⚾ 全球野球シミュレーションによる打順及び戦術の研究

💡 本シミュレータの特徴

• 全球シミュレーション： １つのゲームに対して全球をシミュレーションします。（ただし全球詳細のファイル出力ははじめの１試合のみ）
• 入力パラメータの自動生成： 入力に使用するExcelファイルは公式記録を参照して自動生成するヘルパーアプリが用意されてます。
• 高速実行： ネイティブ高速実行が可能です。高速実行に最適なプログラミング言語C++での実装となってます。
• 無料で使える： Windows版の実行ファイルやビューアHTMLファイルが無料でダウンロードできます。アカウント登録も必要ありません。
  本シミュレーションは以下に当てはまらない場合はどなたでも無料で利用できます。
  （プロ野球関係者がこれから行われる予定の公式戦の分析や戦略に使用する場合のみ別途ライセンス契約が必要です。admininfo@cooyou.orgにお問い合わせください。）
  
• 大規模検証による高信頼度： １つの設定に対して10000試合以上の全球シミュレーションをすることで、統計的に安定した結果を取得が可能です。
• 実運用への応用： 既存理論や、実戦での采配に対して、シミュレーション結果に基づいた科学的検証ができます。

ダウンロードと結果確認

以下のリンクから実行ファイルおよびHTMLファイルをzip圧縮したファイルをダウンロードできます。
battingordersim20260619.zip 解凍しますと、npbscraper.exe , battingordersim.exe , analyzebunt.exe , viewdetailgame.html , viewlineupranking.html , viewseries.html , viewstats.htmlが出来ますので、任意のフォルダに配置してください。

npbscraper.exe : NPB.jp日本野球機構サイトの公開記録から選手データを参照してExcelファイルを自動生成します（DH制として生成します）。ただし2025年以降のみ対応。執筆時点が2026年のため、2025年および2026年のみ実行確認済です。2024年以前は非対応です。

battingordersim.exe : シミュレーションアプリ本体です。

analyzebunt.exe : バント解析に特化したシミュレーションアプリ本体です。内部的にbattingordersim.exeを実行します。

どれもWindowsのコマンドプロンプトまたはWindows Power Shellで実行できます。--helpオプションで各コマンドラインパラメータの説明が表示されます。

viewdetailgame.html : 1球ごとの詳細な結果detailgame.xmlを表示します。ゲームを行うどの実行モードでも生成されますが、高速化のために初めの1試合のみしか保存されません。全試合はおなじような全球処理は行いますが、どのような内容かを確認するためのサンプルの目的となってます。

viewlineupranking.html : --gameperlineupの打順の全パターン実行のモードで生成されるlineupranking.xmlを表示します。打順ベスト１００、ワースト１００が表示されます。少ない試合数ですと統計的誤差が大きいですから1打順につき2000試合はやったほうがいいです。時間がかかります。

viewseries.html : --seriesと--save-series指定での複数試合実行モードで結果series.xmlが表示できます。勝率や得失点グラフなどが表示されます。1000試合は5秒程度でシミュレーション実行できます。

viewstats.html　： --series指定での複数試合実行モードでの結果stats.xmlが表示できます。viewseries.htmlにも選手スタッツは表示されますが項目数が少ないです。こちらの画面のほうが項目数が多いです。

シミュレーション動作環境

x86系CPUのWindowsのOS上のローカル環境で動作します。コマンドプロンプトもしくはWindows Power Shellでご利用ください。

Windows Power Shellの場合は、./npbscraper.exeや./battingordersim.exeのように./と実行ファイル名の前にパス記述が必要です。

結果確認環境

HTMLファイルの表示はOSを問いません。ブラウザで表示してご利用ください。ローカル環境で動作します。ネット上のサービスは利用しておりません。

実行方法

※Windows Power Shellでは実行ファイルの前に./を付けて実行してください。

2025年の選手データをダウンロードしてエクセルファイルを作成します。

これでroster2025@作成日時.xlsxファイル（主力選手）とroster2025@作成日時others.xlsx（その他の選手）が作成されます。roster2025@作成日時.xlsxファイルのみがシミュレーションで使用する入力ファイルとなります。

各球団ごとにシートが分かれてます。順番はセリーグ、パリーグの順で、順位の順番になってます。

シーズン途中でのデータ取得の場合はその時点までのデータとなります。

このExcelファイルは必要に応じて編集していただいても結構です。本アプリでは主力選手として1チームで出場試合数の多い18人のみが選定されてます。

特に先発ピッチャーはエース級一人と平均的ピッチャー一人の2人のみが主力選手となってます。追加する場合はroster2025@作成日時others.xlsxから選手の行をコピペしてご利用ください。

