ボクシングは「2人の選手が1リング内で限定時間 (12R×3分が世界戦標準) でパンチのみで競う」純粋スポーツです。動き軸が打撃1次元に閉じているため、MMA より 特徴量設計が単純化 でき、Eloモデルとの相性が良い領域でもあります。
一方で問題点もあります:
これらを織り込んだ上で、Boxing AI予測の Brier Score 理論限界は約 0.20。WINSportsAI v3.0 Boxing モデルは 0.221 で、理論限界の91%到達。NPB 野球モデル (0.197) より精度は劣りますが、市場効率が低い分 EV+ チャンスは多いという特徴があります。
WINSportsAI v3.0 Boxing モデルは Base Elo に対して以下の5特徴量を補正する設計です:
| 特徴量 | 重み | 説明 |
|---|---|---|
| Power Punch Rate (PPR) | +18 Elo/1.0pt | 有効打撃のうちパワーパンチ比率。CompuBox基準 |
| KO率 | +20 Elo/10% | 過去戦のKO/TKO決着率 |
| リーチ差 | +3 Elo/1cm | 身長/腕長差。アウトボクサーで強く反映 |
| 年齢補正 | -5 Elo/年 (28歳以降) | 身体能力ピーク後の自然減衰 |
| スタイル相性 | ±10 Elo | アウト/インファイター/オーソドックス/サウスポー |
WINSportsAI v3.0 Boxing モデルによる日本人現役プロボクサーの Elo レーティング (2026年5月公開):
| 選手 | 階級 | Elo | KO率 | 備考 |
|---|---|---|---|---|
| 井上尚弥 | スーパーバンタム | 1820 | 87% | WBA/WBC/IBF/WBO 4団体統一・世界Top5 |
| 中谷潤人 | バンタム | 1755 | 78% | WBC バンタム王者・身長174cm |
| 寺地拳四朗 | ライトフライ | 1715 | 52% | WBC/WBA統一・テクニシャン型 |
| 那須川天心 | フェザー | 1690 | 22% | キックボクシング転向組・判定型 |
| 井上拓真 | バンタム | 1655 | 40% | 井上尚弥の兄・元WBA王者 |
| 武居由樹 | バンタム | 1640 | 68% | K-1転向組・WBO王者経験 |
| 堤聖也 | バンタム | 1610 | 50% | OPBF王者・26歳成長中 |
| 比嘉大吾 | スーパーフライ | 1590 | 71% | 元WBC王者・パンチャー |
| 井岡一翔 | スーパーフライ | 1580 | 55% | 4階級制覇・年齢36歳でAge Decay -40 |
| 田中恒成 | スーパーフライ | 1565 | 62% | 3階級制覇・WBO王者 |
井上尚弥は単純Eloの「強い」だけでなく、5特徴量すべてが世界トップクラスです:
| 特徴量 | 井上尚弥値 | 世界平均 | Elo寄与 |
|---|---|---|---|
| Base Elo (実績ベース) | 1820 | 1500 | +320 |
| Power Punch Rate | 0.42 | 0.30 | +22 |
| KO率 | 87% | 40% | +94 |
| リーチ (cm) | 171 | 168 | +9 |
| 年齢補正 (32歳) | -20 | 0 | -20 |
| スタイル相性 (オーソドックス・ハイブリッド) | +5〜+10 | 0 | +8 |
| 調整後Elo合計 | 1820 | — | |
注目すべきは KO率87%。世界平均40%に対し+94 Elo相当の補正で、これは「相手がどれだけ強くてもKOで勝つ確率が47ポイント高い」ことを意味します。Power Punch Rate 0.42 (世界平均0.30) と組み合わせると、判定までもつれた場合でも有利な評価を受けやすい構造です。
那須川天心はキックボクシング/RIZIN時代に Elo 相当 1850 の歴代トップ選手でした。しかしボクシング転向にあたり以下の補正が入ります:
