Alla startande saknar historiskt underlag i datan (antal tidigare relevanta lopp = 0) vilket ger låg stabilitet i bedömningen.
Den här platsen är reserverad för framtida annonsering och partnerskap inom trav, sport och datadriven analys.
Gulfstream Park 2026-04-24 lopp 2
Datadriven loppanalys med ranking, spelvärde och tydliga förklaringar för detta lopp.
Snabbvägar från loppet
Kort läsning av loppet
Loppanalys
Loppbild
Datan visar ett mycket jämnt fält utan historiska lopp för de startande, vilket gör att modellen i första hand lutar på inbördes rankning och position/drivrutinsdata. De tre översta i modellen är Bravo Rough, Sofocles och King Prince; skillnaderna i modellvärde är små. Marknadens prissättning saknas i underlaget (implied probability i datan är identisk och nära noll), vilket gör helhetsbilden osäker.
Hetaste buden
Bravo Rough (5) toppar listan med lägst model_rank och är modellens första val; Sofocles (2) och King Prince (4) följer tätt. Dessa tre skiljer sig vardera i startnummer och kusk, men ingen har dokumenterat historiskt raceunderlag i datasetet, så rankningen bygger på jämna interna komponenter i modellen.
Därför rankar modellen så
Rankningen kommer från lika slutvärden över fältet kombinerat med interna prioriteringar för kusk/tränare och startposition. Eftersom alla hästar har identiska grundpoäng i input får mindre faktorer (som postposition och kusk) fälla avgörandet, vilket placerar Bravo Rough först framför Sofocles och King Prince.
Rang inom startfältet för modellens viktigaste faktorer. 1 = bäst.
| Faktor | 1. Bravo Rough (5) |
|---|---|
| Fartsrank | 1 |
| Formrank | 1 |
| Distansrank | 1 |
| Kuskrank | 1 |
| Tränarrank | 1 |
| Stabilitetsrank | 1 |
| Underlag | 0 lopp |
| Startspår | 5 |
Spelvärde
Datasetet innehåller edge-värden per häst men implied probability i data är i praktiken obefintlig och identisk för alla, vilket gör marknadsjämförelsen ointressant. Modellen visar positiv värdeskillnad i sin interna kalkyl för de högst rankade, men faktiska odds från marknaden saknas i underlaget.
Trygghet i loppet
Modellens trygghet bedöms som låg eftersom samtliga deltagare har noll tidigare relevanta lopp i datasetet och många statistiska mått saknas. Det innebär att modellen inte har robust historik att luta sig mot och små interna skillnader får oproportionerlig effekt.
Slutsats
Modellen identifierar Bravo Rough, Sofocles och King Prince som de mest intressanta baserat på interna rankningar och kusk/tränare-startpositionsfaktorer, men helhetsbedömningen är osäker på grund av avsaknad av historiska data och meningsfulla marknadsodds i underlaget.
Ranking och sannolikhet
| Rank | Nr | Häst | Marknad % | Modell % | Edge % | Kusk | Tränare |
|---|---|---|---|---|---|---|---|
| 1 | 5 | Bravo Rough | 1.0% | 14.3% | +13.3% | Carlos Lugo | Angel Quiroz |
| 2 | 2 | Sofocles | 1.0% | 14.3% | +13.3% | Miguel Vasquez | Fausto Gutierrez |
| 3 | 4 | King Prince | 1.0% | 14.3% | +13.3% | Paco Lopez | Mark Casse |
| 4 | 3 | Gran Campanero | 1.0% | 14.3% | +13.3% | Leonel Reyes | Angel Quiroz |
| 5 | 7 | Parnassus | 1.0% | 14.3% | +13.3% | Yolber Torres | Jose D'Angelo |
| 6 | 1 | Laudable | 1.0% | 14.3% | +13.3% | Jose Morelos | Steven Dwoskin |
| 7 | 6 | Municipal | 1.0% | 14.3% | +13.3% | Micah Husbands | Saffie Joseph, Jr. |
Three-Wide bygger en publik runt trav, spelvägar och datadrivna loppsidor. Den här ytan är reserverad för kommande annonsörer.
