تحلیل‌های TradeMedic AI نشان داده که ۱ نفر از هر ۲ معامله‌گر (حدود ۴۹.۵ درصد)، معامله‌گری بیش‌ازحد یا اورترید دارد و به‌طور میانگین ۷۲۴۸ دلار از سرمایه خود را به دلیل آن از دست می‌دهد. این آمار نشان می‌دهد اورترید صرفاً به معنای انجام معاملات زیاد نیست، بلکه می‌تواند به‌تدریج کیفیت تصمیم‌گیری و عملکرد معاملاتی را تحت تأثیر قرار دهد. بنابراین، شناسایی الگوهای رفتاری و پایبندی به برنامه معاملاتی اهمیت زیادی دارد. یکی از راه‌های کمک به این فرایند، کنترل اورترید با هوش مصنوعی است. در ادامه، ۵ پرامپت کاربردی در این زمینه را به همراه ترجمه فارسی معرفی می‌کنیم تا بتوانید با کمک هوش مصنوعی، معاملات خود را دقیق‌تر بررسی و رفتار معاملاتیتان را مدیریت کنید.
اورترید چیست و کنترل اورترید با هوش مصنوعی
اورترید (Overtrading) به انجام معاملات بیش‌ازحد و خارج از چارچوب استراتژی معاملاتی گفته می‌شود؛ رفتاری که می‌تواند به شکل ورود بدون تحلیل کافی، انتخاب حجم نامتناسب یا خریدوفروش مداوم بروز کند. این مسئله در معاملات اهرمی اهمیت بیشتری دارد، زیرا اهرم می‌تواند زیان را افزایش دهد و حتی آن را از سپرده اولیه فراتر ببرد.
هوش مصنوعی و ChatGPT می‌توانند با تحلیل ژورنال معاملاتی، شناسایی عبور از محدودیت تعداد معاملات و بررسی نشانه‌های احتمالی تصمیم‌گیری هیجانی یا معاملات انتقامی، به کنترل اورترید کمک کنند. بااین‌حال، هوش مصنوعی جایگزین قضاوت معامله‌گر نیست؛ بلکه ابزاری برای افزایش آگاهی، مدیریت ریسک و تقویت انضباط معاملاتی است.
برای کنترل اورترید چه اطلاعاتی به ChatGPT بدهیم؟
برای کنترل اورترید با هوش مصنوعی، ابتدا ژورنال معاملاتی خود را در اختیار ChatGPT قرار دهید. این ژورنال بهتر است شامل تاریخ و ساعت، تعداد معاملات روزانه، سود و زیان، حجم معاملات و توضیحات ورود و خروج باشد.
همچنین قوانین پلن معاملاتی، مانند سقف معاملات روزانه، میزان ریسک و محدودیت ضرر را مشخص کنید. یادداشت‌های مربوط به وضعیت ذهنی و تصمیم‌های هیجانی می‌توانند به بررسی الگوها کمک کنند؛ از ChatGPT بخواهید واقعیت‌های ثبت‌شده را از برداشت‌ها جدا کند.
پیش از بارگذاری فایل، اطلاعات شناسایی‌کننده، شماره حساب، اطلاعات ورود و هر داده محرمانه را حذف کنید و با هوش مصنوعی به اشتراک نگذارید.
پنج پرامپت کاربردی ChatGPT برای کنترل اورترید
پایبندی به پلن معاملاتی و کنترل رفتارهای هیجانی، بدون شناخت الگوهای تکرارشونده در معاملات دشوار است. ChatGPT می‌تواند با بررسی ژورنال معاملاتی، محدودیت‌های ریسک و یادداشت‌های روزانه معامله‌گر، به شناسایی تخلفات احتمالی، اورترید و نقاط ضعف در رعایت قوانین شخصی کمک کند. البته برای دریافت نتایج دقیق‌تر، لازم است اطلاعات واقعی و مشخصی در اختیار هوش مصنوعی قرار دهید و از آن بخواهید تحلیل خود را به شواهد موجود محدود کند. به همین منظور، در ادامه ۵ پرامپت آماده و کاربردی برای کنترل اورترید با هوش مصنوعی معرفی می‌کنیم که می‌توانید متناسب با شرایط و پلن معاملاتی خود از آن‌ها استفاده کنید.
