スポーツベッティングにおけるAI予想の仕組み

予想パイプライン：5ステップの概要

NBAシーズンデータのスクレイピング

データはBasketball-Referenceとstats.nba.comから取得し、1946年以降の全試合をカバーする — チームと選手の300万件超のレコード：勝敗、総得点、リバウンド、アシスト、ターンオーバー、スティール、3ポイント成功率、フリースロー試投数など。両ソースともカスタムの日付範囲に対応する。技術的にはPythonのrequestsでHTMLを読み込み、Pandasのpd.read_html() または BeautifulSoup で必要なテーブルを抽出する。

生の列はまず正規化し、下流のクリーニングと特徴量エンジニアリングで一貫したスキーマを共有できるようにする：

COLUMN_MAP = {
    'PName': 'Player_Name',      # 選手名
    'POS':   'Position',         # ポジション
    'Team':  'Team_Abbreviation',
    'GP':    'Games_Played',
    'W':     'Wins',
    'L':     'Losses',
    'Min':   'Minutes_Played',
    'PTS':   'Total_Points',
    'FG%':   'Field_Goal_Percentage',
    '3P%':   'Three_Point_FG_Percentage',
    'FT%':   'Free_Throw_Percentage',
    'REB':   'Total_Rebounds',
    'AST':   'Assists',
    'TOV':   'Turnovers',
    'STL':   'Steals',
    'BLK':   'Blocks',
    # ... 全 29 列、OREB / DREB / PF / FP / DD2 / TD3 を含む
}

データクリーニング

データクリーニングはモデルが到達できる上限を決める。生データには入力ミス、欠損値、重複、外れ値が散在しており、まずこれらを取り除かねばならない。見落とされがちだが最も重要な2点：第一に、最終結果を漏らす列はすべて削除し、モデルが答えを不正に得られないようにする。第二に、相関の高い冗長な特徴量（例えばフィールドゴール、2ポイント、3ポイント成功率はすべて重複する）を取り除き、多重共線性を減らす。

特徴量エンジニアリング：5つの主要特徴量

特徴量エンジニアリングの核心は、各チームの実力を比較可能な数値に変換し、試合を決める要因とその重みを浮かび上がらせることにある — チーム名や評判を無視し、確かな数字だけを見る。ディープラーニングによるNBAの実装では、以下の5つの特徴量が試合結果に対して最も高い予想力を持つ。

1. Eloレーティング：結果からチーム力を測る

Eloレーティングは各試合の最終スコア、開催地、日付さえあれば機能する。勝利は加点、敗北は減点、番狂わせや大差での勝利はより多く加点される。ゼロサムのシステムなので、一方のチームが得た点は相手が失う。各チームは通常、中央値の1500から始まる。試合後の更新式は次の通り：

Elo_new = Elo_old + K × (Result − WinProbability)

Elo_old        現在の Elo Rating
K              調整パラメータ：K が大きいほどレーティングの変動が速い
Result         実際の結果（勝ち = 1、負け = 0）
WinProbability 両チームの Elo 差から導かれる予想勝率

Eloはシーズンをまたいで引き継がれる — 強いチームは強いままになりやすく、弱いチームが一夜で逆転することは稀だ — そのため新シーズンは、前シーズンの最終レーティングをリーグ平均の1505へ25%回帰させた値から始める：

Elo_next_season = (R × 0.75) + (0.25 × 1505)

R = 前シーズン終了時のチームの Elo Rating

任意の3チームのEloを時系列でグラフ化すると、シーズンを通じた浮き沈みが一目でわかる：ウォリアーズとキャバリアーズがファイナルで対戦した年は両者のEloが同時にピークを迎えた。西が東より全体的に厳しいことは、ウォリアーズが「質の高い勝利」から蓄えた余分なEloに表れる。そして優勝後のロスター流出や負傷は、曲線を同じくらい急速に滑り落とす。

2. チームの直近の調子（直近10試合平均）

各チームの直近10試合について、得点、リバウンド、アシスト、ターンオーバー、ブロック、スティールを平均し、新たな特徴量列として保存する。腕の見せどころは特徴量の選択にある：相関分析、主成分分析（PCA）、情報利得を使い、最も有益な列を残す。さらにトレンドと季節性を捉えるには、時系列モデル（ARIMA、LSTM）を重ねるか、特徴量をそのままSVM、決定木、ランダムフォレストに渡して、それらの間の非線形な関係を学習させる。

PER = ( FGM × 85.910  + STL  × 53.897 + 3PTM × 51.757
      + FTM × 46.845  + BLK  × 39.190 + OREB × 39.190
      + AST × 34.677  + DREB × 14.707 − PF   × 17.174
      − FT_Miss × 20.091 − FG_Miss × 39.190 − TOV × 53.897
      ) × (1 / Minutes)

