公営競技、とりわけ競馬の結果は複雑な要因が絡み合って決定されるため、高い予測精度を得ることは困難である。出走表に基づく静的な情報と、オッズのような直前の動的な情報が複合的に作用する一方、従来の時系列モデルでは、これら多様なデータを統合的に処理し、関係性を解釈することが困難であった。本研究では、複数種類の情報統合と高い解釈可能性を備える Temporal Fusion Transformer (TFT) を競馬結果予測に適用し、その入力構造に合わせて特徴量を体系的に整理した。検討を通じて、競馬のように多因子的な領域では、モデル性能向上に向けたドメイン知識に基づく特徴量設計の重要性が示唆された。