選手のID番号はチームごとに連番になってます。編集する場合も重複しないようにしてください。

スターティングオーダーの打者９人の役割は”スタメン”となってます。編集する場合は”スタメン”は９人のみとしてください。”スタメン”の守備位置も重複しないようにしてください。

2025年,2026年のセリーグはDH制ではありませんが、DH制としてエクセルファイルは生成されます。

”スタメン”ではない打者は”控え”としてください。

次にシミュレーションを実行します。まずは1試合のみやってみます。対戦する２チームとしてExcelシート名の番号を２つ指定します（セリーグは1から6、パリーグは7から12。順位順となってます）。シミュレーションではDH制のみを扱います。

として実行しますと1ゲームだけの詳細な結果がdetailgame.xmlに保存されます。

結果確認

シミュレーションを実行しますと各種XMLファイルが作成されます。各XMLファイルの表示ができるHTMLファイルがあります。実行モードによって生成されるXMLファイルは異なります。

ブラウザのアドレス欄にHTMLファイルをドロップして表示します。すると、ファイルドロップ枠が表示されますので、指定されたXMLファイルをドロップすると表示されます。

viewdetailgame.htmlの画面にdetailgame.xmlをドロップしますと球場表示での確認ができます。

再生ボタンなどのボタン類がありますので、押すと打者などの状態が遷移します。

スコアボードをクリックしますと任意のイニングへジャンプできます。

一番下に検索パネルがあります。ここで任意のイベントを検索できます。検索結果をクリックすることで該当打席にジャンプできます。

直近1か月のエクセルを作成する方法

2025シーズン開始からシーズン中に頻繁に複数回以下を実行しておいたとします。例えば1週間おきに定期的に実行しておいたとします。

を実行していたとしますと、html_cacheというキャッシュフォルダに2025@取得日時というフォルダが作成されていきます。今日も同様に取得したとします。また1か月前に生成したキャッシュ内サブフォルダがあるとします。

シーズン中の場合には公式記録は随時更新されていくため、試合数が増えていくごとに打席数などの数値が増えていきます。

--subに続いてhtml_cache内のサブフォルダ名を２つ指定します。

そうしますと、今日のデータから1か月前以上のデータを引き算してデータがマージされます。つまり、直近1か月のデータのみでExcelファイルが生成されます。

出力ファイル名は1つ目のサブフォルダ名_sub_２つ目のサブフォルダ名.xlsxとなります。

この例の場合は1か月でしたがキャッシュのサブフォルダの日付次第で、さまざまな期間のデータを抽出できます。

--addオプションの場合は引き算ではなく足し算を行います。--addまたは--subを指定した場合はキャッシュを利用するため、インターネット上の公式サイトにはアクセスしません。

--subや--addは1つ目に指定したデータに対して、2つ目に指定したデータで引き算/足し算を同じ選手名の行で演算します。各種率に関しては、再計算してます。

ただし、--subの場合は、データ不足となる場合があります。また先発投手や中継ぎ投手などが自動選出されない場合があります。先発投手で30イニング以上、中継ぎ投手で3ホールド以上、抑え投手で１セーブ以上が必要です。

キャッシュを消去するには、エクスプローラでhtml_cache内のサブフォルダを削除してください。

--subや--addオプション指定で、サブフォルダ名を１つのみ指定で実行しますと、キャッシュからエクセルファイルをオフラインで生成します。

実行モード

1試合実行

のように実行します。11 7というのが対戦する２つのチームの番号で、これはエクセルファイルでのチームが掲載されているシート番号です。シート名に番号がありますのでそれを指定します。

はじめに指定したほうのチームが後攻となります。

複数試合実行

のように実行します。1000試合は5秒程度で実行できます。detailgame.xmlは初めの1試合のみの出力となります。

打順全パータン実行

のように実行します。デフォルトでは打順１番から６番までのスタメン6人の打順を総当たりで実行します。1パターンにつき上記では2000試合実行します。detailgame.xmlは初めの1試合のみの出力となります。

1パターンにつき2000試合の場合は6の階乗(720パターン）の2000倍の試合数となります。

1パターンにつき1000以下ですと統計的誤差が結構ありますので、あまり結果に信頼性はありません。統計的な誤差を少なくするために2000以上はほしいところです。

--exchangeオプションを使用することで任意の複数の打順番号のみをパターン対象にして計算量を劇的に少なくすることができます。--exchange 345としますと６パターンとなります。

その他のオプション

--list　：　--inputで指定されたエクセルファイルからチーム名と番号を読み取りダンプします。

--pitcher-aまたは--pitcher-b　：　はじめ/2番目に指定したチームの先発ピッチャーを指定します。aceであればエース級、backupであれば平均的投手(デフォルト）,数値であればエクセルの番号列が一致する投手の指定となります。