پرامپت شناسایی نشانه‌های اورترید در ژورنال معاملاتی
پرامپت انگلیسی که با استفاده از آن می‌توانید نشانه‌های اورترید را شناسایی کنید:
| Section | Prompt |
|---|---|
| Role | Act as a professional trading performance analyst specializing in trade-frequency analysis, behavioral patterns, and risk management. |
| Task | Count the total number of trades executed on each trading day during the selected period of [TIME PERIOD]. Compare the total net P&L of days with more than [N] trades against days with [N] or fewer trades. List the exact dates belonging to each group and identify any differences in trading performance. |
| Input | – Trading journal: [ATTACHED CSV]- Analysis period: [TIME PERIOD]- Trade-count threshold: [N]- Current maximum trades per day: [CURRENT LIMIT]- Trading plan rules: [MY RULES]- Risk limits: [MY RISK LIMITS]- Trading notes: [MY NOTES] |
| Constraints | – Use only the information provided in the uploaded trading journal and other supplied inputs.- Count each executed trade once and group trades by their actual trading date.- Classify days with more than [N] trades separately from days with [N] or fewer trades.- Calculate the total net P&L for each group using the available data.- List the exact trading dates and the number of trades executed on each date in both groups.- Distinguish confirmed violations of trading plan rules from potential violations.- Do not assume that a high trade count indicates revenge trading, FOMO, or emotional decision-making.- Do not infer the trader’s intentions or motivations without supporting evidence.- Do not modify or recommend changes to my existing risk management rules based solely on trade frequency.- If data is missing, inconsistent, or insufficient, explicitly state the limitation rather than making assumptions. |
| Output Format | Present the results in the following tables:Table 1: Daily Trade Count1. Trading date2. Number of trades3. Total daily net P&L4. Trade-count groupTable 2: Group Comparison1. Trade-count group (More than [N] / [N] or fewer)2. Number of trading days3. Total number of trades4. Total net P&L5. Average daily net P<able 3: Rule Compliance1. Trading date2. Relevant trading plan rule3. Confirmed or potential violation4. Supporting evidenceFinish with a concise, data-based comparison of the two groups. State whether the available data shows a meaningful difference in net P&L, and identify any limitations that prevent a reliable conclusion. |
پرامپت شناسایی نشانه‌های اورترید به‌صورت ترجمه در جدول زیر آمده است:
| بخش | متن پرامپت |
|---|---|
| نقش (Role) | به‌عنوان یک تحلیلگر حرفه‌ای عملکرد معاملاتی با تخصص در تحلیل تعداد معاملات، الگوهای رفتاری و مدیریت ریسک عمل کن. |
| وظیفه (Task) | تعداد کل معاملات انجام‌شده در هر روز معاملاتی طی بازه زمانی [بازه زمانی] را محاسبه کن. سپس سود و زیان خالص روزهای دارای بیش از [N] معامله را با روزهای دارای [N] معامله یا کمتر مقایسه کن. تاریخ دقیق هر گروه را فهرست کن و تفاوت عملکرد معاملاتی آن‌ها را مشخص کن. |
| ورودی‌ها (Input) | – گزارش معاملات: [فایل CSV پیوست‌شده]- بازه زمانی تحلیل: [بازه زمانی]- آستانه تعداد معاملات: [N]- حداکثر تعداد معاملات روزانه فعلی: [محدودیت فعلی]- قوانین پلن معاملاتی: [قوانین من]- محدودیت‌های ریسک: [محدودیت‌های ریسک من]- یادداشت‌های معاملاتی: [یادداشت‌های من] |
| محدودیت‌ها (Constraints) | – فقط از اطلاعات موجود در گزارش معاملات و سایر ورودی‌های ارائه‌شده استفاده کن.- هر معامله انجام‌شده را فقط یک بار بشمار و معاملات را بر اساس تاریخ واقعی انجام آن‌ها دسته‌بندی کن.- روزهای دارای بیش از [N] معامله را از روزهای دارای [N] معامله یا کمتر جدا کن.- سود و زیان خالص کل هر گروه را بر اساس داده‌های موجود محاسبه کن.- تاریخ دقیق و تعداد معاملات انجام‌شده در هر روز را برای هر دو گروه فهرست کن.- تخلفات قطعی از قوانین پلن معاملاتی را از تخلفات احتمالی جدا کن.- فرض نکن که تعداد بالای معاملات لزوماً نشان‌دهنده معامله انتقامی، ترس از جاماندن (FOMO) یا تصمیم‌گیری هیجانی است.- بدون شواهد کافی درباره قصد یا انگیزه معامله‌گر قضاوت نکن.- صرفاً بر اساس تعداد معاملات، قوانین فعلی مدیریت ریسک من را تغییر نده و پیشنهاد تغییر آن‌ها را نیز مطرح نکن.- اگر داده‌ها ناقص، ناسازگار یا ناکافی هستند، محدودیت را صریحاً اعلام کن و از حدس زدن بپرهیز. |
