K7فهرست انتظار
ساختن و آزمودن سیستم معاملاتی
ابزار زیاد بلدید؛ این دوره نشان می‌دهد کدام قاعده‌ی شما واقعاً آزموده شده و کدام فقط به نظر خوب می‌آید.
در پایان دوره
در پایان (۱) هر ایده‌ی معاملاتی را به یک «کارت سیستم» با قاعده‌های بی‌ابهام (بازار، بازه، فیلتر، ورود، حد ضرر، خروج، اندازه) تبدیل می‌کنید و ابهامش را با آزمون دونفره می‌سنجید؛ (۲) شواهد چند بازه‌ی زمانی را بدون نگاه به آینده کنار هم می‌گذارید و شاهد مستقل را از شاهد تکراری جدا می‌کنید؛ (۳) یک آزمون دستی ۵۰ معامله‌ای را روی بازپخش با ثبت بی‌طرف انجام می‌دهید؛ (۴) نرخ برد، نسبت سود به ضرر، امید ریاضی بر حسب R، ضریب سود، بیشترین افت سرمایه و بازه‌ی عدم قطعیت را در صفحه‌گسترده حساب و تفسیر می‌کنید؛ (۵) کارمزد، اسپرد، slippage، نرخ تأمین مالی و اجرای ناقص را در آزمون می‌گذارید؛ (۶) نگاه به آینده، بیش‌برازش، آزمودن چندباره و سوگیری بقا را در گزارش دیگران و کار خودتان پیدا می‌کنید و با داده‌ی خارج از نمونه و walk-forward می‌آزمایید؛ (۷) موتور آماده‌ی Python دوره را اجرا می‌کنید، قاعده و پارامتر را عوض می‌کنید و نتیجه را معامله‌به‌معامله با آزمون دستی تطبیق می‌دهید.
مخاطب دوره
- مناسب: کسی که هسته‌ی تحلیل تکنیکال (T1 تا T4) را گذرانده، چند ابزار یا مکتب می‌شناسد و حالا می‌خواهد بداند کدام قاعده‌اش روی داده چه نتیجه‌ای دارد و آن نتیجه چقدر قابل‌اعتماد است؛ معامله‌گری که «سیستم» دارد ولی آن را هرگز بی‌طرف نیازموده است؛ کسی که گزارش آزمون، کانال یا دوره‌ای با «نرخ برد بالا» دیده و می‌خواهد ادعا را بسنجد؛ کسی که پیش از نوشتن ربات (M8) یا راهبرد Pine (K8) روش درست آزمودن را می‌خواهد.
- نامناسب: کسی که دنبال سیستم آماده‌ی سودده، «تنظیمات طلایی» اندیکاتور یا سیگنال است (این دوره هیچ‌کدام را نمی‌دهد و نمره‌اش هم به بزرگی سود آزمون بستگی ندارد)؛ کسی که هنوز شمع، اندیکاتورهای پایه و دفتر سفارش را نمی‌شناسد (اول T1 تا T4 و M1)؛ کسی که می‌خواهد موتور آزمون یا ربات را از صفر در کد بنویسد و به API صرافی وصل کند (خانه‌ی M8 — معامله‌ی الگوریتمی؛ این‌جا موتور آماده اجرا و قاعده‌اش ویرایش می‌شود)؛ کسی که فقط تست‌گر TradingView را می‌خواهد (K8).
