福彩3D缩水筛选流水线：887定位大底、四层杀号与回测复盘

福彩3D这个圈子，玩得久的人基本都会走到同一条路上：不再满足于随手写几注，而是想搭一套能重复执行、能回测、能迭代的筛选流水线。我这次拿5月16日那一期做复盘，把我自己一直在跑的“887定位大底=23 + 杀断组 + 杀组选 + 杀和尾 + 杀和值012缩水”这套组合拳完整拆一遍。先说清楚它是什么：它是一套把1000注直选按结构特征层层收敛到23注左右的操作流程，核心手段是定位打分、断组过滤、组选形态过滤、和尾过滤和012路缩水。它能做的是把有限预算集中到一小片号码区域，而不是提高单注中奖概率。适合两类人看：一类是自己动手写脚本做统计过滤的爱好者，另一类是听过“缩水”“杀号”这些词但一直没搞明白背后逻辑的朋友。如果你指望看完就能稳定中奖，那这套东西帮不了你，福彩3D单注的数学期望是固定的，任何筛选都只是改变你覆盖号码的形状，不改变长期回报率。

1. 这套组合拳到底在解决什么问题

1.1 3D的1000注空间与缩水的本质

先把盘子摆出来。福彩3D每期从000到999开出一个三位数，直选一共1000注，每注2元，全包需要2000元，中了拿1040元。这个数字一摆，很多人第一反应是“全包不就亏960吗”，对，这就是返奖率决定的。按公开规则，直选的返奖率大致在52%这个量级，意味着你每投2元，长期期望回收1.04元。这是个硬约束，任何算法、任何AI模型都改不了它。

那缩水在干什么？缩水不改变单注的期望，它改变的是你“押在哪一片区域”。把1000注砍到23注，投入从2000元降到46元，如果这23注里正好包含开奖号，你拿1040元，账面收益非常好看；但如果没中，你只损失46元。缩水的真实价值是风险控制，是把“我每期要花多少钱去覆盖多少可能性”这件事变成可计算、可执行的。它把一次性的大额覆盖，拆成小额的、有结构偏向的覆盖。

我自己踩过的最大的坑，就是早期把缩水当成“提高命中率”的工具。那时候我做了一个月的记录，保留注数从200注压到50注，命中次数确实有，但一算总账，投入产出比和直接随机买50注没有本质区别。原因很简单：我的筛选逻辑里没有真正带信息量的特征，全是拍脑袋。所以后面我才开始较真每一层过滤的“逻辑依据”和“误杀代价”。

1.2 887不是玄学：三位权重分配的由来

标题里这个“887”，很多人第一眼以为是某种神秘代码。在我这套体系里，它是三个位置（百位、十位、个位）的打分权重配比，8:8:7。为什么不是10:10:10？因为三个位置的信息质量并不对等。

我做过一个粗略的统计：把过去若干期的开奖数据按位置拆开，看每个位置数字分布的偏态程度和连续性。结论是百位和十位的短期聚集性相对明显一些，个位的噪声更大——个位出现“回补”“连出”“跳跃”的规律最难抓住。所以给百位和十位各8分权重，个位7分。这个差异不大，是因为我不想让某一个位置主导整个评分，权重差距一旦拉到2以上，模型就会变得非常敏感，某一期个位判断失误直接把整张清单带偏。

还有一个更实际的原因：权重7和8的差别，在最终排序里往往只影响边缘的几注，不影响大底的主体结构。我试过8:8:5、9:8:7、7:7:7几组配比，回测结果差异在噪声范围内，但8:8:5那组因为个位权重太低，导致个位的高频数字经常进不了候选池，反而误杀。所以最终落在8:8:7，是个“差别不大但更稳”的选择。

提示：权重配比不要频繁改动。每改一次，你之前所有回测结论都要重跑，很容易陷入“参数调到刚好拟合历史”的陷阱。

1.3 为什么把大底定在23注

“大底=23”是我给自己定的目标保留注数，不是理论最优解。定23这个数，有三个现实考虑。

第一是成本。23注直选是46元，对一个每周玩几期的普通爱好者来说，这个额度在可承受范围内，输了不心疼，赢了有感觉。如果定到100注，一期200元，连续不中几天心态就崩了，心态一崩就会乱加注，这是最危险的。

第二是覆盖结构。23注如果选得散，能覆盖到不同的和值区间、不同的012路形态、不同的奇偶比，实际上是“用小钱买结构分散”。如果23注全挤在一个和值上，那就不是缩水，是赌博。

