මගේ Macro කියවීම නිවැරදි වුණත් මම තවමත් මුදල් අහිමි කරගන්නා ක්රම තුන
2026 ජූනි–ජූලි සැබෑ trades පිළිබඳ ඉගෙන ගන්නෙකුගේ අවබෝධය. ඊට අමතරව journal prompts සහ execution කාන්දු වීම් අවහිර කිරීමට සරල AI මෙවලමක්.

විසින් Priyanka Joshi · Deriv හි අන්තර්ගත සහ අලෙවිකරණ උප සභාපති
2026 ඇසළ 29 · 9 මිනිත්තු කියවීම

මම කලකට පෙර FOMC සතිය සඳහා AI macro dashboard එකක් මම ගොඩනැගූ ආකාරය ගැන ලිව්වා — එහිදී ආර්ථික දින දර්ශන, පුවත් සහ අවස්ථා AI භාවිතයෙන් සම්පීඩනය කර මට සැබවින්ම trade කළ හැකි දෙයක් බවට පත් කරන ආකාරය ගැන ලිව්වා. ඒ ලිපිය මා දැනුවත්ව සහ සූදානම්ව සිටීම ගැන විය. මේ ලිපිය ඊට පසුව සිදුවන දේ ගැනයි: හොඳ macro කියවීමක් සහ ශක්තිමත් dashboard එකක් තිබුණත් execution මත මුදල් කාන්දු විය හැකි යන අපහසු යථාර්ථය.
2026 ජූනි සහ මුල් ජූලි වන විට, මා වැනි ඉගෙන ගන්නෙකුට පවා මතයක් ගොඩනගා ගත හැකි තරම් පසුබිම පැහැදිලි විය: මැයි සඳහා US PCE inflation වාර්ෂිකව 4.1%ක් වූ අතර, එය 2023 අප්රේල් න් පසු ඉහළම අගය විය, ජූනි nonfarm payrolls ඉහළ ගියේ යන්තම් 57,000කින් පමණි, වෙළඳපොළ අපේක්ෂා කරමින් සිටි ආසන්න වශයෙන් 110,000ට වඩා බෙහෙවින් අඩුය. ඒක සම්භාව්ය “ඇලෙන inflation හමුවේ සිසිල් වන රැකියා” ආතතියකි.

එම කාලය අවටම, ජූනි අග දී EUR/USD 1.14 අසල trade වෙමින් තිබූ අතර, රන් මාසය අවසානය දක්වා $4,000ට තරමක් ඉහළින්ම රඳා සිටියේය. මේවා සැබෑ, trade කළ හැකි macro තත්ත්වයන් විය. මගේ ගැටලුව ඒවා නොදැකීම නොවීය. මගේ ගැටලුව ඒ කියවීම් කාල නිර්ණය, ප්රමාණය සහ මනෝවිද්යාව නිසා ලේ ගලනවා නැතිව trades බවට පත් කිරීම විය.
ඉගෙනීම වේගවත් කිරීමට, මම දැන් විස්තරාත්මක trade journal එකක් තබාගෙන අමු සටහන් සරල දේශීය Python script එකකට ඇතුළත් කරමි. එය මගේ යන්ත්රයේ පෞද්ගලිකව ධාවනය වන කුඩා, open-source language model එකක් භාවිතා කර පුනරාවර්තන හැසිරීම් රටා සාරාංශ කර “should move soon,” “just this once,” හෝ “feels big” වැනි හැඟුම්බර භාෂාව සලකුණු කරයි. එය trades ජනනය නොකරයි. එය මගේ ක්රියාවලියේ තවමත් අසමත් වන කොටස් දැකීමට පමණක් උදව් කරයි.
මගේ macro මතය ආසන්න වශයෙන් නිවැරදි වුණත් මම තවමත් මුදල් අහිමි කරගන්නා ප්රධාන ක්රම තුන සහ අවසානයේ කාන්දු වීම් අවහිර කිරීමට පටන් ගත් නීති, prompts සහ AI workflow මෙන්න.
