আমি এখনও যে তিনভাবে টাকা হারাই, এমনকি যখন আমার ম্যাক্রো বিশ্লেষণ ঠিকও থাকে

কিছু সময় আগে, আমি FOMC week-এর জন্য কীভাবে আমি একটি AI macro dashboard তৈরি করেছি সে বিষয়ে লিখেছিলাম — যেখানে আমি ব্যাখ্যা করেছি কীভাবে অর্থনৈতিক ক্যালেন্ডার, খবর, এবং সম্ভাব্য পরিস্থিতিগুলোকে AI-এর সাহায্যে এমন কিছুতে রূপ দিই, যেটি থেকে আমি বাস্তবে ট্রেড করতে পারি। সেই লেখাটি ছিল নিজেকে অবগত ও প্রস্তুত রাখার বিষয়ে। এই লেখা হলো তার পরের অংশ: বাস্তবতার সেই অস্বস্তিকর দিক, যেখানে আপনার macro read যথেষ্ট ভালো হতে পারে, dashboard-ও শক্তিশালী হতে পারে, তবু execution-এর মাধ্যমে আপনি এখনও টাকা হারাতে পারেন।

June এবং July 2026-এর শুরুতে, পরিস্থিতি যথেষ্ট স্পষ্ট ছিল — এমনকি আমার মতো একজন learner-ও একটি দৃষ্টিভঙ্গি গঠন করতে পেরেছিল: May মাসে US PCE inflation বছরে বছরে 4.1% ছিল, যা April 2023-এর পর সর্বোচ্চ, আর June nonfarm payrolls মাত্র 57,000 বেড়েছিল, যা market যে প্রায় 110,000 আশা করছিল তার অনেক নিচে। এটি ছিল এক ক্লাসিক “sticky inflation meets cooling jobs” টানাপোড়েন।

একই সময়ে, late June-এ EUR/USD প্রায় 1.14-এর কাছে ট্রেড করছিল, এবং month-end-এর দিকে gold এখনো $4,000-এর সামান্য ওপরে ধরে রাখছিল। এগুলো ছিল বাস্তব, ট্রেডযোগ্য macro conditions। আমার সমস্যা সেগুলো দেখা ছিল না। আমার সমস্যা ছিল সেই reads-কে timing, size, এবং psychology থেকে রক্তক্ষরণ না ঘটিয়ে trades-এ রূপান্তর করা।

শেখা দ্রুততর করতে, আমি এখন একটি বিস্তারিত trade journal রাখি এবং raw notes-গুলো একটি সহজ local Python script-এ feed করি। এটি আমার machine-এ privateভাবে চলা একটি ছোট, open-source language model ব্যবহার করে পুনরাবৃত্ত আচরণগত pattern-গুলোর সারসংক্ষেপ তৈরি করে এবং “should move soon,” “just this once,” বা “feels big” ধরনের আবেগপূর্ণ ভাষা চিহ্নিত করে। এটি trade generate করে না। এটি শুধু আমাকে আমার process-এর সেই অংশগুলো দেখতে সাহায্য করে, যেগুলো এখনও ব্যর্থ হচ্ছে।

এখানে তিনটি প্রধান উপায় বলা হলো, যেভাবে আমার macro view মোটামুটি ঠিক থাকলেও আমি এখনও টাকা হারাই, এবং সেই rules, prompts, আর AI workflow-ও বলা হলো, যা শেষ পর্যন্ত leak-গুলো বন্ধ করতে শুরু করেছিল।

1. Timing: view ঠিক, day ভুল

late June-এ, আমি EUR/USD নিয়ে bearish ছিলাম এবং pair যখন প্রায় 1.14-এ ট্রেড করছিল, তখন একটি stronger-dollar view প্রকাশ করতে চেয়েছিলাম। inflation তখনও গরম ছিল, Fed কড়া সুরে কথা বলার সুযোগ পেয়েছিল, আর narrative একটি softer euro-কে সমর্থন করছিল। দিকনির্দেশগতভাবে, view-টি অস্বাভাবিক ছিল না।

