SHAretro - Banshees

Flyers
Accueil
Formation
Points
Informations joueurs
Lignes
Statistiques d’équipe
Calendrier
Finance
Client Web pour les lignes

Centre de jeu
	Croque-Morts 27-39-2, 70pts	3	FINAL	5	Banshees 52-19-2, 115pts

Team Stats
L5	Streak	W4
13-17-1	Home Record	28-11-0
14-22-1	Away Record	24-8-2
0-7-1	Last 10 Games	6-2-2
2.99	Goals Per Game	3.32
3.29	Goals Against Per Game	2.68
18.34%	Power Play Percentage	18.72%
79.75%	Penalty Kill Percentage	81.61%

Banshees
52-19-2, 115pts

FINAL

Mooses
36-31-2, 87pts

Team Stats
W4	Streak	L1
28-11-0	Home Record	17-15-2
24-8-2	Away Record	19-16-0
6-2-2	Last 10 Games	2-7-0
3.32	Goals Per Game	3.05
2.68	Goals Against Per Game	2.83
18.72%	Power Play Percentage	19.79%
81.61%	Penalty Kill Percentage	82.13%

Meneurs d'équipe




	Victoires Jim Hrivnak 41	Pourcentage d’arrêts Jim Hrivnak 0.897

Statistiques d’équipe
Buts pour 272 3.32 GFG	Tirs pour 2379 29.01 Avg	Pourcentage en avantage numérique 18.7% 76 GF	Début de zone offensive 41.9%
Buts contre 220 2.68 GAA	Tirs contre 2048 24.98 Avg	Pourcentage en désavantage numérique 81.6% 57 GA	Début de la zone défensive 38.3%

Information d’équipe
	Directeur général	Louis-Philippe DesHaies
	Entraîneur	John Tortorella
	Division	Division 2
	Conférence	Prince de Galles
	Capitaine	Greg Gilbert
	Assistant #1	Bill Berg
	Assistant #2	Bob McGill
Informations de l’aréna
	Capacité	3,000
	Assistance	0
	Billets de saison	300
Information formation
	Équipe Pro	27
	Équipe Mineure	18
	Limite contact	45 / 65
	Espoirs	7

Afficher ou masquer des colonnes

Astuces sur les filtres (anglais seulement)

Priority	Type	Description
1	`\|` or `OR`	Logical "or" (Vertical bar). Filter the column for content that matches text from either side of the bar
2	`&&` or `AND`	Logical "and". Filter the column for content that matches text from either side of the operator.
3	`/\d/`	Add any regex to the query to use in the query ("mig" flags can be included `/\w/mig`)
4	`< <= >= >`	Find alphabetical or numerical values less than or greater than or equal to the filtered query
5	`!` or `!=`	Not operator, or not exactly match. Filter the column with content that do not match the query. Include an equal (`=`), single (`'`) or double quote (`"`) to exactly not match a filter.
6	`"` or `=`	To exactly match the search query, add a quote, apostrophe or equal sign to the beginning and/or end of the query
7	`-` or `to`	Find a range of values. Make sure there is a space before and after the dash (or the word "to")
8	`?`	Wildcard for a single, non-space character.
8	`*`	Wildcard for zero or more non-space characters.
9	`~`	Perform a fuzzy search (matches sequential characters) by adding a tilde to the beginning of the query
10	text	Any text entered in the filter will match text found within the column

#	Nom du joueur	C	L	R	D	CON	CK	FG	DI	SK	ST	EN	DU	PH	FO	PA	SC	DF	PS	EX	LD	PO	MO	OV	SP	Âge	Contrat	Salaire
1	Greg Gilbert (C)			X		100.00	57	42	87	67	73	69	71	72	64	68	67	80	64	66	73	19	90	67	0	32	1	550,000$
2	Mariusz Czerkawski (R)			X		100.00	55	43	76	69	74	72	70	80	67	77	79	66	67	32	35	93	87	67	0	22	1	400,000$
3	Martin Straka (R)		X			100.00	52	43	74	75	69	71	69	81	71	83	76	60	66	37	41	92	82	67	0	22	2	520,000$
4	Dave Lowry		X			100.00	66	56	66	66	74	77	78	64	62	67	66	76	65	73	79	41	89	66	0	29	3	804,000$
5	Ryan Walter	X				100.00	53	45	74	64	73	70	70	66	62	65	63	81	63	85	83	1	85	66	0	36	1	325,000$
6	Brent Hughes		X			100.00	81	68	54	70	71	75	74	64	56	66	73	76	68	49	50	49	90	66	0	28	3	653,000$
7	Claude Vilgrain			X		100.00	68	52	69	63	75	69	68	71	66	76	74	62	68	60	59	27	86	66	0	31	2	800,000$
8	Vladimir Ruzicka	X				100.00	58	44	83	62	78	68	68	72	69	76	77	59	74	56	52	23	53	65	0	31	2	850,000$
9	Craig Conroy	X				100.00	71	59	64	69	75	69	71	72	70	72	60	74	58	28	34	87	90	64	0	23	3	700,000$
10	Alexander Selivanov (R)		X			100.00	56	55	64	72	60	62	63	75	45	70	72	60	70	35	35	90	91	62	0	23	3	450,000$
11	Mike Sillinger	X				100.00	58	46	80	66	75	63	65	63	65	66	64	72	64	33	33	84	55	61	0	23	1	320,000$
12	Martin Lapointe (R)			X		100.00	58	54	69	66	74	62	63	61	67	61	63	69	65	31	31	94	82	60	0	21	1	500,000$
13	Yves Racine				X	100.00	71	58	68	66	75	74	76	72	64	76	62	84	54	35	43	72	76	68	0	25	1	700,000$
14	Robert Svehla				X	100.00	57	49	74	68	77	79	78	78	70	82	76	78	64	46	46	70	81	68	0	25	2	500,000$
15	Bill Berg (A)				X	100.00	60	45	87	64	77	69	72	78	58	77	75	83	58	49	52	54	85	68	0	27	1	385,000$
16	Bob McGill (A)				X	100.00	74	63	60	56	74	73	73	52	48	53	41	83	40	87	79	16	80	66	0	32	2	700,000$
17	Peter Ahola				X	100.00	74	63	59	65	76	66	67	71	63	77	67	81	58	39	39	63	73	66	0	26	2	500,000$
18	Chris Joseph				X	100.00	71	52	75	63	77	65	66	66	61	72	50	81	45	51	56	64	78	66	0	26	3	602,000$
Rayé
1	John Carter	X				100.00	67	55	61	71	68	69	69	68	60	63	69	63	66	61	59	25	20	64	0	31	1	500,000$
2	Kevin Miehm (R)	X				100.00	55	43	73	67	76	66	66	66	61	68	67	63	64	44	46	62	75	62	0	26	2	460,000$
3	Jay Mazur			X		100.00	59	52	60	62	76	64	64	72	64	70	55	63	52	58	60	41	20	62	0	29	1	473,000$
4	Todd Warriner (R)		X			100.00	61	47	70	70	72	66	64	60	57	67	56	66	53	31	33	93	20	59	0	20	3	325,000$
5	Jim Wiemer				X	100.00	75	59	60	66	76	70	69	62	57	63	49	77	48	71	60	9	20	66	0	33	2	670,000$
6	Ian Moran (R)				X	100.00	59	46	71	67	75	66	64	67	60	68	53	75	51	37	29	91	19	62	0	22	4	800,000$

