Trzy sposoby, w jakie nadal tracę pieniądze, nawet gdy trafnie odczytuję makro

Jakiś czas temu napisałem o tym, jak zbudowałem pulpit makro oparty na AI na tydzień FOMC — opisałem tam, jak wykorzystuję AI, aby sprowadzić kalendarze ekonomiczne, wiadomości i scenariusze do czegoś, na podstawie czego mogę realnie handlować. Tamten tekst dotyczył tego, jak pozostawać poinformowanym i przygotowanym. Ten jest o tym, co dzieje się potem: o niewygodnej rzeczywistości, w której można mieć całkiem dobre odczytanie makro i solidny pulpit, a mimo to tracić pieniądze na realizacji transakcji.

W czerwcu i na początku lipca 2026 r. otoczenie rynkowe było na tyle jasne, że nawet ktoś uczący się, taki jak ja, mógł wyrobić sobie pogląd: inflacja PCE w USA za maj wyniosła 4,1% r/r, najwięcej od kwietnia 2023 r., a liczba nowych miejsc pracy poza rolnictwem w czerwcu wzrosła zaledwie o 57 000, znacznie poniżej około 110 000, których oczekiwał rynek. To klasyczne napięcie „uporczywa inflacja spotyka się ze słabnącym rynkiem pracy”.

Mniej więcej w tym samym czasie EUR/USD był pod koniec czerwca notowany w pobliżu 1,14, a złoto utrzymywało się tuż powyżej 4 000 USD aż do końca miesiąca. To były rzeczywiste, nadające się do handlu warunki makro. Mój problem nie polegał na tym, że ich nie widziałem. Mój problem polegał na tym, że nie potrafiłem przełożyć tych odczytów na transakcje bez strat wynikających z momentu wejścia, wielkości pozycji i psychologii.

Aby przyspieszyć naukę, prowadzę teraz szczegółowy dziennik transakcji i wprowadzam surowe notatki do prostego lokalnego skryptu w Pythonie. Korzysta on z niewielkiego, otwartoźródłowego modelu językowego działającego prywatnie na moim komputerze, aby podsumowywać powtarzające się wzorce zachowań i wychwytywać emocjonalne sformułowania, takie jak „powinno ruszyć zaraz”, „tylko tym razem” albo „wydaje się duże”. Ten model nie generuje transakcji. Pomaga mi tylko zobaczyć te elementy mojego procesu, które wciąż zawodzą.

Oto trzy główne sposoby, w jakie nadal tracę pieniądze, nawet gdy mój pogląd makro jest mniej więcej trafny, oraz zasady, pytania i workflow AI, które w końcu zaczęły uszczelniać te wycieki.

1. Timing: trafny kierunek, zły dzień

Pod koniec czerwca miałem nastawienie niedźwiedzie wobec EUR/USD i chciałem zagrać mocniejszego dolara, gdy para była notowana w okolicach 1,14. Inflacja nadal była wysoka, Fed miał przestrzeń, by brzmieć stanowczo, a narracja wspierała słabsze euro. Kierunkowo ten pogląd nie był szalony.

Potraktowałem wielodniową tezę makro jak scalp oparty na założeniu „powinno ruszyć zaraz”. Zająłem krótką pozycję bez konkretnego wyzwalacza cenowego, para najpierw poruszała się w bok, trafiła w mój Stop Loss, a dopiero później zaczęła dryfować w kierunku, którego się spodziewałem. Moje wpisy z dziennika z tamtego tygodnia są pełne sformułowań typu „powinno wkrótce spaść” i „nie chcę przegapić ruchu”.

Problemem była dyscyplina czasu wejścia, a nie analiza.

Zasada, której teraz używam przy timing’u: dla każdej transakcji opartej na makro potrzebuję konkretnego wyzwalacza taktycznego na wykresie 4H lub dziennym — zdecydowanego zamknięcia, czystego wybicia i ponownego testu albo potwierdzenia momentum.

1. Brak wyzwalacza = brak transakcji.
2. Maksymalny czas cierpliwości: 5 dni handlowych.
3. Jeśli w tym czasie nic się nie uruchomi, pomysł wraca na listę obserwacyjną.

Jedna dodatkowa rzecz, którą możesz przejąć. Teraz zmuszam się, by przed każdą transakcją makro zapisać w dzienniku dwa osobne wiersze:

• „Pogląd makro:” jedno zdanie o szerszym obrazie.
• „Warunek wejścia:” jedno zdanie o konkretnym układzie cenowym, na który czekam.

Jeśli te dwa wiersze się nie zgadzają, nie handluję. Brzmi prosto, ale już uratowało mnie to przed wieloma stratami typu „trafny kierunek, zły dzień”.

2. Ryzyko: przekonanie to nie model określania wielkości pozycji

Moim drugim dużym wyciekiem jest pozwalanie, by mocna historia popychała mnie do zbyt dużej pozycji. Gdy nagłówek wydaje się oczywisty, zaczynam zachowywać się tak, jakby przekonanie zmniejszało ryzyko. W praktyce działa odwrotnie.

