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.
Modellen har täckning för majoriteten av fältet (11 av 13) med flera jämna toppkandidater och två hästar utan historik, vilket ger måttlig säkerhet.
Ett öppet fält där modellen placerar Väskinge Inez högst tack vare snabbhet och starkt team (förare/tränare). Klocksve D.Under och Rutbo Brasse är nära i modellens totalvärde; loppets sannolikheter sprids jämnt. Två hästar saknar historik vilket ökar osäkerheten i bottenskiktet.
Väskinge Inez toppar på grund av bästa hastighetsvärde och stark förare/tränarprofil. Klocksve D.Under och Rutbo Brasse ligger nära i modellens totalvärde och kan avgöra loppet; båda har rimlig form och positioner. Pyssla sticker ut som spännande mittenkandidat med god balans i statistik men något sämre stabilitet.
Modellen pekar ut Väskinge Inez som mest överspelad av marknaden med högst värdeskillnad mot marknadsprissättning; Klocksve D.Under och Rutbo Brasse värderas av modellen högre än några av deras odds skulle antyda men saknar samma edge. Slotts Otto visar tydlig positiv värdesignal i modell jämfört med marknadens implied probability.
Tryggheten bedöms som medelhög: topptrion har stabilt historiskt underlag och goda signaler (hastighet, förare/tränare), men spridningen i sannolikheter är liten och två hästar saknar historik vilket ökar osäkerheten i slutresultatet.
Väskinge Inez vinner modelljämförelsen tack vare lägst sammanvägt modellvärde, främst driven av topphastighet och bästa teamranks. Klocksve D.Under och Rutbo Brasse har liknande totalvärde men saknar Inez hastighetsfördel; deras positioner och form ger dem nära andraplatser. Långskott som Slotts Otto lyfts i modellens värdering eftersom marknaden underskattar den i förhållande till modellens bedömning.
Rang inom startfältet för modellens viktigaste faktorer. 1 = bäst.
| Faktor | 1. Väskinge Inez (12) | 2. Klocksve D.Under (9) | 3. Rutbo Brasse (5) | 11. Slotts Otto (4) |
|---|---|---|---|---|
| Fartsrank | 1 | 2 | 3 | 11 |
| Formrank | 5 | 4 | 3 | 10 |
| Distansrank | 3 | 5 | 2 | 5 |
| Kuskrank | 1 | 2 | 5 | 4 |
| Tränarrank | 1 | 3 | 4 | 12 |
| Stabilitetsrank | 4 | 5 | 8 | 6 |
| Underlag | 3 lopp | 3 lopp | 3 lopp | 3 lopp |
| Startspår | 8 | 5 | 1 | 4 |
Modellen ser Väskinge Inez som klar topp på sammanvägt modellvärde tack vare forcerande hastighet och starka teamranks. Klocksve D.Under och Rutbo Brasse är realistiska hot och nära i modellens bedömning. Marknaden visar skillnader som ger Väskinge Inez och Slotts Otto intressanta värdeindikationer, men två nykomlingar utan historik ökar osäkerheten i loppets slutskede.
| Rank | Nr | Häst | Marknad % | Modell % | Edge % | Kusk | Tränare |
|---|---|---|---|---|---|---|---|
| 1 | 12 | Väskinge Inez | 4.9% | 14.4% | +9.5% | Viktor Lyck | Nathalie Blom |
| 2 | 9 | Klocksve D.Under | 19.6% | 13.3% | -6.3% | Isabella Jansson Wiklund | Leif Persson |
| 3 | 5 | Rutbo Brasse | 19.4% | 13.0% | -6.4% | Emma Lindkvist | Emma Lindkvist |
| 4 | 1 | Vikings Pärla | 15.3% | 9.6% | -5.6% | Bo Landgren | Bo Landgren |
| 5 | 13 | Pyssla | 8.0% | 8.1% | +0.1% | Björn Haglund | Ann-Charlotte Arnesson |
| 6 | 11 | Engsbro Kvicken | 6.2% | 7.2% | +0.9% | Claes Eskilsson | Mats Kvick |
| 7 | 8 | M.P.Atlas | 8.6% | 6.7% | -1.9% | Alexander Ljungman | Carina Myrlund |
| 8 | 3 | Lystad Loke | 11.8% | 6.7% | -5.2% | Per Nordlund | Per Nordlund |
| 9 | 6 | Rickard Tabac | 6.6% | 6.3% | -0.4% | Erika Åsblom | Erika Åsblom |
| 10 | 7 | Belse Tösen | 5.5% | 6.1% | +0.6% | Johanna Stark | Jan-Olov Åberg |
| 11 | 4 | Slotts Otto | 2.6% | 5.6% | +3.0% | Jonna Andersson | Jonna Andersson |
| 12 | 2 | Tolvmans Olle | 9.2% | 1.5% | -7.7% | Jan-Olov Åberg | Jan-Olov Åberg |
| 13 | 10 | Lysjö Wilma | — | 1.5% | — | Kristina Larsson | Kristina Larsson |
Three-Wide bygger en publik runt trav, spelvägar och datadrivna loppsidor. Den här ytan är reserverad för kommande annonsörer.
