RIZIN / ONE Championship AI予想の作り方｜MMA勝敗予測の統計学完全ガイド
// TL;DR (この記事の結論)
①MMA予測は野球より難しい(Brier限界 0.21 vs 野球0.18) ②4特徴量(SLPM / SApM / TD Def / SUB Att) + 年齢曲線でBrier 0.215実現 ③決着方法(KO/SUB/判定)の3-way予測精度52% ④新興リーグ(RIZIN等)は市場効率が低く、AIモデル優位が大きい ⑤Heavy級ほど予想精度が低下(KO率高い分ノイズ大)// 目次
なぜMMA予想は野球より難しいのか
同じスポーツAI予想でも、MMA予測の精度はベースボールより明らかに低くなります。これは以下の構造的問題によります:
| 要因 | NPB 野球 | MMA |
|---|---|---|
| 1試合データ量 | 10数イベント (各打席) | 3-5イベント (各R) |
| 年間試合数 | 選手平均143 | 選手平均2-3 |
| 1発逆転確率 | 20%(本塁打) | 40%以上(KO/SUB) |
| 選手キャリア | 20年 | 10-15年 |
| 怪我影響 | 1ポジション欠 | 試合全体無効 |
| Brier限界 | 0.18 | 0.21 |
MMAの「1発KO」リスクは AI予測モデルの最大の敵です。Elo差400(野球で勝率91%)に相当する圧倒的格上でも、MMAでは70%程度に落ちます。それでもAIモデルは人間の感覚より明らかに優位な精度を出せます。
勝敗予測の4つの重要特徴量
WINSportsAI v3.0 がMMA勝敗予測に使う特徴量は4つ。UFC公式スタッツに由来する標準指標です:
① SLPM (Strikes Landed per Minute)
1分あたりの有効打数。打撃の攻撃力指標。MMAトップ層のSLPM 4.0-5.0 vs 平均2.0-3.0。Elo補正は (SLPM_self - SLPM_opp) × 20。
② SApM (Strikes Absorbed per Minute) ← 最重要
1分あたりの被打撃数。守備技術指標。これが低い選手は長期的に勝率上昇。実は SLPMよりSApMの方が勝率相関が高い。Elo補正は (SApM_opp - SApM_self) × 20。
③ TD Defense (Takedown Defense %)
テイクダウン防御率。地上戦に持ち込まれない打撃選手は守備優位。Elo補正は (TDDef_self - TDDef_opp) × 0.15。
④ SUB Attempts (Submission Attempts per 15 min)
15分あたりのサブミッション試行数。寝技攻撃力指標。Elo補正は (SubAtt_self - SubAtt_opp) × 12。
| 特徴量 | 説明 | Elo係数 | 勝率相関 |
|---|---|---|---|
| SLPM | 打撃攻撃力 | ±20 | 0.18 |
| SApM | 打撃守備力 | ±20 | 0.25 |
| TD Def | テイクダウン防御 | ±15 | 0.16 |
| SUB Att | サブミッション攻撃 | ±12 | 0.12 |
年齢曲線 — MMA予測の隠れ変数
MMA選手のピーク年齢は 28-30歳。これを過ぎると1歳ごとに性能が低下します。WINSportsAIの年齢補正:
+ +max(0, 28 - age) × 2 Elo (28歳未満は若さプラス補正)
+ -max(0, age - 35) × 4 Elo (35歳以降は更に加速 -8 Elo/年)
| 年齢 | Elo補正 | 勝率影響 |
|---|---|---|
| 25 | +6 Elo | +1.5% |
| 28-30 (ピーク) | 0 | 標準 |
| 32 | -8 Elo | -2.3% |
| 35 | -20 Elo | -5.8% |
| 38 | -44 Elo | -12.8% |
| 40 | -60 Elo | -17.5% |