--perm-aまたは--perm-b　：　はじめ/2番目に指定したチームの打順の数値列を指定します。123456789がデフォルトです。213456789としますと、打順1番と2番が入れ替わります。--gameperlineupで全パターン実行する場合、--perm-aで指定した初期打順から全パターンが生成されます。

--exchange　：　--gameperlineupで全パターン実行する際に、変更対象とする打順位置を指定します。
デフォルトは123456（上位6位置）です。セイバーメトリクス的には下位打者（7,8,9番）の打順変更は得点への影響が小さいため、上位6打者のみの全パターン（6! = 720パターン）を計算することで、計算量を9全パターン（9! = 362,880パターン）から大幅に削減できます。
全パターン実行時には720パターン × ゲーム数となるため、計算時間が各段に短くなります。789と指定すると7,8,9位置のみを変更して3! = 6パターンを生成します。
--perm-aと組み合わせることで、指定した初期打順から、指定位置のみをシャッフルした全パターンを実行できます。

--seed ：　番号を指定すると乱数のシード値が変わります。同じ設定で異なる内容の試合を行う場合に使用します。複数試合を自動的に行う場合は内部処理で自動的にシードの番号が連番となります。

--no-steal-aまたは--no-steal-b ：　はじめ/2番目に指定したチームの盗塁を禁止します。

--no-bunt-aまたは--no-bunt-b ：　はじめ/2番目に指定したチームのバントを禁止します。

--no-handedness　：　打者の左右打ちとピッチャーの左右投げの相性で安打する確率を変更するかどうかの設定です。デフォルトでは変更します。オプション指定で無効にできます。ただし、打者やピッチャーの過去データは使用してません。一般的に右打ち打者は左投げより右投げピッチャーを不得意とする傾向があり、左打ち打者は右投げより左投げピッチャーを不得意とする傾向がありますから、平均的な調整を行ってます。実際は個人によっては逆の傾向となるのですが、本シミュレーションでは一律の調整となってます。

--pattern-limit ：　通常は使用しません。--gameperlineupでの実行が時間がかかるパターン数の制限を行うデバッグ用オプションです。数値を指定するとそのパターン数以降は処理しません。

--verbose ：　通常は使用しません。デバッグ用のダンプ表示用です。

--dump-order-teamおよび--sort-by　：　--inputでファイル指定は必要ですが、通常の実行と異なり2チームの番号指定はしません。--dump-order-teamでチーム番号を１つ指定します。--sort-byで打順の構成方法を指定すると、打順の数値列および選手名およびソートに使用した率をダンプします。--perm-aまたは--perm-bで利用できる数値列です。--sort-byには以下のキーワードが使用できます。

batting（打率順）, batting-reverse（打率逆順）, obp（出塁率順）, obp-reverse（出塁率逆順）, ops（OPS順）, ops-reverse（OPS逆順）, slg（長打率順）, slg-reverse（長打率逆順）, hr（本塁打率順）, hr-reverse（本塁打率逆順）,sabemetrics（従来型セイバーメトリクス理論順）, sabemetrics-reverse（従来型セイバーメトリクス理論逆順）

本シミュレーションで考慮されているイベント

ストライク/ボール/ファウル

四球、死球

打率、長打率、本塁打率、出塁率

防御率

平均投球回数

守備範囲（走力で判定）

エラー、パスボール、ワイルドピッチ

犠牲バント、犠牲フライ、タッチアップ

盗塁、走塁でのランナー走力

シングルヒット、2塁打、3塁打、ホームラン

ダブルプレー

打球方向、ゴロ、ライナー、フライ、ファウルフライ

ピッチャー交代。負けゲーム、勝ちゲーム、点差が離れた勝ちゲームでの交代

球数でのピッチャー交代

代打。打力が低い打者に打力の高い代打

代走。走力の低いランナーに走力の高い代走

本シミュレーションで考慮されていないこと

延長戦。延長戦は常になしで実行されます。つまり９回同点の場合は引き分けとして処理されます。

球速、球種、コース

フィルダースチョイス

エラー率の個人差

ピッチャーの疲労度。1試合内での疲労度も、複数試合での連投の疲労度も考慮されません。

左右打ちと左右投げの選手ごとの相性の個人差

投手と打者の個人的相性

ピッチャーの打席。常にDH制として処理されます。

牽制球

キャッチャーの盗塁阻止率

野手の肩の強さ

カウントによるバットスイングの違い

控え選手、投手の多さ。交代の多さ。限定的な人数でシミュレーションは実行されます。

--exchangeオプションの活用と打順最適化の効率化

本シミュレーションにおいて、全打順パターンの検証は計算量が膨大になるという課題があります。
例えば、スタメン9人の全順列は9! = 362,880パターンです。これに各パターンで複数試合を実行すると、実行時間が非常に長くなります。

