mlb-category-state-analyzer

MLB カテゴリー状況アナライザー

目次

• 例
• ワークフロー
• 一般的なパターン
• ガードレール
• クイックリファレンス

例

シナリオ：第3週、K L's Boomers（チーム5）対 Los Doyers。水曜日の午前中（週の中盤）。残り4日間が集計対象です。

対戦スコア（Yahooの対戦ページから取得）：

カテゴリー	自チーム	相手	差	残り試合数（自チーム／相手）
R	28	31	-3	26 / 22
HR	9	7	+2	26 / 22
RBI	30	29	+1	26 / 22
SB	4	6	-2	26 / 22
OBP	.342（82 PA）	.336（78 PA）	+.006	26 / 22 GP
K	42	38	+4	先発登板9回 / 先発登板7回
ERA	3.80（21 IP）	4.12（19 IP）	-0.32（優勢）	9 / 7
WHIP	1.18（21 IP）	1.25（19 IP）	-0.07（優勢）	9 / 7
QS	2	1	+1	9 / 7
SV	3	5	-2	約8 RP日 / 約8 RP日

シミュレーション用に作成した予測値（週の残りの {mean, stddev} — resources/methodology.mdを参照）：

カテゴリー	自チームの予測	相手の予測
R	最終 52 ± 9	最終 57 ± 8
HR	最終 15 ± 3.5	最終 13 ± 3.2
RBI	最終 52 ± 9	最終 55 ± 8
SB	最終 6 ± 2.3	最終 10 ± 2.5
OBP	.346 ± .015	.341 ± .014
K	最終 96 ± 11	最終 85 ± 10
ERA	3.88 ± 0.40	4.05 ± 0.45
WHIP	1.20 ± 0.07	1.25 ± 0.08
QS	最終 6.1 ± 1.5	最終 3.8 ± 1.4
SV	最終 4.8 ± 1.4	最終 7.7 ± 1.5

matchup-win-probability-simに委任し、次を指定します：

• cat_list = [R, HR, RBI, SB, OBP, K, ERA, WHIP, QS, SV]
• cat_inverse_list = [ERA, WHIP]
• cat_win_threshold = 6
• 上の表にあるour_per_cat_projection / opp_per_cat_projection
• sim_mode = "monte_carlo"、n_simulations = 10000、random_seed = 42

シミュレーション出力（このスキルで使用）：

• matchup_win_probability = 0.58
• per_cat_win_probability: R 0.36、HR 0.65、RBI 0.42、SB 0.16、OBP 0.60、K 0.74、ERA 0.62、WHIP 0.68、QS 0.85、SV 0.10
• expected_cats_won = 5.18

カテゴリーごとのシグナル（シミュレーション出力＋野球の状況からここで導出 — resources/methodology.mdを参照）：

カテゴリー	状況（現在の状態）	圧力（状況＋ペース）	到達可能性（= round(100 × p_cat)）	プントスコア（= f(1 − p_cat) + 変動性）	判定
R	劣勢	72	36	44	競り合いを維持
HR	優勢	48	65	21	維持
RBI	優勢（わずか）	65	42	35	競り合いを続ける
SB	劣勢	55	16	58	プントを検討
OBP	優勢（わずか）	70	60	24	競り合いを続ける
K	優勢	55	74	16	競り合いを続ける
ERA	優勢	62	62	23	競り合いを続ける
WHIP	優勢	60	68	19	維持
QS	優勢	78	85	9	積極的に競り合う
SV	劣勢	38	10	84	プント

総合的な推奨：積極的に狙うカテゴリー6、維持するカテゴリー2、プントするカテゴリー2。 対戦勝率58％（ほぼ互角ながら優勢）。

• 積極的に狙う（6）：HR、OBP、K、ERA、QS — それぞれper_cat_win_probability ≥ 0.60です。さらに、競り合いながらも到達可能な6つ目のカテゴリーとしてRBIも狙います。
• 維持（2）：WHIP（ほぼ確定）、R（到達可能性はやや低いものの、完全にプントするほどではありません）。
• プント（2）：SB（p = 0.16、到達可能性が低い）とSV（p = 0.10 ＋ 変動性ボーナス → プントスコア84）。

