エーデルワイス賞のポイント

【好走ポイント】

[1]前走がダートで①着の馬

前走がダートで①着の馬が過去5年すべてで連対し、そのうち4勝している。

該当馬:スティールマジック、ムーム、ワイノナオミ

[2]ふた桁馬番の馬

ふた桁馬番の馬が過去5年すべてで連対していて、そのうち4勝している。

該当馬:スティールマジック、ハニービート、ムーム、モズミギカタアガリ、モノノフブラック

[3]父か母父がノーザンダンサー系の馬

父か母父がノーザンダンサー系の馬が、過去5年すべてで連対している。

該当馬:イイデスカイハイ、シシャモフレンド、ジュデシャンス、スカイキャンバス、ライトヴェール、ワイノナオミ

※人気傾向

過去5年で1番人気は[1.2.0.2]、2番人気は[0.1.1.3]で、過去5年すべてで1～2番人気馬のどちらか一方のみ馬券圏内に入っている。6番人気以下で馬券圏内に入ったのは19年7番人気①着コーラルツッキー&11番人気③着ミナトノヨーコで、いずれも8枠。今年、8枠の馬はスティールマジック、ハニービート。

※中央馬

過去5年で馬券圏内に入った15頭のうち、9頭が道営所属馬。昨年は2～4番人気の中央馬が馬券圏内を占めていて、馬券圏内に入った中央馬はいずれも4番人気以内。

※大型馬

20年以降、当日の馬体重が496kg以上の馬が3年連続で馬券圏内に入っている。

番	馬名	[1]	[2]	[3]
1	ワイノナオミ	★		★
2	ホーリーブライト
3	ジュデシャンス			★
4	スカイキャンバス			★
5	ライトヴェール			★
6	カズマ
7	イイデスカイハイ			★
8	コールミーメイビー
9	シシャモフレンド			★
10	モノノフブラック		★
11	ムーム	★	★
12	モズミギカタアガリ		★
13	スティールマジック	★	★
14	ハニービート		★

★…プラスデータに該当した馬

【まとめ】
複数で｢★｣が付いたのはスティールマジック、ムーム、ワイノナオミとなった。

スティールマジックは地方交流重賞が初めてだが、門別ダート1100～1500mが①③②①①着で、このコースの前走は3頭雁行の3番手に付け、メンバー最速の上がり37秒6で押し切った。過去5年中4年で前走①着の道営所属馬が連対していて、今年の該当馬は本馬だけ。砂を被ると嫌がる面を見せるようで、8枠13番に入ったのは悪くなさそうだから、スムーズに流れに乗れれば。

ムームはダート替わりの前走(中山ダート1200m)が◇53kgで前半3F34秒6のペースで逃げ、上がり38秒6で押し切った。地方交流重賞は初めてだが、前走の内容なら直線平坦コース替わりは悪くなさそう。エーデルワイス賞でのキンシャサノキセキ産駒は14年②着のジュエルクイーンがいるが、本馬は前走時馬体重が436kgなので、斤量増(◇53→54kg)がどうかだろう。

ワイノナオミはダートで馬番4番以内だと③③①着で、前走(新潟ダート1200m)は▲52kgで中団に付け、メンバー最速の上がり37秒0で差し切った(今回は1枠1番)。門別は初めてで、右回りのダートは斤量55kgで③③⑨着。このレースでのドレフォン産駒はヒストリックノヴァが21年②着に入っているが、本馬は斤量増(▲52→54kg)でワンパンチを利かせられるか。

スカイキャンバスは過去4戦が芝で[1.0.2.1]で、そのうち直線平坦コースは札幌&函館で①③③着。祖母ベルビオラはこのコースで馬券圏内に入った実績があるが、本馬は初ダートでどこまで食い込めるか。エーデルワイス賞で初ダートの馬が馬券圏内に入ると、16年①着のリエノテソーロ以来となる。

ホーリーブライトは前走のヤマボウシ賞が⑥着だったが、初のダート1400mで先行失速となったもの。ダート1200mは▲52kgで⑦③①着で、そのうち右回りは初勝利を挙げた2走前(中山)だけ。過去2回の馬券圏内は大外枠で、ひと桁馬番は⑦⑥着だから、今回は2枠2番がポイントか。

ジュデシャンスは馬番6番以内の時が[2.1.1.0]で、そのうち門別ダート1200mでは①②着(今回は3枠3番)。過去1回の馬券圏外(⑧着)はダート1000mで後方からの競馬になったもので、過去の馬券圏内は4角4番手以内の時なので、初の地方交流重賞でもある程度の位置に付けられれば。ヘニーヒューズ産駒はトモジャミが昨年のこのレースで③着に入っている。

シシャモフレンドは前走で⑥着に敗れたが、牡牝混合戦で出遅れていた。4角先頭の時は[2.0.1.0]で、そのうち牝馬限定戦は①③着だから、牝馬同士で五分のスタートを切れれば変わる余地がありそう。過去2勝はダート1000～1100mで挙げているのに対し、ダート1200mは③⑥着なので、今回もダート1200mがポイントだろう。

■出馬表へ

■過去5年データへ