打順人数別パターン数一覧

セイバーメトリクス理論に基づく最適化戦略

従来型セイバーメトリクス理論によりますと、打順の下位の打者（特に7,8,9番）の打順変更は得点への影響が相対的に小さいとされています。全パターンを実行する際に--exchangeオプションで上位打順の123456や12345を指定することで計算量を劇的に減らすことが可能です。。

--exchangeオプションの活用例

• --exchange 123456（デフォルト）：上位6人のみを変更。6! = 720パターン。下位3人（7,8,9番）は固定値として保持されます。
• --exchange 12345：上位5人のみを変更。5! = 120パターン。セイバー理論に基づく計算時間を短くした設定。
• --exchange 345：中軸３人のみを変更。3! = 6パターン。特定の打順位置での最適化検証用。

実行時間の削減効果

• 全9人（362,880パターン）vs 上位6人（720パターン）：計算量削減率 = 504倍（362,880 ÷ 720）
• 全9人（362,880パターン）vs 上位5人（120パターン）：計算量削減率 = 3,024倍（362,880 ÷ 120）
• 実践的な推奨設定：上位5人のみをシャッフル（--exchange 12345）する設定で2000試合(--gameperlineup 2000)以上行う。

本プロジェクトでの適用例

従来型セイバーメトリクス理論での打順（--dump-order-team --sort-by sabemetricsで得られた打順数値列を--perm-aで指定）を、上位5位置（--exchange 12345）のシャッフルで5000ゲーム実行する場合、5! = 120パターン × 5000ゲーム = 60万ゲームの検証が実現可能になります。この方法により、統計的に十分な信頼性を保ちながら、計算時間を実用的なレベルに抑えることができます。

従来型セイバーメトリクスとの違い

従来のセイバーメトリクスは過去の大量の実績データを元にして、調査対象となる場面に適合するデータを抽出する統計学的調査が必要でした。

そのため過去事例が少ない場合には統計的誤差が大きくなるという問題がありました。

結局、計算シミュレーションと併用する必要がありました。

また、完全に同じ前提での過去事例を得ることが難しいことも問題です。例えば、ノーアウトランナー1塁で犠牲バントをするかどうかは、バントをしたデータとしないデータを比較する必要があります。

ところが、バントをしたデータというのはバントをしたほうがいいと判断した場面であり、バントをしなかったデータというのはバントをしないほうがいいと判断した場合のデータです。対戦チームもピッチャーも異なります。データが導出される前提が異なるのです。

本シミュレーションでは打者や投手の能力値（打率や防御率など）があれば、結果が得られるという点が異なります。バント禁止も戦略として指定できます。

また、従来のセイバーメトリクスでは特定の場面に対しての確率分布は細かく出せるものの、ゲームが進んだ後はどのような影響が出るのかといった、未来の影響まで測ることは困難でした。

本シミュレーションではゲーム全体をそのまま行いますので、ゲーム全体に及ぶ影響も結果に含まれます。

大量の試合数をこなすことにより統計的誤差を小さくすることができます。

必要試合数の算定

シミュレーション結果の信頼性は試合数に大きく依存します。本シミュレーションで要求される試合数は、結果に求める精度（許容誤差）によって異なります。実際のテスト結果から以下のような関係が確認されています。

実験結果：埼玉西武ライオンズ vs 福岡ソフトバンクホークス　（2025年の全公式戦データを利用　以降検証も同じ）

異なるシード値での複数実行により、試合数による勝率の安定性を検証。

結果解釈と収束特性

上表から、試合数による勝率の推移が確認できます。10試合から10,000試合への拡大過程で、以下の特性が観察されます：

• 10試合：12.5%（信頼性なし）— 統計的変動が大きく、信頼性が極めて低い
• 100試合：33.8%（不安定）— 変動が大きい
• 1,000試合：31.3%（安定開始）— 変動が縮小し始める。大まかな傾向が判明するが、誤差である可能性もある
• 2,000試合：32.4%（やや安定）— 実用的。ある程度信頼できる。
• 5,000試合：31.1%（安定）— 誤差がさらに小さくなる。信頼できる。実用的
• 10,000試合：30.6%（最安定）— 再確認用途

統計計算式と応用

1. 標準誤差（Standard Error）の計算：

ここで：

• p = 勝率（基準値）= 0.306（10,000試合での実測値）
• n = 試合数
• SE = 標準誤差

例：n=1,000の場合
SE = √[0.306 × 0.694 / 1000] = √0.000212 = 0.0146 = ±1.46%
解釈：1,000試合での勝率観測値は、真の値（30.6%）から約±1.46%のぶれを持つ