	MOYENNE D’ÉQUIPE					100.00	63	52	70	66	74	69	69	69	62	70	65	72	60	50	50	57	68	65

Afficher ou masquer des colonnes

Astuces sur les filtres (anglais seulement)

Priority	Type	Description
1	`\|` or `OR`	Logical "or" (Vertical bar). Filter the column for content that matches text from either side of the bar
2	`&&` or `AND`	Logical "and". Filter the column for content that matches text from either side of the operator.
3	`/\d/`	Add any regex to the query to use in the query ("mig" flags can be included `/\w/mig`)
4	`< <= >= >`	Find alphabetical or numerical values less than or greater than or equal to the filtered query
5	`!` or `!=`	Not operator, or not exactly match. Filter the column with content that do not match the query. Include an equal (`=`), single (`'`) or double quote (`"`) to exactly not match a filter.
6	`"` or `=`	To exactly match the search query, add a quote, apostrophe or equal sign to the beginning and/or end of the query
7	`-` or `to`	Find a range of values. Make sure there is a space before and after the dash (or the word "to")
8	`?`	Wildcard for a single, non-space character.
8	`*`	Wildcard for zero or more non-space characters.
9	`~`	Perform a fuzzy search (matches sequential characters) by adding a tilde to the beginning of the query
10	text	Any text entered in the filter will match text found within the column

#	Nom du gardien	CON	SK	DU	EN	SZ	AG	RB	SC	HS	RT	PH	PS	EX	LD	PO	MO	OV	SP
1	Jim Hrivnak	100.00	70	74	80	75	75	81	85	89	85	74	72	51	47	61	70	73	0
2	Craig Billington	100.00	74	76	72	70	72	79	82	87	83	76	76	54	49	52	84	72	0
Rayé
1	Fred Brathwaite (R)	100.00	68	74	75	73	71	74	72	74	76	71	69	47	44	80	20	67	0

	MOYENNE D’ÉQUIPE	100.00	71	75	76	73	73	78	80	83	81	74	72	51	47	64	58	71

Nom de l’entraîneur	PH	DF	OF	PD	EX	LD	PO	CNT	Âge	Contrat	Salaire
John Tortorella	76	80	80	82	76	86	88	USA	37	1	95,000$

Afficher ou masquer des colonnes

Astuces sur les filtres (anglais seulement)

Priority	Type	Description
1	`\|` or `OR`	Logical "or" (Vertical bar). Filter the column for content that matches text from either side of the bar
2	`&&` or `AND`	Logical "and". Filter the column for content that matches text from either side of the operator.
3	`/\d/`	Add any regex to the query to use in the query ("mig" flags can be included `/\w/mig`)
4	`< <= >= >`	Find alphabetical or numerical values less than or greater than or equal to the filtered query
5	`!` or `!=`	Not operator, or not exactly match. Filter the column with content that do not match the query. Include an equal (`=`), single (`'`) or double quote (`"`) to exactly not match a filter.
6	`"` or `=`	To exactly match the search query, add a quote, apostrophe or equal sign to the beginning and/or end of the query
7	`-` or `to`	Find a range of values. Make sure there is a space before and after the dash (or the word "to")
8	`?`	Wildcard for a single, non-space character.
8	`*`	Wildcard for zero or more non-space characters.
9	`~`	Perform a fuzzy search (matches sequential characters) by adding a tilde to the beginning of the query
10	text	Any text entered in the filter will match text found within the column