第三是可复盘性。注数少，每期开奖后我能逐注核对“哪一层过滤把它杀掉了”“如果没杀会怎样”，这个复盘价值比命中本身更重要。50注以上就很难逐注归因了。

我这里要强调一句：23注不是我推荐任何人照抄的数字。你的预算、你的玩法（打直选还是打组选）、你能承受的连续不中天数，决定了这个数字该是多少。我给的是方法，不是标准答案。

2. 四个杀号模块逐个拆解

2.1 杀断组：杀伤力最大，也最容易打脸

断组是把0-9这十个数字分成若干小组，然后判断某一组在本期“一个都不出”。最常见的分法是三组，比如0123 / 456 / 789，或者按大小、按奇偶、按质合来分。杀掉一组，意味着这组里的数字在百位、十位、个位全都不出现。

算一下杀伤力。假设你杀掉的是含4个数字的那一组，剩下6个数字，直选组合数是6×6×6=216注，等于一次性干掉784注，杀掉78.4%。这是所有过滤手段里效率最高的，也是最危险的。因为只要开奖号里出现一个被你杀掉的数字，整张清单全废，不管其他三层过滤做得多漂亮。

我的做法是：断组只杀“小组合”，不杀“大组合”。也就是说，我倾向于杀掉含2到3个数字的小组，保留7到8个数字的宽口径。这样杀掉的注数是1000减去7³=657，也就是干掉343注，34.3%。效率下降很多，但误杀概率显著降低。

另外一个经验是，断组不要每期都杀。我统计过自己过去几个月的记录，断组判断的准确率大概在七成出头，看着不错，但剩下的三成一旦发生，就是整张单子归零。所以我现在的规则是：只有当某个小组同时满足“近期冷态持续”“和值结构不支持”“012路分布排斥”三个条件时才动手，否则这一层直接跳过。

注意：断组杀掉一组之后，你的清单里就再也不会有这组数字。如果这组里有你定位打分很高的号码，说明两层逻辑打架了，这时候应该回头查打分，而不是硬杀。

2.2 杀组选：动的是形态不是号码

组选和直选的关系，很多人绕不清。简单说，组选是把三个数字的所有排列当成一注。三个数字全不同叫组六，有120种；两个相同一个不同叫组三，有90种；三个全同叫豹子，有10种。120+90+10=220，这220注组选形态覆盖了全部1000注直选。

杀组选，杀的是这220种形态里的某一些。比如我判断本期不会出组三，那90种形态全部排除，对应的直选注数大概是270注左右（组三每种形态对应3注直选，90×3=270）。这个杀伤力也不小。

我的组选过滤主要抓两点。一是形态类型的轮动。组六在长期开奖里占比大约72%，组三约27%，豹子1%左右。如果连续多期出组六，很多人会本能地追组三，但我的回测显示“连续出组六的期数”对下一期形态几乎没有预测力，这是典型的赌徒谬误。我杀组三的依据不是“该出了”，而是“我定位打分选出来的号码里，重复数字的得分普遍偏低”。

二是具体组选组合的排除。比如我算出来某个三位组合在近期的“邻号关系”“跨度关系”上非常别扭，我会把这一注组选形态单独摘掉。这种精细杀法效率低，但误杀代价小，适合放在流程末端做微调。

还有一个细节：杀组选和杀断组会互相干扰。比如你杀了断组{0,1,2,3}，那所有含0/1/2/3的组选形态都自动失效了，再去单独杀组选就是重复劳动。所以这两层的顺序必须是先断组后组选，否则你会在已经作废的形态上白费功夫。

2.3 杀和尾：从28个和值收敛到10个尾巴

和值是三个数字相加，范围0到27，一共28个取值。和尾就是和值的个位数，只有0到9十个取值。杀和尾，就是把28个和值按个位归成10堆，判断哪几堆不出现。

为什么先杀和尾而不是直接杀和值？因为和值分布是中间高两头低的钟形，和值13和14各自对应75注直选，是和值0（只有000一注）的75倍。直接杀和值，你很容易一不小心杀掉高概率区间，代价极高。而和尾是相对均匀的，每个尾巴对应的直选注数差距没那么悬殊，杀错一两个尾巴的损失可控。

我算过一组数：和尾3对应的和值是3、13、23，分别是10注、75注、10注，合计95注；和尾0对应0、10、20，是1+63+36=100注。可以看到不同尾巴的注数在几十到一百之间浮动，比较均衡。这个均衡性是杀和尾能成立的前提。