আমি multi-day macro thesis-কে “should move soon” ধরনের scalp হিসেবে ব্যবহার করেছিলাম। আমি কোনো নির্দিষ্ট price trigger ছাড়াই short করেছিলাম, pair প্রথমে sideways chop করল, আমার stop hit করল, আর পরে আমি যা আশা করেছিলাম সেই দিকেই ধীরে ধীরে গেল। সাপ্তাহিক journal entries-তে “it should drop soon” আর “I don't want to miss the move” ধরনের বাক্য ভরে ছিল।

সমস্যা ছিল analysis নয়, timing discipline।

Timing-এর জন্য আমি এখন যে rule ব্যবহার করি: যেকোনো macro-biased trade-এর ক্ষেত্রে, 4H বা daily chart-এ একটি নির্দিষ্ট tactical trigger দরকার — যেমন একটি decisive close, একটি পরিষ্কার break-and-retest, বা momentum confirmation।

1. Trigger নেই = trade নেই।
2. সর্বোচ্চ patience window: 5 trading days।
3. এই সময়ের মধ্যে কিছু trigger না হলে, idea আবার watchlist-এ ফিরে যায়।

আরও একটি অতিরিক্ত উদাহরণ, যা আপনি নিতে পারেন। এখন আমি যেকোনো macro trade-এর আগে journal-এ দুটি আলাদা লাইন লিখতে নিজেকে বাধ্য করি:

• “Macro view:” বৃহত্তর কাহিনি সম্পর্কে একটি বাক্য।
• “Entry condition:” আমি যে আসল price pattern-এর অপেক্ষায় আছি, সে সম্পর্কে একটি বাক্য।

যদি এই দুই লাইন মিলে না যায়, আমি trade করি না। শুনতে সহজ লাগলেও, এটি ইতিমধ্যে আমাকে একাধিক “view ঠিক, day ভুল” ক্ষতি থেকে বাঁচিয়েছে।

2. Risk: conviction কোনো sizing model নয়

আমার দ্বিতীয় বড় leak হলো, একটি শক্তিশালী story-কে আমাকে oversize করতে দেওয়া। কোনো headline যত বেশি স্পষ্ট মনে হয়, আমি তত বেশি এমনভাবে আচরণ করতে শুরু করি যেন conviction risk কমিয়ে দেয়। বাস্তবে, এটি ঠিক উল্টোটা করে।

এটি সবচেয়ে স্পষ্টভাবে crude এবং gold-এর মতো market-এ দেখা যায়, যেখানে macro story সবসময়ই urgent মনে হয়। June এবং July-এ, oil এখনো inflation এবং geopolitical risk-এর সঙ্গে গভীরভাবে জড়িয়ে ছিল, আর gold 4,000 line-এর সঙ্গে লুকোচুরি করছিল। narrative fuel-এর অভাব ছিল না।

আমি যদি সেই narrative-কে size নির্ধারণ করতে দিই, তাহলে সাধারণ pullback-ও আমার মাথায় career-ending event হয়ে যায়।

Risk-এর জন্য আমি এখন যে rule ব্যবহার করি:

1. প্রতি trade-এ সর্বোচ্চ equity-এর 1% risk করি।
2. Position size = (equity × 1%) ÷ ATR-adjusted stop distance.
3. entry-এর আগে journal-এ exact dollar risk লিখে রাখি। কোনো ব্যতিক্রম নেই।

আমার conviction এখনো আছে। আমি শুধু আর সেটিকে sizing formula-র কাছে যেতে দিই না।

আরও একটি অতিরিক্ত উদাহরণ, যা আপনি নিতে পারেন: “high-conviction” trade-এর ঠিক আগে নিজেকে জিজ্ঞেস করুন: “এটি কাজ করার আগে যদি স্বাভাবিকভাবে একটু pull back করে, আমি কি stop-এ হাত না দিয়ে তা সহ্য করতে পারব?”