1. කාල නිර්ණය: නිවැරදි මතය, වැරදි දවස
ජූනි අග දී, මම EUR/USD ගැන bearish වූ අතර pair එක 1.14 අවට trade වෙද්දී ශක්තිමත්-ඩොලර් මතයක් ප්රකාශ කිරීමට අවශ්ය විය. Inflation තවමත් උණුසුම් විය, Fed ට දැඩිව කතා කිරීමට ඉඩ තිබූ අතර, ආඛ්යානය මෘදු යුරෝවක් සඳහා සහාය දැක්වීය. දිශානතිය අනුව, ඒ මතය පිස්සුවක් නොවීය.
මම දින කිහිපයක macro thesis එකක් “should move soon” scalp එකක් ලෙස සැලකුවෙමි. නිශ්චිත මිල trigger එකක් නැතිව short කළෙමි, pair එක මුලින් පැත්තට chop වී, මගේ stop එකට වැදුණු අතර, පසුව පමණක් මා අපේක්ෂා කළ දිශාවට ගලා ගියේය. ඒ සතියේ මගේ journal සටහන් “එය ඉක්මනින් පහත වැටිය යුතුයි” සහ “මට move එක මඟ නොහැරෙන්න ඕන” වැනි වාක්ය ඛණ්ඩවලින් පිරී තිබිණි.
ගැටලුව විශ්ලේෂණය නොව, කාල නිර්ණ විනය විය.
කාල නිර්ණය සඳහා මම දැන් භාවිතා කරන නීතිය: ඕනෑම macro-biased trade එකක් සඳහා, 4H හෝ daily chart එකේ නිශ්චිත උපායික trigger එකක් මට අවශ්යයි — තීරණාත්මක close එකක්, පිරිසිදු break-and-retest එකක්, හෝ momentum තහවුරු කිරීමක්.
- Trigger එකක් නැත්නම් = trade එකක් නැත.
- උපරිම ඉවසීමේ කවුළුව: trading දින 5ක්.
- එම කවුළුව තුළ කිසිවක් trigger නොවුණොත්, අදහස watchlist එකට ආපසු යයි.
ඔබට ගත හැකි අමතර උදාහරණයක්. ඕනෑම macro trade එකකට පෙර journal එකේ වෙනම පේළි දෙකක් ලිවීමට මම දැන් මාව බල කරමි:
- “Macro view:” විශාල කතාව ගැන වාක්යයක්.
- “Entry condition:” මම බලා සිටින සැබෑ මිල රටාව ගැන වාක්යයක්.
ඒ පේළි දෙක නොගැලපුණොත්, මම trade නොකරමි. එය සරල බවක් පෙනුණත්, එය මාව “නිවැරදි මතය, වැරදි දවස” පාඩු කිහිපයකින් දැනටමත් බේරා ගෙන තිබේ.

EUR/USD 2026 ජූනි අග දී 1.14 මට්ටම අවට trade වූ අතර, bearish macro මතය අවසානයේ නිවැරදි බව ඔප්පු විය—නමුත් මුල් entry එකක් නිසා stopped-out trade එකකට පසුව පමණි.
2. අවදානම: conviction යනු sizing ආකෘතියක් නොවේ
මගේ දෙවන විශාල කාන්දුව නම් ශක්තිමත් කතාවකට මාව oversizing වෙත බල කිරීමට ඉඩ දීමයි. ශීර්ෂ පාඨයක් පැහැදිලි යැයි හැඟෙන විට, conviction අවදානම අඩු කරනවාක් මෙන් මම හැසිරෙන්න පටන් ගනිමි. ඇත්ත වශයෙන්ම, එය ඊට විරුද්ධ දෙය කරයි.