#	Nom du joueur	Nom de l’équipe	POS	GP	G	A	P	+/-	PIM	PIM5	HIT	HTT	SHT	OSB	OSM	SHT%	SB	MP	AMG	PPG	PPA	PPP	PPS	PPM	PKG	PKA	PKP	PKS	PKM	GW	GT	FO%	FOT	EG	P/20	FW	FL	FT	S1	S2	S3
1	Robert Svehla	Banshees (PHI)	D	66	17	44	61	27	32	0	37	114	147	39	91	11.56%	68	1502	22.76	8	17	25	92	275	0	0	0	0	63	3	1	0.00%	0	0	0.81	0	0	0	4	4	4
2	Mariusz Czerkawski	Banshees (PHI)	RW	75	25	35	60	28	16	0	80	101	237	58	171	10.55%	8	1454	19.40	7	12	19	59	318	0	0	0	2	48	6	0	50.38%	133	0	0.82	0	0	0	7	5	2
3	Martin Straka	Banshees (PHI)	LW	66	25	35	60	24	10	0	58	110	170	39	120	14.71%	5	1283	19.45	6	15	21	44	267	0	0	0	2	59	4	1	51.24%	607	0	0.93	0	0	0	4	8	6
4	Yves Racine	Banshees (PHI)	D	72	15	44	59	18	63	5	149	103	111	45	82	13.51%	81	1636	22.72	8	10	18	77	283	0	0	0	0	211	1	2	0.00%	0	0	0.72	0	1	0	3	3	5
5	Bill Berg	Banshees (PHI)	D	76	17	38	55	3	16	0	48	124	128	44	98	13.28%	83	1595	20.99	10	11	21	70	217	0	0	0	1	199	4	2	0.00%	0	1	0.69	0	0	0	5	1	2
6	Craig Conroy	Banshees (PHI)	C	82	18	36	54	10	57	5	197	196	168	40	98	10.71%	15	1578	19.25	5	12	17	47	307	0	0	0	1	159	4	1	53.12%	2065	0	0.68	0	0	1	6	2	3
7	Alexander Selivanov	Banshees (PHI)	LW	80	21	27	48	2	46	0	90	82	179	40	123	11.73%	8	1379	17.25	7	8	15	47	267	0	0	0	0	1	3	2	42.73%	110	0	0.70	0	0	0	4	1	5
8	Peter Ahola	Banshees (PHI)	D	78	12	35	47	5	94	20	196	86	108	42	82	11.11%	97	1569	20.13	8	13	21	60	279	0	0	0	1	93	4	1	0.00%	0	0	0.60	2	1	1	0	3	0
9	Ryan Walter	Banshees (PHI)	C	72	17	28	45	11	18	0	49	176	137	39	97	12.41%	9	1223	16.99	3	4	7	18	111	0	0	0	3	132	4	3	52.28%	1534	0	0.74	0	0	0	2	4	2
10	Vladimir Ruzicka	Banshees (PHI)	C	80	15	30	45	0	4	0	32	139	137	38	90	10.95%	3	1311	16.39	3	13	16	28	273	0	0	0	0	11	2	0	53.59%	1534	0	0.69	0	0	0	2	2	4
11	Greg Gilbert	Banshees (PHI)	RW	78	16	25	41	4	8	0	16	94	140	50	115	11.43%	17	1057	13.56	1	3	4	21	74	0	0	0	1	127	4	2	60.78%	102	0	0.78	0	0	0	3	2	2
12	Brent Hughes	Banshees (PHI)	LW	82	22	19	41	8	136	30	210	96	173	54	119	12.72%	12	1251	15.26	2	0	2	13	65	0	0	0	2	136	4	1	50.00%	98	0	0.66	0	0	5	3	4	7
13	Chris Joseph	Banshees (PHI)	D	75	4	33	37	2	34	0	84	83	63	19	39	6.35%	70	1347	17.97	2	7	9	40	155	0	0	0	0	187	0	0	0.00%	0	0	0.55	0	0	0	1	2	2
14	Claude Vilgrain	Banshees (PHI)	RW	80	22	12	34	-5	56	0	100	61	177	51	105	12.43%	3	1319	16.49	4	5	9	36	255	0	0	0	0	5	4	2	60.22%	93	0	0.52	0	0	0	6	2	2
15	Dave Lowry	Banshees (PHI)	LW	80	11	10	21	8	18	0	69	38	92	29	52	11.96%	9	788	9.85	1	4	5	5	66	1	0	1	5	156	3	1	46.03%	63	0	0.53	0	0	0	0	1	3
16	Bob McGill	Banshees (PHI)	D	79	3	14	17	12	129	35	203	48	45	16	28	6.67%	88	1471	18.62	0	2	2	5	52	0	0	0	2	197	0	1	0.00%	0	0	0.23	2	2	3	1	1	1
17	Kevin Miehm	Banshees (PHI)	C	65	4	12	16	-1	4	0	22	56	68	22	46	5.88%	1	753	11.60	0	5	5	9	85	0	0	0	3	122	1	0	46.45%	818	0	0.42	0	0	0	0	2	0
18	Mike Sillinger	Banshees (PHI)	C	59	6	8	14	2	4	0	10	63	37	6	26	16.22%	4	462	7.84	1	0	1	3	4	0	1	1	1	48	1	0	50.53%	469	0	0.61	0	0	0	0	0	1
19	Martin Lapointe	Banshees (PHI)	RW	68	2	8	10	7	18	0	28	32	47	22	37	4.26%	3	524	7.71	0	0	0	1	15	0	0	0	0	1	0	0	48.28%	29	0	0.38	0	0	0	0	0	1
20	Ian Moran	Banshees (PHI)	D	30	2	8	10	-6	10	0	14	18	21	6	10	9.52%	34	521	17.38	0	0	0	13	59	0	0	0	0	50	0	0	0.00%	0	0	0.38	0	0	0	0	0	1
21	Jay Mazur	Banshees (PHI)	RW	25	2	1	3	-1	4	0	13	16	12	5	10	16.67%	2	225	9.01	0	0	0	2	8	0	0	0	0	4	0	0	53.85%	13	0	0.27	0	0	0	1	0	0
22	Jim Wiemer	Banshees (PHI)	D	16	0	3	3	1	19	5	36	14	3	4	4	0.00%	15	292	18.31	0	0	0	1	23	0	0	0	0	29	0	0	0.00%	0	0	0.20	0	0	1	0	0	0
23	John Carter	Banshees (PHI)	C	19	1	1	2	0	2	0	7	20	18	5	10	5.56%	1	217	11.47	0	0	0	0	10	0	0	0	0	8	1	0	50.21%	239	0	0.18	0	0	0	0	0	1
24	Todd Warriner	Banshees (PHI)	LW	13	0	1	1	-2	2	0	14	7	7	1	3	0.00%	1	104	8.01	0	0	0	0	0	0	0	0	0	2	0	0	57.14%	7	0	0.19	0	0	0	0	0	0
Statistiques d’équipe totales ou en moyenne				1516	277	507	784	157	800	100	1762	1877	2425	714	1656	11.42%	637	24872	16.41	76	141	217	691	3480	1	1	2	24	2060	53	20	51.86%	7914	1	0.63	4	4	11	52	47	54

Afficher ou masquer des colonnes

Astuces sur les filtres (anglais seulement)

Priority	Type	Description
1	`\|` or `OR`	Logical "or" (Vertical bar). Filter the column for content that matches text from either side of the bar
2	`&&` or `AND`	Logical "and". Filter the column for content that matches text from either side of the operator.
3	`/\d/`	Add any regex to the query to use in the query ("mig" flags can be included `/\w/mig`)
4	`< <= >= >`	Find alphabetical or numerical values less than or greater than or equal to the filtered query
5	`!` or `!=`	Not operator, or not exactly match. Filter the column with content that do not match the query. Include an equal (`=`), single (`'`) or double quote (`"`) to exactly not match a filter.
6	`"` or `=`	To exactly match the search query, add a quote, apostrophe or equal sign to the beginning and/or end of the query
7	`-` or `to`	Find a range of values. Make sure there is a space before and after the dash (or the word "to")
8	`?`	Wildcard for a single, non-space character.
8	`*`	Wildcard for zero or more non-space characters.
9	`~`	Perform a fuzzy search (matches sequential characters) by adding a tilde to the beginning of the query
10	text	Any text entered in the filter will match text found within the column

#	Nom du gardien	Nom de l’équipe	GP	W	L	OTL	PCT	GAA	MP	PIM	SO	GA	SA	A	EG	ST	BG	S1	S2	S3
1	Jim Hrivnak	Banshees (PHI)	66	41	18	6	0.897	2.55	3834	4	4	163	1589	3	1	64	14	4	4	1
2	Craig Billington	Banshees (PHI)	18	10	3	3	0.884	2.75	1004	0	1	46	395	0	0	15	57	1	0	0
3	Fred Brathwaite	Banshees (PHI)	4	1	0	0	0.841	4.17	144	0	0	10	63	0	0	3	11	0	0	0
Statistiques d’équipe totales ou en moyenne			88	52	21	9	0.893	2.64	4983	4	5	219	2047	3	1	82	82	5	4	1

Afficher ou masquer des colonnes

Astuces sur les filtres (anglais seulement)

Priority	Type	Description
1	`\|` or `OR`	Logical "or" (Vertical bar). Filter the column for content that matches text from either side of the bar
2	`&&` or `AND`	Logical "and". Filter the column for content that matches text from either side of the operator.
3	`/\d/`	Add any regex to the query to use in the query ("mig" flags can be included `/\w/mig`)
4	`< <= >= >`	Find alphabetical or numerical values less than or greater than or equal to the filtered query
5	`!` or `!=`	Not operator, or not exactly match. Filter the column with content that do not match the query. Include an equal (`=`), single (`'`) or double quote (`"`) to exactly not match a filter.
6	`"` or `=`	To exactly match the search query, add a quote, apostrophe or equal sign to the beginning and/or end of the query
7	`-` or `to`	Find a range of values. Make sure there is a space before and after the dash (or the word "to")
8	`?`	Wildcard for a single, non-space character.
8	`*`	Wildcard for zero or more non-space characters.
9	`~`	Perform a fuzzy search (matches sequential characters) by adding a tilde to the beginning of the query
10	text	Any text entered in the filter will match text found within the column

