「3歳未勝利」の無料AI競馬予想【ウェーブ】
競馬予想の更新日：
東京
3R11:05
3歳未勝利ダート1600m16頭
110 円
🔖 競馬予想の目次
🤖 競馬AIウェーブによる「3歳未勝利」競馬予想
競馬AIウェーブの予想自信度は…
激アツ
16頭が出走する「3歳未勝利」（ダート1600m）。多頭数戦ならではの紛れが起きやすい条件です。AIが最も高く評価したのは《ウインビギニング》でございます。次いで《ビンバラ》、《エターナルホープ》の順に評価しておりますが、ダート1600mの多頭数レースでは不利を受ける馬も出やすく、実力通りに決まるとは限りません。枠順統計データも参考に、総合的にご判断くださいませ。
| 馬番 | 馬名・騎手名 | 人気 | AI予想 |
|---|---|---|---|
| 7 | 11.7倍 | ◎ 90.0 | |
| 14 | 23.4倍 | ○ 76.9 | |
| 16 | 35.6倍 | ▲ 76.2 | |
| 6 | 523.2倍 | △ 68.0 | |
| 8 | 10229.1倍 | ☆ 58.4 | |
| 10 | 9162.8倍 | 56.2 | |
| 1 | 729.5倍 | 52.8 | |
| 3 | 8151.6倍 | 51.9 | |
| 11 | 419.1倍 | 47.7 | |
| 15 | 11285.3倍 | 46.9 | |
| 4 | 12295.0倍 | 46.3 | |
| 2 | 16437.0倍 | 44.2 | |
| 13 | 624.4倍 | 41.3 | |
| 5 | 15410.7倍 | 39.8 | |
| 12 | 14342.3倍 | 30.6 | |
| 9 | 13299.3倍 | 消 20.0 |
🧮 馬券点数計算
上の競馬予想一覧表の「軸」「紐」「穴」のボタンを押すと
自動でそれぞれの券種の点数が表示されます。
馬券購入の参考にしてください。
| ワイド | 枠連 | 馬連 | 馬単 | 三連複 | 三連単 | 0点 | 0点 | 0点 | 0点 | 0点 | 0点 |
|---|
🎯 AI競馬ウェーブ予想の的中馬券
複勝
7ウインビギニング
110 円
📊 AIスコア分布「3歳未勝利」
本命馬のスコアが他馬を大きく上回っております（差13.1pt）。AIの分析結果に迷いはなく、この馬を軸にした馬券構成が有効と考えられます。対抗馬以下との差もございますので、相手選びに集中したいところです。
⭐ AI競馬ウェーブ注目馬ピックアップ「3歳未勝利」
7 ウインビギニング（Ｄ．レーン騎手）
「3歳未勝利」でAIが最も高く評価した《ウインビギニング》を深掘り分析いたします。
📌 前走1400m→今回1600mへ距離延長。スタミナが問われる一戦。
📌 東京で過去2着の好走歴あり。コース適性は実証済み。
📊 近走成績: 東京ダート1400m 2着（1人気） → 東京ダート1600m 2着（1人気） → 福島ダート1700m 2着（1人気）
📈 AI競馬ウェーブ調子トレンド予測: ← 横ばい
🎲 波乱度メーター「3歳未勝利」
過去1114レースでの1番人気の勝率は33.7%。
やや堅い傾向のコース条件で、軸馬を信頼しやすいレースと言えます。
なお、多頭数で紛れやすいである点もご考慮ください。
| 指標 | 数値 |
|---|---|
| 1番人気の勝率 | 33.7% |
| 1番人気の連対率 | 53.1% |
| 1番人気の複勝率 | 66.7% |
| 勝ち馬の平均人気 | 3.2番人気 |
| 集計レース数 | 1114レース |
🏇 AI競馬ウェーブ展開予測シナリオ「3歳未勝利」
出走馬の直近レースの脚質から、このレースの展開を予測します。
予測ペース：ハイペース
先行勢が3頭と多めの構成でございます。序盤からペースが流れ、最後の直線で差し馬が伸びてくる展開が想定されます。人気の先行馬が崩れるケースも考えられますので、穴党の方は後方待機組に注目です。
| 脚質 | 頭数 | 構成比 |
|---|---|---|
逃げ | 2頭 | 14.3% |
先行 | 1頭 | 7.1% |
差し | 5頭 | 35.7% |
追込 | 6頭 | 42.9% |
📈 AI競馬ウェーブ調子トレンド予測「3歳未勝利」
《レディトゥランブル》《オーキーベルセルク》が上り調子となっております。
直近の着順が着実に上昇しており、勢いのある走りが期待できます。
この好調ぶりは見逃せないポイントでございます。
| 馬番 | 馬名 | 調子 |
|---|---|---|
1 | レッドリファインド | ↑ 上昇中 |
| 直近5走: 6着 ← 8着 ← 4着 | ||
2 | カンフーヒーロー | ↙ やや下降 |
| 直近5走: 6着 ← 14着 ← 7着 ← 9着 ← 9着 | ||