| قالب خروجی (Output Format) | نتایج را در قالب جدول‌های زیر ارائه بده:جدول اول: تعداد معاملات روزانه۱. تاریخ معاملاتی۲. تعداد معاملات۳. سود و زیان خالص روزانه۴. گروه‌بندی بر اساس تعداد معاملاتجدول دوم: مقایسه دو گروه۱. گروه معاملاتی (بیش از [N] معامله / [N] معامله یا کمتر)۲. تعداد روزهای معاملاتی۳. تعداد کل معاملات۴. سود و زیان خالص کل۵. میانگین سود و زیان خالص روزانهجدول سوم: بررسی پایبندی به قوانین۱. تاریخ معاملاتی۲. قانون مرتبط در پلن معاملاتی۳. تخلف قطعی یا احتمالی۴. شواهد و اطلاعات پشتیباندر پایان، مقایسه‌ای مختصر و مبتنی بر داده از دو گروه ارائه بده. مشخص کن آیا داده‌های موجود تفاوت معناداری در سود و زیان خالص دو گروه نشان می‌دهند یا خیر و چه محدودیت‌هایی مانع نتیجه‌گیری قابل‌اعتماد می‌شوند. |
پرامپت تعیین محدودیت تعداد معاملات بر اساس پلن شخصی
بااستفاده از این پرامپت می‌توانید بر اساس پلن شخصی خود، محدودیت‌هایی برای تعداد معاملاتتان اعمال کنید.
| Section | Prompt |
|---|---|
| Role | Act as a professional trading performance analyst specializing in behavioral patterns and risk management. |
| Task | Analyze my trading activity over the last [4 weeks] and recommend a maximum number of trades per day for next week. Identify whether taking more trades is associated with lower net P&L, a lower win rate, or increased trading costs. |
| Input | – Trading journal: [ATTACHED CSV] – Current maximum trades per day: [CURRENT LIMIT] – Trading plan rules: [MY RULES] – Risk limits: [MY RISK LIMITS] – Trading notes: [MY NOTES] |
| Constraints | – Base all conclusions exclusively on the supplied trading data. – Compare daily performance across different trade-count ranges. – Distinguish confirmed rule violations from potential violations. – Do not assume that a high number of trades indicates revenge trading, FOMO, or emotional decision-making. – Do not change my existing risk management rules. – If the sample size is insufficient, explicitly state that no reliable conclusion can be drawn. – Do not invent a maximum trade limit unsupported by the data. |
| Output Format | Provide a table with: 1. Daily trade-count range 2. Number of trading days 3. Average daily net P&L 4. Win rate 5. Trading costs 6. Recommended action Finish with a specific recommendation for next week’s maximum daily trade count, or state that the available data does not support changing the current limit. |
ترجمه پرامپت تعیین محدودیت تعداد معاملات بر اساس پلن شخصی در جدول زیر:
| بخش | متن پرامپت |
|---|---|
| نقش (Role) | به‌عنوان یک تحلیلگر حرفه‌ای عملکرد معاملاتی با تخصص در بررسی الگوهای رفتاری و مدیریت ریسک عمل کن. |
| وظیفه (Task) | فعالیت معاملاتی من را در [۴ هفته گذشته] بررسی کن و حداکثر تعداد معاملات مجاز در هر روز برای هفته آینده را پیشنهاد بده. مشخص کن آیا افزایش تعداد معاملات با کاهش سود و زیان خالص، کاهش نرخ برد یا افزایش هزینه‌های معاملاتی ارتباط دارد یا خیر. |
| ورودی‌ها (Input) | – گزارش معاملات: [فایل CSV پیوست‌شده]- حداکثر تعداد معاملات روزانه فعلی: [محدودیت فعلی]- قوانین پلن معاملاتی: [قوانین من]- محدودیت‌های ریسک: [محدودیت‌های ریسک من]- یادداشت‌های معاملاتی: [یادداشت‌های من] |
| محدودیت‌ها (Constraints) | – تمام نتایج را صرفاً بر اساس داده‌های ارائه‌شده استخراج کن.- عملکرد روزانه را در بازه‌های مختلف تعداد معاملات مقایسه کن.- تخلفات تأییدشده از قوانین را از تخلفات احتمالی جدا کن.- فرض نکن که تعداد بالای معاملات لزوماً نشان‌دهنده معامله انتقامی، ترس از جاماندن (FOMO) یا تصمیم‌گیری هیجانی است.- قوانین فعلی مدیریت ریسک من را تغییر نده.- اگر تعداد نمونه‌ها کافی نیست، صریحاً اعلام کن که نمی‌توان نتیجه قابل‌اعتمادی گرفت.- محدودیت تعداد معاملات را بدون پشتوانه آماری تعیین نکن. |
| قالب خروجی (Output Format) | جدولی شامل موارد زیر ارائه بده:۱. بازه تعداد معاملات روزانه۲. تعداد روزهای معاملاتی۳. میانگین سود و زیان خالص روزانه۴. نرخ برد۵. هزینه‌های معاملاتی۶. اقدام پیشنهادیدر پایان، حداکثر تعداد معاملات روزانه پیشنهادی برای هفته آینده را مشخص کن یا توضیح بده که داده‌های موجود برای تغییر محدودیت فعلی کافی نیستند. |
پرامپت شناسایی معاملات انتقامی و تصمیمات ناشی از FOMO
این پرامپت برای شناسایی ریونج تریدینگ و تصمیمات ناشی از فومو یا ترس و طمع به‌کار می‌رود.