2. 信頼区間（Confidence Interval）の計算：

ここで：

• z = 信頼度係数（95%信頼度：z=1.96）
• p = 勝率（0.306）
• SE = 標準誤差

例：n=1,000、95%信頼度の場合
下限 = 0.306 - 1.96 × 0.0146 = 0.277 = 27.7%
上限 = 0.306 + 1.96 × 0.0146 = 0.335 = 33.5%
解釈：1,000試合の結果から、「真の勝率は27.7%～33.5%の範囲にある」と95%信頼度で言える

3. 必要試合数（Sample Size）の計算：

ここで：

• z = 信頼度係数（95%信頼度：z=1.96）
• p = 勝率（0.306）
• E = 許容誤差（例：0.02 = ±2%）
• n = 必要試合数

例：95%信頼度で±2%の精度が必要な場合
n = (1.96)² × 0.306 × 0.694 / (0.02)²
n = 3.8416 × 0.212 / 0.0004 = 2,036試合
解釈：勝率を30.6% ± 2%（28.6%～32.6%）の精度で測定するには、約2,036試合が必要

許容誤差別の必要試合数

実務的推奨：試合数の選択

統計的結論：試合数を増やすことで誤差は 1/√n に比例して減少します（nは試合数）。

📋 従来型セイバーメトリクス理論における2番最強打者説

1番打者（リードオフマン）

• 主な役割： 出塁してチャンスを作り、高打率・高出塁率のクリーンアップに繋ぐ。
• 重視される指標： 出塁率（OBP）、俊足（盗塁・走塁能力）。
• 解説： 試合開始時に必ずランナーのいない状態で打席が回るため、まずは「アウトにならない能力（高い出塁率）」が最優先されます。足が速ければ単打が二塁打と同等の価値を持ち、相手バッテリーへのプレッシャーとなります。

2番打者（最強打者）

• 主な役割： 1番打者を送り進塁させる、または自らも出塁してチャンスを拡大する。近代野球では強力な打者を置く傾向が強い。
• 重視される指標： 出塁率（OBP）、OPS、作戦遂行能力（バント・進塁打）、長打力（最強の2番理論）。
• 解説： 従来の日本プロ野球では「バントや右打ちが得意な繋ぎの打者」が定番でしたが、セイバーメトリクス理論の普及に伴い、「最も打席が多く回り、かつランナーを置いた状態になりやすい位置」として、チーム内で1, 2を争う強打者を配置する「最強の2番打者」戦略が主流になりつつあります。

3番打者（クリーンアップの核）

• 主な役割： ランナーをかえす主軸。同時に、4番にチャンスを繋ぐ高い確実性。
• 重視される指標： 高打率、高出塁率（OBP）、OPS。
• 解説： 1回表・裏に必ず打席が回るため、4番打者よりも多くの打席数が確保されます。そのため、長打力だけでなく、チーム内で最も打率が高く、確実性に優れた総合力No.1の打者が置かれるケースが多いです。

4番打者（長打のある主砲）

• 主な役割： 溜まったランナーを一掃する一打、ホームランによる大量得点。
• 重視される指標： 長打率（SLG）、本塁打数、打点。
• 解説： 伝統的にも統計的にも、最もランナーが溜まった状態で打席が回りやすいポジションです。一振りの長打で試合を決定づけられる、チーム最大の長打力を持ったパワーヒッターが最適とされます。

5番打者（第2の主砲）

• 主な役割： 4番が敬遠されたあとの勝負、または残ったランナーをかえす第2の主砲。
• 重視される指標： 長打率（SLG）、OPS。
• 解説： 4番打者と同等、あるいはそれに次ぐ長打力が求められます。5番に確実性やパワーのある打者を置くことで、相手投手が4番打者との勝負を避ける（敬遠）ことを抑止するプロテクターとしての効果も持ちます。

6番打者（第2のリードオフ）

• 主な役割： クリーンアップが途切れたあとのチャンスを再構築する、または下位打線での得点。
• 重視される指標： 総合的な打撃力、出塁率。
• 解説： ここからは「下位打線」に位置づけられますが、上位が出塁できなかった場合に「第2の1番打者」として機能できる、上位に引けを取らない打撃能力を持つ選手が好ましいとされます。

7番・8番・9番打者（下位打線）

• 主な役割： 上位打線への橋渡し、守備負担の大きいポジションの選手の配置。
• 重視される指標： 出塁率（9番）、守備力重視。
• 解説： チーム内で相対的に打撃優先度の下がる選手が配置されます。