Nom du joueur	Nom de l’équipe	POS	Âge	Date de naissance	Nouveau joueur	Poids	Taille	Non-échange	Disponible pour échange	Ballotage forcé	Contrat	Type	Salaire actuel	Plafond salarial	Plafond salarial restant	Exclus du plafond salarial	Salaire annuel 2	Salaire annuel 3	Salaire annuel 4
Alexander Selivanov	Banshees (PHI)	LW	23	1998-04-19 4:32:36 AM	Yes	207 Lbs	6 ft0	No	No	No	3	Pro & Farm	450,000$	45,000$	366$	No	450,000$	450,000$
Bill Berg	Banshees (PHI)	D	27	1994-02-09 9:08:37 PM	No	205 Lbs	6 ft1	No	No	No	1	Pro & Farm	385,000$	38,500$	313$	No
Bob McGill	Banshees (PHI)	D	32	1989-02-09 9:08:37 PM	No	200 Lbs	6 ft0	No	No	No	2	Pro & Farm	700,000$	70,000$	569$	No	700,000$
Brent Hughes	Banshees (PHI)	LW	28	1993-02-09 9:08:37 PM	No	180 Lbs	5 ft11	No	No	No	3	Pro & Farm	653,000$	65,300$	531$	No	653,000$	653,000$
Chris Joseph	Banshees (PHI)	D	26	1995-02-09 9:08:37 PM	No	210 Lbs	6 ft2	No	No	No	3	Pro & Farm	602,000$	60,200$	489$	No	602,000$	602,000$
Claude Vilgrain	Banshees (PHI)	RW	31	1990-02-09 9:08:37 PM	No	205 Lbs	6 ft1	No	No	No	2	Pro & Farm	800,000$	80,000$	650$	No	800,000$
Craig Billington	Banshees (PHI)	G	28	1993-02-09 9:08:37 PM	No	170 Lbs	5 ft10	No	No	No	2	Pro & Farm	780,000$	78,000$	634$	No	780,000$
Craig Conroy	Banshees (PHI)	C	23	1998-02-09 9:08:37 PM	No	198 Lbs	6 ft2	No	No	No	3	Pro & Farm	700,000$	70,000$	569$	No	700,000$	700,000$
Dave Lowry	Banshees (PHI)	LW	29	1992-02-09 9:08:37 PM	No	200 Lbs	6 ft1	No	No	No	3	Pro & Farm	804,000$	80,400$	654$	No	804,000$	804,000$
Fred Brathwaite	Banshees (PHI)	G	23	1998-08-11 10:33:53 AM	Yes	185 Lbs	5 ft7	No	No	No	2	Pro & Farm	250,000$	25,000$	203$	No	250,000$
Greg Gilbert	Banshees (PHI)	RW	32	1989-02-09 9:08:37 PM	No	195 Lbs	6 ft1	No	No	No	1	Pro & Farm	550,000$	55,000$	447$	No
Ian Moran	Banshees (PHI)	D	22	1999-02-09 9:08:37 PM	Yes	206 Lbs	6 ft0	No	No	No	4	Pro & Farm	800,000$	80,000$	650$	No	800,000$	800,000$	800,000$
Jay Mazur	Banshees (PHI)	RW	29	1992-02-09 9:08:37 PM	No	210 Lbs	6 ft1	No	No	No	1	Pro & Farm	473,000$	47,300$	385$	No
Jim Hrivnak	Banshees (PHI)	G	26	1995-02-09 9:08:37 PM	No	185 Lbs	6 ft2	No	No	No	1	Pro & Farm	900,000$	90,000$	732$	No
Jim Wiemer	Banshees (PHI)	D	33	1988-02-09 9:08:37 PM	No	200 Lbs	6 ft4	No	No	No	2	Pro & Farm	670,000$	67,000$	545$	No	670,000$
John Carter	Banshees (PHI)	C	31	1990-02-09 9:08:37 PM	No	175 Lbs	5 ft10	No	No	No	1	Pro & Farm	500,000$	50,000$	407$	No
Kevin Miehm	Banshees (PHI)	C	26	1995-02-09 9:08:37 PM	Yes	200 Lbs	6 ft2	No	No	No	2	Pro & Farm	460,000$	46,000$	374$	No	460,000$
Mariusz Czerkawski	Banshees (PHI)	RW	22	1999-02-09 9:08:37 PM	Yes	200 Lbs	6 ft0	No	No	No	1	Pro & Farm	400,000$	40,000$	325$	No
Martin Lapointe	Banshees (PHI)	RW	21	2000-02-09 9:08:37 PM	Yes	200 Lbs	6 ft0	No	No	No	1	Pro & Farm	500,000$	50,000$	407$	No
Martin Straka	Banshees (PHI)	LW	22	1999-02-09 9:08:37 PM	Yes	175 Lbs	5 ft10	No	No	No	2	Pro & Farm	520,000$	520,000$	4,228$	No	520,000$
Mike Sillinger	Banshees (PHI)	C	23	1998-02-09 9:08:37 PM	No	200 Lbs	6 ft0	No	No	No	1	Pro & Farm	320,000$	32,000$	260$	No
Peter Ahola	Banshees (PHI)	D	26	1995-02-09 9:08:37 PM	No	205 Lbs	6 ft3	No	No	No	2	Pro & Farm	500,000$	50,000$	407$	No	500,000$
Robert Svehla	Banshees (PHI)	D	25	1996-02-09 9:08:37 PM	No	210 Lbs	6 ft1	No	No	No	2	Pro & Farm	500,000$	50,000$	407$	No	500,000$
Ryan Walter	Banshees (PHI)	C	36	1985-02-09 9:08:37 PM	No	195 Lbs	6 ft0	No	No	No	1	Pro & Farm	325,000$	32,500$	264$	No
Todd Warriner	Banshees (PHI)	LW	20	2001-02-09 9:08:37 PM	Yes	182 Lbs	6 ft1	No	No	No	3	Pro & Farm	325,000$	32,500$	264$	No	325,000$	325,000$
Vladimir Ruzicka	Banshees (PHI)	C	31	1990-02-09 9:08:37 PM	No	212 Lbs	6 ft3	No	No	No	2	Pro & Farm	850,000$	85,000$	691$	No	850,000$
Yves Racine	Banshees (PHI)	D	25	1996-02-09 9:08:37 PM	No	205 Lbs	6 ft0	No	No	No	1	Pro & Farm	700,000$	70,000$	569$	No

