Mellanvariation i historiskt underlag: flera hästar har bra historik (flera lopp) medan två har tunt eller inget historiskt underlag, vilket ger blandad säkerhet.
Den här platsen är reserverad för framtida annonsering och partnerskap inom trav, sport och datadriven analys.
Klosterskogen 2026-06-15 lopp 4
Datadriven loppanalys med ranking, spelvärde och tydliga förklaringar för detta lopp.
Snabbvägar från loppet
Kort läsning av loppet
Loppanalys
Loppbild
Modellen ser ett jämnt fält där Temsisi har lägst sammanvägt modellvärde, följd av B.G.Therese och Vin Borken. Skillnader i historiskt underlag gör att vissa bedömningar är säkrare än andra; flera hästar har flera tidigare lopp medan en har inget historiskt underlag.
Hetaste buden
Temsisi toppar på grund av bästa hastighets- och stabilitetsrank samt lågt sammanvägt modellvärde. B.G.Therese och Vin Borken följer tätt; B.G.Therese har bättre form- och positionshistorik medan Vin Borken har god hastighet men sämre posithistorik. Nordby Oda är intressant som distansspecialist även om modellvärdet är något sämre.
Därför rankar modellen så
Temsisi har lägst sammanvägt modellvärde tack vare hög hastighetsrank, låg stabilitetskvot och förtroende från tränare/driver. B.G.Therese har bättre positions- och formhistorik men något sämre hastighets- och basvärde, vilket placerar den strax bakom. Vin Borken kombinerar god hastighet med svagare positionshistorik, vilket förklarar tredjeplatsen.
Rang inom startfältet för modellens viktigaste faktorer. 1 = bäst.
| Faktor | 1. Temsisi (1) |
|---|---|
| Fartsrank | 1 |
| Formrank | 2 |
| Distansrank | 4 |
| Kuskrank | 2 |
| Tränarrank | 1 |
| Stabilitetsrank | 1 |
| Underlag | 1 lopp |
| Startspår | 1 |
Spelvärde
Marknaden värderar B.G.Therese och Vin Borken betydligt högre än modellen; Temsisi visar största värdevinsten gentemot marknadens sannolikhet. Oddsdata saknas explicit som decimalodds i input, men skillnaden mellan modellens segerchans och marknadens indikerade sannolikhet visar tydligt spelvärde för Temsisi.
Trygghet i loppet
Modellen bedömer tryggheten som medelhög: flera toppkandidater har flera relevanta lopp och stabila hastighetsvärden, men en start har inget historiskt underlag och några har bara enstaka lopp vilket sänker total trygghet.
Slutsats
Modellen favoriserar Temsisi som mest sannolik vinnare baserat på snabbhet och stabilitet; B.G.Therese och Vin Borken är nära konkurrenter med bättre form- eller positionshistorik. Eftersom marknaden värderar flera av de topphästarna högre indikerar modellen en tydlig värdeprofil i Temsisi, men total trygghet är medelhög på grund av varierande historik.
Ranking och sannolikhet
| Rank | Nr | Häst | Marknad % | Modell % | Edge % | Kusk | Tränare |
|---|---|---|---|---|---|---|---|
| 1 | 1 | Temsisi | 1.0% | 19.0% | +18.0% | Åsbjørn Tengsareid | Tore Martinsen |
| 2 | 5 | B.G.Therese | 62.1% | 17.0% | -45.1% | Adrian Solberg Akselsen | Lars O. Romtveit |
| 3 | 6 | Vin Borken | 62.5% | 16.5% | -46.0% | Eirik Høitomt | Anette Isaksen |
| 4 | 2 | Nordby Oda | 1.0% | 15.1% | +14.1% | Hans Chr. Holm | Georg William Sverdrup |
| 5 | 3 | Mio Nova | 1.0% | 12.6% | +11.6% | Bjørn Steine | Julia Ringbakken Hansen |
| 6 | 7 | Valle Brasse | 1.0% | 9.9% | +8.9% | Tom Erik Solberg | Anette S. Holtan |
| 7 | 4 | Vesle Sandra | 1.0% | 7.1% | +6.1% | Gunnar Austevoll | Åge Johansen |
| 8 | 8 | Dæmro Knerten | 1.0% | 2.7% | +1.7% | Lars Anvar Kolle | Ingunn Karlsen |
Three-Wide bygger en publik runt trav, spelvägar och datadrivna loppsidor. Den här ytan är reserverad för kommande annonsörer.
