Den här platsen är reserverad för framtida annonsering och partnerskap inom trav, sport och datadriven analys.
Datadriven loppanalys med ranking, spelvärde och tydliga förklaringar för detta lopp.
Modellen har bra historiskt underlag för majoriteten av fältet men flera hästar har få lopp eller saknar historik, vilket sänker totaltryggheten.
Ett kortlopp med flera rutinerade hästar men även några med tunt historiskt underlag. Modellen favoriserar Ice Cool Surprise och Jomo Cash tack vare snabbhet och balanserade form-/positionssignaler. Spridningen i modellens segerchans visar att det finns konkurrens flera vägar fram i loppet.
Ice Cool Surprise (snabbaste rankning och stark position/form-kombination) och Jomo Cash (stabil form och bra medeldistansprofil) är främsta kandidater. Gibson S H bedöms som en intressant utmanare med högt modellvärde och positiv värdesignal. Huxi har bäst marknadsmismatch men lågt historiskt underlag.
Ice Cool Surprise toppar tack vare bästa kombinationen av snabbhet, distansprofil och stark tränarrankning. Jomo Cash har jämn form och bra positioner vilket ger högt modellvärde trots något lägre fart. Gibson S H får högt värde på grund av stabila tidigare prestationer och förarstyrka; Huxi lyfter i rankningen genom marknadsmismatch men saknar flera lopp.
Rang inom startfältet för modellens viktigaste faktorer. 1 = bäst.
| Faktor | 1. Ice Cool Surprise (4) | 2. Jomo Cash (8) | 3. Gibson S H (7) |
|---|---|---|---|
| Fartsrank | 1 | 3 | 5 |
| Formrank | 2 | 1 | 2 |
| Distansrank | 1 | 1 | 1 |
| Kuskrank | 9 | 8 | 2 |
| Tränarrank | 1 | 4 | 5 |
| Stabilitetsrank | 5 | 4 | 6 |
| Underlag | 2 lopp | 2 lopp | 3 lopp |
| Startspår | 1 | 2 | 1 |
Marknaden värderar Ice Cool Surprise något högre än modellen gör, medan Gibson S H och Kaiser Faust visar positiv värdeskillnad mot marknaden. Huxi har stor diskrepans mellan modellens bedömning och marknaden men har tunt historiskt underlag, vilket kräver försiktighet. Några favoriter är klart streckade; oddsdata saknas dock i input för fullständig spelvärdesberäkning.
Modellen bedömer tryggheten som medelhög: flera hästar har flera relevanta lopp medan tre–fyra starter har mycket få eller inga historiska lopp, vilket ökar osäkerhet. Stabilitets- och spridningsmått pekar på god data för toppkandidaterna men sämre underlag i botten.
Modellen ser Ice Cool Surprise som loppets bästa sammanvägda modellvärde, med Jomo Cash och Gibson S H som tydliga utmanare. Vissa hästar visar marknadsmissar men har tunt historiskt underlag, vilket sänker spelbarheten. Helhetsbilden är konkurrenskraftig men inte entydig.
| Rank | Nr | Häst | Marknad % | Modell % | Edge % | Kusk | Tränare |
|---|---|---|---|---|---|---|---|
| 1 | 4 | Ice Cool Surprise | 21.4% | 18.1% | -3.3% | Gordon Dahl | Anders Peter Brauner |
| 2 | 8 | Jomo Cash | 16.6% | 16.1% | -0.5% | Jan Dahlgaard | Jan Dahlgaard |
| 3 | 7 | Gibson S H | 13.6% | 15.0% | +1.4% | Nicklas Korfitsen | Mikael T. Hansen |
| 4 | 5 | Huxi | 1.0% | 11.3% | +10.3% | Henrik Lønborg | Sejr Overgaard Møller |
| 5 | 1 | Edz | 15.2% | 10.5% | -4.7% | Jeppe Juel | Marc Bæk Nielsen |
| 6 | 3 | Kaiser Faust | 4.7% | 10.4% | +5.7% | Magnus M. Nielsen | Magnus M. Nielsen |
| 7 | 2 | Challenge Accepted | 30.5% | 8.2% | -22.3% | Jeppe Rask | Jeppe Rask |
| 8 | 9 | Dark Night | 2.2% | 7.5% | +5.3% | Rene Kjær | Frank Kjelde |
| 9 | 6 | Starcatcher | 20.7% | 2.9% | -17.8% | Kasper Foget | Kasper Foget |
Three-Wide bygger en publik runt trav, spelvägar och datadrivna loppsidor. Den här ytan är reserverad för kommande annonsörer.