Nombre de joueurs	Âge moyen	Poids moyen	Taille moyenne	Contrat moyen	Salaire moyen 1e année
27	26.67	197 Lbs	6 ft0	1.93	571,000$

Attaque à 5 contre 5
Ligne #	Ailier gauche	Centre	Ailier droit	% temps	PHY	DF	OF
1	Martin Straka	Vladimir Ruzicka	Mariusz Czerkawski	36	0	1	4
2	Alexander Selivanov	Craig Conroy	Claude Vilgrain	31	0	2	3
3	Brent Hughes	Ryan Walter	Greg Gilbert	20	0	2	3
4	Dave Lowry	Mike Sillinger	Martin Lapointe	13	0	2	3

Défense à 5 contre 5
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	Yves Racine	Robert Svehla	35	0	3	2
2	Bill Berg	Peter Ahola	30	0	2	3
3	Chris Joseph	Bob McGill	20	0	4	1
4	Yves Racine	Robert Svehla	15	0	3	2

Attaque en svantage numérique
Ligne #	Ailier gauche	Centre	Ailier droit	% temps	PHY	DF	OF
1	Martin Straka	Vladimir Ruzicka	Mariusz Czerkawski	60	0	0	5
2	Alexander Selivanov	Craig Conroy	Claude Vilgrain	40	0	0	5

Défense en svantage numérique
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	Yves Racine	Robert Svehla	60	1	3	1
2	Bill Berg	Peter Ahola	40	1	3	1

Attaque à 4 en désavantage numérique
Ligne #	Centre	Ailier	% temps	PHY	DF	OF
1	Ryan Walter	Brent Hughes	60	0	4	1
2	Craig Conroy	Mike Sillinger	40	0	4	1

Défense à 4 en désavantage numérique
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	Yves Racine	Chris Joseph	60	1	4	0
2	Bill Berg	Peter Ahola	40	1	4	0

3 joueurs en désavantage numérique
Ligne #	Ailier	% temps	PHY	DF	OF	Défense	Défense	% temps	PHY	DF	OF
1	Ryan Walter	60	0	5	0	Bill Berg	Yves Racine	60	1	2	2
2	Mike Sillinger	40	0	5	0	Peter Ahola	Chris Joseph	40	1	2	2

Attaque à 4 contre 4
Ligne #	Centre	Ailier	% temps	PHY	DF	OF
1	Ryan Walter	Alexander Selivanov	60	1	2	2
2	Craig Conroy	Claude Vilgrain	40	1	2	2

Défense à 4 contre 4
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	Robert Svehla	Bill Berg	60	1	2	2
2	Yves Racine	Peter Ahola	40	1	2	2

Attaque dernière minute
Ailier gauche	Centre	Ailier droit	Défense	Défense
Martin Straka	Craig Conroy	Mariusz Czerkawski	Yves Racine	Robert Svehla

Défense dernière minute
Ailier gauche	Centre	Ailier droit	Défense	Défense
Brent Hughes	Ryan Walter	Martin Lapointe	Bill Berg	Yves Racine

Attaquants supplémentaires
Normal	Avantage numérique	Désavantage numérique
Alexander Selivanov, Martin Straka, Claude Vilgrain	Vladimir Ruzicka, Martin Straka	Ryan Walter

Défenseurs supplémentaires
Normal	Avantage numérique	Désavantage numérique
Robert Svehla, Bob McGill, Bill Berg	Bill Berg	Yves Racine, Bill Berg

Tirs de pénalité
Alexander Selivanov, Claude Vilgrain, Brent Hughes, Vladimir Ruzicka, Martin Lapointe

Gardien
#1 : Jim Hrivnak, #2 : Craig Billington

Lignes d’attaque personnalisées en prolongation
, , , , , , , , , ,

Lignes de défense personnalisées en prolongation
, , , ,

Afficher ou masquer des colonnes

Astuces sur les filtres (anglais seulement)

Priority	Type	Description
1	`\|` or `OR`	Logical "or" (Vertical bar). Filter the column for content that matches text from either side of the bar
2	`&&` or `AND`	Logical "and". Filter the column for content that matches text from either side of the operator.
3	`/\d/`	Add any regex to the query to use in the query ("mig" flags can be included `/\w/mig`)
4	`< <= >= >`	Find alphabetical or numerical values less than or greater than or equal to the filtered query
5	`!` or `!=`	Not operator, or not exactly match. Filter the column with content that do not match the query. Include an equal (`=`), single (`'`) or double quote (`"`) to exactly not match a filter.
6	`"` or `=`	To exactly match the search query, add a quote, apostrophe or equal sign to the beginning and/or end of the query
7	`-` or `to`	Find a range of values. Make sure there is a space before and after the dash (or the word "to")
8	`?`	Wildcard for a single, non-space character.
8	`*`	Wildcard for zero or more non-space characters.
9	`~`	Perform a fuzzy search (matches sequential characters) by adding a tilde to the beginning of the query
10	text	Any text entered in the filter will match text found within the column