මෙය crude සහ රන් වැනි වෙළඳපොළවල වඩාත් පැහැදිලිව පෙනේ, එහිදී macro කතාව සැමවිටම හදිසි යැයි හැඟේ. ජූනි සහ ජූලි මාසවල, තෙල් තවමත් inflation සහ භූදේශපාලනික අවදානම සමඟ ගැඹුරින් බැඳී තිබූ අතර, රන් 4,000 රේඛාව සමඟ සෙල්ලම් කරමින් සිටියේය. ආඛ්යාන ඉන්ධන හිඟයක් තිබුණේ නැත.
ඒ ආඛ්යානයට size තීරණය කිරීමට ඉඩ දුන්නොත්, සාමාන්ය pullback එකක් මගේ හිස තුළ වෘත්තීය-අවසන් කරන සිදුවීමක් බවට පත් වේ.
අවදානම සඳහා මම දැන් භාවිතා කරන නීතිය:
- Trade එකකට equity හි උපරිම 1%ක් අවදානම් කරන්න.
- Position size = (equity × 1%) ÷ ATR-adjusted stop දුර.
- Entry එකට පෙර journal එකේ නිශ්චිත ඩොලර් අවදානම ලොග් කරන්න. ව්යතිරේක නැත.

සරල position-sizing සූත්රයක් එක් එක් trade එක ගිණුම් equity හි 1%කට සීමා කිරීමට උදව් කරයි, විශ්වාසයට පමණක් නොව volatility මත පදනම්ව exposure සකස් කරයි.
මට තවමත් conviction තියෙනවා. මම දැන් එය sizing සූත්රයට ස්පර්ශ වීමට ඉඩ නොදෙමි.
ඔබට ගත හැකි අමතර උදාහරණයක්: “high-conviction” trade එකකට මදක් පෙර, අසන්න: “මෙය ක්රියාත්මක වීමට පෙර සාමාන්ය පරිදි pull back වුණොත්, stop එකට අත නොතබා මට ඒ හරහා ඉන්න පුළුවන්ද?”
අවංක පිළිතුර “නැත” නම්, position එක ඉතා විශාලයි.
මට “ඔව්” කියා එය අදහස් කළ හැකි තෙක් මම resize කරමි.
3. මනෝවිද්යාව: හොඳ thesis එකක් නරක නිදහසට කරුණක් බවට පත් වන විට
තුන්වන කාන්දුව සම්පූර්ණයෙන්ම මනෝවිද්යාත්මකයි: මගේම නීති කඩ කිරීම සාධාරණීකරණය කිරීමට හොඳ thesis එකක් භාවිතා කිරීම.
රන් මගේ ප්රියතම උදාහරණයයි. ජූනි අවසානයේ, රන් $4,000ට තරමක් ඉහළින් close වෙමින් තිබූ අතර, inflation සහ වර්ධනය වටා ප්රමාණවත් macro ආතතියක් තිබූ නිසා ඕනෑම ආඛ්යානයක් සාධාරණීකරණය කළ හැකි විය. “macro” මගින් සැමවිටම පැහැදිලි කළ හැකි දෙයක් trade කරන විට, stops පුළුල් කිරීම, size එකතු කිරීම, හෝ “කතාව තවමත් තේරුම් ගත හැකි නිසා” දිගටම hold කිරීම භයානක ලෙස පහසු වේ.
මම තුනම කර තිබේ.
මට විරුද්ධව ගිය එක් short trade එකකදී, මා enter වන විට පැහැදිලි stop එකක් තිබිණි. දත්ත නිකුතුවකට පසු වෙළඳපොළ මට විරුද්ධව ගිය විට, මම stop එක පුළුල් කර “macro තවමත් හොඳයි” යැයි මාවම කිව්වෙමි. කතාව වෙනස් වූයේ නැත; මගේ විනය වෙනස් විය. ඒ එකම තීරණය කළමනාකරණය කළ හැකි පාඩුවක්, දින ගණනක් හාරා ගැනීමට සිදු වූ දෙයක් බවට පත් කළේය.