データ分析とモデル学習

分析の核心には2つの問いがある：Eloは本当に他のスタッツと相関し、正しく並ぶのか？ そして試合結果の予想は、チームスタッツ（Elo）と選手スタッツ（PER）のどちらがうまくいくのか？

まずはシーズンごとのリーグ全体のElo分布密度から：正規分布に近い形は均衡したリーグを意味し、長い裾は「スーパーチーム」の出現を意味する。1チームを追うと、平均得点が高いほどEloも高くなる傾向がある — それでも同程度の得点水準ではEloは依然として大きくばらつく。得点を相手とリーグ平均に対して相対化して初めて、相関は真に安定する。これこそ、Eloが相対化されたスタッツであるがゆえに、生の得点より結果をうまく予想できる証拠だ。PERは逆の物語を語る：チームのPER合計、平均、中央値を、チーム力を測るEloと並べると、相関は全体的に弱い — 選手効率が高くても得点が増えるわけではなく、対戦（ひいてはEloを動かすもの）を実際に決めるのは相対的な得点だ。

2つの核心的な要点

• 相対化こそが安定をもたらす：得点を相手とリーグに対して相対的に表現して初めて、結果との相関が真に成り立つ。
• チーム ＞ 選手の総和：PERの合計はチーム力との相関が弱い — 選手効率が高いことはチームの勝利を意味しない。

選手の得点から結果を予想する際は、ロジスティック回帰（勝敗のみを予想）ではなく線形回帰（連続的なスコアを予想）を用い、各チームの予想得点を合計して比較した。58.66%の精度は先の観察を裏付ける：選手の合算パフォーマンスはあまりに変動が大きく、チームレベルの調子ほど一貫していない。最良の結果 — RandomizedSearchCVで調整したランダムフォレスト — はテスト精度67.15%のピークに達し、最強のNBA予想モデルでも約70%が上限であることを踏まえれば、このモデルはすでに理論上の天井に迫っている。ここから先の見返りは、果てしないチューニングではなく、モデル選択（SGD分類器、線形判別分析、畳み込みネットワーク、ナイーブベイズ）に時間を投じることから生まれる。

オッズ比較：予想勝率から正のEVへ

モデルの勝率だけでは利益は生まれない。利益の公式には3つの要素が必要だ：ディープラーニングの予想勝率、ライブオッズ、そしてバックテスト済みのステーキング戦略。AIの勝率を市場オッズと突き合わせて期待値（EV）を計算し、EVが正のときだけ動く：

EV = (AI 予想勝率 × デシマルオッズ) − 1

EV > 0  →  長期的にプラスの期待リターン（バリューベット）
EV < 0  →  長期的には負ける、スキップする

例：AI 勝率 58%、オッズ 1.90
EV = (0.58 × 1.90) − 1 = +0.102 → 1ベットあたり期待値 +10.2%

このアプローチはNBAに限りません。バスケットボール、野球、サッカー、ホッケー、テニスにも同様に適用できます。実際の試合におけるモデルの的中率と獲得ユニットを月ごとに確認できます。確認はこちら：AIモデルのパフォーマンスそして、ベット前の期待値と組み合わせ（パーレイ）オッズの計算をすばやく実行できます。使用するのはベッティング計算ツール。

一つのフレームワークで、世界の主要リーグを網羅

特徴量エンジニアリングはチーム名を読むのではなく能力を比較するものであるため、同じパイプラインが競技をまたいで応用できます。現在はNBA、MLB、サッカー5大リーグ、欧州大会、NHLを網羅しており、今後さらにリーグを追加予定です。

まとめと次のステップ

• 相対化した指標は生の数値に勝ります。Eloは平均得点より正確で、得点はPERの合計に勝ります。勝敗は本質的に相対的なものだからです。
• チーム単位の特徴量は選手の合計よりも安定しており、モデルの主要なシグナルを形成します。選手の調子は補助的な特徴量として機能します。
• 67.15%のテスト精度は、NBA予想における理論上の上限である約70%にすでに近づいています。残る伸びしろは、終わりのないチューニングではなくモデル選択にあります。
• 予想勝率が長期的な利益につながるのは、オッズ比較とプラスEVの規律と組み合わせたときだけです。

参考文献とデータソース

本記事で扱ったすべての手法とデータセットは公開され、検証可能です。ぜひ元の研究を深く掘り下げてみてください：

• Eloレーティングシステム（Arpad Elo、1978年）
• プレイヤー効率レーティング、PER（John Hollinger）
• Dixon & Coles（1997年）：サッカーの得点に対するポアソンモデル
• ポアソン分布（得点数のモデリング）
• scikit-learn：ランダムフォレストとRandomizedSearchCVチューニング
• データソース：Basketball-Reference · stats.nba.com