試合を抽出 異なるリーグ・異なる月から無作為に30試合を抽出し、利益の出た試合だけを選ばないようにして、サンプルの代表性を高めます。
- 3 公開の試合結果サイトでスコアと結果を照合 抽出した試合のスコアを任意の公開試合結果サイトと照合し、レポートのResult欄（Win／Loss）の判定が実際の結果と一致しているかを確認します。
- 4 自分のベットをベットトラッカーに記録 Mysports.AIのベットトラッカーで実際に従った各ベットを登録し、自分の資金曲線に基づいて結果を評価します。
バックテスト的中率：信頼度しきい値別（2022–2025）
NBA／MLB／NHLと6大サッカーリーグ＋MLSが対象 · 数字は下記のダウンロード可能なファイルから取得しており、1試合ずつ照合できます。
| 信頼度しきい値 | 的中率 | サンプル数 |
|---|---|---|
| ≥50% | 61.3% | 26,516 |
| ≥55% | 64.5% | 19,346 |
| ≥60% | 69.0% | 12,174 |
| ≥65% | 73.9% | 7,305 |
| ≥70% | 77.6% | 4,208 |
※「的中率」＝そのしきい値で予想が的中した試合数 ÷ 対象試合数（マネーライン全体）。高信頼度（≥70%）では、バックテスト対象9リーグ全体の的中率は77.6%で、リーグ単位ではNBAが最も高くなっています（≥70%：1,702／2,151）。信頼度が高いほど対象試合は少なくなる一方で精度は上がります。これはモデルのキャリブレーションにおける正常なトレードオフです。
2022–2025 · NBA／MLB／NHLと6大サッカーリーグ＋MLSを網羅：信頼度しきい値ごとの的中率と試合ごとの明細で、ご自身で照合できます。
手法とデータソース：公開研究の肩の上に立って
特徴量エンジニアリングとレーティング手法は、公開されていて確認可能な統計研究とデータソースに基づいています。以下の文献でご自身で確認・照合できます：
- アテンション機構（Attention、TabNetで採用） ：Vaswani et al. (2017), Attention Is All You Need
- Eloレーティング ：Arpad Elo (1978)、対戦相手の強さに応じて実力値を動的に調整
- サッカーの得点モデリング ：Dixon & Coles (1997), Modelling Association Football Scores
- ポアソン分布 ：得点／ゴール数の確率モデリングの基礎
- プレイヤー効率指数（PER） ：John Hollingerが考案した総合効率指標
- NBAの過去データのソース ：Basketball-Reference · stats.nba.com
注記：上記は本モデルの特徴量エンジニアリングとレーティング手法の根拠となる公開研究とデータソースです。モデルの構造、重み、実装はMysports.AIが独自に開発したものです。
関連する研究：Mysports.AI リサーチ、AI予測と試合前オッズの比較研究
予想記録をすべて公開：データは準備完了、次はあなたが検証する番です
79%の成り立ちがわかったら、次は自分の記録をつけましょう。すべてのベットを無料で記録し、モデルが本当に当たるのかを資金曲線で確かめてください。
今すぐMysports.AIのプロプランで分析の効率を高めましょう。本日のAI予想を解除し、より科学的な方法でデータを読み解けば、試合を見ながらでも根拠のある判断ができます。購読時に割引コード「BERTWIN」を入力すると12%OFFになります。ご不明な点があれば、いつでもカスタマーサポートまでお気軽にお問い合わせください。