实操上我不会一次杀太多尾巴，通常杀2到3个。杀的判断依据主要有两个：一是这个尾巴在近10到15期的出现频次，二是当前定位打分给出的候选号码，它们的和值集中在哪些尾巴上。如果打分结果里某个尾巴几乎没有任何候选，那这个尾巴就是“自然死亡”，不需要单独去杀。

提示：杀和尾最容易犯的错是“追冷”。某个尾巴连续20期没出，不代表它这期就该出，也不代表它这期一定不出。连续未出期数在独立随机事件里不构成任何预测信号，这一点必须刻在脑子里。

2.4 和值012缩水：用路数结构做最后一道筛子

012路是把每个数字除以3取余数。余0的是0、3、6、9，余1的是1、4、7，余2的是2、5、8。三位数字各自有3种路数，组合起来一共27种路数形态，比如“012”表示百位是0路、十位是1路、个位是2路。

012缩水的逻辑是：判断本期的路数形态，排除掉若干种不可能的组合。比如我判断本期不会出现“三个位置全是0路”的形态，那就排除了000、003、006、009这一类的所有直选，共4×4×4=64注。

这一层的价值在于它抓的是“结构”而不是“数字”。和值、跨度、奇偶这些指标，本质上都在描述结构，而012路是最廉价、最容易计算的结构指标之一。我把它放在流程末端，是因为它的过滤粒度适中——27种形态，杀掉3到5种，剩下的还能保留较大空间，适合在已经收敛到几百注之后做精修。

有一组数据可以说明它的分布不均：路数形态里，“012”这种三位各占一路的排列有6种（012、021、102、120、201、210），每种对应4×3×3=36注，6种合计216注，占比21.6%。而“000”“111”“222”这三种纯路形态，各64注、27注、27注，合计118注，占比11.8%。所以你在杀路数形态的时候，优先考虑动那些注数少的形态，误杀代价低。

我自己的习惯是每期杀3种路数形态，尽量避开“012”这六个高注数排列。如果打分结果显示某两个路数确实很冷，我才会去动高注数形态。

3. 完整实操流程：从原始数据到23注清单

3.1 数据准备与特征表设计

先说数据。我用的原始数据就是历史开奖记录，包含期号、开奖日期、百位、十位、个位。字段少得可怜，但足够衍生出一大堆特征。关键是怎么组织。

我的做法是建一张宽表，每一行是一期，每一列是一个特征。基础列是三位数字，衍生列包括：和值、和尾、跨度（最大减最小）、奇偶比、大小比（0-4为小，5-9为大）、质合比（质数2、3、5、7）、012路形态、组选形态（组六/组三/豹子）、以及每个位置数字的“遗漏值”（距离上次出现隔了多少期）。

这张表不需要数据库，一个CSV加Pandas就够。我选择这种扁平结构而不是搞复杂的时序模型，原因是样本量本来就不大，一年三百多期，用深度模型纯粹是杀鸡用牛刀，而且极容易过拟合。扁平表的好处是每一列你都能肉眼验证，出问题好排查。

import pandas as pd df = pd.read_csv("draw_history.csv") # 列：issue, date, bai, shi, ge df["sum"] = df[["bai","shi","ge"]].sum(axis=1) df["tail"] = df["sum"] % 10 df["span"] = df[["bai","shi","ge"]].max(axis=1) - df[["bai","shi","ge"]].min(axis=1) df["odd"] = df[["bai","shi","ge"]].apply(lambda r: sum(x % 2 for x in r), axis=1) df["lu"] = df[["bai","shi","ge"]].apply(lambda r: "".join(str(x % 3) for x in r), axis=1)

这段代码没什么技术含量，但它是我整套流程的地基。特征算错一个，后面全错。我建议你第一次搭的时候，抽十期手工核对一遍和值、跨度、路数，比什么都管用。

3.2 887定位打分的实现

打分这块，我用的是加权评分而不是神经网络。每个位置的每个数字（0-9），根据四类信号给分，然后乘上该位置的权重（8、8、7）。

四类信号分别是：近期出现频次（近10期、近30期各算一个）、当前遗漏值是否落在该数字的历史常见遗漏区间、与上一期同位置数字的关联（邻号、同尾、差值）、以及该数字在当前和值结构下的兼容性。