آنچه می‌سازید
| ماژول | محصول |
|---|---|
| ۱ | «کارت سیستم» برای سیستم نمونه و یک ایده‌ی خودتان + نتیجه‌ی آزمون دونفره‌ی ابهام |
| ۲ | «جدول شواهد» چندبازه‌ای بدون نگاه به آینده + ماتریس هم‌بستگی شواهد و برچسب «مستقل/تکراری» |
| ۳ | «برنامه‌ی معامله‌ی سیستم» و «دفتر سنجش سیستم» آماده‌ی آزمون |
| ۴ | پروتکل آزمون دستی + ۲۰ معامله‌ی نخست روی بازپخش با ثبت بی‌طرف |
| ۵ | «کارنامه‌ی آماری» در کتاب‌کار آمار + فهرست خطاهای PE-2 |
| — | پروژه‌ی میانی: آزمون دستی ۵۰ معامله و کارنامه‌ی آماری |
| ۶ | جدول «ناخالص/خالص» با مدل هزینه‌ی صریح + بازبینی گزارش PE-1 |
| ۷ | بازبینی گزارش بهینه‌سازی PE-3 + آزمون سوگیری بقا + walk-forward در کتاب‌کار |
| ۸ | اجرای موتور Python روی همان سیستم + تطبیق معامله‌به‌معامله با آزمون دستی + اصلاح PE-4 با سبز شدن آزمون‌ها |
| ۹ | پروژه‌ی نهایی: سیستم مستند و آزموده + گزارش صادقانه + دفاع ویدیویی |
پیش‌نیازها
پیش‌نیاز رسمی: T4 — اندیکاتورها و اسیلاتورها (تعریف میانگین متحرک ساده و نمایی، RSI و ATR به روش وایلدر، باند بولینگر، خانواده‌های اندیکاتور و هم‌خطی). پیش‌نیاز عمومی: (۱) M6 — مدیریت ریسک و روان‌شناسی معامله به‌شدت توصیه می‌شود: حد ضرر به‌عنوان نقطه‌ی ابطال، اندازه‌ی موقعیت با ریسک ثابت و واحد R، مفهوم امید ریاضی و دفتر معاملات؛ هر جا K7 از این‌ها استفاده می‌کند یک «کاربرد» یا «ارجاع» کوتاه دارد، نه درس کامل. (۲) صفحه‌گسترده در حد فرمول شرطی و شمارشی، ارجاع نسبی و مطلق و نمودار خطی. (۳) آشنایی با یک مکتب یا با حجم (T5 یا K1 تا K6) کمک می‌کند، چون ایده‌ی سیستم پروژه‌ی نهایی معمولاً از همان‌جا می‌آید. (۴) Python در ورود لازم نیست؛ ضمیمه‌ی پل §۷.۶ (بیرون از ساعت درس) را پیش از ماژول ۸ بگذرانید. آزمون تعیین سطح (§۲.۱) همه‌ی این‌ها را می‌سنجد.
زمان و ریتم
۹ ماژول؛ ساعت درس: ۲۰ ساعت (+ ۱۲ ساعت تمرین و پروژه)؛ ۱۰ هفته، هفته‌ای ۳ تا ۴ ساعت. پروژه‌ی میانی («آزمون دستی ۵۰ معامله و کارنامه‌ی آماری») پس از ماژول ۵، در هفته‌ی ۶؛ ضمیمه‌ی پل Python در هفته‌ی ۷ (خودخوان)؛ پروژه‌ی نهایی هفته‌های ۹ و ۱۰. ترتیب دوره عمداً «اول صفحه‌گسترده، بعد Python» است: هر آماری که نمره دارد در صفحه‌گسترده هم حساب‌شدنی است و Python فقط در ماژول ۸ و پروژه‌ی نهایی می‌آید.
ابزارها و نسخه‌ها
همه‌ی نام‌ها «نمونه، نه توصیه»اند؛ نسخه‌ها و محدودیت‌ها در §۷.۲.
- صفحه‌گسترده (LibreOffice Calc یا Excel؛ نسخه‌ی آفلاین کافی است): ابزار اصلی ماژول ۱ تا ۷. کتاب‌کارهای دوره با قالب
.odsمی‌آیند و در Excel هم باز می‌شوند. - نمایشگر بازپخش آفلاین دوره (
k7-replay-viewer.html، یک صفحه‌ی محلی که بدون اینترنت در مرورگر باز می‌شود و فایل CSV دوره را شمع‌به‌شمع نشان می‌دهد و آینده را پنهان نگه می‌دارد). جایگزین بدون رایانه: دفترچه‌ی چاپی بلوک‌های نمودارk7-replay-a-blocks.pdf(هر صفحه ۲۰ شمع تازه، با شماره‌ی شمع روی محور افقی). - Python ≥ ۳٫۱۱ با pandas، numpy، pytest و PyYAML (matplotlib اختیاری)، و یک ویرایشگر متن (نمونه: VS Code یا هر ویرایشگر ساده). فقط در ماژول ۸، پروژه‌ی نهایی و ضمیمه‌ی پل؛ نصب آفلاین از پوشه‌ی
wheels/بسته (§۲.۲). - TradingView (اختیاری، بدون نمره): برای کسی که می‌خواهد ابزار Bar Replay پلتفرم را هم ببیند (ارجاع: T1 ماژول ۶). هیچ تمرین نمره‌داری به آن وابسته نیست، چون داده‌ی نمره‌دار دوره ساختگی است و روی پلتفرم وجود ندارد.