যদি সৎ উত্তর “না” হয়, তাহলে position-টি খুব বড়।

আমি size কমাই যতক্ষণ না আমি “হ্যাঁ” বলতে পারি এবং তা সত্যি অর্থে বলতে পারি।

3. Psychology: ভালো thesis যখন খারাপ অজুহাতে পরিণত হয়

তৃতীয় leak পুরোপুরি psychological: নিজের rule ভাঙার পক্ষে একটি ভালো thesis ব্যবহার করা।

Gold আমার প্রিয় উদাহরণ। June-এর শেষে, gold $4,000-এর সামান্য ওপরে close করছিল, আর inflation ও growth নিয়ে যথেষ্ট macro tension ছিল, যা প্রায় যেকোনো narrative-কে বৈধতা দিতে পারত। যখন আপনি এমন কিছু trade করেন, যেটি সবসময় “macro” দিয়ে ব্যাখ্যা করা যায়, তখন stop widen করা, size বাড়ানো, বা “story এখনও অর্থবহ” বলে বেশি সময় ধরে ধরে রাখা বিপজ্জনকভাবে সহজ হয়ে যায়।

আমি এই তিনটিই করেছি।

আমাকে বিপরীত দিকে নিয়ে যাওয়া একটি short trade-এ, entry-এর সময় আমার একটি পরিষ্কার stop ছিল। একটি data release-এর পর market আমার বিপরীতে গেলে, আমি stop widen করি এবং নিজেকে বলি “macro এখনও ভালো।” story বদলায়নি; আমার discipline বদলেছিল। সেই এক সিদ্ধান্ত একটি manageable loss-কে এমন কিছুর মধ্যে পরিণত করেছিল, যেখান থেকে বেরোতে আমাকে দিনের পর দিন খোঁড়াখুঁড়ি করতে হয়েছিল।

Psychology-এর জন্য আমি এখন যে rule ব্যবহার করি:

1. একবার stop সরানো মানেই স্বয়ংক্রিয়ভাবে rule break হিসেবে log করা হয়।
2. যেকোনো rule break বা টানা দুইটি loss ঘটলে 24-hour trading pause বাধ্যতামূলক।
3. এই pause-এর সময় আমি শুধু journal entries আর charts review করি — কোনো নতুন order নয়।

আমি এমন ভান করি না যে এই rule emotion দূর করে। এটি শুধু আমার সবচেয়ে খারাপ সিদ্ধান্তগুলোকে আরও বড় হতে বাধা দেয়।

আরও একটি অতিরিক্ত উদাহরণ, যা আপনি নিতে পারেন: entry-এর পর যদি journal entries-তে একাধিকবার “I still like the thesis” লেখেন, তাহলে সম্ভবত আপনি আর trade manage করছেন না, বরং তার সঙ্গে তর্ক করছেন।

আমি এমন প্রতিটি বাক্যে tag দিই। বড় loss-এর আশেপাশে এ ধরনের tag-গুলোর স্তূপ দেখে 24-hour pause কার্যকর করার প্রয়োজনীয় ধাক্কাটি পেয়েছিলাম।

যে prompts আমার journal বদলে দিয়েছে

সবচেয়ে বড় upgrade AI script ছিল না; ছিল vague reflection থেকে repeatable prompt-এ যাওয়া।

প্রতি losing trade-এর পর আমি এখন উত্তর দিই:

• এক বাক্যে আমার macro view কী ছিল?
• 24 ঘণ্টার মধ্যে কী সেই view-কে অকার্যকর করে দিত?
• এই loss কি খারাপ analysis-এর কারণে, নাকি খারাপ execution-এর কারণে?
• আমি কি setup trigger হওয়ায় entry নিয়েছিলাম, নাকি অপেক্ষা করতে করতে ক্লান্ত হয়ে গিয়েছিলাম?
• rule ভাঙার আগে আমি নিজেকে ঠিক কোন বাক্যটি বলেছিলাম?
• আমি যদি এখন flat থাকতাম, তবু কি এখানে এই trade নিতাম?
• কোন একটিমাত্র rule আমাকে সবচেয়ে বেশি টাকা বাঁচাতে পারত?

এটা কোনো জটিল বিষয় নয়। এটি শুধু loss-কে একটি category-তে ফেলে। “Bad trade” যথেষ্ট স্পষ্ট নয়; “early entry,” “oversized,” বা “stop moved” — এগুলো ব্যবহারযোগ্য।

আমি এখানে AI-কে বাস্তবে কীভাবে ব্যবহার করি

আমার আগের FOMC dashboard article-এ, AI ছিল সামনে ও কেন্দ্রে: এটি calendar, speech, এবং data-কে একক macro view-তে একত্র করতে সাহায্য করেছিল।