📊 --sort-by sabemetrics（従来型セイバーメトリクス理論順）の算出ロジック

オプションで --sort-by sabemetrics を指定した際、シミュレータ内部でどのように打者能力を評価し、1〜9番の初期打順数値列を出力しているかのロジック解説です。一般的なセイバーメトリクスで言われる「打席の多さ」と「得点期待値」を最大化するアルゴリズムに基づいています。

ステップ1：打者の総合貢献度（OPS・出塁率など）でランキングを作成

まず、対象チームのスタメン候補の中から、出塁率（OBP）および長打率（SLG）をベースとした「出塁能力と長打能力のバランス」をもとに打者を序列化します。

ステップ2：重要度の高い打順へ上位選手を配置

セイバーメトリクスにおける「打順の重要度」は、一般的に 2番 ＞ 1番 ＞ 4番 ＞ 3番 ＞ 5番 ＞ 6番 ＞ 7番 ＞ 8番 ＞ 9番（※諸説あり、本システムでの調整ベース）とされます。この重要度と性質に従って、以下のルールで自動配置を行います。

• 最重要打者（チーム1位・2位の強打者）： 出塁回数が最も多くなる「1番」および「2番」に配置されます。特に2番は長打と出塁の双方を高い次元で持つ選手が選ばれます。
• ポイントゲッター（チーム3位・4位の強打者）： ランナーを置いた場面での期待値が最も高い「3番」および「4番」に配置されます。長打率が極めて高い選手は4番へと優先配置されます。
• 繋ぎと下位の構築（チーム5位以下の打者）： 5番、6番、7番、8番、９番の順に、残った能力の高い選手から配置を割り振ります。

このロジックによって出力された打順（例：743852961）を基準点（--perm-a）とし、そこから --exchange で上位をシャッフルすることで、さらにそのチーム固有の「真のベスト打順」を効率的に探索できるよう設計されています。

ベスト打順 vs ワースト打順 vs セイバーメトリクス理論値の比較検証

gameperlineup 5000 で見つけたベスト打順とワースト打順、さらに従来型セイバーメトリクス理論に基づいた打順について、それぞれ series 10000 での性能を比較検証しました。

実験条件

• 対戦：埼玉西武ライオンズ vs 福岡ソフトバンクホークス
• 先発投手：西武：防御率（ERA 3.04）、ソフトバンク：防御率（ERA 2.51）
• 検証対象打順：
  • ベースとなる打順数値列は--dump-order-team 11 --sort-by sabemetricsで出力した従来型セイバーメトリクスの打順で、743852961を使用。
  • この打順をベースとして、打順の１番から5番の全パターンを調査。 --perm-a 743852961 --gameperlineup 5000 --exchange 12345で実行
  • 打順の１番から5番の全パターンのうち、ベスト１が勝率34.20%で784532961の打順列で、ワースト１が勝率30.36%で853472961の打順列と判明
  • ベスト1打順で10000ゲームを調査。シード値変更で３セット
  • 従来型セイバーメトリクス理論値の打順で10000ゲームを調査。シード値変更で３セット
  • ワースト1打順で10000ゲームを調査。シード値変更で３セット
• 試合数：各打順で 10,000試合（シード値 1000001, 2000001, 3000001 で各実行）
• 実行コマンド：
  • 従来型セイバーメトリクス順の数値列：battingordersim.exe --input roster2025@20260605114559.xlsx --dump-order-team 11 --sort-by sabemetrics
  • gameperlineup: battingordersim.exe 11 7 --input roster2025@20260605114559.xlsx --perm-a 743852961 --gameperlineup 5000 --exchange 12345
  • series（ベスト）: battingordersim.exe 11 7 --input roster2025@20260605114559.xlsx --perm-a 784532961 --series 10000 --save-series --seed 1000001/2000001/3000001
  • series（セイバー）: battingordersim.exe 11 7 --input roster2025@20260605114559.xlsx --perm-a 743852961 --series 10000 --save-series --seed 1000001/2000001/3000001
  • series（ワースト）: battingordersim.exe 11 7 --input roster2025@20260605114559.xlsx --perm-a 853472961 --series 10000 --save-series --seed 1000001/2000001/3000001

実験結果：3つの打順の勝率比較

結論：gameperlineup による実証的最適化の有効性

本実験により、以下のことが実証されました：

• gameperlineup による最適化が確認されました。ランキング1位のベスト打順が従来型セイバーメトリクス理論値を上回りました。
• 打順による勝率変動は測定可能です。ベスト打順とワースト打順の間で 1.1% の勝率差が確認されました。
• 従来型セイバーメトリクス理論値の妥当性が確認できました。理論値がランキング平均値付近に位置してます。
• 打順１番から５番での全パターンでの勝率差は1.1%と僅かです。

