Alla hästar saknar historiskt underlag i datasetet (inga tidigare lopp registrerade), vilket gör att modellens bedömningar bygger på neutrala baseline-signaler snarare än konkret form- eller distansdata.
Den här platsen är reserverad för framtida annonsering och partnerskap inom trav, sport och datadriven analys.
Berlin 2026-03-22 lopp 6
Datadriven loppanalys med ranking, spelvärde och tydliga förklaringar för detta lopp.
Snabbvägar från loppet
Kort läsning av loppet
Loppanalys
Loppbild
Datasättet innehåller inget historiskt loppdata för deltagarna, vilket ger ett jämnt grundläge där alla hästar har identiska sammanvägda värden och lika modellbedömd segerchans. Skillnader i rank kommer från neutrala baseline-signaler och stall-/kuskinformation i input.
Hetaste buden
Lorenzo Idzarda, Karina Charisma och Olivia Greenwood framstår som mest relevanta eftersom de fått de högsta interna rankningarna. Alla tre har samma sammanvägda modellvärde men rankas högre av modellen utifrån neutrala baseline-signaler och kusk/tränarinformation i datan.
Därför rankar modellen så
Alla deltagare har identiskt sammanvägt modellvärde i data, därför är rankningen ett resultat av neutrala baseline-faktorer i modellen (t.ex. kusk- och tränarcharakteristika som fanns i input) snarare än påvisad form eller distanspassning.
Rang inom startfältet för modellens viktigaste faktorer. 1 = bäst.
| Faktor | 1. Lorenzo Idzarda (2) |
|---|---|
| Fartsrank | 1 |
| Formrank | 1 |
| Distansrank | 1 |
| Kuskrank | 1 |
| Tränarrank | 1 |
| Stabilitetsrank | 1 |
| Underlag | 0 lopp |
| Startspår | 2 |
Spelvärde
Det finns ingen tillgänglig odds- eller marknadsdata i input, så modellen kan inte beräkna spelvärde eller värdeskillnad mot marknaden. Eventuella värdebedömningar saknas därför.
Trygghet i loppet
Modellens trygghet bedöms som låg eftersom inget historiskt underlag finns för deltagarna och många nyckelsignaler är tomma; rekommendationen är att väga in extern form- och oddsdata för säkrare slutsatser.
Slutsats
I inputdata framstår Lorenzo Idzarda, Karina Charisma och Olivia Greenwood som mest framstående enligt modellens neutrale baseline. Eftersom inga odds eller tidigare lopp finns i datan är slutsatserna osäkra och bör kompletteras med extern form- och marknadsinformation.
Ranking och sannolikhet
| Rank | Nr | Häst | Marknad % | Modell % | Edge % | Kusk | Tränare |
|---|---|---|---|---|---|---|---|
| 1 | 2 | Lorenzo Idzarda | — | 14.3% | — | Anna-Lisa Kunze | Anna-Lisa Kunze |
| 2 | 5 | Karina Charisma | — | 14.3% | — | Ferry Hollander | Jeroen Offeringa |
| 3 | 4 | Olivia Greenwood | — | 14.3% | — | Andre Pögel | Paul Kuhsträter |
| 4 | 1 | Don Timoko | — | 14.3% | — | Laura Skoruppa | Bernd Warnke |
| 5 | 7 | Laith H Boko | — | 14.3% | — | Emma Stolle | Dennis Spangenberg |
| 6 | 6 | Parodie Vrijthout | — | 14.3% | — | Linda Matzky | Roman Matzky |
| 7 | 3 | Lamkelze de Niel TF | — | 14.3% | — | Bernd Schrödl | Bernd Schrödl |
Three-Wide bygger en publik runt trav, spelvägar och datadrivna loppsidor. Den här ytan är reserverad för kommande annonsörer.
