تحلیل عمیق ژورنال معاملاتی

Deep Trading Journal Analysis

ژورنال شما را به یافته‌های مشخص تبدیل می‌کند و هزینه هر الگوی رفتاری را عددی می‌کند.

این پرامپت چه کاری انجام می‌دهد؟

ژورنال وقتی ارزش دارد که تحلیل شود. و تحلیل وقتی مفید است که به عدد ختم شود: «بعد از ضرر حجم را زیاد می‌کنم» یک مشاهده است؛ «این رفتار در سه ماه گذشته ۴.۲R برایم هزینه داشته» یک دلیل برای تغییر است.

این پرامپت همین ترجمه را انجام می‌دهد و مشکلات را بر مبنای هزینه واقعی اولویت‌بندی می‌کند، نه بر مبنای اینکه کدام‌یک آزاردهنده‌تر به نظر می‌رسد.

متن کامل پرامپت
نقش تو: تحلیلگر ژورنال معاملاتی با رویکرد داده‌محور. لحن تو مستقیم و بدون تعارف است، اما بدون تحقیر.

وظیفه: ژورنال معاملات من را تحلیل کن.

بازار: {{MARKET}}
دوره: {{PERIOD}}
قواعد پلن من: {{RULES}}

قواعد:
- اگر تعداد معاملات کمتر از ۳۰ است، در ابتدا هشدار بده که نتایج از نظر آماری ضعیف‌اند.
- هرگز بر اساس یک یا دو معامله نتیجه‌گیری نکن.
- هر یافته باید با عدد پشتیبانی شود.

ساختار خروجی:

■ ۱. آمار پایه
تعداد معاملات، نرخ برد، میانگین سود، میانگین زیان، نسبت سود به زیان، انتظار آماری به R، فاکتور سود، حداکثر دراودان، طولانی‌ترین توالی ضرر و برد.

■ ۲. تفکیک عملکرد
جدول انتظار آماری به تفکیک هر بُعد:
| بُعد | دسته | تعداد | نرخ برد | انتظار به R | معنادار؟ |
ابعاد: ساعت ورود، روز هفته، نماد، نوع ستاپ، جهت معامله، مدت نگهداری، وضعیت روانی ثبت‌شده.
در ستون آخر، اگر تعداد نمونه کمتر از ۱۰ است بنویس «نمونه کم».

■ ۳. الگوهای رفتاری — هر کدام با شاهد عددی
الف) آیا پس از ضرر، حجم معامله بعدی افزایش می‌یابد؟ میانگین حجم پس از ضرر در برابر میانگین کل.
ب) آیا معاملات برنده زودتر از بازنده بسته می‌شوند؟ میانگین مدت نگهداری برنده‌ها در برابر بازنده‌ها.
ج) آیا حد ضرر در حین معامله جابه‌جا می‌شود؟ در چند درصد معاملات؟
د) آیا تعداد معاملات در روزهای ضررده بیشتر است؟
ه) آیا پس از یک سود بزرگ، کیفیت معاملات بعدی افت می‌کند؟
و) آیا در ساعات پایانی روز، معاملات بی‌کیفیت‌تری انجام می‌شود؟

■ ۴. هزینه هر مشکل — مهم‌ترین بخش
هر الگوی مشکل‌دار را به عدد ترجمه کن: «اگر این رفتار را نداشتم، نتیجه چقدر متفاوت بود؟»
محاسبه را نشان بده و مشکلات را بر مبنای همین هزینه اولویت‌بندی کن، نه بر مبنای شدت ظاهری.

■ ۵. پایبندی به پلن
درصد معاملاتی که کاملاً مطابق پلن اجرا شده‌اند. سپس مقایسه کن:
| دسته | تعداد | انتظار به R |
معاملات مطابق پلن در برابر معاملات خارج از پلن.
اگر معاملات مطابق پلن عملکرد بهتری دارند، این قوی‌ترین دلیل برای انضباط است — و اگر ندارند، مشکل در پلن است نه در اجرا. این تمایز حیاتی است.

■ ۶. یک قانون برای ماه آینده
فقط یک قانون — گران‌ترین مشکل. قانون باید قابل سنجش باشد.

■ ۷. دو نقطه قوت واقعی
با شاهد عددی. این بخش را حذف نکن اما اغراق هم نکن.

■ ۸. برای ماه بعد
سه معیاری که باید در ژورنال ماه بعد پیگیری شوند تا اثر تغییرات سنجیده شود.

داده ژورنال:
{{JOURNAL}}

متغیرهای پرامپت

پیش از اجرا، این متغیرها را با اطلاعات خودتان جایگزین کنید:

{{MARKET}}بازار مورد معامله
{{PERIOD}}دوره ژورنال
{{RULES}}قواعد پلن معاملاتی شما
{{JOURNAL}}داده ژورنال با ستون‌های ثابت

خروجی مورد انتظار

  • تفکیک انتظار آماری در شش بُعد
  • شش الگوی رفتاری با شاهد عددی
  • هزینه عددی هر مشکل
  • مقایسه معاملات مطابق و خارج از پلن

پرسش‌های پرتکرار

این پرامپت دقیقاً چه خروجی می‌دهد؟
تفکیک انتظار آماری در شش بُعد؛ شش الگوی رفتاری با شاهد عددی؛ هزینه عددی هر مشکل؛ مقایسه معاملات مطابق و خارج از پلن.
آیا برای استفاده از این پرامپت نیاز به دانش فنی دارم؟
سطح این پرامپت «متوسط» است. کافی است متن را کپی کنید، متغیرهای داخل {{ }} را با اطلاعات خودتان جایگزین کنید و داده مورد نیاز را در انتها بچسبانید.

پرامپت‌های مرتبط

Pre-Market Readiness Checklist

یک چک‌لیست کوتاه بله/خیر که اگر حتی یک «خیر» داشته باشد، امروز معامله نمی‌کنید.

بورس تهرانفارکس مدیریت ریسک مقدماتی
۱۹۸ کلمه ChatGPT · Claude · Gemini
Weekly Trading Review Protocol

یک روال بازبینی هفتگی ثابت که فرایند را از نتیجه جدا می‌سنجد و به یک تغییر مشخص ختم می‌شود.

فارکسارز دیجیتال روانشناسی و ژورنال مقدماتی
۳۵۱ کلمه ChatGPT · Claude
Post-Loss Recovery Protocol

پس از یک زیان سنگین، یک مسیر پلکانی و مشخص برای بازگشت می‌سازد تا به‌جای جبران سریع، بازسازی تدریجی اتفاق بیفتد.

سرمایه‌گذاری و پرتفویارز دیجیتال روانشناسی و ژورنال متوسط
۳۱۵ کلمه ChatGPT · Claude · Gemini