Endast två hästar har historiskt underlag i analysen; övriga saknar historik vilket sänker tryggheten men toppkandidaterna har konsekvent högre sammanvägda modellvärden.
Den här platsen är reserverad för framtida annonsering och partnerskap inom trav, sport och datadriven analys.
Skive 2026-04-13 lopp 6
Datadriven loppanalys med ranking, spelvärde och tydliga förklaringar för detta lopp.
Snabbvägar från loppet
Kort läsning av loppet
Loppanalys
Loppbild
Modellen ser ett tydligt toppskikt med Kun Sem och Ida Toft före en större grupp utan historik. Kun Sem har bäst sammanvägda modellvärde och snabbast historiska tider, medan många övriga saknar relevant tävlingshistorik vilket ökar osäkerheten i helhetsbilden.
Hetaste buden
Kun Sem (start 10) leder på snabbast tider och lägst sammanvägda modellvärde; Ida Toft (start 8) är tvåa med goda tider och bättre prisbild än modellen. Junker Hydrup (start 12) rankas trea men saknar historik, vilket gör bedömningen osäker.
Därför rankar modellen så
Kun Sem får högsta ranking tack vare lägst sammanvägda modellvärde, bästa hastighetsmått och stabilitet i tidigare lopp; Ida Toft ligger tvåa eftersom hon också visar snabba tider och modellens bedömda segerchans överstiger marknadens prissättning. Övriga placerade har antingen sämre tider eller saknar historik i analysen.
Rang inom startfältet för modellens viktigaste faktorer. 1 = bäst.
| Faktor | 1. Kun Sem (10) | 2. Ida Toft (8) |
|---|---|---|
| Fartsrank | 1 | 2 |
| Formrank | 1 | 1 |
| Distansrank | 1 | 1 |
| Kuskrank | 8 | 10 |
| Tränarrank | 4 | 7 |
| Stabilitetsrank | 1 | 1 |
| Underlag | 1 lopp | 1 lopp |
| Startspår | 10 | 8 |
Spelvärde
Marknaden prisar Kun Sem något högre än modellen förväntar sig (modellens segerchans lägre än marknadens prissättning). Ida Toft visar en positiv värdeskillnad gentemot marknaden — modellen bedömer henne som mer attraktiv än oddsen antyder. För flera övriga saknas oddsdata eller de slumpmässiga prissättningarna visar negativt edge.
Trygghet i loppet
Modellen bedömer tryggheten som medelhög: Kun Sem och Ida Toft har historik som stöder bedömningen, men majoriteten av fältet saknar tidigare lopp i datan vilket minskar total trygghet.
Slutsats
Modellen fokuserar på Kun Sem och Ida Toft som tydliga referenspunkter: Kun Sem har loppets bästa sammanvägda modellvärde medan Ida Toft visar en bättre relativ prissättning mot marknaden. Samtidigt är fältet i övrigt svårbedömt på grund av bristande historik, vilket gör loppbilden osäker utanför toppduon.
Ranking och sannolikhet
| Rank | Nr | Häst | Marknad % | Modell % | Edge % | Kusk | Tränare |
|---|---|---|---|---|---|---|---|
| 1 | 10 | Kun Sem | 22.1% | 17.7% | -4.4% | Henrik Lønborg | Torben Kristensen |
| 2 | 8 | Ida Toft | 11.3% | 13.4% | +2.1% | Mathias Jensen | Agnete Toftegård |
| 3 | 12 | Junker Hydrup | 5.6% | 7.3% | +1.7% | Casper M. Nielsen | Niels D. Kristensen |
| 4 | 1 | Khepri | 8.1% | 7.2% | -0.9% | Jeppe Juel | Marc Bæk Nielsen |
| 5 | 4 | It's Quite Easy | 6.3% | 7.2% | +0.8% | Jeppe Rask | Keld Christensen |
| 6 | 5 | Larenne Hill | 37.2% | 7.1% | -30.1% | Birger Jørgensen | Gordon Dahl |
| 7 | 7 | Kilkenny | 14.3% | 7.1% | -7.2% | Jan Dahlgaard | Ruben Kristensen |
| 8 | 9 | Just Magic | 11.5% | 7.0% | -4.4% | Anders Pedersen | Anders Pedersen |
| 9 | 3 | Georg Box | 2.9% | 7.0% | +4.1% | Kasper Foget | Jørn Fuhlendorff |
| 10 | 6 | Kirsi Laser | 3.7% | 6.7% | +3.1% | Mads Vesterlund | Torben V. Pedersen |
| 11 | 2 | For U Tinna | 2.2% | 6.2% | +4.0% | Paw Willumsen | Paw Willumsen |
| 12 | 11 | Marre Vox | — | 5.9% | — | Rene Feltheim | Rene Feltheim |
Three-Wide bygger en publik runt trav, spelvägar och datadrivna loppsidor. Den här ytan är reserverad för kommande annonsörer.