他のエージェントへの下流の影響：

• ラインナップ最適化ツール：matchup_win_probability = 0.58 → ほぼ互角ながら優勢のため、標準的なdaily_quality最適化を行います（分散への傾きはなし）。
• ウェイバー分析ツール：SP（QS、K、ERA）とOBP重視の打者を優先し、クローザーや俊足の専門選手は優先しません。
• ストリーミング戦略ツール：QSを記録できるSPはすべて先発させ、5イニングで降板するリスクのある投手は避けます。

ワークフロー

このチェックリストをコピーして進捗を記録します：

MLB Category State Analysis Progress:
- [ ] Step 1: Pull current matchup scores from Yahoo
- [ ] Step 2: Count remaining games/PAs/IP for both rosters
- [ ] Step 3: Build per-cat projection dicts ({mean, stddev}) for both rosters
- [ ] Step 4: Delegate to matchup-win-probability-sim (pass cat_list, projections, threshold=6, inverse=[ERA,WHIP])
- [ ] Step 5: Derive cat_position (from state), cat_pressure, cat_reachability, cat_punt_score from sim output
- [ ] Step 6: Rank cats and emit push/maintain/punt plan
- [ ] Step 7: Write signal file with YAML frontmatter (include matchup_win_probability from sim)

ステップ1：現在の対戦スコアを取得する Yahoo の対戦ページを Web 取得します：https://baseball.fantasysports.yahoo.com/b1/23756/5/matchup?week=N。10 カテゴリーすべてについて、両チームの現在の合計を抽出します。率系カテゴリー（OBP、ERA、WHIP）では、分母（OBP は PAs、ERA／WHIP は IP）も取得します。これは必須です。率系カテゴリーの投影は、比率の基になるボリュームなしでは作成できません。

• 打撃 5 カテゴリー：R、HR、RBI、SB、OBP（＋打数／打席数）
• 投球 5 カテゴリー：K、ERA、WHIP、QS、SV（＋投球回）
• シグナルファイルにソース URL を記載

スクレイピング手順と Yahoo にアクセスできない場合の代替手段については、resources/methodology.md を参照してください。

Step 2: 残りの試合数／PAs／IP を数える

各ロスターについて、スコアリング期間の残りに選手が出場する MLB の試合数を数え、PAs（打者）と IP（投手）を予測します。

• 打者の残り試合数：ロスター内の各打者について、所属チームの試合数 × 先発する確率を合計
• 投手の残り先発登板数：ロスターごとに、週の残り期間に予定されている SP の先発登板数
• リリーフ投手の残り日数：SV の予測に使用する、日数 × 対象となる RPs
• ボリュームの不均衡：一方のチームの試合数が明らかに多い場合、その差は予測平均に直接反映されます（したがって、per_cat_win_probability にも反映されます）。

MLB.com のスケジュールと先発投手予想一覧を使用します。resources/methodology.md を参照してください。

Step 3: カテゴリーごとの予測 dict を作成する

各チームについて、{cat: {mean, stddev}} 形式の dict を作成します。mean は予測した最終値（または、両チームで一貫して使用する残り値。どちらか一方の方式を選択）で、stddev は残りのボリュームに基づく不確実性を表します。

