近年、測定技術の向上に伴い、野球の応用的なデータ分析が広く行われるようになった。グラウンド上のあらゆるプレーが定量的に評価され、個人やチームの戦略に大きな影響を及ぼしている。個人の打撃貢献を表す指標としてwOBAという指標がよく知られているが、wOBAは走者状況や点差などの試合状況を考慮しない。しかしながら、実際の試合において試合状況を考慮して複数の打撃戦略を使い分けることは一般的であり、その効果は未知である。これは、打者の戦略を第三者が取得できず、効果の推定が困難であるためだと考えられる。そこで本研究では、反実仮想シミュレーションによる効果推定方法を新たに提案する。これを実現するため、打撃戦略の変更にあたって妥当な打撃能力変換を行う深層学習モデルを提案する。本手法によって、実際の試合データでは難しかった、様々な戦略の効果推定が可能となる。検証の結果、打撃戦略のスイッチングコストを無視できる場合、戦略の使い分けが得点を増加させることが明らかになった。また、スイッチングコストを考慮する場合、得点が増加するための条件は限定的であることが明らかになった。
