「ＳＴＶ杯」の無料AI競馬予想【ウェーブ】
競馬予想の更新日：
函館
11R
ＳＴＶ杯芝1200m16頭
🔖 競馬予想の目次
🤖 競馬AIウェーブによる「ＳＴＶ杯」競馬予想
競馬AIウェーブの予想自信度は…
激アツ
「ＳＴＶ杯」（芝1200m）は16頭立ての多頭数戦でございます。AIの総合分析では《トウカイエルデ》を本命に推奨いたします。対抗は《スイミーユニバンス》、単穴に《モズアンタレス》を指名しております。芝1200mの多頭数レースでは枠順や展開の影響が大きくなりますので、下記の展開予測シナリオも合わせてご参照いただければ幸いです。馬券は少し広めに構えておくのが賢明でしょう。
| 馬番 | 馬名・騎手名 | 人気 | AI予想 |
|---|---|---|---|
| 0 | 00倍 | ◎ 90.0 | |
| 0 | 00倍 | ○ 78.9 | |
| 0 | 00倍 | ▲ 78.4 | |
| 0 | 00倍 | △ 72.7 | |
| 0 | 00倍 | ☆ 70.7 | |
| 0 | 00倍 | 70.0 | |
| 0 | 00倍 | 68.2 | |
| 0 | 00倍 | 66.4 | |
| 0 | 00倍 | 63.3 | |
| 0 | 00倍 | 58.8 | |
| 0 | 00倍 | 50.1 | |
| 0 | 00倍 | 46.9 | |
| 0 | 00倍 | 42.2 | |
| 0 | 00倍 | 36.3 | |
| 0 | 00倍 | 31.4 | |
| 0 | 00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スコア分布「ＳＴＶ杯」
1位と2位のスコア差は11.1ptとなっております。AIは本命馬を明確に上位と評価しており、軸として信頼できる一頭でございます。全体のスコア幅は70.0ptで、上位と下位の力差がはっきりした構成です。
⭐ AI競馬ウェーブ注目馬ピックアップ「ＳＴＶ杯」
0 トウカイエルデ（斎藤新騎手）
「ＳＴＶ杯」の注目馬は《トウカイエルデ》。AIが本命に推す理由を解説いたします。
📌 前走の西村淳也騎手から斎藤新騎手に乗り替わり。手替わり効果に期待。
📌 約3ヶ月の休養明け。フレッシュな状態での復帰戦。
📊 近走成績: 阪神芝1200m 6着（2人気） → 小倉芝1200m 2着（8人気） → 京都芝1200m 12着（5人気）
📈 AI競馬ウェーブ調子トレンド予測: ↓ 下降中
🎲 波乱度メーター「ＳＴＶ杯」
過去425レースで1番人気の勝率は31.3%と標準的な水準です。
堅い決着も波乱もあり得るため、ヒモを広めに取ることをおすすめいたします。
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 | 31.3% |
| 1番人気の連対率 | 48.2% |
| 1番人気の複勝率 | 59.8% |
| 勝ち馬の平均人気 | 3.4番人気 |
| 集計レース数 | 425レース |
🏇 AI競馬ウェーブ展開予測シナリオ「ＳＴＶ杯」
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
逃げ1頭・先行7頭と先行争いが激しくなりそうな構成でございます。ペースが速くなれば前の馬が消耗しやすく、差し・追込タイプの馬に注目です。後方から脚を溜められる馬を重視した馬券構成をおすすめいたします。
| 脚質 | 頭数 | 構成比 |
|---|---|---|
逃げ | 1頭 | 6.2% |
先行 | 7頭 | 43.8% |
差し | 6頭 | 37.5% |
追込 | 2頭 | 12.5% |
📈 AI競馬ウェーブ調子トレンド予測「ＳＴＶ杯」
特に注目していただきたいのは上昇中の《スイミーユニバンス》《モズアンタレス》でございます。
調子の波に乗っている馬は、本番でも好走する傾向がございます。
人気に関わらず、好調馬は馬券に組み入れておく価値があるでしょう。
| 馬番 | 馬名 | 調子 |
|---|---|---|
0 | スイミーユニバンス | ↑ 上昇中 |
| 直近5走: 16着 ← 6着 ← 7着 ← 5着 ← 12着 | ||
0 | モズアンタレス | ↑ 上昇中 |
| 直近5走: 10着 ← 4着 ← 14着 ← 6着 ← 5着 | ||
0 | スムースベルベット | ↑ 上昇中 |
| 直近5走: 8着 ← 7着 ← 8着 ← 7着 ← 3着 | ||
0 | トウカイエルデ | ↓ 下降中 |
| 直近5走: 6着 ← 2着 ← 12着 ← 4着 ← 10着 | ||
0 | ビーコング | ↑ 上昇中 |