フェザー級の主要選手 Elo レンジは1500-1720。那須川 (1690) は明確にトップ層ですが、世界王者級 (1700+) との対戦は 勝率55-62% の拮抗予測。世界戦級ではEloギャップが小さく、AIモデルでも信頼度Mid (60-65%) ゾーンに収まる試合が多くなります。
2026年スポーツ界最大の関心事の一つ。井上尚弥 (スーパーバンタム・Elo 1820) と中谷潤人 (バンタム・Elo 1755) の階級違い夢のマッチを AI シミュレーション:
| シナリオ | 井上 勝率 | 中谷 勝率 | 備考 |
|---|---|---|---|
| 井上のスーパーバンタム階級 (現状) | 72% | 28% | 体重差で井上有利 |
| 中谷のバンタム階級 | 58% | 42% | 井上の減量負担増 |
| キャッチウェイト (中間) | 65% | 35% | 両者ハンデ均衡 |
| 同階級 (双方均等減量) | 65% | 35% | 純粋な実力差 |
同階級なら井上 65% vs 中谷 35%。中谷の身長/リーチ優位 (+8cm) は +24 Elo の補正を受けますが、井上のPower Punch Rate (0.42) と KO率 (87%) の総合力差は最終的に -10 Elo差程度しか縮まりません。
決着方法予測:
ボクシングは単純な勝敗予測より「決着方法」が EV+ を取りやすい領域です。WINSportsAI Boxing モデルの3-way予測精度は48% (完全ランダム33%):
| 予測区分 | WINSportsAI精度 | 市場暗黙確率 |
|---|---|---|
| KO/TKO決着 | 52%精度 | 38% |
| 判定 (Unanimous Decision) | 56%精度 | 45% |
| 判定 (Split Decision) | 32%精度 | 10% |
| 引き分け/MD | 低 (5%以下) | 2% |
| 3-way 統合精度 | 48% | 33% (ランダム) |
とくに Split Decision の予測精度がモデル優位を生む鍵。市場暗黙確率はわずか10%しか割り振っていないのに、AIモデルでは32%精度を達成。これは「判定の主観性」を Power Punch Rate と KO率の差で定量化できているためです。
市場効率の低いBoxing市場で、AIモデルが EV+ を取りやすい4つのシチュエーション:
日本国内オッズは「井上戦は井上が圧倒的に強い」と過大反応する傾向。逆に米国市場では「井上は海外選手相手にKO負けする可能性10%程度」と過小評価。AIモデルから見れば米国市場の井上勝ちオッズ (1.20-1.25) は EV+5-10% のチャンス。
メイン勝敗オッズより流動性が低く、市場参加者の感覚的判断で歪みやすい。AIモデルのKO率・PPR差で「KO決着確率」を正確に算出できれば、市場オッズと比較したEV計算で優位が出る。
世界戦と比べて市場流動性が圧倒的に低く、ブックメーカーのマージンも大きい (5-8% vs 世界戦の2-3%)。逆説的だがAIモデルが優位な情報量を持つ場面が多い。日本タイトル戦・OPBFは AI 優位の宝庫。
市場はAge Decay (-5 Elo/年) を即時反映しないため、35歳のベテラン王者 vs 25歳の挑戦者の対決でAI予測が市場より挑戦者寄りになる。井岡一翔 (36歳)、長谷川穂積級ベテラン vs 若手の対戦で実証済み。
WINSportsAI v3.0 Boxing モデルの実測パフォーマンス (2026年5月時点):
| 指標 | WINSportsAI | 市場ベース | 専門家平均 |
|---|---|---|---|
| Brier Score | 0.221 | 0.230 | 0.245 |
| 勝敗的中率 | 62% | 58% | 54% |
| 3-way 決着方法精度 | 48% | 40% | 35% |
| EV+試合 ROI | +14.2% | ±0% | — |
| 累計CLV | +2.8% | 0% | — |
