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.
Blandning av hästar med gott historiskt underlag och två utan historik; spridning i modellens sannolikheter är måttlig.
Modellen ser ett konkurrenskikt där Ellison och Hög Chans ligger bäst till enligt sammanvägt modellvärde, men flera hästar visar intressanta värdeskift mot marknaden. Två hästar saknar historik vilket dämpar totaltryggheten något; loppet är i övrigt väl underbyggt för majoriteten.
Ellison toppar med lägst sammanvägda modellvärde och bra positionstest (få lopp men hög placering), Hög Chans har snabba kilometer och stabil formprofil. Hallsta Lotta sticker ut med stor skillnad mellan modellens bedömning och marknadens prissättning, och Fräcke Blixt noteras som loppets mest prisvärda enligt implied odds.
Ellison får högsta poängen tack vare lågt sammanvägt modellvärde, bra placeringar i få lopp och god hastighetssiffra; Hög Chans belönas för topphastighet och konsekvent form. Monster Mitchi ligger efter i modellen trots bra form på grund av sämre positionshistorik, medan Hallsta Lotta avancerar tack vare jämnhet och god förtjänst i tidigare lopp.
Rang inom startfältet för modellens viktigaste faktorer. 1 = bäst.
| Faktor | 1. Ellison (8) | 2. Hög Chans (14) | 3. Monster Mitchi (11) |
|---|---|---|---|
| Fartsrank | 3 | 1 | 2 |
| Formrank | 1 | 3 | 8 |
| Distansrank | 6 | 2 | 3 |
| Kuskrank | 5 | 11 | 8 |
| Tränarrank | 7 | 14 | 3 |
| Stabilitetsrank | 5 | 13 | 6 |
| Underlag | 2 lopp | 3 lopp | 3 lopp |
| Startspår | 3 | 9 | 6 |
Hallsta Lotta och Fräcke Blixt visar tydlig värdeskillnad mot marknaden (modellens bedömda segerchans är högre än implied odds). Ellison och Hög Chans har också positiv värdeskift men mindre uttalat; Monster Mitchi ser överspelad ut enligt modellen (marknaden ger högre implicit chans än modellen).
Modellen bedömer tryggheten som medelhög: majoriteten har flera relevanta lopp och stabila hastighetssiffror, men två deltagare saknar historik vilket drar ner den totala säkerheten. Spridningen i modellens sannolikheter är inte extrem, vilket pekar på en relativt balanserad prognos.
Ellison och Hög Chans framstår som ledande utifrån modellens sammanvägda värden, medan Hallsta Lotta och Fräcke Blixt ger tydliga värdesignaler mot marknaden. Modellens bedömning är medelhög — bra underlag för flertalet hästar men viss osäkerhet kvar p.g.a. nollhistorik hos två deltagare.
| Rank | Nr | Häst | Marknad % | Modell % | Edge % | Kusk | Tränare |
|---|---|---|---|---|---|---|---|
| 1 | 8 | Ellison | 9.2% | 12.6% | +3.3% | Jill Ivarsson | Lennart Wedin |
| 2 | 14 | Hög Chans | 8.4% | 11.4% | +3.0% | Peter Olsson | Camilla Magnusson |
| 3 | 11 | Monster Mitchi | 14.4% | 10.4% | -4.0% | Fredrik Fransson | Fredrik Fransson |
| 4 | 9 | Hallsta Lotta | 2.7% | 9.0% | +6.3% | Magnus O Jonsson | Magnus O Jonsson |
| 5 | 6 | Fräcke Blixt | 1.0% | 8.4% | +7.4% | Olle Wäjersten | Marie Svanholm |
| 6 | 12 | Jonases Nypon | 19.4% | 8.1% | -11.3% | Jan-Olov Åberg | Jan-Olov Åberg |
| 7 | 2 | Slotts Söta | 27.1% | 7.1% | -20.0% | Johanna Stark | Jan-Olov Åberg |
| 8 | 7 | Hallsta Goudis | 1.6% | 7.1% | +5.5% | Rauno Pöllänen | Magnus O Jonsson |
| 9 | 1 | Hektor Fantastisk | 18.0% | 6.2% | -11.8% | Sammy Gustafsson | Ylve Östlund |
| 10 | 5 | Zicken Tuffing | 7.2% | 5.8% | -1.4% | Emma Gabrielsson | Emma Gabrielsson |
| 11 | 10 | Vännfors Gull | 1.8% | 4.6% | +2.8% | Amanda Backlund Johansson | Hanz Johansson |
| 12 | 15 | Lill Wilma | 5.4% | 3.3% | -2.1% | Hans Bergh | Linda Eriksson |
| 13 | 4 | Guli Frasse | 1.0% | 3.2% | +2.2% | Robert Skoglund | Anneli Öberg |
| 14 | 3 | Hage Hauken | 1.0% | 1.4% | +0.4% | Magnus Kårvall | Pär Ländin |
| 15 | 13 | Mias Sardonyx | 1.8% | 1.4% | -0.4% | Ida Forsman | Ida Forsman |
Three-Wide bygger en publik runt trav, spelvägar och datadrivna loppsidor. Den här ytan är reserverad för kommande annonsörer.