මනෝවිද්යාව සඳහා මම දැන් භාවිතා කරන නීතිය:
- Stop එකක් වරක් ගෙනයාම ස්වයංක්රීයව නීති කඩ කිරීමක් ලෙස ලොග් වේ.
- ඕනෑම නීති කඩ කිරීමක් හෝ අනුපිළිවෙලින් පාඩු දෙකක් අනිවාර්ය පැය 24ක trading විරාමයක් උත්තේජනය කරයි.
- ඒ විරාමය අතරතුර, මම journal සටහන් සහ charts පමණක් සමාලෝචනය කරමි — නව orders නැත.
මෙම නීතිය හැඟුම් ඉවත් කරන බවට මම පෙනී නොසිටිමි. එය මගේ නරකම තීරණ සංයුක්ත වීමෙන් වළක්වයි.
ඔබට ගත හැකි අමතර උදාහරණයක්: Entry එකට පසු ඔබේ journal සටහන්වල “මට තවමත් thesis එක කැමතියි” එක් වරකට වඩා කියවෙන්නේ නම්, ඔබ තවදුරටත් trade එක කළමනාකරණය නොකර එය සමඟ වාද කරමින් සිටිනවා විය හැකිය.
මම එවැනි සෑම වාක්යයක්ම tag කරමි. විශාල පාඩු වටා ඒ tags කණ්ඩායම් වශයෙන් දැකීම පැය 24ක විරාමය බලාත්මක කිරීමට මට අවශ්ය වූ තල්ලුව විය.
මගේ journal එක වෙනස් කළ prompts
තනි විශාලතම උත්ශ්රේණිගත කිරීම AI script එක නොවීය; එය අපැහැදිලි පරාවර්තනයෙන් පුනරාවර්තනීය prompts වෙත ගමන් කිරීම විය.
සෑම පාඩු trade එකකටම පසු, මම දැන් පිළිතුරු දෙමි:
- වාක්යයකින් මගේ macro මතය කුමක්ද?
- පැය 24ක් ඇතුළත ඒ මතය අවලංගු කරන්නේ කුමක්ද?
- මෙම පාඩුවට හේතු වූයේ නරක විශ්ලේෂණයක්ද නැතහොත් නරක execution එකක්ද?
- Setup එක trigger වූ නිසාද, නැතහොත් බලා සිටීමෙන් මට මහන්සි වූ නිසාද මම enter වුණේ?
- නීතිය කඩ කිරීමට පෙර මම මාවම කිව්වේ නිශ්චිතව කුමන වාක්යයද?
- මම දැන් flat නම්, මෙහිදී තවමත් මෙම trade එක ගන්නවාද?
- මට වැඩිම මුදල් ඉතිරි කරන්නේ කුමන එක නීතියද?
එය විචිත්ර නැත. එය පාඩුව කාණ්ඩයකට බල කරයි. “නරක trade” යනු නිවැරදි කිරීමට ඉතා අපැහැදිලිය; “මුල් entry,” “oversized,” හෝ “stop moved” යනු ක්රියාත්මක කළ හැකිය.
මෙහිදී මම AI ඇත්තටම භාවිතා කරන ආකාරය
මගේ කලින් FOMC dashboard ලිපියේ, AI මධ්යස්ථානයේ විය: එය දින දර්ශන, කථා සහ දත්ත එක macro මතයකට එකතු කිරීමට උදව් කළේය.
මෙහිදී, AI පසුබිමේ සිටී.
මම tradersview.deriv.com, Deriv හි AI chart විශ්ලේෂණ මෙවලම මත මගේ setups trade කර සමාලෝචනය කර, පසුව මගේ journal එක සරල CSV එකකට export කරමි. මගේ සියලු මිල, symbols සහ සටහන් සෘජුවම මගේම ගිණුම් ඉතිහාසයෙන් සහ charts වලින් පැමිණේ.