| 直近5走: 8着 ← 15着 ← 3着 ← 1着 ← 12着 | ||
0 | レザンノワール | ↓ 下降中 |
| 直近5走: 4着 ← 7着 ← 8着 ← 6着 ← 8着 | ||
0 | ピコアーガイル | ↑ 上昇中 |
| 直近5走: 16着 ← 6着 ← 9着 ← 2着 ← 11着 | ||
0 | ニシノラヴァンダ | ↑ 上昇中 |
| 直近5走: 14着 ← 6着 ← 16着 ← 16着 ← 2着 | ||
0 | バンブルビー | ↓ 下降中 |
| 直近5走: 8着 ← 3着 ← 4着 ← 7着 ← 9着 | ||
0 | キープサインオン | ↑ 上昇中 |
| 直近5走: 16着 ← 8着 ← 1着 ← 14着 ← 1着 | ||
0 | マジカルフェアリー | ↑ 上昇中 |
| 直近5走: 14着 ← 6着 ← 4着 ← 1着 ← 9着 | ||
0 | ブルーサンセット | ↑ 上昇中 |
| 直近5走: 17着 ← 10着 ← 6着 ← 1着 ← 3着 | ||
0 | ラパンチュール | ↙ やや下降 |
| 直近5走: 4着 ← 4着 ← 1着 ← 5着 ← 5着 | ||
0 | フードマン | ↓ 下降中 |
| 直近5走: 2着 ← 4着 ← 4着 ← 11着 ← 5着 | ||
0 | アンジュプロミス | ↑ 上昇中 |
| 直近5走: 12着 ← 1着 ← 3着 ← 1着 ← 3着 | ||
0 | モンサンゴールデン | ↓ 下降中 |
| 直近5走: 1着 ← 3着 ← 4着 ← 4着 ← 8着 | ||
👔 AI競馬ウェーブ調教師×函館相性分析「ＳＴＶ杯」
函館での勝率が最も高いのは加藤 征弘調教師（75戦16勝・勝率21.3%）でございます。
出走経験が最も豊富なのは矢作 芳人調教師（129戦）です。
| 馬番 | 馬名 | 調教師 |
|---|---|---|
0 | キープサインオン | 加藤 征弘 |
| 勝率: 21.3% 複勝率: 37.3% 平均着順: 6.1位 | ||
0 | トウカイエルデ | 茶木 太樹 |
| 勝率: 20.5% 複勝率: 34.1% 平均着順: 6.8位 | ||
0 | モンサンゴールデン | 中竹 和也 |
| 勝率: 13.8% 複勝率: 39.7% 平均着順: 5.5位 | ||
0 | フードマン | 小栗 実 |
| 勝率: 13.8% 複勝率: 48.3% 平均着順: 5.3位 | ||
0 | レザンノワール | 伊藤 圭三 |
| 勝率: 13.7% 複勝率: 43.1% 平均着順: 5.2位 | ||
0 | アンジュプロミス | 矢作 芳人 |
| 勝率: 12.4% 複勝率: 28.7% 平均着順: 6.5位 | ||
0 | モズアンタレス | 飯田 祐史 |
| 勝率: 12.2% 複勝率: 24.4% 平均着順: 6.2位 | ||
0 | スイミーユニバンス | 平田 修 |
| 勝率: 11.3% 複勝率: 28.3% 平均着順: 6.7位 | ||
0 | ラパンチュール | 蛯名 正義 |
| 勝率: 10.0% 複勝率: 25.0% 平均着順: 6.8位 | ||
0 | マジカルフェアリー | 寺島 良 |
| 勝率: 9.8% 複勝率: 24.6% 平均着順: 7.0位 | ||
0 | ピコアーガイル | 伊藤 大士 |
| 勝率: 8.0% 複勝率: 29.0% 平均着順: 6.0位 | ||
0 | ブルーサンセット | 奥村 豊 |
| 勝率: 6.2% 複勝率: 22.9% 平均着順: 7.2位 | ||
0 | ニシノラヴァンダ | 奥平 雅士 |
| 勝率: 2.9% 複勝率: 22.9% 平均着順: 7.2位 | ||
0 | ビーコング | 小手川 準 |
| 勝率: 2.6% 複勝率: 20.8% 平均着順: 7.1位 | ||
0 | バンブルビー | 浅利 英明 |
| 勝率: 0.0% 複勝率: 33.3% 平均着順: 10.0位 | ||
0 | スムースベルベット | 手塚 貴徳 |
| 勝率: - 複勝率: - 平均着順: - | ||
🧬 AI競馬ウェーブ血統×条件適性分析「ＳＴＶ杯」
函館芝1200m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アドマイヤマーズ産駒（13戦5勝・勝率38.5%）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 |
|---|---|---|
0 | ブルーサンセット | アドマイヤマーズ |
| 出走: 13回 勝率: 38.5% 複勝率: 46.2% | ||
0 | ニシノラヴァンダ | サトノアラジン |
