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 flera med mycket få eller inga relevanta lopp; toppkandidater har stabila indikatorer men flera starts har lågt underlag.
Tätt lopp på pappret med flera europeiska startande; modellen placerar NINA HAGEN högst tack vare bra balans mellan snabbhet, tränarrankning och distansanpassning. Flera deltagare har mycket få relevanta lopp, vilket ökar osäkerheten för mitten- och bakre fältet.
NINA HAGEN (10) toppar med starka hastighets- och tränarsignaler. NALA LEALMANI (6) är nära i modellens totalvärde och visas som loppets mest prissatta värde då marknaden verkar underskatta henne. NAZZARENA (7) rankas högt i form och driver men har tunnare historik, vilket sänker tryggheten.
NINA HAGEN ges ledning av hög tränarrankning, stark hastighetsindikator och god distansanpassning som ger bästa sammanvägda modellvärde. NALA LEALMANI ligger nära tack vare bra positions- och formdata trots lägre tränarrankning; det ger ett konkurrenskraftigt totalvärde. NAZZARENA lyfts av stark föraresignal men har bara ett relevant lopp vilket begränsar bidraget.
Rang inom startfältet för modellens viktigaste faktorer. 1 = bäst.
| Faktor | 1. NINA HAGEN (10) |
|---|---|
| Fartsrank | 2 |
| Formrank | 4 |
| Distansrank | 1 |
| Kuskrank | 2 |
| Tränarrank | 1 |
| Stabilitetsrank | 5 |
| Underlag | 3 lopp |
| Startspår | — |
Marknaden prissätter NALA LEALMANI lägre än modellens bedömning — modellen ser störst värdeskillnad i henne. NINA HAGEN visar också positiv värdeskillnad men i mindre grad. För flera hästar saknas robust oddsbaserat värde eller de är prissatta i linje med modellen.
Modellen bedömer tryggheten som medelhög: toppkandidaterna har flera stabila parametrar medan flera övriga hästar har få eller inga relevanta lopp, vilket ökar osäkerheten och minskar möjlighet att säkert rangordna hela fältet.
Modellen ser NINA HAGEN som loppets mest sannolika vinnare utifrån snabbhet, tränare och distanspassning, men NALA LEALMANI erbjuder tydlig värdeskillnad mot marknaden. Flera deltagare har tunt historiskt underlag vilket gör loppet mer öppet bakom topptre.
| Rank | Nr | Häst | Marknad % | Modell % | Edge % | Kusk | Tränare |
|---|---|---|---|---|---|---|---|
| 1 | 10 | NINA HAGEN | 11.0% | 20.9% | +9.9% | F Nivard | J.M Baudouin |
| 2 | 6 | NALA LEALMANI | 3.8% | 15.4% | +11.5% | N Martineau | N Martineau |
| 3 | 7 | NAZZARENA | 43.5% | 13.3% | -30.1% | E Raffin | Ch Mottier |
| 4 | 9 | NOVA DE CELLAND | 11.0% | 12.0% | +1.0% | B Rochard | N Bridault |
| 5 | 3 | NOUMEA COCONUT | 9.1% | 11.3% | +2.2% | R Derieux | R Derieux |
| 6 | 5 | NIKITA DES ARRIS | 20.0% | 9.7% | -10.3% | Y Lebourgeois | V Lebarque |
| 7 | 8 | NASHIRA RUSCINO | 4.8% | 8.9% | +4.2% | F Desmigneux | J.M Marie |
| 8 | 2 | NOBLESKA | 2.9% | 2.9% | -0.1% | G D'haenens | Th Lamare |
| 9 | 4 | NYASSA DAXEL | 10.2% | 2.9% | -7.3% | P.PH Ploquin | J.G Van eeckhaute |
| 10 | 1 | NETIE DE TOUCHYVON | 2.4% | 2.7% | +0.4% | L Darlay | V Jarry |
Three-Wide bygger en publik runt trav, spelvägar och datadrivna loppsidor. Den här ytan är reserverad för kommande annonsörer.