3 | ナンヨーロイヤル | ↙ やや下降 |
| 直近5走: 7着 ← 10着 ← 10着 ← 10着 ← 9着 | ||
4 | レディトゥランブル | ↑ 上昇中 |
| 直近5走: 17着 ← 14着 ← 18着 ← 9着 | ||
5 | ピクシーゲイル | ↑ 上昇中 |
| 直近5走: 14着 ← 8着 ← 11着 | ||
6 | クワッドマリニン | ↓ 下降中 |
| 直近5走: 3着 ← 9着 ← 2着 ← 6着 ← 9着 | ||
7 | ウインビギニング | ← 横ばい |
| 直近5走: 2着 ← 2着 ← 2着 ← 2着 ← 2着 | ||
8 | ブルーアンビエンス | ↓ 下降中 |
| 直近5走: 12着 ← 12着 ← 13着 | ||
9 | ナムラドガ | ← 横ばい |
| 直近5走: - | ||
10 | ロイヤルタイム | ↓ 下降中 |
| 直近5走: 8着 ← 8着 ← 4着 ← 16着 ← 10着 | ||
11 | ウェスケンジントン | ↙ やや下降 |
| 直近5走: 7着 ← 7着 ← 3着 ← 6着 ← 8着 | ||
12 | ハタノグランクリュ | ↓ 下降中 |
| 直近5走: 9着 ← 11着 ← 13着 | ||
13 | シンギュラリティ | ← 横ばい |
| 直近5走: 9着 | ||
14 | ビンバラ | ← 横ばい |
| 直近5走: - | ||
15 | オーキーベルセルク | ↑ 上昇中 |
| 直近5走: 12着 ← 7着 | ||
16 | エターナルホープ | ↓ 下降中 |
| 直近5走: 3着 ← 2着 ← 7着 | ||
👔 AI競馬ウェーブ調教師×東京相性分析「3歳未勝利」
東京での勝率が最も高いのは奥村 武調教師（328戦40勝・勝率12.2%）でございます。
出走経験が最も豊富なのは戸田 博文調教師（387戦）です。
| 馬番 | 馬名 | 調教師 |
|---|---|---|
1 | レッドリファインド | 奥村 武 |
| 勝率: 12.2% 複勝率: 24.4% 平均着順: 7.0位 | ||
8 | ブルーアンビエンス | 菊沢 隆徳 |
| 勝率: 11.6% 複勝率: 27.9% 平均着順: 7.1位 | ||
6 | クワッドマリニン | 久保田 貴士 |
| 勝率: 10.4% 複勝率: 28.6% 平均着順: 6.7位 | ||
14 | ビンバラ | 大竹 正博 |
| 勝率: 10.1% 複勝率: 28.8% 平均着順: 6.9位 | ||
3 | ナンヨーロイヤル | 中舘 英二 |
| 勝率: 7.6% 複勝率: 22.6% 平均着順: 7.5位 | ||
10 | ロイヤルタイム | 和田 正一郎 |
| 勝率: 7.6% 複勝率: 26.1% 平均着順: 7.6位 | ||
4 | レディトゥランブル | 武井 亮 |
| 勝率: 7.0% 複勝率: 26.5% 平均着順: 7.2位 | ||
7 | ウインビギニング | 上原 博之 |
| 勝率: 6.3% 複勝率: 23.8% 平均着順: 7.7位 | ||
16 | エターナルホープ | 鈴木 慎太郎 |
| 勝率: 5.9% 複勝率: 19.0% 平均着順: 8.0位 | ||
12 | ハタノグランクリュ | 畠山 吉宏 |
| 勝率: 4.9% 複勝率: 13.4% 平均着順: 8.4位 | ||
13 | シンギュラリティ | 西田 雄一郎 |
| 勝率: 4.1% 複勝率: 16.4% 平均着順: 8.1位 | ||
9 | ナムラドガ | 石栗 龍彦 |
| 勝率: 3.8% 複勝率: 13.4% 平均着順: 9.4位 | ||
15 | オーキーベルセルク | 戸田 博文 |
| 勝率: 3.4% 複勝率: 21.7% 平均着順: 7.7位 | ||
5 | ピクシーゲイル | 松永 康利 |
| 勝率: 3.1% 複勝率: 12.0% 平均着順: 8.8位 | ||
11 | ウェスケンジントン | 小野 次郎 |
| 勝率: 2.7% 複勝率: 10.9% 平均着順: 8.9位 | ||
2 | カンフーヒーロー | 的場 均 |
| 勝率: 0.4% 複勝率: 1.3% 平均着順: 11.0位 | ||
🧬 AI競馬ウェーブ血統×条件適性分析「3歳未勝利」
東京ダート1600m付近での父馬別産駒成績（過去10年）を分析しました。
勝率が最も高い血統はキタサンブラック産駒（69戦10勝・勝率14.5%）です。
血統の条件適性は馬券検討の重要な材料となります。
| 馬番 | 馬名 | 父馬 |
|---|---|---|
3 | ナンヨーロイヤル | キタサンブラック |
| 出走: 69回 勝率: 14.5% 複勝率: 36.2% | ||
7 | ウインビギニング | ニューイヤーズデイ |