- دستیار AI (اختیاری): فقط طبق §۲.۳.
- بسته‌ی دوره
k7-pack(§۷.۳): داده‌ی ساختگی با seed ثبت‌شده، کتاب‌کارها، قالب‌ها، موتور Python و آزمون‌هایش، مجموعه‌های خطای کاشته‌شده‌ی PE-1 تا PE-4.
ارزیابی و سیاست AI
- تمرین: استفاده از AI آزاد است؛ تست خودکار نتیجه را می‌سنجد.
- آزمون: بدون AI.
- پروژه: AI مجاز است، اما در ویدیوی دفاع باید هر خط را توضیح بدهید.
| بخش | وزن |
|---|---|
| آزمون‌های کوتاه ماژول‌ها (۱ تا ۸) | ۱۰٪ |
| تمرین‌های اجباری (از جمله PE-1 تا PE-4) | ۲۵٪ |
| پروژه‌ی میانی | ۲۰٪ |
| پروژه‌ی نهایی (پرونده، گزارش، دفاع ویدیویی) | ۳۵٪ |
| آزمون پایانی | ۱۰٪ |
چالش‌های اختیاری نمره ندارند و پیشرفت را قفل نمی‌کنند. هیچ جزء نمره به جهت بازار یا بزرگی نتیجه‌ی آزمون بستگی ندارد.
گواهی
- گواهی پایان دوره: نمره‌ی کل دست‌کم ۷۰٪، پروژه‌ی نهایی دست‌کم ۶۰ از ۱۰۰ و آزمون پایانی دست‌کم ۱۲ از ۲۰.
- گواهی با امتیاز ممتاز: نمره‌ی کل دست‌کم ۹۰٪ و دفاع ویدیویی دست‌کم ۷ از ۸.
- متن گواهی: «توانایی تبدیل ایده‌ی معاملاتی به قاعده‌ی بی‌ابهام، آزمون دستی و با Python روی داده‌ی ثابت با هزینه‌ی صریح، تحلیل آماری با عدم قطعیت، تشخیص نگاه به آینده، بیش‌برازش، آزمودن چندباره و سوگیری بقا، و گزارش صادقانه‌ی نتیجه». گواهی مجوز مشاوره‌ی سرمایه‌گذاری یا مدیریت دارایی نیست، هیچ سیستم یا توانایی سودآوری را تأیید نمی‌کند و پیوند پروژه‌ی نهایی در آن فقط به پرونده‌ی روش اشاره دارد.
نمونه‌ی درس
درس نمونه‌ی رایگان این دوره به‌زودی منتشر می‌شود. برای خبر شدن، وارد فهرست انتظار شوید.
این محتوا آموزشی است؛ نه توصیه‌ی سرمایه‌گذاری است و نه مشاوره‌ی حقوقی.
- ماژول ۱سیستم معاملاتی چیست: از ایده تا قاعده‌ی بی‌ابهام؛ بازار، بازه، ورود، خروج، اندازه (۲ ساعت)
- ماژول ۲چند بازه‌ی زمانی و همگرایی شواهد: شواهد مستقل در برابر تکراری (۲ ساعت)
- ماژول ۳برنامه‌ی معامله و دفتر سنجش سیستم (۲ ساعت)
- ماژول ۴آزمون دستی روی داده‌ی گذشته: بازپخش شمع‌به‌شمع و ثبت بی‌طرف (۲٫۵ ساعت)
- ماژول ۵آمار نتیجه: نرخ برد، نسبت سود به ضرر، امید ریاضی، ضریب سود، افت از سقف، حجم نمونه و عدم قطعیت (۲٫۵ ساعت)
- ماژول ۶هزینهها و اجرای واقعی در آزمون: کارمزد، اسپرد، slippage، نرخ تأمین مالی، اجرای ناقص (۲ ساعت)
- ماژول ۷خطاهای آزمون: نگاه به آینده، بیش‌برازش، آزمودن چندباره، سوگیری بقا؛ داده‌ی داخل و خارج از نمونه و walk-forward (۳ ساعت)
- ماژول ۸آزمون با Python: اجرای موتور آماده، تغییر قاعده و پارامتر، مقایسه با آزمون دستی (۲ ساعت)
- ماژول ۹پروژه‌ی نهایی (۲ ساعت + ۴ ساعت کار آزاد)
مدرس هر دوره متخصص همان حوزه است. معرفی مدرس این دوره همراه با باز شدن ثبت‌نام در صفحه‌ی مدرسان می‌آید.