📊 OPS逆順打順の影響検証

OPSの逆順で打順を組み、明らかに悪い戦術がどれだけの悪影響を及ぼすかを検証します。 この結果を従来型セイバーメトリクス理論値の打順および gameperlineup で発見したベスト/ワースト打順と比較することで、 打順最適化の実践的な価値を定量的に証明します。

実験設定

埼玉西武ライオンズ vs 福岡ソフトバンクホークスにおいて、西武の OPS 逆順打順での勝率を30000試合で求めました。勝率は30.9%となりました。

OPS逆順と gameperlineup 最適化の比較

OPS逆順はスタメン９人の最悪ケース想定であり、勝率30.9%となりました。前述の１番から５番並び替えでのワースト1での勝率が31.4%と比較して-0.5%となり、打順最適化は勝率に統計的に有意な影響を与えることが証明されました。
しかしながら、実戦で最悪ケースに近い打順を組むことは考えにくく、旧来の考え方での打順でも最適に近い打順になっているものと考えられます。打順最適化効果は限定的であることも確認できました。
本シミュレーションのように短時間でベストケースを算出できるツールは実運用でも有用であると考えられます。

打順最適化の効果：チーム力による検証

検証概要

gameperlineupオプションを用いた大規模シミュレーション分析により、チーム力の拮抗度が打順最適化の効果に与える影響を検証しました。実力差が大きい対戦と拮抗した対戦での差異を明らかにしています。

1. 西武 vs ソフトバンク（実力差が大きい対戦）

実験条件

• 対戦：西武（弱いチーム）vs ソフトバンク（強いチーム）
• 分析方法：gameperlineup 5000ゲーム/パターン、打順1～5番を入れ替え
• 検証パターン：各パターン seed 0, 1, 2 で series 10,000ゲーム実行

結果

2. 楽天 vs ロッテ（拮抗した対戦）

実験条件

• 対戦：楽天（チーム10）vs ロッテ（チーム12）
• 分析方法：gameperlineup 5000ゲーム/パターン、打順1～5番を入れ替え
• 検証パターン：各パターン seed 0, 1, 2 で series 10,000ゲーム実行
• セイバーメトリクス値：楽天の理論値 943672158

結果

3. 比較分析：実力差による打順効果の変化

4. 詳細な分析結果

セイバーメトリクス理論値の位置付け

• 西武 vs ソフトバンク
  • セイバー値（32.4%）は最良打順（32.8%）より-0.4%低い
  • ランキング順位：20位（中位）
  • 理論値がベストから遠い傾向
• 楽天 vs ロッテ
  • セイバー値（48.2%）は最良打順（49.8%）より-1.6%低い
  • 拮抗した対戦でのセイバー値の相対的な位置が異なる

シード値による変動の安定性

• 西武 vs ソフトバンク：セイバー理論値で seed 間に1.8%の変動あり（seed依存性あり）
• 楽天 vs ロッテ：すべてのパターンで seed 間の変動がない（完全に安定、reproducible）

5. 結論：打順最適化の実務的含意

1. 拮抗したチーム間では打順が重要

   チーム力が同等に近いほど、わずかな打順の工夫が勝率に大きく影響します。楽天 vs ロッテのような互角な対戦では、2.2%の効果差となり比較的大きな意味を持ちます。

2. 実力差が大きい場合は他要因が支配的

   西武 vs ソフトバンクのように実力差が大きい場合、チーム全体の実力が結果を決定する大きな要因となり、打順最適化の相対的な重要性は低下します。

3. gameperlineup による最適化は実力が近いチーム間で特に価値

   打順最適化ツールの活用は、同一リーグ内の拮抗したライバルチーム対戦での競争優位を生む可能性があります。

4. 従来型セイバーメトリクス理論値の汎用性

   従来型セイバーメトリクスの理論値は、瞬時に算出可能で無難です。

📋 バントと盗塁の効果の検証

検証目的

実力差のある対戦（西武 vs ソフトバンク）と拮抗した対戦（楽天 vs ロッテ）における、 バント禁止、盗塁禁止、での実行結果を比較分析します。 チーム力差によって戦略の効果がどのように異なるかを検証します。

🔬 西武 vs ソフトバンク（実力差が大きい対戦）

西武の視点での戦略効果

基準値勝率：西武 36.7%（311-536-153）、ソフトバンク 63.3%（536-311-153）

ソフトバンクの視点での戦略効果

基準値勝率：ソフトバンク 66.3%（570-290-140）、西武 33.7%（290-570-140）

🔬 楽天 vs ロッテ（拮抗した対戦）

楽天の視点での戦略効果

基準値勝率：楽天 43.5%（383-498-119）、ロッテ 56.5%（498-383-119）

ロッテの視点での戦略効果

基準値勝率：ロッテ 51.7%（461-431-108）、楽天 48.3%（431-461-108）

盗塁の有効性

盗塁禁止時の勝率低下は、逆に盗塁が使用可能な時の価値を示します。つまり、盗塁禁止で-4.9%の悪化が発生するということは、盗塁が実行可能であることで+4.9%の優位性を持つということです。

