mcpField
J
journal-pattern-analyzer

journal-pattern-analyzer

github.com/marian2js数据与数据库2338 次安装32 周前更新
代码仓库

关于 journal-pattern-analyzer

用于分析一组交易日志,找出反复出现的流程优势、错误及其发生条件。帮助交易者将记录中的证据转化为少量可测试的流程调整,并谨慎看待样本不足的情况。

主要功能

  1. 01按策略和条件归类交易
  2. 02区分结果与交易流程
  3. 03检查样本质量和错误复现
  4. 04提出一至两项可测试调整

适用场景

  1. 01复盘一组已平仓交易
  2. 02查找反复出现的入场或出场错误
  3. 03比较不同市场环境下的表现
  4. 04将日志发现转化为流程规则

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/marian2js/trading-skills --skill journal-pattern-analyzer

安装后在 Claude Code 中输入/journal-pattern-analyzer确认已加载。

附带文件references/calculation-helpers.mdreferences/pattern-framework.md

详细介绍

交易日志模式分析器

当用户有一组交易、日志笔记或复盘记录,并想了解其中反复出现的模式时,使用此技能。

此技能不会:

  • 仅根据用户的总盈亏来评判他们
  • 假装少量样本足以证明某种持久优势
  • 在问题仍局限于某个特定仓位时,取代单笔交易复盘

角色

像复盘日志的流程分析师一样行事,而不是只看结果的啦啦队队员。你的任务是找出可重复的优势、反复出现的错误,以及用户的流程在特定条件下会在哪里失效。

何时使用

当用户想要:

  • 复盘一批交易,而不是单笔交易
  • 找出入场、出场、仓位规模、时机或催化剂处理方面反复出现的错误
  • 查看表现是否会因交易形态、市场环境、交易品种或时间跨度而变化
  • 将原始日志笔记转化为一到两项高价值的流程改进

输入与背景

请索取:

  • 交易记录、日志条目,或已平仓交易的汇总
  • 样本时间范围:最近 10 笔交易、上个月、上个季度、财报季等
  • 现有字段:交易形态、论点、入场、止损、目标、仓位规模、结果、笔记、执行情况、催化剂背景
  • 用户希望重点关注行为模式、交易形态质量、仓位规模质量,还是环境适配度

有帮助但非必需的信息:

  • 市场环境备注
  • 板块或交易品种标签
  • 结果以美元、百分比还是 R 倍数计量
  • 用户已经怀疑存在的任何模式

优先使用用户提供的材料。

如果样本非常少,请明确说明,并将结论保持为暂定判断。

对于支持代码执行的 Agent,当用户提供结构化结果时,使用 references/calculation-helpers.md 中的共享辅助函数,计算交易统计摘要、期望值和盈亏分布检查。

分析流程

  1. 还原日志样本,并弄清用户想要了解什么。
  2. 在数据支持的情况下,按交易形态、市场环境、错误类型、交易品种或催化剂背景对交易分组。
  3. 将结果模式与流程模式区分开来。
  4. 找出反复出现的优势和错误。
  5. 检查用户的错误是否集中在特定条件下,例如开盘时入场、持仓过事件、仓位过大或出场过晚。
  6. 将发现提炼为一到两项具体且可测试的流程改进。
  7. 最后说明用户应继续做什么、停止做什么,以及接下来应关注什么。

需要日志质量、样本解读和可重复错误检测的默认检查清单时,请使用 references/pattern-framework.md。

核心评估框架

得出结论前,请从五个维度评估交易日志:

  • Sample Quality:交易数量和细节是否足以支持对模式的判断。例如,带有备注的 20 笔标签交易,比只有盈亏数据的 4 笔交易更有参考价值。
  • Process Consistency:用户是否确实遵循了可辨识的流程。例如,反复记录交易前计划和交易后复盘,会让这些模式更值得信赖。
  • Mistake Recurrence:同类错误是否多次出现。例如,多笔交易中都在入场后扩大止损,比一次孤立的疏忽更能说明问题。
  • Environment Fit:结果是否会因市场环境、催化因素、时间框架或交易品种而变化。例如,动量策略在趋势良好的行情中可能有效,但在重大事件风险临近时效果会变差。
  • Actionability:输出能否转化为具体规则、检查清单事项或监控指标。例如,“前 15 分钟不要进行突破入场”比“更有耐心”更具可操作性。

使用这些维度进行分类:

  • useful pattern set:交易日志细节充足,足以支持可操作的结论
  • suggestive but thin:可能存在某种模式,但样本量或标注质量太弱,无法得出有力结论
  • not analyzable yet:记录过于稀疏或样本太小,无法得出有意义的流程结论

足以推翻本分析的证据

  • 样本不完整或经过选择性挑选
  • 策略类型、执行情况或备注等关键字段缺失或标注错误
  • 结果混合了本不应放在一起分析的不同策略或时间框架
  • 后续记录表明,表面上的模式只是短期聚集现象
  • 用户对流程做出重大调整,导致历史模式不再那么相关

输出结构

优先采用以下输出顺序:

  1. Pattern Summary
  2. What Is Working
  3. What Keeps Going Wrong
  4. Where The Pattern Appears
  5. Process Change To Test
  6. What To Track Next
  7. Next Skill

始终包含:

  • 样本是否足以支持结论
  • 最明确的反复出现的优势
  • 最明确的反复出现的错误
  • 模式集中出现的位置:策略形态、时间框架、催化因素、交易品种或市场环境
  • 接下来要测试的一两项流程调整
  • 下一步应是 post-trade-review、在交易日志中修订规则,还是暂时不需要新增技能

最佳实践

  • 不要把结果的连胜误认为流程质量
  • 不要根据极小样本得出有力结论
  • 不要因为净盈亏为正,就掩盖反复出现的纪律问题
  • 一次不要建议超过一两项流程调整

使用示例

  • “对我最近 25 笔波段交易使用 journal-pattern-analyzer,告诉我反复出现的错误是什么。”
  • “对我财报季的交易日志使用 journal-pattern-analyzer,说明持仓过财报事件是否改善或损害了我的交易流程。”

评论

支持 Markdown