K6فهرست انتظار
الگوهای هارمونیک
گارتلی، خفاش و خرچنگ را با عدد بشناسید؛ و ببینید با تحمل خطای بزرگ، حتی داده‌ی تصادفی پر از الگوست.
در پایان دوره
در پایان (۱) هر پنج نقطه‌ی یک الگو را با قاعده‌ی نقطه‌ی چرخش ثبت‌شده (شماره‌ی شمع و قیمت) پیدا می‌کنید و چهار نسبت اصلی (AB/XA، BC/AB، CD/BC و AD/XA) را با فرمول حساب می‌کنید؛ (۲) می‌دانید هر نسبت هارمونیک (۰٫۸۸۶، ۱٫۱۳، ۱٫۲۷، ۱٫۴۱۴، ۲٫۲۴، ۳٫۶۱۸ و بقیه) از کجا مشتق می‌شود و کدام از φ نمی‌آید؛ (۳) یک ساختار را با دو جدول منبع و تحمل خطای اعلام‌شده برچسب می‌زنید و نشان می‌دهید کجا دو جدول دو حکم متفاوت می‌دهند؛ (۴) PRZ را از سه اندازه‌گیری مستقل می‌سازید، پهنای آن را با عدد گزارش می‌کنید و نقطه‌ی ابطال را پیش از رسیدن قیمت ثبت می‌کنید؛ (۵) نشان می‌دهید شمار «الگوهای پیداشده» در داده‌ی تصادفی با بزرگ شدن تحمل خطا چطور رشد می‌کند؛ (۶) ادعای «قیمت در PRZ برمی‌گردد» را بدون نگاه به آینده، با ثبت پیش از شمارش، در برابر نرخ پایه می‌سنجید و نتیجه را صادقانه با محدودیت‌هایش می‌نویسید.
مخاطب دوره
- مناسب: کسی که K2 را گذرانده و نسبت‌های فیبوناچی را با اشتقاقشان می‌شناسد و می‌خواهد الگوهای هارمونیک را دقیق، با جدول منبع و بدون افسانه یاد بگیرد؛ تحلیلگری که روی نمودارهای دیگران «گارتلی» و «خفاش» زیاد می‌بیند و می‌خواهد بداند کدام بخش قاعده‌ی مکتب است و کدام انتخاب تحلیلگر؛ کسی که خروجی یک اسکنر الگو یا عدد «دقت الگو» را می‌بیند و می‌خواهد بفهمد آن عدد چه چیزی را می‌سنجد و چه چیزی را نه؛ مدرس یا تولیدکننده‌ی محتوا که می‌خواهد این مکتب را بدون ادعای بی‌پشتوانه درس دهد.
- نامناسب: کسی که دنبال «ناحیه‌ی دقیق ورود»، هدف قیمتی یا «الگوی امروز» یک رمزارز واقعی است (دوره هیچ‌کدام را نمی‌دهد و هیچ تمرینی روی دارایی واقعی نمره نمی‌گیرد)؛ کسی که هنوز نسبت‌ها و ابزارهای فیبوناچی را نمی‌شناسد (اول K2)؛ کسی که می‌خواهد یک قاعده‌ی معاملاتی هارمونیک را با هزینه، آمار کامل و داده‌ی خارج از نمونه بیازماید (خانه‌ی K7 — ساختن و آزمودن سیستم معاملاتی؛ این‌جا فقط سنجش توصیفی ساده است)؛ کسی که اسکنر یا ربات الگو می‌خواهد بنویسد (دوره کد نوشتن ندارد؛ کد فقط خواندنی است).
آنچه می‌سازید
| ماژول | محصول |
|---|---|
| ۱ | «کارت XABCD» برای چهار ساختار ثابت (پنج نقطه با شماره‌ی شمع، چهار نسبت با فرمول) + «جدول اشتقاق نسبت‌های هارمونیک» |
| ۲ | «برگه‌ی برچسب دوجدولی» برای ده ساختار ثابت: حکم هر ساختار با جدول C و جدول P و تحمل خطای اعلام‌شده، و بیشینه‌ی انحراف هر نسبت |
| ۳ | «کارت PRZ» برای سه ساختار: سه اندازه‌گیری، PRZ هسته و PRZ کامل، پهنا به درصد XA، نقطه‌ی ابطال و برگه‌ی ثبت پیش از آشکارسازی برای مجموعه‌ی کور الف |
| ۴ | «جدول وارون AB=CD» + شناسایی AB=CD و یک سایفر روی داده‌ی ثابت + «نقشه‌ی پوشش نسبت» که نشان می‌دهد الگوهای نام‌دار روی‌هم چه سهمی از ساختارهای ممکن را می‌پوشانند |
| ۵ | «گزارش آزمایش تحمل خطا» روی داده‌ی تصادفی (شمار الگو در شش تحمل) + «کارت سنجش PRZ» با ثبت پیش از شمارش و دو نرخ پایه |
| ۶ | پروژه‌ی نهایی: پرونده‌ی هارمونیک + دفاع ویدیویی |
پیش‌نیازها
پیش‌نیاز رسمی: K2 — فیبوناچی و امواج الیوت. باید نسبت‌های ۰٫۲۳۶ تا ۲٫۶۱۸ را از φ مشتق کنید و بدانید چرا ۰٫۵ نسبت فیبوناچی نیست (K2 ماژول ۱)، سطح اصلاح و طرح‌ریزی را با لنگر ثبت‌شده روی مقیاس حسابی و لگاریتمی حساب کنید (K2 ماژول ۲) و منطق آزمون «سطح فیبوناچی در برابر سطح تصادفی» را بفهمید (K2 ماژول ۳). نقطه‌ی چرخش با قاعده‌ی چندشمعی یا زیگزاگ درصدی (T2 ماژول ۴) و الگوهای کلاسیک با نقطه‌ی ابطال (T3 ماژول ۴ و ۶) آشنا باشند. در صفحه‌گسترده باید فرمول با ارجاع مطلق بنویسید، با ABS و MIN و MAX کار کنید و با COUNTIFS بشمارید. برنامه‌نویسی لازم نیست: اسکریپت کوتاه Python آزمایش تحمل خطا با خروجی آماده‌اش در بسته هست و کار شما خواندن و مقایسه‌ی خروجی آن با کتاب‌کار است. آزمون تعیین سطح (§۲.۱) همین‌ها را می‌سنجد.
