排列三 · 排列五 AI 选号报告

期望 = Σ(各期实际名单注数 ÷ 全空间)，名单注数每期会变，故逐期累加而非用固定概率； p 值为各期概率不等时的 Poisson-binomial 精确双尾检验。
lift = 命中 ÷ 期望，1.00 即与随机无异。

口径: 只统计统计模型部分, 不含论坛共识 —— 论坛帖只有当期(26242)的, 历史期没有博主条件可回溯, 硬造就是造假。每期按同一套档位选出 TOP30/10/5 与单挑, 与实际开奖号比对。✓ = 命中。
怎么读: 近 50 期 TOP30 命中 2 次, 随机期望 1.50 次 —— 看着像翻倍, 但 50 期样本下 p=0.50, 不显著; 这么小的样本多中 1~2 次完全落在噪声内。3 位号码共 1,000 注, 30 注的随机命中期望本来就只有 1.50 次/50期。战绩的意义是验证方法没有变差, 而不是证明它能预测。

口径: 只统计统计模型部分, 不含论坛共识 —— 论坛帖只有当期(26242)的, 历史期没有博主条件可回溯, 硬造就是造假。每期按同一套档位选出 TOP30/10/5 与单挑, 与实际开奖号比对。✓ = 命中。
怎么读: 近 50 期 TOP30 命中 0 次, 随机期望 0.01 次, p=1.00。5 位号码共 100,000 注, 30 注的随机命中期望本来就只有 0.01 次/50期。战绩的意义是验证方法没有变差, 而不是证明它能预测。

样本 30 期。这是当时真正给出的码的战绩： 排三 7 码全中 9/30、排五 7 码全中 4/30。
⚠️ 样本内 26242~26255 期用的是旧的「位概率」取码方案， 26256 期起才切换为「遗漏值」方案 —— 所以这张表**还没能反映新方案**， 它的价值在于留下一个诚实的基准线。
这与下方「回测追踪」是两个不同口径：那张是用当前方案回溯重算历史， 数字会明显更好看，但**不能当作已实现的战绩**。

上半为排列三、下半为排列五（各最近 20 期）。 「全中」= 该档复式中奖，其余显示命中了几个位置。
🔴 口径提醒：这张表是「回测」不是「实战」 —— 它用当前取码方案 把历史重算了一遍，回答的是"如果一直用现在这套码会怎样"。 与上方「实战追踪」（读当时真实存档的码）是两码事，不要混着看。
两张表对照着读能明白：中奖本就是稀疏事件，连续几期不中完全落在正常波动内， 不必因此去改参数（本报告不做日频调参的原因，见「AI 趋势分析」区块）。

排列五确实会重复。535 期里已出现 2 个重复号（34304、89458）， 实测 2 对 vs 理论期望 1.43 对 —— 泊松检验 P(≤实测) = 83%， 完全落在正常范围。而且 P(至少出现一次重复) 高达 76%， 也就是说"排列五从不重复"这个假设从一开始就不成立。

就算能排除，收益也小到没有意义：排列五号码空间有 10 万种， 历史上只开出过 533 个不同的号， 排除它们后命中率只从 0.001000% 变成 0.001005% —— 提升 0.54%； 而"万一它又出了"的风险是实打实的（34304 就在 25142 与 26110 两期各出过一次， 若当时已排除，第二次就漏了）。
排列三的重复更多（877 出过 4 次、192 出过 3 次，共 141 对，理论 143 对）， 排除掉"会重出的号"损失更大 —— 所以两个玩法都不做排除。

底层原因：每期开奖相互独立，号码没有记忆。"这个号出过了"不会降低它再出的概率。

采集资料为辅（2026-09-11 起）：统计/AI 部分始终按 100% 生效； 采集资料 = 资料系数 1.00 × 全局缩放 0.35 = 35%。 论坛投票归一化后，「5 帖里 2 帖提 8」和「359 帖里 180 帖提 8」拿到的是 同一个权重 —— 样本越小单篇噪声放得越大，所以整体压到三成，让走势与统计结构主导。

分散化约束（这次修的重点）：每位同一数字最多出现 排三 5 次 / 排五 5 次（TOP30）。排五原档位是 20 次，意味着 30 注里一个万位数字能占 20 个 —— 实测名单万位 3 占 63%，而它 502 期的真实频率只有 8%，偏差 8 倍。 收紧后万位覆盖 5 个不同数字。
趋势特征仍不进权重：400 期回测显示加了之后命中从 13 掉到 8（见下表）， 所以它们只作为上面的冷热参考。