• カウント系カテゴリー（R、HR、RBI、SB、K、QS、SV）：mean = current_total + Σ(per-player per-game rate × games remaining × daily_quality)。デフォルトの変動係数として、stddev ≈ 0.35 × expected_remaining を使用します。
• 率系カテゴリー（OBP、ERA、WHIP）：mean = (current_ratio × current_volume + projected_remaining_ratio × remaining_volume) / total_volume。stddev ≈ σ_per_obs / sqrt(total_volume)。合計 IP／PA が増えるほど小さくなります。
• どちらの dict もキーが同一で、リーグの cat_list と完全に一致します。
• 上流の mlb-player-analyzer シグナルから OBP（AVG ではなく）と qs_probability（W ではなく）を使用します。「ガードレール」を参照してください。

resources/methodology.md を参照してください。

Step 4: matchup-win-probability-sim に委任する

適切な形式の入力ペイロードを指定して、隣接するスキルを呼び出します。

inputs to matchup-win-probability-sim:
  cat_list:           [R, HR, RBI, SB, OBP, K, ERA, WHIP, QS, SV]
  cat_inverse_list:   [ERA, WHIP]
  cat_win_threshold:  6
  our_per_cat_projection:  <dict from Step 3>
  opp_per_cat_projection:  <dict from Step 3>
  sim_mode:           "monte_carlo"
  n_simulations:      10000
  random_seed:        42
  tie_rule:           "half"

outputs consumed:
  matchup_win_probability  (float in [0,1])
  per_cat_win_probability  (dict[cat, float])
  expected_cats_won        (float)
  variance_estimate        (float)

• 両方の予測 dict に 10 カテゴリーすべてが含まれている
• cat_inverse_list = [ERA, WHIP]（低いほど有利）
• cat_win_threshold = 6（Yahoo の 10 カテゴリーの過半数）
• 再現性のためにシードを渡す
• シミュレーションの出力フィールドを取得し、Step 5 用に保存する

Step 5: シミュレーション出力と状態からカテゴリーごとのシグナルを導出する

resources/methodology.md の数式を適用します。確率計算はシミュレーションが担当し、このスキルは野球の状況解釈を担当します。

• cat_position ∈ {winning, tied, losing} — 現在の合計からローカルで計算します（シミュレーションは使用しません）。率系カテゴリーの方向も考慮します（OBP は高いほど有利、ERA／WHIP は低いほど有利）。
• cat_pressure（0～100）— 状況、僅差かどうか、ボリュームの優位性、確定済みフラグから算出する単純な計算値です。Quick Reference の pressure の数式を参照してください。
• cat_reachability（0～100）— 現在は round(100 × per_cat_win_probability[cat]) とします。シミュレーションの値をそのまま使用します。
• cat_punt_score（0～100）— (100 × (1 − per_cat_win_probability[cat])) × 0.6 + 30 × is_volatile + 20 × below_min_threshold − 10 × has_spillover を計算し、範囲内に収めます。

Step 6: 順位付けしてプランを出力する

cat_pressure × cat_reachability / 100 の値で 10 カテゴリーすべてに順位を付けます。

• 上位 6：強化 — これらをウェーバー、ストリーム、先発起用の優先対象にします
• 中位 2：維持 — 現状を保ち、使いすぎないようにします
• 下位 2：放棄を検討 — cat_punt_score > 60 なら放棄を確定し、それ以外は維持します H2H Catsでは、目標は10カテゴリ中6カテゴリを取ることです。妥当な方針は「6カテゴリを取りに行き、最大4カテゴリを譲る」です。出力シグナルの形式については、resources/template.mdを参照してください。

ステップ7：シグナルファイルを作成する

YAMLフロントマター（type: cat-state）を付けて、signals/YYYY-MM-DD-cat-state.mdに書き込みます。シミュレーションのmatchup_win_probabilityをトップレベルのフィールドとして含めます。保存する前にmlb-signal-emitterで検証してください。