举个具体的例子。假设百位数字“7”，近10期出现2次，近30期出现4次，当前遗漏5期，而7在百位的历史平均遗漏是8期左右，那“遗漏5期”说明它还没到高发区，这一项给中性分。再看它和上期百位的差值，如果上期是4，差3属于常见区间，给正分。最后看和值，如果我的和值重心判断在12到18，那百位7配合十位个位的合理取值空间是够的，也给正分。四项加总，再乘权重8，就是7在百位的得分。

所有30个（位置×数字）的得分算出来之后，每个位置取前5到6名进入候选，组合起来大概是5×5×5=125注到6×6×6=216注，这就是“定位大底”。然后四层过滤往下砍，砍到23注。

这里有个关键点：定位大底不能取太窄。如果你的候选池一开始就只有50注，后面四层过滤根本没空间施展，随便一层就把池子清空了。我的经验是初始大底至少保留100注以上，给过滤层留出冗余。

def score_position(digits, pos, recent, weight): scores = {} for d in range(10): s = 0.0 s += 1.0 * recent[f"freq10_{pos}_{d}"] s += 0.5 * recent[f"freq30_{pos}_{d}"] s += 1.2 * recent[f"miss_fit_{pos}_{d}"] s += 0.8 * recent[f"neighbor_{pos}_{d}"] scores[d] = s * weight return scores w = {"bai": 8, "shi": 8, "ge": 7}

权重就是这么落地的，不改结构，只改乘数。

3.3 缩水顺序为什么不能乱

顺序这件事，我吃过亏。最开始我是先杀和尾再杀断组，结果经常出现“和尾杀完还剩60注，断组一杀只剩3注”的尴尬局面。问题出在断组的杀伤力太大，放在后面会把前面的精细工作全部抹平。

后来我固定成这个顺序：定位大底 → 杀断组 → 杀和值区间 → 杀和尾 → 杀组选形态 → 012路缩水 → 补齐到23注。

这个顺序的内在逻辑是“先粗后细，先高杀率低置信，后低杀率高置信”。断组杀伤力最大但置信度中等，所以放最前面，让它一次性砍掉大头，后面的层在剩余空间里做精修。如果把断组放最后，你就等于在一张已经很小的网里再挖一个大洞，很容易挖空。

还有一个细节是“补齐”。四层过滤走完，剩余注数可能不是正好23，可能剩17注，也可能剩31注。剩多了，我用打分排序取前23；剩少了，我从被误杀概率最高的那一层“捞”回来几注——具体做法是看某个号码在哪一层被杀的，如果这一层的置信度本来就不高，就把它加回来。

注意：每层过滤都要记录“这一层砍掉了多少注”。这个日志非常重要，后面回测归因全靠它。

3.4 一份可复现的脚本骨架

把上面的东西串起来，主体框架大概是这样：

from itertools import product ALL = list(product(range(10), repeat=3)) def kill_duanzu(pool, kill_set): return [n for n in pool if not (set(n) & kill_set)] def kill_sum_range(pool, lo, hi): return [n for n in pool if lo <= sum(n) <= hi] def kill_tail(pool, bad_tails): return [n for n in pool if sum(n) % 10 not in bad_tails] def form_type(n): u = len(set(n)) return {1: "baozi", 2: "zu3", 3: "zu6"}[u] def kill_form(pool, bad_forms): return [n for n in pool if form_type(n) not in bad_forms] def kill_lu(pool, bad_lu): return [n for n in pool if "".join(str(x % 3) for x in n) not in bad_lu] pool = ALL pool = kill_duanzu(pool, {7, 8, 9}) pool = kill_sum_range(pool, 9, 19) pool = kill_tail(pool, {0, 5}) pool = kill_form(pool, {"zu3"}) pool = kill_lu(pool, {"000", "111"}) print(len(pool))

这段代码可以直接跑，你只要把中间那几行的参数换成自己的判断就行。我特意没写死输出号码，因为每个人的参数不一样，输出自然不一样。参数是你自己判断的产物，抄别人的号码没有意义，抄别人的方法才有。

5月16日那一期，我记录下来的中间状态是：初始定位大底138注，杀断组后剩76注，杀和值区间后剩54注，杀和尾后剩38注，杀组选后剩29注，012缩水后剩21注，最后从高置信层捞回2注，凑成23注。这个过程我每期都记，记多了你就知道自己在哪一层最容易砍过头。