এখানে, AI পেছনের অংশে থাকে।

আমি tradersview.deriv.com-এ trade করি এবং setup review করি, যা Deriv-এর AI chart analysis tool, এবং তারপর আমার journal-টি একটি সহজ CSV-তে export করি। আমার সব price, symbol, এবং note আসে সরাসরি আমার নিজের account history এবং charts থেকে।

AI model-এর কাজ তিনটির মধ্যে সীমাবদ্ধ:

• আমার note-এ emotional phrase চিহ্নিত করা (impatience, fear, revenge, hope, overconfidence)।
• losing trade-এর আশেপাশে প্রতিটি theme কতবার দেখা যায় তা গণনা করা।
• ক্ষতিগুলো analysis error (“thesis wrong”) নাকি execution error (“early, oversize, moved stop”) মনে হচ্ছে, তা tag করা।

আমি যে সাধারণ prompts ব্যবহার করি:

• “নিচের journal entries পড়ুন। পুনরাবৃত্ত emotional language চিহ্নিত করুন, বিশেষ করে fear, impatience, revenge trading, এবং overconfidence। এগুলোকে theme অনুযায়ী group করুন এবং exact phrase-গুলো উদ্ধৃত করুন।”

• “এই 20টি trade review করুন। analysis error-এর কারণে হওয়া loss আর execution error-এর কারণে হওয়া loss আলাদা করুন। আমাকে count, example, এবং সবচেয়ে সাধারণ rule break দিন।”

• “এই সপ্তাহের journal-টি সহজ ইংরেজিতে summarize করুন। আমার তিনটি সবচেয়ে বড় behavioural leak কী ছিল, এবং প্রতিটির জন্য পরের সপ্তাহে test করার মতো একটি concrete rule কী?”

আমি জিজ্ঞেস করি না কী trade করতে হবে। আমি জিজ্ঞেস করি আমি কোথায় নিজেকেই আঘাত করছি।

Pseudocode: আমার AI journal helper আসলে কীভাবে কাজ করে

আমি আমার journal একটি local Python script-এর মাধ্যমে চালাই, কিন্তু logic এতটাই সহজ যে আপনি এটি যেকোনো ভাষায় তৈরি করতে পারেন।

Plain pseudocode-এ workflow-টি এমন:

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

এটাই। কোনো জাদু নেই।

“AI” আসলে কেবল Claude code model, যা আমি এই theme-গুলো সংক্ষেপে উপস্থাপন ও tag করতে ব্যবহার করি — প্রকৃত কাজ এখনো নির্ভর করে আমি কী লিখি এবং কোন rule প্রয়োগ করার সিদ্ধান্ত নিই তার ওপর।

দয়া করে মনে রাখবেন, আমি কোনো brand-new idea নিয়ে আসার চেষ্টা করছি না! “Timing, sizing, psychology” trading-এর সবচেয়ে পুরোনো trio।

আমি এটি লেখার কারণ আরও সহজ: আমার নিজের P&L-এ এই তিনটি সমস্যাকে উপেক্ষা করা অসম্ভব করে তুলতে একটি উপায় দরকার ছিল। macro dashboard আমাকে বড় ছবিতে “roughly right” পর্যায়ে নিয়ে যায়। এই journal-plus-AI workflow-ই আমি ব্যবহার করি দেখতে যে বাস্তবে আমি কীভাবে এখনও বারবার ভুল করি, এবং সেই leak-গুলোকে এমন rule-এ রূপ দিতে, যেগুলো আমি সত্যি মানতে পারি।

আপনিও যদি একই জায়গায় থাকেন — বিশ্লেষণ মোটামুটি ভালো, execution এলোমেলো — তাহলে এই সপ্তাহে ছোট size-এ এই workflow-এর একটি rule, একটি prompt, বা একটি ছোট অংশ অনুলিপি করুন, এবং সৎভাবে review করুন।

আপনার নিখুঁততার দরকার নেই, কিন্তু consistency-কে হ্যাঁ বলুন।

অস্বীকৃতি: এটি আমার ব্যক্তিগত trading journal-এর প্রতিফলন। আমি কোনো financial advisor নই। Trading-এ substantial risk of loss রয়েছে। অতীতের performance ভবিষ্যতের ফলাফলের নির্দেশক নয়। সব উদাহরণ আমার নিজের account থেকে নেওয়া, এবং market prices আমার broker charts ও notes-এর ভিত্তিতে।