• 10カテゴリすべてを含め、それぞれに4つのシグナルがすべて設定されている
• フロントマターにmatchup_win_probabilityとexpected_cats_wonが記録されている
• 再現性を確保するため、sim_metaブロック（sim_mode、n_simulations、random_seed）が記録されている
• 信頼度がデータ品質を反映している（Yahooのスクレイピングが不完全な場合は低くする）
• source_urlsにYahooのマッチアップページ、MLB.comのスケジュールページ、およびシミュレーションスキルへの参照が含まれている
• レッドチームの調査結果が記載されている（例：「相手には2先発のエースが控えており、K、ERA、WHIPを一度にひっくり返す可能性がある」）

出力はresources/evaluators/rubric_mlb_category_state_analyzer.jsonを使って評価してください。最低基準は平均スコア3.5以上です。

よくあるパターン

パターン1：週半ばの均衡した状況

• 水曜日の午前によくある状況：すでに確定しているカテゴリが3～4、接戦のカテゴリが3～4、変動の大きいカテゴリが2～3です。
• 対応：接戦のカテゴリを最優先で取りに行き、確定している勝ちカテゴリはそのまま維持し、確定している負けカテゴリは無視します。
• シミュレーションのカテゴリ別確率には、すでにこれが反映されています。p ∈ [0.40, 0.65]のカテゴリが競り合っているカテゴリです。

パターン2：出場数に偏りがあるマッチアップ

• 当方には打者の試合があと30試合ある一方、相手には22試合あります。カウント系カテゴリの予測値が上昇するため、R／HR／RBI／SBのシミュレーションにおけるper_cat_win_probabilityもそれに応じて上昇します。
• 対応：ラインアップを厚くし（休養日を減らし、ダブルヘッダーを行うチームを優先し）、ストリーマーに入札します。出場数の優位性によるプレッシャーの上昇はフラグによって反映され、到達可能性の上昇はシミュレーションで自動的に反映されます。

パターン3：2先発のエースが控えている（当方または相手）

• 投手の2先発週は、K、ERA、WHIP、QSを同時に左右することがあります。
• 予測値の辞書に反映します。その投手の予想IPとKを増やし、ERA／WHIPの平均値を改善し（その投手のERA／WHIPに近づけ）、QSの平均値をQS相当の先発1回あたり約0.45上げます。
• これにより、シミュレーションではper_cat_win_probabilityの変化に、投手カテゴリ4つが連動して動く様子が示されます。

パターン4：セーブカテゴリの変動性

• SVは発生頻度が低く、サヨナラ試合でのセーブ失敗1回でカテゴリがひっくり返ることがあります。
• 予測値の辞書では、平均値を低く（ロック済みクローザー1人あたり週≤ 2.5）、標準偏差を中程度（≥ 1.2）にします。2以上負けている場合、シミュレーションでは自然にper_cat_win_probabilityが0.1～0.25付近になります。
• cat_punt_scoreの変動性ボーナス+30（シミュレーションではなく、ここで適用）は、シミュレーションの到達可能性も同じ判断を示している場合に、SVを放棄対象にします。

パターン5：比率カテゴリの「凍結」

• 週の終盤に、相手がIP／PAの最低基準を大きく下回っている場合（例：金曜日の時点でIPが9回、これ以上の先発予定なし）、相手の比率カテゴリは現在の値で確定します。
• 予測値の辞書では、相手の比率カテゴリの標準偏差をほぼゼロに設定し、平均値を不利な値または放棄した値にします。これにより、シミュレーションは該当カテゴリのper_cat_win_probability ≈ 1.0を返します。

ガードレール

1. 率だけから OBP／ERA／WHIP を計算しないでください。必ず量（PA／IP）を含めてください。 10 PA での .400 の OBP が、82 PA での .342 より優れているわけではありません。比率カテゴリの投影辞書の平均／標準偏差には、加重平均の計算式を使用する必要があります。シミュレーションでは、それらを正しい値として扱います。

2. 最重要カテゴリは勝利数ではなく QS です。 このリーグではクオリティ・スタート（6+ IP、≤3 ER）を使用します。5 イニングの登板は 0 として記録されます。残りの QS を予測する際は、各 SP の先発登板数に QS の確率（mlb-player-analyzer の qs_probability シグナル）を掛けてください。予定されている先発登板数をそのまま数えてはいけません。