| 出走: 17回 勝率: 17.6% 複勝率: 47.1% | ||
0 | マジカルフェアリー | サートゥルナーリア |
| 出走: 13回 勝率: 15.4% 複勝率: 38.5% | ||
0 | フードマン | Kingman |
| 出走: 14回 勝率: 14.3% 複勝率: 35.7% | ||
0 | バンブルビー | ウインブライト |
| 出走: 9回 勝率: 11.1% 複勝率: 55.6% | ||
0 | ラパンチュール | タワーオブロンドン |
| 出走: 33回 勝率: 9.1% 複勝率: 24.2% | ||
0 | キープサインオン | ビッグアーサー |
| 出走: 91回 勝率: 7.7% 複勝率: 34.1% | ||
0 | トウカイエルデ | オルフェーヴル |
| 出走: 67回 勝率: 7.5% 複勝率: 26.9% | ||
0 | スイミーユニバンス | ドゥラメンテ |
| 出走: 29回 勝率: 6.9% 複勝率: 13.8% | ||
0 | アンジュプロミス | ドレフォン |
| 出走: 53回 勝率: 5.7% 複勝率: 26.4% | ||
0 | スムースベルベット | ディスクリートキャット |
| 出走: 40回 勝率: 5.0% 複勝率: 30.0% | ||
0 | レザンノワール | シルバーステート |
| 出走: 61回 勝率: 3.3% 複勝率: 24.6% | ||
0 | モンサンゴールデン | シルバーステート |
| 出走: 61回 勝率: 3.3% 複勝率: 24.6% | ||
0 | ビーコング | タリスマニック |
| 出走: 11回 勝率: 0.0% 複勝率: 9.1% | ||
0 | モズアンタレス | グランプリボス |
| 出走: 9回 勝率: 0.0% 複勝率: 11.1% | ||
0 | ピコアーガイル | Justify |
| 出走: 2回 勝率: 0.0% 複勝率: 50.0% | ||
🐴 AI競馬ウェーブ穴馬診断書「ＳＴＶ杯」
「ＳＴＶ杯」のAI穴馬診断で、特に注目度の高い馬が見つかりました。《キープサインオン》はAI予測順位こそ高くないものの、激走条件への合致度が非常に高い一頭です。大穴を狙うなら押さえておきたい馬でございます。
※ 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。
0 キープサインオン（岩田康誠騎手） ★★★★☆【大穴候補】
🔥 前走16着大敗→1400mから1200m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。
🔥 前走鮫島克駿騎手で16着→岩田康誠騎手に乗り替わり。手替わりで激変の可能性を秘める。
🔥 約7ヶ月の休養明けだが、以前は好走歴あり。リフレッシュ効果で復活の可能性。
📊 近走成績: 東京芝1400m 16着 → 中山芝1200m 8着 → 福島芝1200m 1着
📈 AI競馬ウェーブ調子トレンド予測: ↑ 上昇中
0 ピコアーガイル（横山和生騎手） ★★★★☆【大穴候補】
🔥 前走佐々木大騎手で16着→横山和生騎手に乗り替わり。手替わりで激変の可能性を秘める。
🔥 約3ヶ月の休養明けだが、以前は好走歴あり。リフレッシュ効果で復活の可能性。
🔥 近走不振だが函館では2着の好走歴。舞台替わりで穴を開ける可能性。
📊 近走成績: 中山芝1200m 16着 → 中山ダート1200m 6着 → 福島芝1200m 9着
📈 AI競馬ウェーブ調子トレンド予測: ↑ 上昇中
0 ニシノラヴァンダ（横山琉人騎手） ★★★★☆【大穴候補】
🔥 前走野中悠太騎手で14着→横山琉人騎手に乗り替わり。手替わりで激変の可能性を秘める。
🔥 約4ヶ月の休養明けだが、以前は好走歴あり。リフレッシュ効果で復活の可能性。
🔥 近走不振だが函館では2着の好走歴。舞台替わりで穴を開ける可能性。
📊 近走成績: 小倉芝1200m 14着 → 中山芝1200m 6着 → 札幌芝1200m 16着
📈 AI競馬ウェーブ調子トレンド予測: ↑ 上昇中
❓ 「ＳＴＶ杯」AI競馬予想のよくある質問
Q. 「ＳＴＶ杯」のAI競馬予想は無料で見られますか？
A. はい、「ＳＴＶ杯」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. 「ＳＴＶ杯」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. 「ＳＴＶ杯」（函館芝1200m・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。