バント戦略の効果検証：2000サンプル比較分析

ノーアウト1塁およびノーアウト1塁2塁の状況で、バント実行とバント禁止の戦略効果を定量的に検証しました。 チーム最多バント打者（西武：ID2、ソフトバンク：ID5）を対象に、エース投手対決と平均的投手対決の両シナリオで実施。

分析ツール：analyzebunt.exe

本分析は analyzebunt ツールで実施されました。このツールは、指定した走塁状況でのバント戦略の効果を詳細に検証します。 バント実行モードとバント禁止モード（--no-bunt-a オプション）の両モードを自動実行し、勝率と得点を比較します。

analyzebunt.exe の動作メカニズム

analyzebunt.exe は以下のように動作します：

1. 1試合実行の反復呼び出し： 内部的に battingordersim.exe の1試合実行を呼び出します。 指定したサンプル数（--target-count）に到達するまで、繰り返し実行を続けます。
2. detailgame.xml の分析： 各試合終了後、生成された detailgame.xml ファイルを分析します。 指定された走塁状況（ノーアウト1塁、ノーアウト1塁2塁）でのイベントを抽出し、 その回での得点、勝敗、バント成功・失敗などの統計情報を収集します。
3. バント実行モードの実行： --pitcher-a / --pitcher-b で指定された投手の下で、 バント実行を許可した状態（--no-bunt-a フラグなし）で上記を繰り返します。 特定の選手のみに打者を限定して統計を得ることができます。
4. バント禁止モードの実行： 同一の投手設定で、battingordersim.exe に --no-bunt-a フラグを付けて実行し、 バントを完全に禁止した状態での統計を収集します。
5. 結果の集計と出力： 両モードで収集した統計データを集計し、JSON 形式と テキスト形式で出力します。 テキスト形式の出力には、局面別の勝率、得点差、バント成功率などが日本語で記載されます。

analyzebunt.exe - コマンドラインオプション

基本的な使用方法：

オプション一覧：

出力ファイル：

• bunt_analysis_results_team{N}.txt - 分析結果のサマリー（テキスト形式、日本語）

本分析での実行コマンド（4パターン）

以下の4つのコマンドで、バント実行とバント禁止の両モードを分析しました：

1. 西武 (ID2) - エース投手対決

結果：バント実行時 1,902点 → バント禁止時 2,261点（差分：-359点）

2. 西武 (ID2) - 平均的投手対決

結果：バント実行時 2,321点 → バント禁止時 3,062点（差分：-741点）

3. ソフトバンク (ID5) - エース投手対決

結果：バント実行時 1,980点 → バント禁止時 2,922点（差分：-942点）

4. ソフトバンク (ID5) - 平均的投手対決

結果：バント実行時 2,890点 → バント禁止時 4,121点（差分：-1,231点）

打率データ取得のための再現コマンド（battingordersim）

分析に使用した打者とスタメン平均の打率は、以下の2つのコマンドで5000試合シミュレーションを実行し、 生成されたstats.xmlファイルから打率データを抽出しました。

平均的投手対決での打率取得（5000試合）

出力ファイル：stats.xml → statsbackup.xml にリネーム

エース投手対決での打率取得（5000試合）

出力ファイル：stats.xml → statsace.xml にリネーム

分析対象

先発投手の防御率

エース投手対決（西武エース vs ソフバンクエース）

総試合数：西武 123,155試合 / ソフトバンク 102,594試合

バント実行モード

バント禁止モード

平均的投手対決（西武BP vs ソフバンクBP）

総試合数：西武 96,394試合 / ソフトバンク 74,548試合

バント実行モード

バント禁止モード

統合分析：バント戦略の効果

バントをしない戦略が有利

• ノーアウト1塁での戦術
  バントよりも、打者の安打を期待する方が得点効率が高い傾向があります。
• ノーアウト1塁2塁での展開
  バント禁止がさらに有利になります（特に西武：35.1% → 40.4%、ソフトバンク：67.0% → 74.0%）。
• 相手投手の防御率
  相手投手の防御率に関わらずバント禁止の優位性が総じて大きいという結果です。
• 個別打者の適性
  高いバント成功率を持つ打者であっても、得点獲得にはバントをしない方が数値上有利です。
• １点を取りたい場面
  とにかく１点を取りたいという場面であっても、得点獲得にはバントをしない方が数値上有利です。