زمان و ریتم
۶ ماژول؛ ساعت درس: ۷ ساعت (+ ۳ ساعت تمرین و پروژه)؛ ۴ هفته، هفته‌ای ۲ تا ۳ ساعت. هفته‌ی ۱: ماژول ۱ و ۲؛ هفته‌ی ۲: ماژول ۳ و ۴؛ هفته‌ی ۳: ماژول ۵؛ هفته‌ی ۴: پروژه‌ی نهایی. ماژول ۱ تا ۴ مکتب را به بیان مؤلفانش می‌سازند (ساختار، جدول‌ها، PRZ، الگوهای دیگر) و ماژول ۵ همان ادعاها را روی داده می‌سنجد. سهم قالب محتوا در §۲.۴.
ابزارها و نسخه‌ها
- پلتفرم نمودار با ابزار رسم XABCD (نمونه، نه توصیه: TradingView؛ هر پلتفرمی که ابزار الگوی پنج‌نقطه‌ای یا ابزار اصلاح فیبوناچی دارد کافی است). نام ابزار، نسبت‌هایی که روی شکل نشان می‌دهد و محدودیت نسخه‌ی رایگان در §۷.۲. جایگزین آفلاین: نمایشگر نمودار آفلاین دوره (همان نمایشگر T1، کپی در بسته) که داده‌ی بسته را باز می‌کند، نقطه‌های چرخش را از فایل
k6-swings-*.csvنشان می‌دهد و پنج نقطه‌ی ثبت‌شده را ازk6-points-overlay.csvبه‌صورت خط‌های XABCD می‌کشد؛ و مجموعه‌ی تصویرهای چاپی نمودار با محور شماره‌ی شمع. - صفحه‌گسترده (LibreOffice Calc یا Excel؛ نسخه‌ی آفلاین کافی است). همه‌ی محاسبه‌های نمره‌دار، از جمله نسبت‌ها، PRZ، برچسب دوجدولی و شمارش PRZ، در صفحه‌گسترده شدنی‌اند؛ کتاب‌کار
k6-ratio-calculator.odsاز پنج نقطه همه‌ی نسبت‌ها و حکم دو جدول را می‌سازد. - Python (اختیاری، فقط خواندن): اسکریپت
k6-harmonic-scan.py(اسکنر سرراست الگو روی نقطه‌های چرخش) با خروجی آماده‌اشk6-tolerance-output.csvدر بسته هست؛ اجرا لازم نیست و کار شما مقایسه‌ی چند سطر خروجی آن با کتاب‌کار است. - یک دستیار AI (اختیاری) با قواعد §۲.۳؛ هیچ تمرین نمره‌داری به AI وابسته نیست.
- بسته‌ی تمرین دوره (§۷.۳): داده‌ی ساختگی با seed، فهرست نقطه‌های چرخش، کتاب‌کارها، جدول‌های نسبت دو منبع، مجموعه‌های کور، سه مجموعه‌ی خطای کاشته‌شده (PE-1 تا PE-3) و قالب‌ها.
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 ماژول ۱ تا ۵ | ۱۵٪ |
| تمرین‌های اجباری ماژول ۱ تا ۵ (از جمله PE-1 تا PE-3 و مجموعه‌ی کور الف) | ۳۰٪ |
| پروژه‌ی میانی | — (ندارد) |
| پروژه‌ی نهایی (پرونده و دفاع ویدیویی) | ۴۵٪ |
| آزمون پایانی | ۱۰٪ |
چالش‌های اختیاری نمره ندارند. هیچ بخشی از هیچ نمره‌ای به درستی جهت بازار 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 توافق همتا دست‌کم ۸۰٪ روی برچسب‌های دوجدولی پروژه.