	Total												Domicile											Visiteur
#	VS Équipe	GP	W	L	T	OTW	OTL	SOW	SOL	GF	GA	Diff	GP	W	L	T	OTW	OTL	SOW	SOL	GF	GA	Diff	GP	W	L	T	OTW	OTL	SOW	SOL	GF	GA	Diff	P	PCT	G	A	TP	SO	EG	GP1	GP2	GP3	GP4	SHF	SH1	SP2	SP3	SP4	SHA	SHB	Pim	Hit	PPA	PPG	PP%	PKA	PK GA	PK%	PK GF	W OF FO	T OF FO	OF FO%	W DF FO	T DF FO	DF FO%	W NT FO	T NT FO	NT FO%	PZ DF	PZ OF	PZ NT	PC DF	PC OF	PC NT
1	Ailes Rouges	4	4	0	0	0	0	0	0	18	8	10	2	2	0	0	0	0	0	0	8	2	6	2	2	0	0	0	0	0	0	10	6	4	8	1.000	18	34	52	0	1	104	85	76	7	127	779	821	752	27	105	26	28	95	22	4	18.18%	14	5	64.29%	0	1484	2842	52.22%	1317	2595	50.75%	688	1342	51.27%	2040	1387	1855	625	1089	560
2	As	4	2	1	1	0	0	0	0	12	9	3	2	1	1	0	0	0	0	0	5	4	1	2	1	0	1	0	0	0	0	7	5	2	5	0.625	12	22	34	0	0	104	85	76	7	129	779	821	752	27	65	29	22	88	26	4	15.38%	5	0	100.00%	0	1484	2842	52.22%	1317	2595	50.75%	688	1342	51.27%	2040	1387	1855	625	1089	560
3	Canadiens	6	4	0	1	1	0	0	0	25	13	12	3	2	0	0	1	0	0	0	12	5	7	3	2	0	1	0	0	0	0	13	8	5	11	0.917	25	43	68	0	1	104	85	76	7	194	779	821	752	27	144	43	42	123	37	5	13.51%	19	2	89.47%	0	1484	2842	52.22%	1317	2595	50.75%	688	1342	51.27%	2040	1387	1855	625	1089	560
4	Chiefs	6	5	0	0	1	0	0	0	25	14	11	3	3	0	0	0	0	0	0	14	8	6	3	2	0	0	1	0	0	0	11	6	5	12	1.000	25	41	66	0	1	104	85	76	7	176	779	821	752	27	145	45	68	129	33	9	27.27%	24	5	79.17%	0	1484	2842	52.22%	1317	2595	50.75%	688	1342	51.27%	2040	1387	1855	625	1089	560
5	Citadelles	8	2	3	2	1	0	0	0	25	26	-1	4	0	2	1	1	0	0	0	11	12	-1	4	2	1	1	0	0	0	0	14	14	0	8	0.500	25	47	72	0	0	104	85	76	7	239	779	821	752	27	223	69	112	227	54	12	22.22%	46	7	84.78%	0	1484	2842	52.22%	1317	2595	50.75%	688	1342	51.27%	2040	1387	1855	625	1089	560
6	Croque-Morts	5	4	0	1	0	0	0	0	15	9	6	3	3	0	0	0	0	0	0	9	5	4	2	1	0	1	0	0	0	0	6	4	2	9	0.900	15	26	41	0	1	104	85	76	7	130	779	821	752	27	110	33	25	92	26	4	15.38%	10	1	90.00%	0	1484	2842	52.22%	1317	2595	50.75%	688	1342	51.27%	2040	1387	1855	625	1089	560
7	Harvard	6	5	1	0	0	0	0	0	22	12	10	3	3	0	0	0	0	0	0	11	4	7	3	2	1	0	0	0	0	0	11	8	3	10	0.833	22	38	60	1	1	104	85	76	7	197	779	821	752	27	137	38	64	152	23	4	17.39%	19	2	89.47%	0	1484	2842	52.22%	1317	2595	50.75%	688	1342	51.27%	2040	1387	1855	625	1089	560
8	Isotopes	8	6	2	0	0	0	0	0	30	25	5	4	2	2	0	0	0	0	0	11	11	0	4	4	0	0	0	0	0	0	19	14	5	12	0.750	30	55	85	0	0	104	85	76	7	230	779	821	752	27	189	60	64	163	38	11	28.95%	24	5	79.17%	0	1484	2842	52.22%	1317	2595	50.75%	688	1342	51.27%	2040	1387	1855	625	1089	560
9	Mooses	4	2	1	0	0	1	0	0	14	15	-1	2	1	1	0	0	0	0	0	8	9	-1	2	1	0	0	0	1	0	0	6	6	0	5	0.625	14	26	40	0	0	104	85	76	7	99	779	821	752	27	129	43	46	76	18	5	27.78%	17	2	88.24%	0	1484	2842	52.22%	1317	2595	50.75%	688	1342	51.27%	2040	1387	1855	625	1089	560
10	Pacifiques de la route	4	2	0	1	1	0	0	0	13	8	5	2	1	0	1	0	0	0	0	5	4	1	2	1	0	0	1	0	0	0	8	4	4	7	0.875	13	24	37	0	0	104	85	76	7	107	779	821	752	27	87	27	46	85	13	0	0.00%	17	2	88.24%	1	1484	2842	52.22%	1317	2595	50.75%	688	1342	51.27%	2040	1387	1855	625	1089	560
11	Riverman	5	1	3	1	0	0	0	0	12	17	-5	2	1	1	0	0	0	0	0	9	8	1	3	0	2	1	0	0	0	0	3	9	-6	3	0.300	12	22	34	0	0	104	85	76	7	127	779	821	752	27	139	41	66	106	19	4	21.05%	25	7	72.00%	0	1484	2842	52.22%	1317	2595	50.75%	688	1342	51.27%	2040	1387	1855	625	1089	560
12	Snipers	4	1	1	1	1	0	0	0	12	12	0	2	0	1	0	1	0	0	0	6	9	-3	2	1	0	1	0	0	0	0	6	3	3	5	0.625	12	24	36	0	0	104	85	76	7	92	779	821	752	27	108	35	37	95	15	2	13.33%	15	5	66.67%	0	1484	2842	52.22%	1317	2595	50.75%	688	1342	51.27%	2040	1387	1855	625	1089	560
13	Spoonman's	6	2	2	1	0	1	0	0	15	20	-5	3	2	1	0	0	0	0	0	6	7	-1	3	0	1	1	0	1	0	0	9	13	-4	6	0.500	15	28	43	0	0	104	85	76	7	179	779	821	752	27	166	34	71	109	21	5	23.81%	27	8	70.37%	0	1484	2842	52.22%	1317	2595	50.75%	688	1342	51.27%	2040	1387	1855	625	1089	560
14	Weetouches	8	4	2	0	2	0	0	0	25	19	6	4	2	0	0	2	0	0	0	13	6	7	4	2	2	0	0	0	0	0	12	13	-1	12	0.750	25	44	69	0	0	104	85	76	7	244	779	821	752	27	191	72	76	156	40	5	12.50%	33	3	90.91%	0	1484	2842	52.22%	1317	2595	50.75%	688	1342	51.27%	2040	1387	1855	625	1089	560
15	Wolves	4	1	3	0	0	0	0	0	9	13	-4	2	0	2	0	0	0	0	0	4	8	-4	2	1	1	0	0	0	0	0	5	5	0	2	0.250	9	15	24	0	0	104	85	76	7	109	779	821	752	27	110	42	37	65	21	2	9.52%	15	3	80.00%	0	1484	2842	52.22%	1317	2595	50.75%	688	1342	51.27%	2040	1387	1855	625	1089	560
	Total	82	45	19	9	7	2	0	0	272	220	52	41	23	11	2	5	0	0	0	132	102	30	41	22	8	7	2	2	0	0	140	118	22	115	0.701	272	489	761	1	5	104	85	76	7	2379	779	821	752	27	2048	637	804	1761	406	76	18.72%	310	57	81.61%	1	1484	2842	52.22%	1317	2595	50.75%	688	1342	51.27%	2040	1387	1855	625	1089	560
	_Since Last GM Reset	82	54	19	0	7	2	0	0	272	220	52	41	23	11	2	5	0	0	0	132	102	30	41	31	8	-2	2	2	0	0	140	118	22	124	0.756	272	489	761	1	5	104	85	76	7	2379	779	821	752	27	2048	637	804	1761	406	76	18.72%	310	57	81.61%	1	1484	2842	52.22%	1317	2595	50.75%	688	1342	51.27%	2040	1387	1855	625	1089	560
	_Vs Conference	48	32	10	0	5	1	0	0	167	129	38	24	14	5	1	4	0	0	0	78	53	25	24	18	5	-1	1	1	0	0	89	76	13	75	0.781	167	296	463	1	3	104	85	76	7	1459	779	821	752	27	1195	361	497	1059	246	51	20.73%	192	32	83.33%	0	1484	2842	52.22%	1317	2595	50.75%	688	1342	51.27%	2040	1387	1855	625	1089	560
	_Vs Division	24	14	7	0	3	0	0	0	80	70	10	12	4	4	1	3	0	0	0	35	29	6	12	10	3	-1	0	0	0	0	45	41	4	34	0.708	80	146	226	0	0	104	85	76	7	713	779	821	752	27	603	201	252	546	132	28	21.21%	103	15	85.44%	0	1484	2842	52.22%	1317	2595	50.75%	688	1342	51.27%	2040	1387	1855	625	1089	560

