Alla startande saknar historiskt underlag i vår data (antal tidigare relevanta lopp = 0) vilket gör bedömningen osäker.
Den här platsen är reserverad för framtida annonsering och partnerskap inom trav, sport och datadriven analys.
Sha Tin 2026-04-26 lopp 9
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 flera högprofilerade starthästar delar likartade bedömningar. Eftersom inga hästar har historiskt underlag i vår data blir skillnaderna i modellvärde mycket små och osäkerheten hög.
Hetaste buden
GIOVANNI, ROYAL CHAMPION och SOSIE hamnar högst i modellrankingen med identiska sammanvägda modellvärden. Modellen lyfter dem eftersom de har lika höga interna attribut i vår data (förare/tränarpoäng och grundpoäng) trots avsaknad av historisk form.
Därför rankar modellen så
Modellen prioriterar kombinationen av förare- och tränarpoäng tillsammans med ett basvärde som är satt lika för många hästar. Avsaknad av tidigare lopp i vårt underlag gör att skillnaderna i slutvärde blir minimal och rangordningen i praktiken beroende av små, icke-historiska faktorer.
Rang inom startfältet för modellens viktigaste faktorer. 1 = bäst.
| Faktor | 5. MASQUERADE BALL (1) |
|---|---|
| Fartsrank | 1 |
| Formrank | 1 |
| Distansrank | 1 |
| Kuskrank | 1 |
| Tränarrank | 1 |
| Stabilitetsrank | 1 |
| Underlag | 0 lopp |
| Startspår | — |
Spelvärde
Modellen visar stora värdeskillnader mot marknadens prissättning: beräknad segerchans är ~12.5% för flera hästar medan marknadens implicita sannolikhet i input är mycket lägre (~1.0%). Det indikerar att marknaden verkar prissätta fältet annorlunda, men aktuella odds saknas i data så konkret spelvärde kan inte fastställas.
Trygghet i loppet
Modellen bedömer tryggheten som låg eftersom noll tidigare relevanta lopp finns för alla startande i vårt underlag. Det gör att slutsatserna hänger på icke-historiska signaler och är känsliga för fel i dessa data.
Slutsats
Fältet framstår som mycket jämnt i modellen med flera hästar delande högsta värdeprofil. På grund av avsaknad av historisk data är det viktigt att tolka rangordningen försiktigt; de observerade skillnaderna är små och osäkerheten hög.
Ranking och sannolikhet
| Rank | Nr | Häst | Marknad % | Modell % | Edge % | Kusk | Tränare |
|---|---|---|---|---|---|---|---|
| 1 | 5 | GIOVANNI | 1.0% | 12.5% | +11.5% | J Collett | H Sugiyama |
| 2 | 3 | ROYAL CHAMPION | 1.0% | 12.5% | +11.5% | O Murphy | K Burke |
| 3 | 4 | SOSIE | 1.0% | 12.5% | +11.5% | M Guyon | A Fabre |
| 4 | 6 | JUNE TAKE | 1.0% | 12.5% | +11.5% | J Moreira | H Take |
| 5 | 1 | MASQUERADE BALL | 1.0% | 12.5% | +11.5% | C Lemaire | T Tezuka |
| 6 | 7 | RUBYLOT | 1.0% | 12.5% | +11.5% | H Bowman | D A Hayes |
| 7 | 2 | ROMANTIC WARRIOR | 1.0% | 12.5% | +11.5% | J McDonald | C S Shum |
| 8 | 8 | NUMBERS | 1.0% | 12.5% | +11.5% | K C Leung | F C Lor |
Three-Wide bygger en publik runt trav, spelvägar och datadrivna loppsidor. Den här ytan är reserverad för kommande annonsörer.
