Alla hästar har identiskt svagt historiskt underlag i input (inga tidigare lopp registrerade och noll i trygghetsmätningar), vilket ger låg differentiering i modellvärden.
Den här platsen är reserverad för framtida annonsering och partnerskap inom trav, sport och datadriven analys.
Neapel 2026-05-03 lopp 7
Datadriven loppanalys med ranking, spelvärde och tydliga förklaringar för detta lopp.
Snabbvägar från loppet
Kort läsning av loppet
Loppanalys
Loppbild
Modellen hittar ingen meningsfull skillnad i form eller historik mellan deltagarna — alla har identiska grundvärden och inget registrerat historiskt underlag. Resultatet är ett platt fält där rankningen bygger på små interna preferenser snarare än tydliga prestationssignaler.
Hetaste buden
Häst 6, Häst 9 och Häst 7 hamnar i topp enligt modellrankningarna. De ligger alla på samma sammanvägda värde men får högre intern placering på grund av små preferenser i styr- och tränarrelaterade rankningar i datan. Häst 3 och Häst 2 lyfts som mindre troliga då marknaden redan prissatt dem högre.
Därför rankar modellen så
Alla hästar har identiska slutpoäng i input, så modellen bryter dödläget med mindre signaler kopplade till kusk/tränarpreferenser och interna rangordningar. Därför placeras Häst 6 och Häst 9 högre trots att deras beräknade segerchanser är lika i materialet.
Rang inom startfältet för modellens viktigaste faktorer. 1 = bäst.
| Faktor | 1. Häst 6 (6) |
|---|---|
| Fartsrank | 1 |
| Formrank | 1 |
| Distansrank | 1 |
| Kuskrank | 1 |
| Tränarrank | 1 |
| Stabilitetsrank | 1 |
| Underlag | 0 lopp |
| Startspår | — |
Spelvärde
Modellen visar höga relativa skillnader mellan modellens beräknade segerchanser och marknadens prissättning för flera hästar — men dessa beror på att marknadens implicita sannolikheter är mycket låga i input för flera startande. Specifika oddsvärden saknas i datan, så det går inte kvantifiera spelvärde exakt.
Trygghet i loppet
Modellens trygghet bedöms som låg: inga hästar har historiskt underlag eller spridningsmått i input, och trygghetsmåtten är noll för alla. Därmed är rangordningen osäker och känslig för små dataskillnader.
Slutsats
Detta är ett platt fält där modellen inte har tillräckligt med historik för att ge en stabil favoritbild. Häst 6 och Häst 9 toppar listan internt, men bedömningen är osäker och bör tolkas med försiktighet då underlaget saknas.
Ranking och sannolikhet
| Rank | Nr | Häst | Marknad % | Modell % | Edge % | Kusk | Tränare |
|---|---|---|---|---|---|---|---|
| 1 | 6 | Häst 6 | 1.0% | 11.1% | +10.1% | Kuskförnamn6 Kuskefternamn6 | Tränarförnamn6 Tränarefternamn6 |
| 2 | 9 | Häst 9 | 1.0% | 11.1% | +10.1% | Kuskförnamn9 Kuskefternamn9 | Tränarförnamn9 Tränarefternamn9 |
| 3 | 7 | Häst 7 | 1.0% | 11.1% | +10.1% | Kuskförnamn7 Kuskefternamn7 | Tränarförnamn7 Tränarefternamn7 |
| 4 | 8 | Häst 8 | 1.0% | 11.1% | +10.1% | Kuskförnamn8 Kuskefternamn8 | Tränarförnamn8 Tränarefternamn8 |
| 5 | 3 | Häst 3 | 64.1% | 11.1% | -53.0% | Kuskförnamn3 Kuskefternamn3 | Tränarförnamn3 Tränarefternamn3 |
| 6 | 2 | Häst 2 | 26.8% | 11.1% | -15.7% | Kuskförnamn2 Kuskefternamn2 | Tränarförnamn2 Tränarefternamn2 |
| 7 | 1 | Häst 1 | 26.8% | 11.1% | -15.7% | Kuskförnamn1 Kuskefternamn1 | Tränarförnamn1 Tränarefternamn1 |
| 8 | 5 | Häst 5 | 1.0% | 11.1% | +10.1% | Kuskförnamn5 Kuskefternamn5 | Tränarförnamn5 Tränarefternamn5 |
| 9 | 4 | Häst 4 | 1.0% | 11.1% | +10.1% | Kuskförnamn4 Kuskefternamn4 | Tränarförnamn4 Tränarefternamn4 |
Three-Wide bygger en publik runt trav, spelvägar och datadrivna loppsidor. Den här ytan är reserverad för kommande annonsörer.