| Section | Prompt |
|---|---|
| Role | Act as a professional trading performance analyst specializing in behavioral trading patterns, revenge trading detection, and risk management. |
| Task | Analyze my trading activity over the last [3 months] to identify trades that may exhibit a potential revenge trading pattern. Flag trades opened within [10] minutes after a losing trade on the same symbol, paying particular attention to trades with equal or larger position sizes. Compare these flagged trades with my other trades in terms of win rate, expectancy, and net P&L. Examine my trading notes to identify any evidence that supports or contradicts the possibility of revenge trading. |
| Input | – Trading journal: [ATTACHED CSV]- Analysis period: [LAST 3 MONTHS]- Time interval after a losing trade: [10 MINUTES]- Current maximum trades per day: [CURRENT LIMIT]- Trading plan rules: [MY RULES]- Risk limits: [MY RISK LIMITS]- Trading notes: [MY NOTES] |
| Constraints | – Base all findings exclusively on the supplied trading data and notes.- Identify a potential revenge trade only when it is opened within the specified time interval after a losing trade on the same symbol.- Highlight trades with equal or larger position sizes, but do not treat position size alone as proof of revenge trading.- Distinguish potential revenge trades from confirmed rule violations. A timing pattern alone does not confirm a psychological motive or a rule violation.- Review trading notes for evidence that supports, contradicts, or provides no information about the revenge trading interpretation.- Do not assume that a trader intended to recover previous losses or acted emotionally without explicit supporting evidence.- Calculate win rate, expectancy, and net P&L separately for flagged trades and all other trades.- Use a consistent expectancy calculation and clearly state its formula and required data fields.- Do not modify my existing trading plan or risk management rules.- If the available data is insufficient to calculate a metric or establish a reliable pattern, explicitly state this limitation. Do not invent missing information. |
| Output Format | Present the findings in the following tables:Table 1: Potential Revenge Trades1. Trade date and opening time2. Symbol3. Previous losing trade’s closing time4. Time elapsed between trades5. Previous trade’s position size6. Flagged trade’s position size7. Whether the new position size is equal to or larger than the previous one8. Net P&L of the flagged trade9. Relevant trading note10. Evidence classification: Supports / Contradicts / No evidenceTable 2: Performance ComparisonCompare potential revenge trades with all other trades using:1. Number of trades2. Win rate3. Expectancy per trade4. Total net P<able 3: Rule Compliance Review1. Trade date2. Relevant trading plan rule3. Confirmed or potential violation4. Supporting evidenceFinish with a concise summary of the findings. State whether the flagged trades performed differently from other trades and whether the available notes provide evidence supporting or contradicting a revenge trading interpretation. Do not label any trade as confirmed revenge trading without sufficient evidence of intent. |
ترجمه فارسی پرامپت شناسایی معاملات انتقامی و تصمیمات ناشی از فومو:
| بخش | متن پرامپت |
|---|---|
| نقش (Role) | به‌عنوان یک تحلیلگر حرفه‌ای عملکرد معاملاتی با تخصص در شناسایی الگوهای رفتاری معامله‌گری، تشخیص معاملات انتقامی و مدیریت ریسک عمل کن. |
