冷热频次
比较相同样本区间内各类结果的出现频率，区分短期集中与长期常态。
重点：窗口长度保持一致
Key metrics
先看哪些走势指标？
单一指标容易放大偶然性。更稳妥的方式，是把不同统计维度放在同一观察区间内进行对照。
大小单双
观察分类结果的阶段性分布，但不把连续出现或暂时缺失直接视为反转依据。
重点：避免追涨与补偿误区
和值区间
将和值划入统一范围，查看分布是否集中、分散，以及不同区间之间的变化。
重点：明确区间划分标准
连续形态
记录连出、间隔与切换等形态，重点辨别描述性现象和预测性结论的差别。
重点：形态不等于规律
Hot & cold overview
冷热走势应当怎样看？
“热”仅表示某类结果在指定样本中相对集中，“冷”也只表示相对少见。改变观察期后，冷热标签可能随之变化。
分析步骤预览
示例界面，不包含当前或历史真实结果
保持统计条件一致
只有在相同样本范围、相同分类方式下，频次高低才具有基本可比性。混合不同口径会制造虚假的变化感。
短窗口与长窗口并看
短窗口更敏感，也更容易受偶然波动影响；较长窗口更平滑，但可能弱化近期变化。二者应互相补充。
寻找一致与冲突
当多个维度指向不同方向时，应保留不确定性，而不是挑选最符合预期的一项作为结论。
Input
统一样本
Check
多维复核
Output
概率表达
Pattern notes
记录走势时，关注变化而非故事
人们容易在随机变化中寻找熟悉的形状。规范记录可以减少凭印象筛选数据的倾向，让每次分析采用相近的步骤。
1
先写下观察条件
包括样本范围、分类口径与希望验证的问题，避免事后调整标准。
2
同时记录相反证据
不仅收集支持某种判断的现象，也要保留与判断冲突的数据变化。
3
使用概率语言
用“偏向、可能、暂未形成”替代“必出、稳中、一定反转”等确定性措辞。
基础走势复核清单
每次分析前后都可以快速检查
- 统计区间是否足以支持当前描述？
- 分类规则是否前后一致、可重复？
- 是否把短期连续现象误认为长期规律？
- 结论是否明确保留随机性与不确定性？
走势数据的边界与常见误区
历史分布只能说明过去发生了什么，不能保证未来结果。任何走势图、冷热统计或预测观点都不应被视为收益承诺或确定答案。
遗漏不代表应当补出
结果长时间未出现，并不会自动提高下一次出现的确定性。
连出不证明趋势延续
连续形态可能随时终止，也可能继续，单凭形态无法确认方向。
预测不等于实际结果
所有分析均应作为信息参考，并以可承受风险和理性判断为前提。