سنجش اثر خبر بر قیمت

News Impact Assessor

یک خبر تازه را به سه لایه تجزیه می‌کند: اثر آنی، اثرهای مرتبه دوم، و اینکه بازار احتمالاً چقدرش را قبلاً قیمت کرده.

این پرامپت چه کاری انجام می‌دهد؟

مهم‌ترین سؤال درباره هر خبر این نیست که «خوب است یا بد»، بلکه این است که «چقدرش قبلاً در قیمت هست». خبر خوبی که همه انتظارش را داشتند، معمولاً باعث افت می‌شود.

این پرامپت خبر را در سه لایه می‌بیند و صریح می‌خواهد که مدل بگوید کدام بخش تازه است و کدام بخش تکراری. لایه دوم — اثرهای غیرمستقیم بر تأمین‌کننده، مشتری و رقیب — معمولاً جایی است که فرصت واقعی پیدا می‌شود.

متن کامل پرامپت
نقش تو: تحلیل‌گر رویداد که تفاوت خبر و انتظار را می‌فهمد.

وظیفه: اثر خبر زیر را بسنج.

داده ورودی:
- متن خبر: {{NEWS}}
- دارایی یا نمادهای مرتبط: {{ASSETS}}
- قیمت و روند اخیر: {{PRICE_CONTEXT}}
- انتظارات یا شایعات پیشین بازار: {{EXPECTATIONS}}

قواعد:
- هیچ عددی برای «احتمال» نساز مگر بتوانی مبنایش را از داده ورودی توضیح دهی.
- توصیه خرید یا فروش نده. فقط سناریو و سطح بده.
- اگر {{EXPECTATIONS}} خالی است، صریح بگو که بدون آن نمی‌توان «غافلگیری» را سنجید.

ساختار خروجی:

■ ۱. چه چیزی تازه است؟
| بخش خبر | آیا انتظارش می‌رفت؟ | درجه غافلگیری (کم/متوسط/زیاد) |
این جدول مهم‌ترین بخش است. خبر بدون غافلگیری، خبر نیست.

■ ۲. اثر مستقیم
کدام قلم درآمد یا هزینه کدام دارایی تغییر می‌کند؟ زنجیره را بنویس.

■ ۳. اثر مرتبه دوم
- تأمین‌کنندگان: چه کسی سود یا زیان می‌بیند؟
- مشتریان و رقبا: چه کسی؟
- صنایع مجاور: کدام؟
برای هر کدام، نماد یا دارایی مرتبط را نام ببر اگر در {{ASSETS}} هست.

■ ۴. زمینه قیمتی
با توجه به {{PRICE_CONTEXT}}، آیا قیمت پیش از خبر حرکت غیرعادی داشته؟ اگر بله، احتمال قیمت‌گذاری پیشاپیش وجود دارد.

■ ۵. سه سناریوی واکنش
| سناریو | چه اتفاقی باید بیفتد | سطح قیمتی که آن را تأیید می‌کند | سطحی که ردش می‌کند |

■ ۶. درجه اطمینان
یکی از: بالا، متوسط، پایین — با دلیل. اگر داده انتظارات نداری، اطمینان خودکار «پایین» است.

■ داده ناقص

متغیرهای پرامپت

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

{{NEWS}}متن خبر
{{ASSETS}}دارایی یا نمادهای مرتبط
{{PRICE_CONTEXT}}قیمت و روند اخیر
{{EXPECTATIONS}}انتظارات یا شایعات پیشین بازار

خروجی مورد انتظار

  • جدول درجه غافلگیری خبر
  • اثر مستقیم و مرتبه دوم
  • بررسی قیمت‌گذاری پیشاپیش
  • سه سناریوی واکنش با سطوح تأیید

نکات اجرایی

  1. در بورس تهران، شایعه معمولاً چند روز قبل از شفاف‌سازی در حجم دیده می‌شود؛ حتماً حجم را در {{PRICE_CONTEXT}} بگذارید.
  2. بخش ۳ را جدی بگیرید؛ معمولاً حرکت بزرگ‌تر در سهم مجاور اتفاق می‌افتد، نه در سهمی که خبر مستقیم دارد.
هشدار: مدل به اخبار لحظه‌ای دسترسی ندارد. متن کامل خبر و زمان انتشار آن را خودتان بدهید.

پرسش‌های پرتکرار

این پرامپت دقیقاً چه خروجی می‌دهد؟
جدول درجه غافلگیری خبر؛ اثر مستقیم و مرتبه دوم؛ بررسی قیمت‌گذاری پیشاپیش؛ سه سناریوی واکنش با سطوح تأیید.
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

Daily Pre-Market Briefing

داده‌های پراکنده صبح را به یک بریفینگ کوتاه با سه نکته قابل اقدام تبدیل می‌کند.

بورس تهرانسهام آمریکا و نزدک سنتیمنت و اخبار مقدماتی
۱۹۳ کلمه ChatGPT · Claude · Gemini
Economic Calendar Decoder

رویدادهای تقویم اقتصادی را به برنامه عملیاتی تبدیل می‌کند: چه چیزی مهم است، چه چیزی از قبل قیمت‌گذاری شده و کجا نباید معامله کرد.

فارکسسهام آمریکا و نزدک سنتیمنت و اخبار متوسط
۳۱۹ کلمه Claude · ChatGPT · Gemini
Sector Sentiment Scanner

روایت‌های غالب یک صنعت را فهرست می‌کند و یک نمره احساسات از منفی پنج تا مثبت پنج می‌دهد.

بورس تهرانسهام آمریکا و نزدک سنتیمنت و اخبار پیشرفته
۲۴۵ کلمه ChatGPT · Claude
Market Regime Detector

مشخص می‌کند بازار در کدام رژیم است و کدام سبک استراتژی در این رژیم کار می‌کند و کدام نمی‌کند.

بورس تهرانسهام آمریکا و نزدک دنبال‌کننده روند پیشرفته
۲۵۲ کلمه ChatGPT · Claude