| وظیفه (Task) | فعالیت معاملاتی من را در [۳ ماه گذشته] بررسی کن و معاملاتی را که ممکن است الگوی انتقام‌جویی در آن‌ها وجود داشته باشد، شناسایی کن. معاملاتی را علامت‌گذاری کن که حداکثر تا [۱۰] دقیقه پس از بسته‌شدن یک معامله زیان‌ده روی همان نماد معاملاتی باز شده‌اند؛ به‌ویژه معاملاتی که اندازه موقعیت آن‌ها برابر یا بزرگ‌تر از معامله قبلی است. نرخ برد، امید ریاضی و سود و زیان خالص این معاملات را با سایر معاملاتم مقایسه کن. همچنین یادداشت‌های معاملاتی من را بررسی کن تا مشخص شود آیا شواهدی وجود دارد که برداشت انتقام‌جویانه بودن این معاملات را تأیید یا رد کند. |
| ورودی‌ها (Input) | – گزارش معاملات: [فایل CSV پیوست‌شده]- بازه زمانی تحلیل: [۳ ماه گذشته]- فاصله زمانی پس از معامله زیان‌ده: [۱۰ دقیقه]- حداکثر تعداد معاملات روزانه فعلی: [محدودیت فعلی]- قوانین پلن معاملاتی: [قوانین من]- محدودیت‌های ریسک: [محدودیت‌های ریسک من]- یادداشت‌های معاملاتی: [یادداشت‌های من] |
| محدودیت‌ها (Constraints) | – تمام یافته‌ها را صرفاً بر اساس داده‌ها و یادداشت‌های معاملاتی ارائه‌شده استخراج کن.- فقط معاملاتی را به‌عنوان معاملات دارای الگوی احتمالی انتقام‌جویی علامت‌گذاری کن که در فاصله زمانی تعیین‌شده پس از یک معامله زیان‌ده روی همان نماد باز شده‌اند.- معاملاتی را که اندازه موقعیت آن‌ها برابر یا بزرگ‌تر است، مشخص کن؛ اما اندازه موقعیت را به‌تنهایی دلیل قطعی انتقام‌جویی در نظر نگیر.- معاملات دارای الگوی احتمالی انتقام‌جویی را از تخلفات تأییدشده قوانین معاملاتی جدا کن. صرفاً وجود یک الگوی زمانی، انگیزه روان‌شناختی یا تخلف از قوانین را اثبات نمی‌کند.- یادداشت‌های معاملاتی را بررسی کن و مشخص کن آیا شواهد موجود برداشت انتقام‌جویانه بودن معامله را تأیید می‌کنند، با آن در تضاد هستند یا اطلاعاتی در این زمینه ارائه نمی‌دهند.- بدون شواهد صریح، فرض نکن که معامله‌گر قصد جبران ضرر قبلی را داشته یا بر اساس هیجان تصمیم گرفته است.- نرخ برد، امید ریاضی و سود و زیان خالص را به‌صورت جداگانه برای معاملات علامت‌گذاری‌شده و سایر معاملات محاسبه کن.- برای محاسبه امید ریاضی از یک روش ثابت استفاده کن و فرمول و داده‌های موردنیاز را توضیح بده.- قوانین فعلی پلن معاملاتی و مدیریت ریسک من را تغییر نده.- اگر داده‌های موجود برای محاسبه یک شاخص یا شناسایی یک الگوی قابل‌اعتماد کافی نیستند، این محدودیت را صریحاً اعلام کن و اطلاعات ناقص را حدس نزن. |
| قالب خروجی (Output Format) | نتایج را در قالب جدول‌های زیر ارائه بده:جدول اول: معاملات دارای الگوی احتمالی انتقام‌جویی۱. تاریخ و ساعت بازشدن معامله۲. نماد معاملاتی۳. ساعت بسته‌شدن معامله زیان‌ده قبلی۴. فاصله زمانی بین دو معامله۵. اندازه موقعیت معامله قبلی۶. اندازه موقعیت معامله جدید۷. مشخص‌کردن برابر یا بزرگ‌تر بودن اندازه موقعیت جدید نسبت به معامله قبلی۸. سود و زیان خالص معامله علامت‌گذاری‌شده۹. یادداشت معاملاتی مرتبط۱۰. طبقه‌بندی شواهد: تأییدکننده / ردکننده / بدون شواهدجدول دوم: مقایسه عملکرد معاملاتیمعاملات دارای الگوی احتمالی انتقام‌جویی را با سایر معاملات بر اساس شاخص‌های زیر مقایسه کن:۱. تعداد معاملات۲. نرخ برد۳. امید ریاضی هر معامله۴. سود و زیان خالص کلجدول سوم: بررسی پایبندی به قوانین۱. تاریخ معامله۲. قانون مرتبط در پلن معاملاتی۳. تخلف تأییدشده یا احتمالی۴. شواهد پشتیباندر پایان، خلاصه‌ای کوتاه از یافته‌ها ارائه بده. مشخص کن آیا عملکرد معاملات علامت‌گذاری‌شده با سایر معاملات تفاوت داشته است و آیا یادداشت‌های موجود شواهدی در تأیید یا رد برداشت انتقام‌جویانه بودن این معاملات ارائه می‌کنند. بدون شواهد کافی درباره قصد معامله‌گر، هیچ معامله‌ای را به‌عنوان معامله انتقامی قطعی طبقه‌بندی نکن. |
پرامپت بررسی میزان پایبندی به قوانین پلن معاملاتی
اگر می‌خواهید بدانید که تا چه اندازه به قوانین پلن معاملاتیتان پایبند بوده‌اید، این پرامپت می‌تواند به شما کمک کند.