4. 回测怎么做才算数

4.1 三个核心指标与期望值的真相

回测不能只看“中没中”，那太粗糙。我固定看三个指标：命中率、平均保留注数、投入产出比。

命中率是命中期数除以总期数。这个指标看着直观，但单独看会骗人。你把保留注数从23扩到200，命中率肯定上去，但投入也上去了，没有意义。所以必须和保留注数一起看。

投入产出比比命中率诚实得多。算法是：总奖金除以总投入，减1。我这里有一组自己跑出来的数据，23注保留、连续30期，命中2次直选，奖金2080元，投入1380元，收益率50.8%。看着不错，但你要知道这30期里我有过连续11期不中，那段时间的心理压力非常大，第12期的时候我差点把注数加到50。

这里必须讲一个数学事实。直选单注2元，中奖1040元，理论概率1/1000，单注期望回报是1.04元，返奖率52%。你把它缩到23注，如果这23注是完全随机选的，中奖概率是23/1000，期望回报是1040×0.023=23.92元，投入是46元，比值还是52%。一模一样。缩水不改变期望，这是数学决定的。

那为什么有人觉得缩水有效？因为缩水后的23注不是随机选的，它带了筛选者的判断。如果你的判断确实有信息量，期望会高于52%；如果判断是噪声，期望就是52%甚至更低（因为你可能系统性地避开了高频区）。绝大多数人的问题是：无法区分自己的判断是信息还是噪声。这就是回测存在的意义。

4.2 过拟合的三种典型症状

第一种症状是参数越调越多。一开始你只有“杀2个和尾”，后来变成“杀2个和尾，但如果上期和值大于18就只杀1个，如果连续3期没出组三就调整断组阈值”。每加一个条件，历史回测收益率就往上跳一点。这是最典型的过拟合，条件越多，你对历史样本的拟合越好，对未来的预测力越差。

第二种症状是样本内很好看、样本外一塌糊涂。我自己的检验方法是：拿前70%的期数做参数调整，后30%的期数完全不看，等参数定死了再拿后30%跑一遍。如果后30%的表现和前70%差出一大截，那这套参数基本可以扔掉。我试过一套“杀和值三区间”的方案，前70%收益率能到90%，后30%直接变成负的，当场废弃。

第三种症状是幸存者偏差。你只记得那几次漂亮的命中，忘了更多次“过滤做得很准但还是没中”的情况。写复盘日志能治这个病，把每一期都记下来，包括那些平淡无奇的期，一个月后回头看，你会对自己这套方法的真实水平有个清醒认识。

我现在的态度是：这套流程的定位是“让投注有结构、可复盘、成本可控”，不是“提高胜率”。把它当成一个带数据分析的娱乐项目，心态就正了。一旦你开始指望它赚钱，判断力就会失真，参数会越调越激进，注数会越加越大，这是最危险的滑坡。

5. 踩坑实录与速查表

5.1 高频问题速查

这张表是我从自己的复盘日志里提炼的，每一条都对应过至少两次实际事故。

5.2 我个人的几条硬规矩

第一条，单期投入设上限，不管多看好都不突破。我给自己定的是单期不超过50元，这个数字从我搭这套流程第一天起就没变过。上限的意义在于防止情绪化加注，而不是省钱。

第二条，连续不中超过8期就停手一期，只做复盘不下注。这个规矩救过我好几次。人在连续不中之后，判断力会严重下降，容易做出“反向补偿”式的决策，比如把之前杀掉的号码全加回来。

第三条，每层过滤都留日志。日志格式很简单：期号、层名、进层注数、出层注数、砍掉的号码列表。很多人嫌麻烦不记，结果出了问题完全无法归因，只能整套推翻重来，浪费的时间更多。

第四条，不在任何地方分享“本期推荐号码”。这不仅是因为合规和风险，更是因为一旦你把号码说出去，你就会本能地维护自己的判断，失去纠错的灵活性。自己记录、自己复盘，错了就改，这是这套流程能持续迭代的前提。

第五条，把123、456这类明显是演示用的号码和真实记录严格分开存放。这个听起来很琐碎，但我真的见过有人把测试脚本的输出当成正式清单去核对，白白浪费一晚上。

最后说一点我自己的体会。这套“887定位大底=23 + 四层杀号 + 012缩水”的流程，我跑了小半年，最大的收获不是命中了几次，而是它逼着我把每一期都当成一次数据分析练习：算特征、写脚本、记日志、做归因。这个过程本身是有价值的，它让一件本来很随机的事变得可观察、可讨论。但我也越来越清楚它的边界——它能管住成本，能管住结构，唯独管不住开奖机里那颗球。把它当成一个需要动脑子的娱乐方式，量力而行，别让它反过来支配你的时间和钱包，这是我踩了几个月坑之后最实在的一句话。