කතුවරයාගේ workflow එක වෙළඳපොළ විශ්ලේෂණය සඳහා Deriv TradersView AI-සහායක journal සමාලෝචන සමඟ ඒකාබද්ධ කරයි, වෙළඳපොළ පර්යේෂණය trade-පසු හැසිරීම් විශ්ලේෂණයෙන් වෙන් කරයි.
AI model එකේ කාර්යය දේවල් තුනකට සීමා වේ:
- මගේ සටහන්වල හැඟුම්බර වාක්ය ඛණ්ඩ සලකුණු කිරීම (නොඉවසීම, බිය, පළිගැනීම, බලාපොරොත්තුව, අධි-විශ්වාසය).
- පාඩු trades වටා එක් එක් තේමාව කොපමණ වාරයක් පෙනෙන්නේද යන්න ගණන් කිරීම.
- පාඩු විශ්ලේෂණ දෝෂ (“thesis වැරදියි”) ලෙසද නැතහොත් execution දෝෂ (“මුල්, oversize, moved stop”) ලෙසද ශබ්ද වන්නේද යන්න tag කිරීම.

AI trading journals වලින් පුනරාවර්තන හැඟුම්බර භාෂාව—නොඉවසීම, බලාපොරොත්තුව, බිය, පළිගැනීම සහ අධි-විශ්වාසය වැනි—කාණ්ඩගත කර, පාඩු trades සමඟ බොහෝ විට සම්බන්ධ වන හැසිරීම් රටා ඉස්මතු කරයි.

AI trading journals වලින් පුනරාවර්තන හැඟුම්බර භාෂාව—නොඉවසීම, බලාපොරොත්තුව, බිය, පළිගැනීම සහ අධි-විශ්වාසය වැනි—කාණ්ඩගත කර, පාඩු trades සමඟ බොහෝ විට සම්බන්ධ වන හැසිරීම් රටා ඉස්මතු කරයි.
මම භාවිතා කරන සාමාන්ය prompts:
“පහත journal සටහන් කියවන්න. පුනරාවර්තන හැඟුම්බර භාෂාව හඳුනා ගන්න, විශේෂයෙන් බිය, නොඉවසීම, revenge trading සහ අධි-විශ්වාසය. ඒවා තේමාව අනුව කාණ්ඩගත කර නිශ්චිත වාක්ය ඛණ්ඩ උපුටා දක්වන්න.”
“මෙම trades 20 සමාලෝචනය කරන්න. විශ්ලේෂණ දෝෂ නිසා ඇති වූ පාඩු execution දෝෂ නිසා ඇති වූ පාඩු වලින් වෙන් කරන්න. මට ගණන්, උදාහරණ සහ වඩාත් පොදු නීති කඩ කිරීම දෙන්න.”
“මෙම සතියේ journal එක සරල ඉංග්රීසියෙන් සාරාංශ කරන්න. මගේ විශාලතම හැසිරීම් කාන්දු වීම් තුන කුමක්ද, සහ එක් එක් එක සඳහා ඊළඟ සතියේ පරීක්ෂා කිරීමට එක් කොන්ක්රීට් නීතියක් කුමක්ද?”
මම trade කළ යුත්තේ කුමක්දැයි නොඅසමි. මම මාවම තවමත් තුවාල කරගන්නේ කොහේදැයි අසමි.
Pseudocode: මගේ AI journal සහායකයා ඇත්තටම ක්රියා කරන ආකාරය
මම මගේ journal එක දේශීය Python script එකක් හරහා ධාවනය කරමි, නමුත් තර්කනය ඕනෑම භාෂාවකින් ගොඩනගා ගත හැකි තරම් සරලයි.