- متن گواهی: «توانایی اندازه‌گیری بازتولیدپذیر ساختار XABCD، برچسب‌گذاری با دو جدول منبع و تحمل اعلام‌شده، ساختن PRZ و ابطال با قاعده‌ی ثبت‌شده، و سنجش توصیفی ادعای رفتار قیمت در PRZ در برابر نرخ پایه». گواهی مجوز مشاوره‌ی سرمایه‌گذاری نیست، هیچ توانایی سودآوری را تأیید نمی‌کند و هیچ مکتبی را «اثبات‌شده» نمی‌داند.
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 ۱الگوهای هارمونیک چیست: خاستگاه، ساختار XABCD، نسبت‌های فیبوناچی (۱ ساعت)
- ماژول ۲الگوهای اصلی: گارتلی، پروانه، خفاش و خرچنگ؛ جدول نسبت‌ها و اختلاف منابع (۱٫۵ ساعت)
- ماژول ۳ناحیه‌ی بازگشت احتمالی (PRZ)، تحمل خطای نسبت‌ها و ابطال (۱ ساعت)
- ماژول ۴AB=CD و الگوهای دیگر (سایفر، کوسه) در یک نگاه؛ چرا شمار الگوها زیاد است (۱ ساعت)
- ماژول ۵آزمودن الگوها: شناسایی با تحمل خطا، الگوهای «تقریباً درست»، ذهنیت (۱٫۵ ساعت)
- ماژول ۶پروژه‌ی نهایی (۱ ساعت + ۱٫۵ 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 به من می‌گوید قیمت کجا برمی‌گردد؟ خیر. PRZ در این دوره «ناحیه‌ای با تعریف ثبت‌شده و نقطه‌ی ابطال» است، نه پیش‌بینی. هیچ تمرینی به درستی جهت نمره نمی‌دهد و هیچ دارایی واقعی تحلیل نمی‌شود.
- الگوهای هارمونیک «کار می‌کنند» یا نه؟ دوره حکم کلی نمی‌دهد. یاد می‌گیرید یک ادعای مشخص («پس از ورود قیمت به PRZ هسته‌ی گارتلی، در ۲۰ شمع بعد دست‌کم ۳۸٫۲٪ فاصله‌ی A تا PRZ برمی‌گردد، پیش از عبور از نقطه‌ی ابطال») را روی داده بسنجید و با نرخ پایه مقایسه کنید؛ و می‌بینید چرا بدون نرخ پایه، «دیدن برگشت در PRZ» تقریباً هیچ چیز را ثابت نمی‌کند.
- کدام جدول نسبت درست است؟ هیچ‌کدام «درست» نیست؛ هر جدول تعریف یک منبع است. دوره دو جدول را با نام منبع کنار هم می‌گذارد و از شما می‌خواهد پیش از برچسب زدن بنویسید کدام جدول و کدام تحمل خطا را به کار می‌برید (ماژول ۲ و کیس ۱).
- چرا داده‌ی تمرین ساختگی است؟ تا هیچ نتیجه‌ای سیگنال یک رمزارز واقعی خوانده نشود و هر عدد کلید با seed ثبت‌شده بازساخته شود. داده‌ی ساختگی چند ساختار هارمونیک کاشته‌شده دارد که جایشان در کلید ثبت است، و یک داده‌ی تصادفی خالص بدون هیچ الگوی کاشته‌شده.
- اسکنر الگوی من می‌گوید «دقت ۹۰٪»؛ یعنی نه بار از ده بار درست است؟ نه لزوماً. در بسیاری از ابزارها «دقت» یعنی نزدیکی نسبت‌های اندازه‌گیری‌شده به جدول، نه نرخ موفقیت پس از الگو. تعریف را در راهنمای همان ابزار بخوانید (ماژول ۵ و PE-2).
- پس از دوره می‌توانم با الگوهای هارمونیک معامله کنم؟ دوره درباره‌ی تصمیم معامله چیزی نمی‌گوید. الگو یک قاعده‌ی معاملاتی کامل نیست؛ اگر از آن قاعده بسازید، آزمودنش خانه‌ی K7 است و اندازه‌ی موقعیت و ریسک خانه‌ی M6.
دوره‌ی بعدی
K6 مکتب اختیاری مسیر «تحلیلگر تکنیکال» است و پس از آن K7 — ساختن و آزمودن سیستم معاملاتی می‌آید: اگر از الگوهای هارمونیک قاعده‌ی معاملاتی بسازید، آن‌جا با هزینه، آمار نتیجه، داده‌ی داخل و خارج از نمونه و walk-forward آزموده می‌شود؛ K6 فقط سنجش توصیفی ساده را درس می‌دهد. اندازه‌ی موقعیت و جای حد ضرر خانه‌ی M6 — مدیریت ریسک و روان‌شناسی معامله است. اگر می‌خواهید یک اسکنر الگو را در پلتفرم بنویسید یا بازسازی کنید، K8 — Pine Script (اختیاری) زبان و خطاهای نگاه به آینده‌ی آن را درس می‌دهد. کسی که اسکنر یا گزارش ساخته‌ی AI را می‌خواند، M9 — هوش مصنوعی در تحلیل و آزمودن راهبرد را هم ببیند.