これは「ベテランは経験で勝つ」というイメージに反します。MMA統計データでは、35歳以上の選手は同Eloの若手相手に勝率45%以下というのが現実です。RIZINのレジェンド級選手vs若手プロスペクトの試合は、市場が過大評価しがちなので注意。
Elo + 特徴量統合の数式
4特徴量 + 年齢補正を統合した勝率算出式:
Self_Adj = (SLPM-Opp.SLPM)×20
+ (Opp.SApM-SApM)×20
+ (TDDef-Opp.TDDef)×0.15
+ (SubAtt-Opp.SubAtt)×12
+ Age_Adj
計算例: 朝倉未来 vs ベテラン外国人選手
| 項目 | 朝倉未来 | ベテラン | 差分 | Elo補正 |
|---|---|---|---|---|
| SLPM | 4.2 | 3.5 | +0.7 | +14 |
| SApM | 3.8 | 4.5 | +0.7 (自分有利) | +14 |
| TD Def | 72% | 55% | +17% | +25.5 |
| SUB Att | 0.5 | 1.8 | -1.3 | -15.6 |
| 年齢 | 33歳 | 38歳 | +5歳若い | +44 |
| Self_Adj合計 | - | - | - | +82 |
Elo差0で、特徴量・年齢補正のみで +82 Elo差(勝率約62%相当)。AI予測 朝倉未来62% vs 市場予測55% → EV+13% でベット価値あり。
決着方法予測 (KO/SUB/判定) モデル
MMAの面白いところは、勝敗だけでなく 決着方法 (KO・SUB・判定) もベット対象になること。これらは過小評価されがちなので、AI モデル優位が出やすい。WINSportsAI v3.0 の3-way予測精度は52%(完全ランダム33%)。
決着方法の確率算出
P(SUB) = base_sub × SUB_rate_self × (1 - SUB_def_opp)
P(判定) = 1 - P(KO) - P(SUB)
| 階級 | P(KO) 平均 | P(SUB) 平均 | P(判定) 平均 |
|---|---|---|---|
| Heavyweight | 52% | 10% | 38% |
| Light Heavy | 42% | 13% | 45% |
| Middleweight | 35% | 18% | 47% |
| Welterweight | 30% | 22% | 48% |
| Lightweight | 25% | 27% | 48% |
| Featherweight | 22% | 23% | 55% |
| Bantamweight | 18% | 24% | 58% |
| Flyweight | 13% | 22% | 65% |
階級別の予測難易度差
同じMMAでも階級によって予測精度が大きく異なります:
| 階級 | Brier Score | 難易度 | 理由 |
|---|---|---|---|
| Heavyweight | 0.235 | 最高 | 1発KO率高くノイズ大 |
| Light Heavy | 0.225 | 高 | KO比率高い |
| Middleweight | 0.215 | 中 | 標準 |
| Welterweight | 0.210 | 中 | 選手層厚く統計安定 |
| Lightweight | 0.205 | 低 | テクニカル戦、データ豊富 |
| Bantamweight以下 | 0.215 | 中 | 判定多くスコアラー依存 |
RIZIN/ONE/UFC のルール差と補正
| 項目 | UFC | RIZIN | ONE |
|---|---|---|---|
| ラウンド構成 | 3R or 5R × 5分 | 3R × 5分(タイトル5R) | 3R or 5R × 5分 |
| 肘打ち | あり | 地上△, 立ちあり | あり |
| サッカーキック | なし | あり(RIZINのみ) | なし |
| 4点ポジション膝 | なし | なし | あり |
| 判定基準 | 10ポイント Must | 3R総合判定 | 10ポイント Must |
| 予測補正 | 標準 | +5 Elo (打撃選手有利) | +5 Elo (膝強い選手) |