| Section | Prompt |
|---|---|
| Role | Act as a professional trading compliance officer specializing in trading plan audits and risk management. |
| Task | Audit my recent trades against my trading plan and identify confirmed or potential rule violations. |
| Input | – Trading plan rules: [MY RULES]- Recent trades: [TRADE DATA]- Daily trade limit: [TRADE LIMIT]- Risk limits: [MY RISK LIMITS]- Trading notes: [MY NOTES] |
| Constraints | – Use only the supplied information.- Do not assume missing information or trader motivations.- Separate confirmed violations from potential violations and insufficient information.- Do not change my existing trading or risk management rules. |
| Output Format | Provide a compliance scorecard showing:1. Compliance with setups, position sizing, stop-loss, profit targets, daily loss limits, and trading hours.2. Overall and rule-specific compliance rates.3. P&L of compliant vs. non-compliant trades.4. Most frequently violated rule and its financial impact.5. Specific improvement actions. |
ترجمه فارسی پرامپت بالا:
| بخش | متن پرامپت |
|---|---|
| نقش (Role) | به‌عنوان یک مسئول حرفه‌ای نظارت بر انطباق معاملات با پلن معاملاتی و مدیریت ریسک عمل کن. |
| وظیفه (Task) | معاملات اخیر من را با قوانین پلن معاملاتی مقایسه کن و تخلفات قطعی و احتمالی را شناسایی کن. |
| ورودی‌ها (Input) | – قوانین پلن معاملاتی: [قوانین من]- سوابق معاملات: [داده‌های معاملاتی]- سقف معاملات روزانه: [محدودیت معاملات]- محدودیت‌های ریسک: [محدودیت‌های ریسک من]- یادداشت‌های معاملاتی: [یادداشت‌های من] |
| محدودیت‌ها (Constraints) | – فقط از اطلاعات ارائه‌شده استفاده کن.- اطلاعات ناقص یا انگیزه‌های معامله‌گر را حدس نزن.- تخلفات قطعی، احتمالی و موارد فاقد اطلاعات کافی را از هم جدا کن.- قوانین فعلی معاملاتی و مدیریت ریسک من را تغییر نده. |
| قالب خروجی (Output Format) | یک کارنامه پایبندی به قوانین ارائه بده که شامل موارد زیر باشد:۱. رعایت ستاپ‌ها، حجم معاملات، حد ضرر، اهداف سود، سقف ضرر روزانه و ساعات مجاز۲. نرخ پایبندی کلی و به تفکیک هر قانون۳. مقایسه سود و زیان معاملات منطبق و غیرمنطبق۴. پرتکرارترین تخلف و هزینه مالی آن۵. اقدامات اصلاحی مشخص برای بهبود عملکرد |
پرامپت ساخت برنامه روزانه برای کنترل معاملات هیجانی
و در نهایت این پرامپت می‌تواند به شما برای ساخت برنامه‌ای روزانه برای کنترل معاملات هیجانی کمک کند.
| Section | Prompt |
|---|---|
| Role | Act as a professional trading psychologist and performance coach specializing in emotional discipline and risk management. |
| Task | Create a personalized daily trading plan to help me recognize emotional triggers, prevent impulsive trades, and stay consistent with my trading strategy. |
| Input | – Trading plan rules: [MY RULES]- Maximum daily trades: [TRADE LIMIT]- Risk limits: [MY RISK LIMITS]- Recent trading history: [TRADE DATA]- Emotional and trading notes: [MY NOTES]- Main emotional challenges: [FEAR / FOMO / GREED / REVENGE / OVERCONFIDENCE] |
| Constraints | – Base your analysis only on the information provided.- Do not assume emotional motives without supporting evidence.- Separate confirmed rule violations from potential violations.- Do not change my existing trading or risk management rules.- If information is insufficient, explicitly state it. |
| Output Format | Create a daily trading checklist containing:1. Pre-market mental preparation2. Daily trade and risk limits3. Personal emotional warning signs4. Rules for pausing or stopping trading5. Post-market review6. One specific behavioral improvement for the next trading day. |
ترجمه فارسی پرامپت بالا در جدول زیر آمده است.