3. 5 番目のカテゴリは AVG ではなく OBP です。 四球もカウントされます。OBP の貢献度を予測する際は、選手の AVG ではなく OBP を使用してください。Juan Soto のような、四球が多く AVG が低い選手は、このリーグでは単純な安打率が示す以上の価値があります。

4. SV は変動が大きいため、シグナルが一致している場合は諦める判断を信頼してください。 打撃の累計カテゴリとは異なり、残り 3 日で 2 セーブ差があっても、ロスターに関係なく per_cat_win_probability は低くなります。ロスター内のクローザーの役割が確定していない場合は、セーブ獲得に固執しないでください（save_role_certainty が 70 未満なら、自動的に諦める候補です）。cat_punt_score の変動ボーナスはシミュレーションではなく、ここで適用されます。シミュレーションが返すのは生の確率です。

5. cat_reachability はシミュレーションから取得し、再計算しないでください。 これは委任されています。シミュレーションが per_cat_win_probability[R] = 0.36 を返す場合、cat_reachability[R] = 36 です。ここで z スコアによる近似や最良／最悪ケースの分類を適用しないでください。それらは旧ヒューリスティックで使われていたもので、現在はシミュレーションスキルが担います。

6. 確定したカテゴリにも圧力調整を適用し、ゼロにはしないでください。 勝利が確定した場合でも、cat_pressure ≈ 40 のままです（すでに確保されています）。敗北が確定した場合でも、cat_pressure ≈ 20 のままです（投資をやめます）。ゼロに設定しないでください。後続のエージェントは、ベンチ入りかドロップかを判断するために、ゼロ以外の値を使用します。

7. 比率カテゴリには最低 IP／PA のルールが必要です。 Yahoo は投手の比率カテゴリに最低条件（通常は週 20 IP）を設けています。週の終盤にどちらかのロスターが最低条件を下回っている場合、その比率カテゴリは自動的に敗北となる可能性があります。シミュレーションを呼び出す前に、これを投影辞書に反映してください（標準偏差 → 0、平均 → 不利な値）。また、cat_punt_score に below_min_threshold として +20 を加算してください。

8. 上流のシグナルを再導出しないでください。 qs_probability、sb_opportunity、obp_contribution、save_role_certainty は mlb-player-analyzer から取得します。シグナルディレクトリから読み取り、再計算しないでください。

9. シミュレーションには必ず random_seed を渡してください。 これがないと、このスキルを実行するたびに cat_reachability の値がわずかに異なり、差分を比較する後続のエージェントを混乱させます。デフォルトのシード値は 42 です。

クイックリファレンス

現在の計算ロジックの担当：

シグナル	担当	計算式
cat_position	このスキル	現在の合計値から算出する列挙値（比率指標の方向を考慮）
cat_pressure	このスキル	基準値 50 + 20 × 接戦度 + 15 × 変動性の優位 − 10 × 勝ち確定 − 30 × 負け確定
cat_reachability	matchup-win-probability-sim に委譲	= round(100 × per_cat_win_probability[cat])
cat_punt_score	このスキル（シミュレーション出力を使用）	(100 × (1 − p_cat)) × 0.6 + 30 × 変動性 + 20 × 最低基準未満 − 10 × 波及効果
matchup_win_probability	matchup-win-probability-sim に委譲	モンテカルロ法による P(cats_won ≥ 6)

cat_pressure =
    50                                         # neutral baseline
  + 20 × (is_close_margin: deficit/lead ≤ 10% of total)
  + 15 × (opponent_volume_exhausted: we have more games left)
  - 10 × (locked_in_win)
  - 30 × (locked_in_loss)
  clamp(0, 100)

cat_reachability = round(100 × per_cat_win_probability[cat])   # from sim

cat_punt_score =
    (100 - cat_reachability) × 0.6                      # base: if we can't reach, consider punting
  + 30 × (cat is traditionally volatile: SV)
  + 20 × (below min-PA/IP threshold)
  - 10 × (cat has spillover: K→QS, OBP→R, HR→R+RBI)
  clamp(0, 100)