排五 TOP30 的随机基准命中率只有 0.03%（100 期期望命中 0.03 次）, 命中率回测在这里零功效, 所以改用结构指标判断。 相邻期重合率 = 相邻两期 TOP30 名单的重合度： 19.2% → 5.9%，即名单每期换掉约 94%，不再是"几乎没变"。

以下是约束本身的实测效果（同条件各生成一次名单对比）：
跨度修正（LAM_KD）会把 TOP30 全部挤到同一个跨度：实测排三 30 注 100% 是跨度 5、 排五 69% 是跨度 8 —— 而真实跨度有 10 种、跨度 5 只占 16.4%。 这意味着多数情况下名单里根本没有正确跨度的号。
加「同一跨度最多 4 注」约束后：命中完全不变（400 期回测 13/400 → 13/400， lift 1.08、p 0.442 一模一样），跨度覆盖从 1 个变成 8 个。 纯结构改善，不牺牲命中率。

把 温度 / 位上限 / 跨度上限 / LAM_KD / 和值上限 五个维度各扫一遍 （17 个配置 × 400 期 walk-forward），结论： 无任何配置在统计上显著优于现状 —— 这与「模型位次分布与随机重合」互相印证。 但其中「同一和值最多 2 注」是唯一各项都不劣化的候选：
· 命中 12 → 17（lift 1.42，p=0.092 未达显著）
· 位覆盖 7.8 → 8.1、跨度覆盖 8.0 → 8.1、和值覆盖 16.8 → 18.7（全面提升）

采纳依据是「结构全面改善 + 命中不劣化」，不声称提高命中。 仅对排列三 TOP30 生效；排五实测和值本就分散（覆盖 19/46、平均每和值 0.75 注）， 无需约束。TOP10/TOP5 属收敛层，保持原样。

把每期开奖的各位数字，拿去对照模型给该位 0~9 的概率排名： 如果模型真能预测，开奖数字应该大量落在前几位。
实测结果与纯随机完全重合（前 3 位 28.1% vs 理论 30%、前 5 位 47.9% vs 50%、 前 7 位 70.3% vs 70%）。模型排第 1 的数字，命中率和排第 10 的数字一样。
这条证据说明：①「换个参数就能提高命中率」是不成立的，所以本报告不做日频调参； ② 定位码的价值在于覆盖（N 码覆盖约 N/10 的位概率），而不在于"选中"； ③ 有时开奖数字恰好落在第 6 位（例如某期 8/7 就卡在 6 码与 5 码的分界上）， 那是偶然而非规律 —— 不要据此加码。

排三 400 期 walk-forward，每期只用该期之前的数据，TOP30 随机基准命中率 3.00%（期望 12 次）。 现状配置（约束 5 / 不加趋势项）就是这组实验里最好的：13 命中、lift 1.08； 加入 adj 邻号后掉到 8 命中、lift 0.67。所以趋势特征一律不进选号权重， 只作为上面的冷热参考展示。

怎么读这张表：
1. 单期中奖率 = 注数 ÷ 全空间（排三 1000 / 排五 100000），跟选什么号完全无关。
2. 所以「中奖率太低」= 覆盖面太小，不是模型失效 —— 想提高中奖频率只有两条路： 加大覆盖（定位复式）或换玩法（组选六，1 注顶 6 注）。
3. 期望回报率所有玩法都一样（彩票返奖率决定），本表不承诺盈利， 只帮你在同样的预算下选到更合适的中奖频率。
4. 排五 TOP50 单期中奖率 0.05%（2000 期才 1 次），历史上 0 命中属数学必然， 不能据此判断模型好坏。

读法: 全部配置 p 值均 > 0.05 —— 没有任何一个模型能在统计上显著优于随机。 本样本在 p<0.05 下能检出的最小 lift ≈ 1.60, 也就是说即便存在弱信号, 400 期也测不出来。 先前在 200 期小样本里看到的 lift 1.67 属选择偏差造成的噪声, 加大样本后消失。

怎么读: 在"频率类"权重族内部(近20/50/100/300期及其组合), 名单相当稳 —— 换权重 TOP30 平均仍有约 90% 重合, 说明这份名单是分布的结构性结果, 不是某个参数的偶然产物。
但把"遗漏回补"这类异质信号混进来后, 重合率骤降到排三 61.6%、排五 30.7% (排五最低仅 7.1%)。也就是说: 建模思路一旦改变, 名单就大变。 这正是回测里 p 值全部不显著在选号层面的体现 —— 排名靠前不等于概率更高。

因此最终名单采用 Borda 投票集成(多套权重按排名加权投票), 目的不是提高命中, 而是降低单套权重带来的方差, 让输出更可复现。