- این دوره سیستم سودده به من می‌دهد؟ خیر. هیچ سیستمی سودده معرفی نمی‌شود؛ «سیستم نمونه‌ی دوره» فقط برای تمرین روش است. یاد می‌گیرید سیستم خودتان را بسازید، بیازمایید و نتیجه را صادقانه بخوانید، حتی وقتی منفی است.
- اگر نتیجه‌ی آزمون من منفی شود نمره‌ام کم می‌شود؟ خیر. نمره فقط کیفیت روند (قاعده‌ی بی‌ابهام، ثبت بی‌طرف، آمار درست، هزینه، داده‌ی خارج از نمونه دست‌نخورده، گزارش صادقانه) را می‌سنجد. سیستمی با نتیجه‌ی منفی و گزارش درست می‌تواند نمره‌ی کامل بگیرد.
- برنامه‌نویس نیستم؛ ماژول ۸ را چطور بگذرانم؟ ضمیمه‌ی پل §۷.۶ (حدود ۵۰ دقیقه ویدیو و چند تمرین با آزمون آماده) هر آنچه لازم است را می‌دهد: خواندن CSV با pandas، ستون و شیفت، اجرای اسکریپت و pytest. در ماژول ۸ موتور را نمی‌نویسید؛ آن را اجرا می‌کنید و فقط
rules.pyوconfig.yamlرا ویرایش می‌کنید. - چرا داده‌ی ساختگی و نه بیت‌کوین واقعی؟ تا هیچ نتیجه‌ای سیگنال روی یک رمزارز واقعی خوانده نشود، داده برای همه یکسان و بازساختنی باشد (seed ثبت‌شده) و به دسترسی اینترنت وابسته نباشد. روش روی هر داده‌ای کار می‌کند؛ آزمودن داده‌ی واقعی بیرون از دوره، با شرایط استفاده‌ی منبع داده، با خود شماست.
- ۵۰ معامله برای قضاوت درباره‌ی یک سیستم کافی است؟ معمولاً نه؛ ماژول ۵ نشان می‌دهد با ۵۰ معامله بازه‌ی عدم قطعیت امید ریاضی هنوز پهن است. ۵۰ معامله‌ی دستی برای یاد گرفتن روش و پیدا کردن ابهام قاعده است؛ آزمون Python تعداد بیشتر را ممکن می‌کند، ولی تعداد بیشتر هم اثبات آینده نیست.
- فرق این دوره با تست‌گر TradingView یا آزمون با AI چیست؟ ابزار فرق دارد، روش یکی است. تست‌گر TradingView خانه‌اش K8 ماژول ۶ است و بازبینی آزمون ساخته‌شده با AI خانه‌اش M9 ماژول ۴. K7 خانه‌ی خود روش است: آمار، هزینه، خطاهای آزمون و walk-forward.
- پس از دوره می‌توانم سیستمم را روی پول واقعی اجرا کنم؟ دوره چنین توصیه‌ای نمی‌کند و هیچ گامی با پول واقعی ندارد. آزمون گذشته فقط می‌گوید قاعده روی آن داده و با آن فرض‌ها چه کرد؛ مدیریت ریسک و اندازه‌ی موقعیت خانه‌ی M6 است و امنیت حساب صرافی خانه‌ی G4 ماژول ۵.
دوره‌ی بعدی
K7 پایان مسیر تحلیلگر تکنیکال است. سه ادامه‌ی اختیاری: K8 — Pine Script برای کسی که می‌خواهد همین روش را در تست‌گر راهبرد TradingView به کار ببرد (K8 ماژول ۴ و ۶ از ماژول ۷ این دوره استفاده می‌کنند)؛ M9 — هوش مصنوعی در تحلیل و آزمودن راهبرد برای بازبینی آزمون‌ها و کدی که AI می‌سازد (M9 ماژول ۴)؛ و M8 — معامله‌ی الگوریتمی برای کسی که می‌خواهد موتور آزمون رویدادمحور را خودش بنویسد و ربات را روی صرافی ساختگی آفلاین اجرا کند. اگر M6 را نگذرانده‌اید، آن را پیش از هر معامله‌ی واقعی بگذرانید: آزمون، مجوز معامله نیست.