引言
相信各位對賽馬亦不會太陌生，有人認為賽馬就是賭博，如同過大海玩大細一般；亦有人認為賽馬其實是一門統計學，只需要量化數據，加以分析，即能以小博大，賺取數之不盡的金錢。兩種說法看似極度矛盾、不可共存，到底哪個才是真？事實上它們也是正確的，無可否認，有些人因賽馬而傾家蕩產，同時間亦有些人透過賽馬賺取第一桶金，甚至半個億。而分別就在於他們有沒有「系統性的選馬策略」，亦即是通俗所謂的「刨馬」。這次入門篇將會由淺入深分享，看完本文，你會明白到
- 何為有系統的選馬策略以及量化的方法？
- 如何利用數據進行驗證？
- 獲取數據的方法。
系統性量化選馬策略
量化
所謂的「量化」，其實就是指以數字去表達一件事情的方法，透過量化，你可以更清楚更具體地解釋事情的經過。舉例來說，若有人說「潘頓真係勁過何澤堯好多」，你可能會提出一個疑問「咁姐係勁幾多？」，單單一個「勁」字，並不能清楚解釋兩名騎師的差異，同時間亦帶有主觀的看法。相反，透過量化，則可以利用數字去說話，例如
- 「截至2021年12月1日，潘頓贏左44次冠軍，何澤堯就得18次。」
- 「截至2021年12月1日，潘頓袋左5000幾萬獎金，何澤堯少成倍。」
- 「截至2021年12月1日，潘頓上名率有五成幾，何澤堯得三成左右。」
總的來說，量化就是一種將主觀想法以客觀數字去呈現表達的方法。
選馬六大因素
選出勝出的馬匹就等同選出賺錢的股票，離不開都是從基本面和技術面的分析。換句話而言，基本面指的就是馬匹內在的實力，騎士的騎功，練馬師的訓練配合；技術面則可理解為賽道、路程、檔位等外在因素對賽果的影響。為了簡單讓讀者理解，我們可分為六大因素去判斷和選擇，然後以分數去量化，分為不同等級，最低分為 –3 分，最高分則是 +3 分，最後將分數相加，總和越高則代表勝出的機會越大。
1. 近績表現：馬匹最近三個月所有往績的名次。
2. 賽道與路程熟練度：馬匹最近三個月在相同賽道與路程往績的名次。
3. 騎練合拍度：騎練最近十場往績的名次。
4. 檔位優勢：檔位於該賽道與路程往績的名次。
5. 班次：馬匹該場與上一場的班次分別。
6. 負磅：馬匹該場與上一場的負磅差別。
讀者應以可量化的方法作為判斷的標準，以近績表現為例，透過下圖準則的分法，則可將馬匹的近績表現以 +3 至 –3 的分數作為歸類。
系統性的選馬策略指的就是如何量化六大因素，從而製定一套獨一無二的選馬標準，客觀地分析每場賽馬比賽各隻馬匹勝出的可能性。
以過往數據進行驗證
測試方法
當設計了一套選馬準則後，想必大家一定急不及待打算實戰測試一番希望有所斬獲，但切忌這樣做！系統化選馬程序只是第一步，接下來的第二步才是重中之重，就是利用過往的賽馬數據進行測試和驗證。
簡單而言，就是將選馬策略應用在過往的賽馬日上，然後紀錄低系統預測的結果，再與實際馬匹名次作比對，從而得出系統預測的準確度，甚至可以加入賠率作考量，計出投資的盈利率。
首先將評分總分按大小排序，然後找出系統認為最大機會勝出的馬匹，以上圖為例則是動力飛鷹，然後與實際名次比較，則能得出是否能準確預測賽果，但是只有一場，或是一天的數據是遠遠不足夠的，讀者應以季作為單位，比較理想的是驗證三至五年的場次，如果能確保每季亦能賺錢，才可當作成功，反之則應重新製定策略，反覆進行測試。
數據來源
至於如何獲取過往賽馬數據作分析之用，方法有兩個。
- 直接從香港賽馬會網站進行網絡爬蟲：
此方法適用於有豐富編程知識的開發者，好處是所有數據亦是免費，但是需要付出時間收集數據，以及極大量的工作去處理數據，例如有機會遇到非結構式類型的數據、賽事數據遺留、賽事數據錯誤等，問題少則令分析缺乏完整性，大則影響整個測試結果導致虧蝕。 - 向專業數據供應商購買數據：
此方法適用於一般普羅大眾，直接購買數據可省卻大量收集和處理的工序，亦可確保數據的準確性和完整性，這亦是 Horsorion 成立的初衷，好讓各位可以把所有的心機和時間全用作系統的開發和測試。Horsorion 提供所有你需要的數據，由馬匹資訊、過往賽事結果，去到天氣數據，場地讀數等亦有提供，讓各位能從各方面分析賽事，建立專屬的預測系統。若你有興趣了解更多 Horsorion 的數據計劃，可參考以下網址：
結論
賽馬到底是賭博還是通往財務自由的道路？關鍵掌握在你手中，與其每個賽馬日投機看命運，不如把握機會，盡早建立屬於你獨有的有系統選馬策略！
