Saknas historiska loppdata för samtliga deltagare vilket ger mycket osäkert underlag; modellens interna trygghetsvärden är noll för alla hästar.
Den här platsen är reserverad för framtida annonsering och partnerskap inom trav, sport och datadriven analys.
Churchill Downs 2026-05-02 lopp 4
Datadriven loppanalys med ranking, spelvärde och tydliga förklaringar för detta lopp.
Snabbvägar från loppet
Kort läsning av loppet
Loppanalys
Loppbild
Modellen saknar historiska loppdata för alla startande vilket gör helhetsbedömningen svag. Alla sex hästar har identiska interna poäng och lika stor modellbedömd segerchans; skillnader i tränare, kusk och startnummer används för rangordning. Startfältet framstår som öppet men med stort osäkerhetsmått.
Hetaste buden
R Disaster, Splendora och Ways and Means hamnar i topp eftersom modellen ger identiska poäng men prioriterar startposition, kusk och tränare i rangordningen. Dessa tre sticker ut rent modellmässigt men skillnaderna är marginella på grund av avsaknad av historik.
Därför rankar modellen så
Alla hästar har samma sammanvägda modellvärde och lika hög modellbedömd segerchans i datan; modellen använder därför sekundära faktorer — främst kusk- och tränarnamn samt startnummer — för att ordna fältet. Eftersom historiskt underlag saknas bedömer modellen inte några prestationsskillnader från tidigare lopp.
Rang inom startfältet för modellens viktigaste faktorer. 1 = bäst.
| Faktor | 2. Splendora (5) |
|---|---|
| Fartsrank | 1 |
| Formrank | 1 |
| Distansrank | 1 |
| Kuskrank | 1 |
| Tränarrank | 1 |
| Stabilitetsrank | 1 |
| Underlag | 0 lopp |
| Startspår | 5 |
Spelvärde
Modellen anger en betydande skillnad mellan sin egen segerbedömning och marknadens prissättning (modellens segerchans är klart högre än implied probability i input). Dock saknas faktiska odds i datan och därför kan inget konkret spelvärde kvantifieras; angivna värdesiffror i datan visar teoretisk skillnad men odds_decimal är inte tillgängligt.
Trygghet i loppet
Modellens trygghet bedöms som låg: inget historiskt underlag för någon häst och interna trygghetsvärden är noll. Det innebär att rangordningen är skör och att externa faktorer lätt kan ändra bilden.
Slutsats
Data visar ett öppet fält där R Disaster, Splendora och Ways and Means rankas högst av modellen men med mycket svagt underlag. Marknadens prissättning saknas i datan, så eventuella värdebedömningar blir spekulativa. Använd denna analys som ögonblicksbild snarare än slutgiltig prognos.
Ranking och sannolikhet
| Rank | Nr | Häst | Marknad % | Modell % | Edge % | Kusk | Tränare |
|---|---|---|---|---|---|---|---|
| 1 | 6 | R Disaster | 1.0% | 16.7% | +15.7% | Tyler Gaffalione | Saffie Joseph, Jr. |
| 2 | 5 | Splendora | 1.0% | 16.7% | +15.7% | Flavien Prat | Bob Baffert |
| 3 | 4 | Ways and Means | 1.0% | 16.7% | +15.7% | Jose Ortiz | Chad Brown |
| 4 | 3 | Autumn Evening | 1.0% | 16.7% | +15.7% | Irad Ortiz, Jr. | Jose D'Angelo |
| 5 | 2 | Haulin Ice | 1.0% | 16.7% | +15.7% | Francisco Arrieta | Saffie Joseph, Jr. |
| 6 | 1 | Usha | 1.0% | 16.7% | +15.7% | Juan Hernandez | Bob Baffert |
Three-Wide bygger en publik runt trav, spelvägar och datadrivna loppsidor. Den här ytan är reserverad för kommande annonsörer.