			Total pour les joueurs
Matchs joués	Points	Séquence	Buts	Passes	Points	Tirs pour	Tirs contre	Tirs bloqués	Minutes de pénalités	Mises en échec	Buts en filet désert	Blanchissages
82	115	W4	272	489	761	2379	2048	637	804	1761	1	5

Tous les matchs
GP	W	L	OTW	OTL	T	GF	GA
82	45	19	7	2	9	272	220

Matchs locaux
GP	W	L	OTW	OTL	T	GF	GA
41	23	11	5	0	2	132	102

Matchs extérieurs
GP	W	L	OTW	OTL	T	GF	GA
41	22	8	2	2	7	140	118

Derniers 10 matchs
W	L	OTW	OTL	T
6	2	0	2	0

Tentatives en avantage numérique	Buts en avantage numérique	% en avantage numérique	Tentatives en désavantage numérique	Buts contre en désavantage numérique	% en désavantage numérique	Buts pour en désavantage numérique
406	76	18.72%	310	57	81.61%	1

Tirs en 1e période	Tirs en 2e période	Tirs en 3e période	Tirs en 4e période	Buts en 1e période	Buts en 2e période	Buts en 3e période	Buts en 4e période
779	821	752	27	104	85	76	7

Mises en jeu
Gagnées en zone offensive	Total en zone offensive	% gagnées en zone offensive	Gagnées en zone défensive	Total en zone défensive	% gagnées en zone défensive	Gagnées en zone neutre	Total en zone neutre	% gagnées en zone neutre
1484	2842	52.22%	1317	2595	50.75%	688	1342	51.27%

Temps avec la rondelle
En zone offensive	Contrôle en zone offensive	En zone défensive	Contrôle en zone défensive	En zone neutre	Contrôle en zone neutre
2040	1387	1855	625	1089	560

Derniers matchs joués Afficher ou masquer des colonnes

Astuces sur les filtres (anglais seulement)

Priority	Type	Description
1	`\|` or `OR`	Logical "or" (Vertical bar). Filter the column for content that matches text from either side of the bar
2	`&&` or `AND`	Logical "and". Filter the column for content that matches text from either side of the operator.
3	`/\d/`	Add any regex to the query to use in the query ("mig" flags can be included `/\w/mig`)
4	`< <= >= >`	Find alphabetical or numerical values less than or greater than or equal to the filtered query
5	`!` or `!=`	Not operator, or not exactly match. Filter the column with content that do not match the query. Include an equal (`=`), single (`'`) or double quote (`"`) to exactly not match a filter.
6	`"` or `=`	To exactly match the search query, add a quote, apostrophe or equal sign to the beginning and/or end of the query
7	`-` or `to`	Find a range of values. Make sure there is a space before and after the dash (or the word "to")
8	`?`	Wildcard for a single, non-space character.
8	`*`	Wildcard for zero or more non-space characters.
9	`~`	Perform a fuzzy search (matches sequential characters) by adding a tilde to the beginning of the query
10	text	Any text entered in the filter will match text found within the column