සරල pseudocode එකෙන් workflow එක මෙන්න:
START
READ "trade_journal.csv"
COLUMNS: date, symbol, pnl, notes
DEFINE EMOTION_SETS:
impatience = ["should move", "too early", "soon", "jumped in"]
overconfidence = ["high conviction", "obvious", "easy trade"]
fear = ["scared", "nervous", "hesitated", "cut early"]
revenge = ["get it back", "make it back", "chase", "missed it"]
hope = ["it will come back", "just this once", "give it room", "macro is still good"]
FOR EACH trade IN journal
text = LOWERCASE(trade.notes)
themes = EMPTY_SET
FOR EACH (label, phrases) IN EMOTION_SETS
FOR EACH phrase IN phrases
IF phrase IS IN text THEN
ADD label TO themes
ENDIF
ENDFOR
ENDFOR
IF text CONTAINS ANY OF ["early", "no trigger", "moved stop", "oversized", "cut early"] THEN
error_type = "execution"
ELSE IF text CONTAINS ANY OF ["wrong thesis", "missed macro", "data changed", "read was wrong"] THEN
error_type = "analysis"
ELSE
error_type = "unclear"
ENDIF
ATTACH themes AND error_type TO trade
ENDFOR
COUNT how many times each theme appears across all trades
OUTPUT "emotion_summary.csv" WITH COLUMNS: theme, count
OUTPUT "journal_flags.csv"
COLUMNS: date, symbol, pnl, themes, error_type, notes
END
ඒකයි. මැජික් නැත.
“AI” යනු මෙම තේමා සාරාංශ කිරීමට සහ tag කිරීමට උදව් කිරීමට මම භාවිතා කරන Claude code model එක පමණි — සැබෑ වැඩ කටයුතු තවමත් මා ලියන දේ සහ මම බලාත්මක කිරීමට තීරණය කරන නීති තුළය.
මම සම්පූර්ණයෙන්ම අලුත් අදහසක් ගෙන ඒමට උත්සාහ නොකරන බව කරුණාකර සලකන්න! “කාල නිර්ණය, sizing, මනෝවිද්යාව” යනු trading හි පැරණිතම ත්රිත්වයයි.
මම එය ලිව්වේ සරල හේතුවකට: මගේම P&L තුළ ඒ ගැටලු තුන නොසලකා හැරිය නොහැකි කිරීමට මට ක්රමයක් අවශ්ය විය. Macro dashboard එක මාව විශාල චිත්රයේ “ආසන්න වශයෙන් නිවැරදි” වෙත ගෙන යයි. මෙම journal-plus-AI workflow එක මා ප්රායෝගිකව එය වැරදි කරන සියලු ක්රම දැකීමට සහ ඒ කාන්දු වීම් මට ඇත්තටම අනුගමනය කළ හැකි නීති බවට පත් කිරීමට භාවිතා කරන දෙයයි.
ඔබත් එකම තැනක සිටී නම් — හොඳ කියවීම්, අවුල් සහගත execution — මෙම සතියේ කුඩා ප්රමාණයකින් එක් නීතියක්, එක් prompt එකක්, හෝ මෙම workflow එකේ එක් කුඩා කොටසක් පිටපත් කර, එය අවංකව සමාලෝචනය කරන්න.
ඔබට පරිපූර්ණත්වය අවශ්ය නැත නමුත් අනුකූලතාවට ඔව් කියන්න.
වියාචනය: මෙය මගේ පෞද්ගලික trading journal පරාවර්තනයයි. මම මූල්ය උපදේශකයෙක් නොවේ. Trading හි සැලකිය යුතු පාඩු අවදානමක් ඇත. අතීත කාර්යසාධනය අනාගත ප්රතිඵලවල දර්ශකයක් නොවේ. සියලු උදාහරණ මගේම ගිණුමෙන් වන අතර, වෙළඳපොළ මිල මගේ broker charts සහ සටහන් මත පදනම් වේ.