| بخش | متن پرامپت |
|---|---|
| نقش (Role) | به‌عنوان یک روان‌شناس و مربی حرفه‌ای عملکرد معاملاتی با تخصص در نظم هیجانی و مدیریت ریسک عمل کن. |
| وظیفه (Task) | یک برنامه معاملاتی روزانه و شخصی‌سازی‌شده طراحی کن تا بتوانم محرک‌های هیجانی خود را شناسایی کنم، از معاملات تکانشی جلوگیری کنم و به استراتژی معاملاتی‌ام پایبند بمانم. |
| ورودی‌ها (Input) | – قوانین پلن معاملاتی: [قوانین من]- حداکثر تعداد معاملات روزانه: [سقف معاملات]- محدودیت‌های ریسک: [محدودیت‌های ریسک من]- سوابق اخیر معاملات: [داده‌های معاملاتی]- یادداشت‌های معاملاتی و هیجانی: [یادداشت‌های من]- چالش‌های هیجانی اصلی: [ترس / ترس از جاماندن / طمع / معامله انتقامی / اعتمادبه‌نفس بیش‌ازحد] |
| محدودیت‌ها (Constraints) | – تحلیل را صرفاً بر اساس اطلاعات ارائه‌شده انجام بده.- بدون شواهد کافی، انگیزه‌ها و هیجانات من را حدس نزن.- تخلفات تأییدشده از قوانین را از تخلفات احتمالی جدا کن.- قوانین فعلی معاملاتی و مدیریت ریسک من را تغییر نده.- در صورت ناکافی بودن اطلاعات، این موضوع را صریحاً اعلام کن. |
| قالب خروجی (Output Format) | یک چک‌لیست روزانه معاملاتی شامل موارد زیر طراحی کن:۱. آمادگی ذهنی پیش از شروع معاملات۲. سقف معاملات و محدودیت‌های ریسک روزانه۳. نشانه‌های هشداردهنده هیجانی شخصی۴. قوانین توقف موقت یا پایان معاملات۵. ارزیابی عملکرد پس از پایان بازار۶. یک اقدام رفتاری مشخص برای بهبود عملکرد در روز معاملاتی بعد |
کافی است که هر پرامپت را به انگلیسی یا فارسی کپی کنید و سپس اطلاعات شخصی خود را در جاهای مورد نظر وارد کرده و برای هوش مصنوعی موردنظرتان ارسال کنید.
نمونه استفاده از پرامپت‌های کنترل اورترید با ChatGPT
فرض کنید یک معامله‌گر به نام علی می‌خواهد با کمک ChatGPT برنامه‌ای روزانه برای کنترل معاملات هیجانی خود طراحی کند. اطلاعات شخصی فرضی علی در زیر آمده است:
- قوانین پلن: ورود فقط پس از تأیید سیگنال معاملاتی
- حداکثر معاملات روزانه: ۳ معامله
- محدودیت ریسک: حداکثر ۱٪ سرمایه در هر معامله
- سقف ضرر روزانه: ۲٪ سرمایه
- سوابق اخیر: در دو روز گذشته، پس از تجربه ضرر وارد معاملات بیشتری شده است.
- یادداشت‌های هیجانی: ترس از جاماندن از فرصت‌ها و تمایل به جبران سریع ضرر
- چالش‌های هیجانی اصلی: ترس از جاماندن، طمع و معاملات هیجانی
در قدم بعدی، معامله‌گر اطلاعات بالا را در بخش ورودی پرامپت قرار می‌دهد و از ChatGPT می‌خواهد بر اساس آن‌ها یک چک‌لیست روزانه طراحی کند.