Jour	Match	Équipe visiteuse	Score	Équipe locale	Score	ST	OT	RI	Lien
1 - 2021-05-04	7	Banshees	3	Citadelles	5	L		R2	Sommaire du match
2 - 2021-05-05	9	Banshees	1	Weetouches	4	L			Sommaire du match
3 - 2021-05-06	15	Citadelles	2	Banshees	1	L		R2	Sommaire du match
5 - 2021-05-08	27	Isotopes	2	Banshees	4	W			Sommaire du match
6 - 2021-05-09	36	Isotopes	3	Banshees	4	W			Sommaire du match
7 - 2021-05-10	41	Banshees	6	Isotopes	5	W			Sommaire du match
8 - 2021-05-11	54	Banshees	3	Canadiens	3	T	X		Sommaire du match
9 - 2021-05-12	61	Banshees	2	Harvard	4	L			Sommaire du match
11 - 2021-05-14	64	Weetouches	1	Banshees	5	W			Sommaire du match
13 - 2021-05-16	74	Banshees	5	Isotopes	4	W			Sommaire du match
15 - 2021-05-18	82	Spoonman's	3	Banshees	0	L			Sommaire du match
17 - 2021-05-20	93	Chiefs	0	Banshees	4	W			Sommaire du match
19 - 2021-05-22	100	Banshees	5	Citadelles	4	W		R2	Sommaire du match
21 - 2021-05-24	107	Banshees	3	Riverman	3	T	X		Sommaire du match
23 - 2021-05-26	111	Croque-Morts	0	Banshees	1	W			Sommaire du match
25 - 2021-05-28	119	Banshees	2	Weetouches	5	L			Sommaire du match
27 - 2021-05-30	127	Weetouches	2	Banshees	3	W			Sommaire du match
29 - 2021-06-01	140	Riverman	5	Banshees	4	L			Sommaire du match
30 - 2021-06-02	149	Mooses	7	Banshees	5	L			Sommaire du match
31 - 2021-06-03	151	Banshees	5	Snipers	2	W			Sommaire du match
33 - 2021-06-05	162	Banshees	1	Citadelles	1	T	X	R2	Sommaire du match
34 - 2021-06-06	168	Pacifiques de la route	2	Banshees	3	W			Sommaire du match
35 - 2021-06-07	178	Banshees	3	Croque-Morts	1	W			Sommaire du match
37 - 2021-06-09	184	As	1	Banshees	4	W			Sommaire du match
39 - 2021-06-11	195	Banshees	0	Riverman	4	L			Sommaire du match
41 - 2021-06-13	200	Canadiens	1	Banshees	5	W			Sommaire du match
43 - 2021-06-15	211	Banshees	5	Citadelles	4	W		R2	Sommaire du match
45 - 2021-06-17	215	Banshees	5	Chiefs	2	W			Sommaire du match
47 - 2021-06-19	225	Spoonman's	3	Banshees	4	W			Sommaire du match
49 - 2021-06-21	234	Citadelles	5	Banshees	5	T	X	R2	Sommaire du match
51 - 2021-06-23	242	Banshees	3	Croque-Morts	3	T	X		Sommaire du match
53 - 2021-06-25	251	Banshees	3	As	3	T	X		Sommaire du match
54 - 2021-06-26	255	Harvard	2	Banshees	4	W			Sommaire du match
56 - 2021-06-28	264	As	3	Banshees	1	L			Sommaire du match
57 - 2021-06-29	275	Banshees	6	Canadiens	3	W			Sommaire du match
58 - 2021-06-30	279	Banshees	6	Harvard	2	W			Sommaire du match
59 - 2021-07-01	287	Wolves	4	Banshees	2	L			Sommaire du match
60 - 2021-07-02	298	Spoonman's	1	Banshees	2	W			Sommaire du match
62 - 2021-07-04	308	Banshees	5	Ailes Rouges	3	W			Sommaire du match
63 - 2021-07-05	314	Citadelles	2	Banshees	3	W	X	R2	Sommaire du match
65 - 2021-07-07	322	Banshees	3	Chiefs	2	W			Sommaire du match
66 - 2021-07-08	329	Chiefs	3	Banshees	4	W			Sommaire du match
67 - 2021-07-09	339	Riverman	3	Banshees	5	W			Sommaire du match
70 - 2021-07-12	348	Banshees	6	Pacifiques de la route	3	W			Sommaire du match
71 - 2021-07-13	355	Banshees	3	Chiefs	2	W	X		Sommaire du match
72 - 2021-07-14	359	Citadelles	3	Banshees	2	L		R2	Sommaire du match
75 - 2021-07-17	371	Banshees	3	Spoonman's	3	T	X		Sommaire du match
76 - 2021-07-18	379	Chiefs	5	Banshees	6	W			Sommaire du match
77 - 2021-07-19	388	Wolves	4	Banshees	2	L			Sommaire du match
78 - 2021-07-20	391	Banshees	3	Harvard	2	W			Sommaire du match
80 - 2021-07-22	403	Banshees	4	Weetouches	2	W			Sommaire du match
81 - 2021-07-23	410	Canadiens	0	Banshees	2	W			Sommaire du match
83 - 2021-07-25	420	Pacifiques de la route	2	Banshees	2	T	X		Sommaire du match
84 - 2021-07-26	425	Banshees	5	Ailes Rouges	3	W			Sommaire du match
86 - 2021-07-28	437	Banshees	4	As	2	W			Sommaire du match
87 - 2021-07-29	442	Banshees	3	Isotopes	2	W			Sommaire du match
88 - 2021-07-30	448	Snipers	4	Banshees	5	W	X		Sommaire du match
89 - 2021-07-31	456	Canadiens	4	Banshees	5	W	X		Sommaire du match
90 - 2021-08-01	459	Banshees	2	Wolves	4	L			Sommaire du match
91 - 2021-08-02	468	Banshees	2	Pacifiques de la route	1	W	X		Sommaire du match
93 - 2021-08-04	477	Ailes Rouges	2	Banshees	4	W			Sommaire du match
94 - 2021-08-05	485	Banshees	1	Snipers	1	T	X		Sommaire du match
96 - 2021-08-07	494	Harvard	0	Banshees	4	W			Sommaire du match
97 - 2021-08-08	505	Isotopes	2	Banshees	1	L			Sommaire du match
98 - 2021-08-09	513	Banshees	0	Riverman	2	L			Sommaire du match
Date limite d’échanges --- Les échanges ne peuvent plus se faire après la simulation de cette journée!
99 - 2021-08-10	519	Banshees	4	Canadiens	2	W			Sommaire du match
100 - 2021-08-11	526	Weetouches	1	Banshees	2	W	X		Sommaire du match
102 - 2021-08-13	538	Ailes Rouges	0	Banshees	4	W			Sommaire du match
104 - 2021-08-15	548	Isotopes	4	Banshees	2	L			Sommaire du match
105 - 2021-08-16	554	Banshees	3	Wolves	1	W			Sommaire du match
106 - 2021-08-17	562	Banshees	5	Weetouches	2	W			Sommaire du match
107 - 2021-08-18	570	Weetouches	2	Banshees	3	W	X		Sommaire du match
108 - 2021-08-19	580	Banshees	4	Spoonman's	5	L	X		Sommaire du match
110 - 2021-08-21	587	Snipers	5	Banshees	1	L			Sommaire du match
112 - 2021-08-23	598	Harvard	2	Banshees	3	W			Sommaire du match
113 - 2021-08-24	603	Banshees	2	Spoonman's	5	L			Sommaire du match
115 - 2021-08-26	616	Mooses	2	Banshees	3	W			Sommaire du match
116 - 2021-08-27	624	Banshees	2	Mooses	3	L	X		Sommaire du match
117 - 2021-08-28	631	Croque-Morts	2	Banshees	3	W			Sommaire du match
118 - 2021-08-29	633	Banshees	5	Isotopes	3	W			Sommaire du match
120 - 2021-08-31	644	Croque-Morts	3	Banshees	5	W			Sommaire du match
121 - 2021-09-01	653	Banshees	4	Mooses	3	W			Sommaire du match

Capacité de l’aréna - Tendance du prix des billets - %
	Niveau 1	Niveau 2
Capacité	2000	1000
Prix des billets	35	15
Assistance	0	0
Assistance PCT	0.00%	0.00%

Revenu
Matchs à domicile restants	Assistance moyenne - %	Revenu moyen par match	Revenu annuel à ce jour	Capacité	Popularité de l’équipe
0	0 - 0.00%	0$	0$	3000	100

Dépenses
Dépenses annuelles à ce jour	Salaire total des joueurs	Salaire total moyen des joueurs	Salaire des entraineurs
1,559,798$	2,009,700$	2,009,700$	0$

Plafond salarial par jour	Plafond salarial à ce jour	Joueurs Inclus dans le plafond salarial	Joueurs exclut du plafond Salarial
2,009,700$	1,559,798$	27	0

Estimation
Revenus de la saison estimés	Jours restants de la saison	Dépenses par jour	Dépenses de la saison estimées
0$	1	17,111$	17,111$

Afficher ou masquer des colonnes

	Total											Domicile											Visiteur
Année	GP	W	L	T	OTW	OTL	SOW	SOL	GF	GA	Diff	GP	W	L	T	OTW	OTL	SOW	SOL	GF	GA	Diff	GP	W	L	T	OTW	OTL	SOW	SOL	GF	GA	Diff	P	G	A	TP	SO	EG	GP1	GP2	GP3	GP4	SHF	SH1	SP2	SP3	SP4	SHA	SHB	Pim	Hit	PPA	PPG	PP%	PKA	PK GA	PK%	PK GF	W OF FO	T OF FO	OF FO%	W DF FO	T DF FO	DF FO%	W NT FO	T NT FO	NT FO%	PZ DF	PZ OF	PZ NT	PC DF	PC OF	PC NT

	Banshees
	GP: 82 \| W: 52 \| L: 19 \| T: 9 \| P: 115 GF: 272 \| GA: 220 \| PP%: 18.72% \| PK%: 81.61% DG: Louis-Philippe DesHaies \| Morale : 86 \| Moyenne d’équipe : 65