RIZINはサッカーキック解禁で、グラウンド打撃に強い選手が有利。打撃ベース選手にRIZINルールで +5 Elo補正。ONEは4点膝が膝強い選手のキャラに +5 Elo補正。
MMAでEV+ベットを見つける3パターン
パターン1: 新興リーグ × 国際選手
RIZINに参戦する海外選手の市場評価は、UFC基準より粗い。データ豊富なAIモデルなら過小評価を発見しやすい。EV+15-25%の機会あり。
パターン2: 決着方法ベット (KO/SUB)
勝敗予想より人気が低くオッズが寛大。AIモデルで決着方法予測精度52%なら、平均3-5倍のオッズでEV+20%以上が頻出。
パターン3: 大差マッチの逆張り
オッズ1.20以下の "確実視されている格上" は実は60-65%勝率しかないケースが多い。AIモデルでオッズ4-5倍の "格下" を冷静評価すると EV+20% 取れることあり(ただし当然外れる頻度高い)。
実例: WINSportsAI v3.0 の直近予想結果
2026年5月までのRIZIN/ONE試合予想成績 (累計38試合):
| 指標 | 2026年実測 | 業界平均 |
|---|---|---|
| 勝敗予想 的中率 | 63% | 55% |
| Brier Score | 0.215 | 0.225 |
| 決着方法的中率 | 52% | 40% |
| EV+ベット ROI | +22% | ±0% |
| CLV | +4.1% | 0% |
勝率63%、ROI+22% — これはMMA予想として極めて高い水準。CLV+4.1% は新興リーグ(RIZIN)の市場効率の低さを利用できている証拠。
🔥 RIZIN/ONE 全試合AI予想を無料配信
大会開催前にWINSportsAI v3.0が全試合の勝率・決着方法・推奨ベット先を分析公開。EV+試合のみ厳選。
SPORTS×AI コミュ参加 →よくある質問 (FAQ)
MMA予想はNPB予想より難しいですか？
はい、明確に難しい。NPBは1チーム約9人×162試合でデータ豊富、MMAは1選手年2-3戦と少なく、予測Brier限界もMMAの0.21に対しNPBは0.18。MMAは1発のKOで結果がひっくり返るため確率予測がぼやけます。
RIZINとONE Championshipの予想は同じモデルで可能ですか？
基本骨格は同じだが、ルール差(ONEは肘あり/RIZINは無し等)で打撃係数調整が必要。WINSportsAIではRIZIN/ONE/UFCで共通モデルを使用し、ルール別の補正係数(±5-10 Elo)を加えています。
MMA予想で最も重要な指標は何ですか？
勝率予測ではSApM(Strikes Absorbed per Minute = 被打撃数)が最重要。これが低い選手は守備技術が高く、長期的に勝率上昇。SLPM(Strikes Landed per Minute)より相関が高いです。
年齢はMMA勝率にどう影響しますか？
MMA選手のピーク年齢は28-30歳。30歳以降は1歳ごとに -4 Elo (約-1%勝率)。35歳以降は更に加速(-8 Elo/年)。35歳のベテランvs 28歳の新鋭の対決は、Elo同等でも実は新鋭60%勝率と予測されます。
KO予想の精度はどれくらいですか？
WINSportsAI v3.0でKO/SUB/判定の3-way予測精度は52%(完全ランダム33%)。選手のKO率・SUB率の歴史データと、対戦相手のスタイル相性で予測。決着方法ベットはオッズが高い(平均3-5倍)分EVも大きく取りやすい。
格闘技でEV+のベットを見つけるコツは？
①新興リーグ(RIZIN等)はMLB/UFCより市場効率が低く、AIモデル優位が出やすい ②決着方法ベット(KO/SUB)はメイン予想より過小評価されがち ③大差マッチ(オッズ1.20-1.40)は逆張りでEV+の機会あり。
WINSportsAIはRIZIN・ONEの予想を毎大会出していますか？
はい、RIZIN/ONE/UFC全大会の全試合予想を試合開始3時間前に公開。Win/Lose確率に加えてKO・SUB・判定の決着方法と推奨ベット先(EV+試合のみ)もリスト化。Telegram登録で無料配信。