1 基礎となる理論・技術
　 本予想理論は、データマイニングと呼ばれる分野で利用されている「重回帰分析」という統計解析理論に基づいています。データマイニングとは、既存の蓄積データをもとにして新たな知識を得る技術です。競馬の場合は、過去のレース結果をもとにして、新たな知識、すなわち未来のレースの成り行きを予測するわけです。


2 理論の特長

(1) 完全機械化
　 本予測理論に基づく予測情報は、過去のレース結果と予測アルゴリズムそして高速コンピュータによって導かれ、人間の経験や直感は一切介入しません。科学の目とコンピュータの計算から、冷徹にレースの予測をします。

(2) 馬券的中確率の提示機能
　本予測理論に基づく予測情報には、馬券の的中確率が提示されます。これは、基礎になる技術である「重回帰分析」によって得られる誤差分布を利用して求めます。

(3) 高回収率性
　本予測理論に基づく買い目の年間回収率は、３連複・３連単を中心に、100%超のケースがかなりあります。

3 予測理論に登場する主な数量

(1) レース結果ポイント
　レース結果ポイントは、過去レースの馬柱ごとに付与される量です。着順が小さいほどこのポイントは高くなります。このレース結果ポイントは、その馬柱の時計やレースの距離、芝・ダートの区分、競馬場などの要素を取り入れて構成されています。


(2) 馬の実力度
　馬の実力度は、重回帰分析で求められる未知変数です。これは、芝における馬の実力度とダートにおける馬の実力度の２つに分けて考えます。

(3) 騎手の実力度
　騎手の実力度は、重回帰分析で求められる未知変数です。

(4) レース特性
　馬の実力、騎手の実力以外に、天候、芝・ダート、馬場の状態、コースの特性、レースのペース、負担重量、馬体重、枠（馬番）などなど、非常に多くの要因がレースに影響を与えます。これら要因の中で、個々の馬柱によらない、レース共通の要因が、レース結果ポイントに寄与する量を、レース特性と呼びます。
　レース特性は、重回帰分析で求められる未知変数です。


4 馬の実力度と騎手の実力度の算出方法

　過去レースの馬柱ごとに、

　馬の実力度＋騎手の実力度＋レース特性＝レース結果ポイント

という方程式を作ります。前章でもお話しした通り、馬の実力度、騎手の実力度、レース特性が未知数で、レース結果ポイントは既知数です。
　この方程式は、過去レースの馬柱分あり、実際には１４万程度あります。それに対して未知数の数は全部で５万程度であり、一般的には、これらの連立方程式の解は存在しません。
　そこで、上の式の左辺から右辺を引いた誤差量、

誤差量=｜馬の実力度＋騎手の実力度＋レース特性−レース結果ポイント｜

をなるべく小さくするように、馬の実力度、騎手の実力度、レース特性の量を調整し決定します。誤差量をなるべく小さくする方法は、「重回帰分析」の理論に基づきます。このようにして求められた馬の実力度、騎手の実力度をもとにして、競馬を予測します。


5 馬券的中確率の算出方法

　まずはじめに、馬柱が１着となる確率を求めます。これは、すなわち単勝馬券の的中確率を求めることに他なりません。
　前章で述べたように、過去レースの馬柱ごとに生じる誤差の分布を利用します。この誤差は、本理論で捉えきれない種々の要因に起因していると思われます。この誤差分布を利用すると数式は書きませんが、そのレースの他の馬柱の誤差分布関数とこの馬柱の誤差分布密度関数の積の積分という計算で１着確率が求められます。
　この１着確率が分かると、２着となる確率、３着となる確率なども求めることができます。各馬券は、１着、２着、３着の様々な組み合わせ条件に基づきますから、これらの確率が計算できます。