NPB野球モデル (Brier 0.197) より精度は劣りますが、市場効率が低い分 EV+ チャンスは野球より多い のがBoxing市場の特徴。詳細な検証データは track-record ページ で全予想結果を公開しています。
Telegram コミュニティで井上尚弥・那須川天心・中谷潤人ら日本ボクサーの世界戦/日本タイトル戦 AI 予想を試合開始3時間前に配信。決着方法予測と EV計算も同時公開。
SPORTS×AI コミュ参加 →WINSportsAI v3.0 Boxing モデルで井上尚弥のEloは 1820 (2026年5月時点)。現役プロボクサーで日本最高、世界でも上位5位以内。KO率87% / Power Punch Rate 0.42 / 年齢32歳でピーク後だがElo減衰は最小限。同階級のEloレンジ1550-1750と比較して+70-270の圧倒的アドバンテージで、対戦相手のEloがどんなに高くてもAI予測勝率80%以上を維持しています。
WINSportsAI予測では那須川天心のフェザー級Eloは 1690 (2026年5月時点)。キックボクシング時代のEloは1850相当でしたがルール変更による補正で-160。フェザー級主要選手のEloレンジは1500-1720で、トップ層との対戦は勝率55-62%予測。世界戦級ではEloギャップが小さく、決着方法ベット (判定) が EV+ の機会が多いです。
逆に少し簡単。MMAは打撃/組み技/関節技の3次元、ボクシングは打撃1次元のため特徴量設計が単純化できます。Brier Score の理論限界も MMA 0.21 vs Boxing 0.20。ただし1試合の重要度が高い (年2-4戦) 分、サンプル数不足でモデル安定化に時間がかかるのが弱点です。
Power Punch Rate (有効打撃のうちパワーパンチ占有率)。CompuBoxデータで言うと「ジャブ vs ボディ/フック/ストレート」の比率で、0.40を超える選手はKO率も高く、判定でも有利。ジャブ依存型より長期的に勝率が高い傾向あり。WINSportsAI ではPPR係数 +18 Elo/1.0pt の補正を適用しています。
2026年中の試合で井上の負け確率は平均8-15% (対戦相手依存)。中谷潤人 (Elo 1755) との階級違い夢のマッチがあれば負け確率28%まで上昇予測。階級が同じバンタム/フェザー級内の現役トップ全員と対戦しても井上勝率は80%以上を維持します。
AI予測では井上72% vs 中谷28% (現状はバンタム vs スーパーバンタムの階級差込み)。同階級なら井上65% vs 中谷35%。中谷の身長/リーチ優位 (+8cm) は+24 Eloの補正を受けますが、井上のPower Punch Rate (0.42) と KO率 (87%) の総合力差を超えるには至らないというのが2026年5月時点のAI評価です。
統一王者は対戦相手のレベル平均が +50 Elo 補正された状態で勝率を維持しているため、モデル上は単純Eloより信頼性高。井上尚弥の4団体統一達成はEloに +30 補正を継続適用しています。
WINSportsAI Boxing モデルでKO/TKO/判定の3-way予測精度は48% (完全ランダム33%)。両選手のKO率の積/和とPower Punch Rate差で予測。判定決着が増加トレンドにあり (2026年は全試合の62%が判定で決着) モデル安定性は向上中です。
①日本人選手の海外戦は市場が国内人気バイアスで歪みやすい (井上戦は逆に米ベッターが井上を過大評価する逆バイアスもある) ②世界戦の決着方法 (KO/判定) はメイン勝敗オッズより EV+ チャンスが多い ③ノンタイトル戦は市場流動性が低く AI 優位が出やすい ④高齢ベテラン vs 若手新鋭はAge Decay補正の市場反映が遅い、の4場面が代表的です。
日本人選手の世界戦/日本タイトル戦は試合開始3時間前までに公開。WBC/WBA/WBO/IBF所属の世界戦、日本タイトル戦、東洋太平洋(OPBF)タイトル戦をカバー。Win/Lose確率に加えてKO/TKO/判定の決着方法と推奨ベット (EV+ のみ) も同時公開しています。