问28预测参考：走势图三条读法，第一条最容易被忽略

先看坐标，再看厚度，最后才看折线方向，顺序反了结论就飘。

把问题缩小以后，28预测参考讨论的对象其实很具体：三个数字相加得到一个和值，范围固定在0到27，一共28种结果。所谓预测，是拿最近若干期的记录去估计下一期的分布，而不是算出一个唯一答案。算法负责把频率、遗漏和区间厚度整理成可复核的表，模型再根据这张表给出概率排序。两者都只是工具，真正决定结论质量的，是样本口径有没有写清楚。

走势图到底看什么

走势图的第一作用是看顺序，不是看方向。把最近30期和值按时间连成折线，能看出波动区间和异常点，但折线的斜率不构成趋势预测。28预测参考里的图表只做两件事：标出重心位置，标出离开重心的幅度。算法负责取数，模型负责给出概率参考，图本身不承担预测功能。

三个读图误区：把折线当K线，把厚度当趋势，把短期连中当规律。折线只描述已经发生的顺序；厚度描述分布形状；连中只是小样本里的正常波动。28预测参考把走势图和分布表放在一起，是为了让读者同时看到顺序和厚度。算法保证两张图同源，模型保证概率口径一致。

坐标与刻度的陷阱

三个读图误区：把折线当K线，把厚度当趋势，把短期连中当规律。折线只描述已经发生的顺序；厚度描述分布形状；连中只是小样本里的正常波动。28预测参考把走势图和分布表放在一起，是为了让读者同时看到顺序和厚度。算法保证两张图同源，模型保证概率口径一致。

图上的异常点值得看，但不值得追。某一期和值突然落到尾部，可能只是随机波动，也可能是记录口径发生了变化。28预测参考的做法是把异常点标出来，同时在表里保留原始期号，方便回溯。算法不自动平滑，模型不自动补值，这样图上的每一个点都能对应到一条记录。

算法输出怎么落到图上

模型越多越好吗？不一定。28预测参考里真正决定效果的，是模型池的互补性和权重分配。五个模型如果都在做同一件事，融合只是把同一种偏差平均了一遍。比较稳的做法是：先用算法把特征分层，再让不同模型负责不同区间，最后用样本外数据调整权重。模型负责给出概率，算法负责保证过程可复算。

回测记录是检验算法与模型的唯一凭据。一条完整记录至少要包含期号、窗口、参数、模型输出、实际结果和是否命中。28预测参考页面展示的准确率三卡，分别对应总体命中、趋势方向和精确值命中，按历史回测口径统计。模型在训练段定参数，在验证段只验收，不调参，这样得到的数字才有参考价值。

三个读图误区

读28预测参考的页面，建议按这个顺序：先看更新时间和样本窗口，再看分布特征，然后看概率表和准确率卡，最后才看结论性描述。算法输出和模型输出应该能相互印证；如果两者矛盾，优先检查口径，而不是急着相信其中一个。这个顺序能过滤掉大部分情绪化解读。

很多说法听着合理，是因为只展示了成功的一半。比如“冷号该回补”，只提连续未出的期数，不提每一期仍然独立；“热号会延续”，只提最近中过几次，不提样本窗口有多短。28预测参考里的算法可以把这些说法量化，模型可以把它们做成特征，但量化之后往往会发现，效果没有传说中那么稳定。

常见问题

如果只记住一句话：概率描述可能性，不承诺结果。28预测参考里的算法、模型和图表，都是为这句话服务的。样本更新以后，数字会变，口径不应该跟着变；口径稳定了，长期记录才有比较意义。

模型不是越多越好。模型池里的每个模型都有自己的假设，时间序列模型假设趋势可延续，马尔可夫链模型假设状态转移稳定，神经网络模型假设特征之间存在非线性关系。把这些模型放在一起，先看它们的输出是否互补，再谈权重。权重定好以后，还要用样本外数据验收，否则融合只是把同一种偏差平均一遍。

对普通读者来说，最实用的动作不是背结论，而是学会提问题：样本多长、窗口怎么选、概率怎么算、模型权重怎么定。问题问对了，数字才有意义；问题不问，再漂亮的图表也只是装饰。

对普通读者来说，最实用的动作不是背结论，而是学会提问题：样本多长、窗口怎么选、概率怎么算、模型权重怎么定。问题问对了，数字才有意义；问题不问，再漂亮的图表也只是装饰。

对普通读者来说，最实用的动作不是背结论，而是学会提问题：样本多长、窗口怎么选、概率怎么算、模型权重怎么定。问题问对了，数字才有意义；问题不问，再漂亮的图表也只是装饰。

对普通读者来说，最实用的动作不是背结论，而是学会提问题：样本多长、窗口怎么选、概率怎么算、模型权重怎么定。问题问对了，数字才有意义；问题不问，再漂亮的图表也只是装饰。

对普通读者来说，最实用的动作不是背结论，而是学会提问题：样本多长、窗口怎么选、概率怎么算、模型权重怎么定。问题问对了，数字才有意义；问题不问，再漂亮的图表也只是装饰。

对普通读者来说，最实用的动作不是背结论，而是学会提问题：样本多长、窗口怎么选、概率怎么算、模型权重怎么定。问题问对了，数字才有意义；问题不问，再漂亮的图表也只是装饰。