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.
Samtliga hästar saknar historiskt underlag i analysen (inga relevanta tidigare lopp registrerade), vilket gör att modellens bedömningar bygger på begränsade interna poäng snarare än rik realtidsdata.
Modellen ser Maharani GB som klarast i fältet med lägre intern poäng än övriga. Övriga nio hästar har i analysen mycket lika interna poäng, vilket ger ett jämnt bakrefält i bedömningen. Eftersom inga odds eller historiska loppdata finns tillgängliga är bilden osäker och bygger främst på interna rankningar.
Maharani GB är modellens etta med något bättre sammanvägt modellvärde. Kalou och Bailando ligger tätt bakom och delar interna poäng med flera andra; valet att lyfta dem baseras på något högre sannolikhet i modellen. Övriga hästar visar identiska interna poäng och bedöms som jämnstarka i nuläget.
Maharani GB har lägst internpoäng och högst modellbedömd segerchans, framförallt tack vare bästa kombination av förare- och tränarrankning i datan. De övriga nio har identiska interna parametrar i analysen (samma poäng för fart, form och stabilitet), vilket förklarar varför de alla deltar i en klunga bakom etta.
Rang inom startfältet för modellens viktigaste faktorer. 1 = bäst.
| Faktor | 1. Maharani GB (9) | 4. All Brioni (1) |
|---|---|---|
| Fartsrank | 1 | 1 |
| Formrank | 1 | 1 |
| Distansrank | 1 | 1 |
| Kuskrank | 1 | 2 |
| Tränarrank | 1 | 1 |
| Stabilitetsrank | 1 | 1 |
| Underlag | 0 lopp | 0 lopp |
| Startspår | 9 | 1 |
Det finns inga odds eller marknadsimplied sannolikheter i input, så modellen kan inte påvisa spelvärde eller värdeförhållanden mot marknaden. Därför går det inte att säga vilka hästar som är över- eller underskattade av spelarna.
Modellens trygghet bedöms som låg eftersom samtliga deltagare saknar historiska lopp i analysen och inga marknadsodds finns. De interna poängen är konsekventa men har litet faktiskt bevisstöd, vilket ökar osäkerheten i rangordningen.
Modellen pekar ut Maharani GB som ledande baserat på interna förare- och tränarrankningar; därefter följer en grupp av i praktiken likvärdiga hästar (Kalou, Bailando med flera). Eftersom historik och odds saknas är detta en svag signal och bör tolkas med försiktighet.
| Rank | Nr | Häst | Marknad % | Modell % | Edge % | Kusk | Tränare |
|---|---|---|---|---|---|---|---|
| 1 | 9 | Maharani GB | — | 10.4% | — | Sarah Kube | Thorsten Tietz |
| 2 | 8 | Kalou | — | 10.0% | — | Carola Reckzeh | Carola Reckzeh |
| 3 | 7 | Bailando | — | 10.0% | — | Linda Matzky | Roman Matzky |
| 4 | 1 | All Brioni | — | 10.0% | — | Laura Skoruppa | Bernd Warnke |
| 5 | 10 | Karabatic | — | 10.0% | — | Bernd Schrödl | Bernd Schrödl |
| 6 | 2 | Zidane PS | — | 10.0% | — | Andre Pögel | Victor Gentz |
| 7 | 6 | Open Minded | — | 10.0% | — | Simone Wallat-Birke | Joachim Birke |
| 8 | 3 | No No Newport | — | 10.0% | — | Stefanie Skoruppa | Claudia Skoruppa |
| 9 | 4 | Perfect du Grenat | — | 10.0% | — | Ferry Hollander | Jeroen Offeringa |
| 10 | 5 | Shotgun ES | — | 10.0% | — | Sebastian Gläser | Victor Gentz |
Three-Wide bygger en publik runt trav, spelvägar och datadrivna loppsidor. Den här ytan är reserverad för kommande annonsörer.