| 出走: 153回 勝率: 10.5% 複勝率: 23.5% | ||
6 | クワッドマリニン | ニューイヤーズデイ |
| 出走: 153回 勝率: 10.5% 複勝率: 23.5% | ||
14 | ビンバラ | サンダースノー |
| 出走: 114回 勝率: 8.8% 複勝率: 23.7% | ||
9 | ナムラドガ | サンダースノー |
| 出走: 114回 勝率: 8.8% 複勝率: 23.7% | ||
13 | シンギュラリティ | シャンハイボビー |
| 出走: 110回 勝率: 6.4% 複勝率: 17.3% | ||
12 | ハタノグランクリュ | デクラレーションオブウォー |
| 出走: 112回 勝率: 6.2% 複勝率: 19.6% | ||
5 | ピクシーゲイル | ダノンスマッシュ |
| 出走: 17回 勝率: 5.9% 複勝率: 17.6% | ||
8 | ブルーアンビエンス | レイデオロ |
| 出走: 57回 勝率: 5.3% 複勝率: 19.3% | ||
1 | レッドリファインド | レイデオロ |
| 出走: 57回 勝率: 5.3% 複勝率: 19.3% | ||
2 | カンフーヒーロー | ストロングリターン |
| 出走: 243回 勝率: 4.5% 複勝率: 14.8% | ||
10 | ロイヤルタイム | サトノクラウン |
| 出走: 73回 勝率: 2.7% 複勝率: 21.9% | ||
15 | オーキーベルセルク | アニマルキングダム |
| 出走: 48回 勝率: 0.0% 複勝率: 12.5% | ||
11 | ウェスケンジントン | タワーオブロンドン |
| 出走: 35回 勝率: 0.0% 複勝率: 8.6% | ||
4 | レディトゥランブル | ダノンプレミアム |
| 出走: 24回 勝率: 0.0% 複勝率: 8.3% | ||
16 | エターナルホープ | エピカリス |
| 出走: 21回 勝率: 0.0% 複勝率: 14.3% | ||
🐴 AI競馬ウェーブ穴馬診断書「3歳未勝利」
「3歳未勝利」はAI穴馬診断で3頭がピックアップされる混戦模様です。人気薄の好走が多発しやすい条件が揃っており、高配当を狙うチャンスが広がっています。
※ 穴馬度は過去の走行パターンから算出した参考指標です。
8 ブルーアンビエンス（菊沢一樹騎手） ★★★☆☆【穴馬候補】
🔥 前走12着大敗→1800mから1600mへ距離短縮。距離が長すぎた可能性があり、短縮で一変の余地あり。
🔥 前走石田拓郎騎手で12着→菊沢一樹騎手に乗り替わり。手替わりで激変の可能性を秘める。
📊 近走成績: 中山ダート1800m 12着 → 小倉芝2000m 12着 → 小倉芝2000m 13着
📈 AI競馬ウェーブ調子トレンド予測: ↓ 下降中
4 レディトゥランブル（石神深道騎手） ★★★☆☆【穴馬候補】
🔥 前走17着大敗→2200mから1600mへ距離短縮。距離が長すぎた可能性があり、短縮で一変の余地あり。
🔥 前走岩田康誠騎手で17着→石神深道騎手に乗り替わり。手替わりで激変の可能性を秘める。
📌 前走芝からダートに初挑戦。未知の魅力がある。
📊 近走成績: 中山芝2200m 17着 → 中山ダート1800m 14着 → 中山芝2000m 18着
📈 AI競馬ウェーブ調子トレンド予測: ↑ 上昇中
12 ハタノグランクリュ（柴田大知騎手） ★★★☆☆【穴馬候補】
🔥 前走木幡巧也騎手で9着→柴田大知騎手に乗り替わり。手替わりで激変の可能性を秘める。
📌 前走芝からダートに初挑戦。未知の魅力がある。
📌 2走前11着の大敗から前走9着に浮上。V字回復の途上にあり、さらなる上昇が期待できる。
📊 近走成績: 東京芝1400m 9着 → 中山ダート1200m 11着 → 東京ダート1300m 13着
📈 AI競馬ウェーブ調子トレンド予測: ↓ 下降中
❓ 「3歳未勝利」AI競馬予想のよくある質問
Q. 「3歳未勝利」のAI競馬予想は無料で見られますか？
A. はい、「3歳未勝利」を含む中央競馬の全レースのAI競馬予想を無料で公開しております。会員登録も不要で、どなたでもすぐにご利用いただけます。
Q. 「3歳未勝利」のAI予想はいつ更新されますか？
A. 最速で2日前（木曜日）の17時頃に公開し、前日の馬番発表時（12時頃）に更新、当日の朝9時頃に最終更新されます。
Q. 「3歳未勝利」（東京ダート1600m・16頭）の予想の根拠は？
A. JRA公式データを基に、過去10年以上のレースデータを独自の機械学習モデル（LightGBM）で分析しています。走破タイム・コース適性・騎手成績・血統・調教データなど3,000以上の特徴量を総合的に評価し、各馬の能力値をスコア化しております。