リーグ定数（context/league-config.md より）：

• 10 カテゴリー：R、HR、RBI、SB、OBP、K、ERA、WHIP、QS、SV
• 逆指標カテゴリー：ERA、WHIP（低いほど有利 — cat_inverse_list としてシミュレーションに渡します）
• AVG ではなく OBP — 四球が重要です
• W ではなく QS — 6 回以上投げて自責点 3 以下
• H2H カテゴリー制、目標は毎週 10 カテゴリー中 6 以上を勝ち取ること（cat_win_threshold = 6）
• 毎日ラインナップをロックし、週間対戦は月曜から日曜までです

シグナルファイルの出力スキーマ（context/frameworks/signal-framework.md より）：

---
type: cat-state
date: YYYY-MM-DD
emitted_by: mlb-category-state-analyzer
week: N
matchup_opponent: <team name>
scoring_days_remaining: N
matchup_win_probability: 0.58          # from matchup-win-probability-sim
expected_cats_won: 5.18                # from matchup-win-probability-sim
sim_meta:
  sim_mode: monte_carlo
  n_simulations: 10000
  random_seed: 42
synthesis_confidence: 0.0-1.0
source_urls:
  - https://baseball.fantasysports.yahoo.com/b1/23756/5/matchup?week=N
---

本文：カテゴリーごとの表 + 全体的なプッシュ／維持／放棄の推奨 + レッドチームによる分析結果。

後続処理で使用されるしきい値：

エージェント	しきい値	効果
ウェーバー分析エージェント	cat_pressure ≥ 60	そのカテゴリーを補強するターゲットを優先します
ストリーミング戦略エージェント	cat_pressure (ERA/WHIP) < 30	リスクの高いストリーマーを許容します（放棄するカテゴリーです）
ラインナップ最適化エージェント	matchup_win_probability < 0.4 / > 0.6	格下の場合は分散を高め、優勢の場合は分散を抑えます
トレード分析エージェント	重み trade_cat_delta	cat_pressure / 50 を乗じます

主なリソース：

• resources/template.md：出力シグナルファイルの形式、カテゴリーごとの表、シミュレーション連携の実例
• resources/methodology.md：Yahoo のスクレイピング手順、残り試合数の予測、カテゴリー別予測辞書の作成、シミュレーション連携の計算式
• resources/evaluators/rubric_mlb_category_state_analyzer.json：評価基準
• 兄弟スキル：matchup-win-probability-sim — モンテカルロ法／ポアソン二項分布を用いた、カテゴリー別および対戦全体の勝率計算を担当します

必要な入力：

• 現在の対戦スコア（両チームの 10 カテゴリー分。比率指標にはボリュームも含めます）
• 両チームのロスター ID
• 日曜日までの MLB の残り試合日程
• 上流からのシグナル：qs_probability、save_role_certainty、obp_contribution、sb_opportunity、daily_quality
• リーグ設定（カテゴリー一覧、IP／PA の最低基準、cat_win_threshold）

生成される出力：

• signals/YYYY-MM-DD-cat-state.md — 10 カテゴリーの表、全体方針、matchup_win_probability、信頼度、参照元 URL を含むシグナルファイル
• カテゴリーごとの cat_position、cat_pressure、cat_reachability、cat_punt_score
• 全体的な「N カテゴリーをプッシュ、M カテゴリーを維持、P カテゴリーを放棄」という推奨（N + M + P = 10、目標は N ≥ 6）
• ラインナップ最適化における分散判断用の matchup_win_probability（シミュレーション担当から取得）