ChatGPT بعد از دریافت اطلاعات علی، بر اساس قوانین معاملاتی و چالش‌های هیجانی او یک برنامه عملی برای مدیریت رفتار معاملاتی در طول روز پیشنهاد می‌دهد. این برنامه در جدول زیر آمده است.
| مرحله | برنامه پیشنهادی |
|---|---|
| پیش از معامله | بررسی آمادگی ذهنی و مرور قوانین پلن |
| حین معامله | ورود فقط پس از تأیید سیگنال و با ریسک حداکثر ۱٪ |
| کنترل هیجان | در صورت تمایل به جبران ضرر یا ورود از ترس جاماندن، ابتدا مکث و شرایط ورود را دوباره بررسی کن. |
| توقف معاملات | پس از ۳ معامله یا رسیدن به ۲٪ ضرر روزانه، فعالیت را متوقف کن. |
| ارزیابی روزانه | معاملات و تصمیمات هیجانی را در ژورنال ثبت کن. |
| اقدام اصلاحی | پیش از معامله بعد، موقعیت‌هایی را که باعث معاملات هیجانی شده‌اند مرور کن. |
به‌عبارتی جدول به علی می‌گوید که:
- قبل از شروع معاملات، آمادگی ذهنی و قوانینش را بررسی کند.
- هنگام معامله، فقط طبق استراتژی وارد بازار شود.
- وقتی وسوسه می‌شود ضرر قبلی را جبران کند یا از ترس جاماندن وارد معامله شود، مکث کند.
- پس از ۳ معامله یا رسیدن به ۲ درصد ضرر روزانه، معامله را متوقف کند.
- در پایان روز، رفتار و تصمیماتش را بررسی کند تا اشتباهات مشابه را تکرار نکند.
این جدول خروجی ثبت‌شده از اجرای واقعی ChatGPT نیست و نباید آن را توصیه شخصی برای معامله‌گران دیگر دانست.
محدودیت‌های هوش مصنوعی در کنترل رفتار معاملاتی
هوش مصنوعی می‌تواند با تحلیل سوابق معاملات، شناسایی الگوهای رفتاری و بررسی پایبندی به پلن معاملاتی به کنترل رفتار معاملاتی کمک کند؛ اما نباید به‌عنوان ابزاری کاملاً قابل‌اعتماد در نظر گرفته شود. ممکن است اطلاعات نادرست یا قدیمی ارائه دهد و حتی با اطمینان، تحلیل اشتباهی از داده‌ها داشته باشد. همچنین نمی‌تواند انگیزه‌های واقعی معامله‌گر را بدون شواهد تشخیص دهد یا رفتار و تصمیم‌های آینده بازار را پیش‌بینی کند. بنابراین، بهتر است از هوش مصنوعی به‌عنوان ابزار کمکی برای خودارزیابی استفاده شود، نه جایگزینی برای قضاوت و مسئولیت‌پذیری معامله‌گر.
کلام پایانی | ۵ پرامپت آماده برای کنترل اورترید با هوش مصنوعی
هوش مصنوعی با تحلیل ژورنال معاملاتی و بررسی الگوهای رفتاری، می‌تواند به شناسایی نشانه‌های این مشکل و مدیریت بهتر معاملات کمک کند. در این مطلب، ۵ پرامپت کاربردی برای شناسایی نشانه‌های اورترید، تعیین محدودیت تعداد معاملات بر اساس پلن شخصی، تشخیص معاملات انتقامی، ارزیابی میزان پایبندی به قوانین معاملاتی و تدوین برنامه روزانه برای کنترل معاملات هیجانی معرفی کردیم. کافی است پرامپت انگلیسی یا ترجمه فارسی آن را متناسب با نیاز خود کپی کنید، اطلاعات شخصی و معاملاتیتان را در بخش‌های مشخص‌شده قرار دهید و از هوش مصنوعی برای بررسی و بهبود نظم معاملاتی خود کمک بگیرید.
سوالات متداول
آیا ChatGPT می‌تواند اورترید را از روی ژورنال معاملاتی تشخیص دهد؟
اگر ژورنال معاملاتی و یادداشت‌هایتان را در اختیارش بگذارید، می‌تواند الگوهای احتمالی را بررسی کند و درباره آن‌ها هشدار دهد؛ اما این بررسی ممکن است خطا داشته باشد
چگونه با هوش مصنوعی میزان پایبندی به پلن معاملاتی را بررسی کنیم؟
با واردکردن پلن معاملاتی و گزارش معاملات به هوش مصنوعی، می‌توان میزان پایبندی به قوانین، تخلفات احتمالی و قطعی، عملکرد مالی معاملات و الگوهای رفتاری را بررسی و ارزیابی کرد.
آیا ChatGPT می‌تواند از معاملات هیجانی و انتقامی جلوگیری کند؟
درصورتی که ChatGPT بتواند اطلاعات معاملات شخصی شما را در اختیار داشته باشد، می‌تواند با استفاده از پرامپت‌های بالا به شما هشدار دهد تا متوجه معاملات هیجانی خود شوید.
نظرات کاربران