Najlepiej widać to na rynkach takich jak ropa i złoto, gdzie narracja makro zawsze wydaje się pilna. W czerwcu i lipcu ropa nadal była mocno uwikłana w inflację i ryzyko geopolityczne, a złoto flirtowało z poziomem 4 000. Nie brakowało paliwa narracyjnego.

Jeśli pozwolę, by ta narracja dyktowała wielkość pozycji, zwykła korekta staje się w mojej głowie wydarzeniem kończącym karierę.

Zasada, której teraz używam w zakresie ryzyka:

1. Ryzykuj maksymalnie 1% kapitału na jedną transakcję.
2. Wielkość pozycji = (kapitał × 1%) ÷ odległość Stop Loss skorygowana o ATR.
3. Przed wejściem zapisz w dzienniku dokładną kwotę ryzyka w dolarach. Bez wyjątków.

Nadal mam przekonanie. Po prostu nie pozwalam już, by dotykało ono wzoru na wielkość pozycji.

Jedna dodatkowa rzecz, którą możesz przejąć: tuż przed „mocno przekonaną” transakcją zapytaj: „Jeśli rynek najpierw normalnie cofnie się, zanim ruszy w moją stronę, czy będę w stanie to znieść bez ruszania Stop Loss?”

Jeśli szczera odpowiedź brzmi „nie”, pozycja jest za duża.

Zmniejszam ją, dopóki nie mogę powiedzieć „tak” i naprawdę tak tego nie czuję.

3. Psychologia: kiedy dobra teza staje się złym usprawiedliwieniem

Trzeci wyciek jest czysto psychologiczny: używanie dobrej tezy jako uzasadnienia dla łamania własnych zasad.

Złoto jest tu moim ulubionym przykładem. Pod koniec czerwca złoto zamykało się tuż powyżej 4 000 USD, a napięcie makro wokół inflacji i wzrostu było wystarczająco duże, by usprawiedliwić niemal każdą narrację. Gdy handlujesz czymś, co zawsze można wytłumaczyć „makro”, zbyt łatwo jest rozszerzać Stop Loss, zwiększać pozycję albo trzymać ją dłużej „bo historia nadal ma sens”.

Zrobiłem wszystkie trzy.

W jednej krótkiej transakcji, która poszła przeciwko mnie, miałem jasny Stop Loss przy wejściu. Gdy rynek po publikacji danych ruszył przeciwko mnie, rozszerzyłem Stop Loss i powiedziałem sobie: „makro nadal wygląda dobrze”. Historia się nie zmieniła; zmieniła się moja dyscyplina. Ta jedna decyzja zamieniła stratę, którą dało się kontrolować, w coś, z czego musiałem wychodzić przez wiele dni.

Zasada, której teraz używam w zakresie psychologii:

1. Przesunięcie Stop Loss raz jest automatycznie odnotowywane jako złamanie zasady.
2. Każde złamanie zasady albo dwie kolejne straty uruchamiają obowiązkową 24-godzinną przerwę w handlu.
3. W czasie tej przerwy analizuję wyłącznie wpisy w dzienniku i wykresy — bez nowych zleceń.

Nie twierdzę, że ta zasada usuwa emocje. Po prostu zapobiega kumulowaniu się moich najgorszych decyzji.

Jedna dodatkowa rzecz, którą możesz przejąć: jeśli po wejściu w transakcję w Twoich wpisach w dzienniku pojawia się więcej niż raz zdanie „nadal podoba mi się ta teza”, to prawdopodobnie nie zarządzasz już transakcją, tylko się z nią spierasz.

Taguję każde takie zdanie. Widok tych tagów skupionych wokół dużych strat był dla mnie impulsem, którego potrzebowałem, by egzekwować 24-godzinną przerwę.

Pytania, które zmieniły mój dziennik

Największą zmianą nie był skrypt AI; było nią przejście od ogólnej refleksji do powtarzalnych pytań.

Po każdej stratnej transakcji odpowiadam teraz na:

• Jaki był mój pogląd makro w jednym zdaniu?
• Co unieważniłoby ten pogląd w ciągu 24 godzin?
• Czy ta strata wynikała ze złej analizy, czy ze złej realizacji?
• Czy wszedłem, ponieważ setup się uruchomił, czy dlatego, że miałem już dość czekania?
• Jakie dokładnie zdanie powiedziałem sobie przed złamaniem zasady?
• Gdybym teraz nie miał żadnej pozycji, czy nadal wszedłbym w tę transakcję tutaj?
• Jaka jedna zasada oszczędziłaby mi najwięcej pieniędzy?

To nic wyszukanego. Po prostu zmusza stratę do zaklasyfikowania. „Zła transakcja” jest zbyt ogólne, by to naprawić; „zbyt wczesne wejście”, „zbyt duża pozycja” albo „przesunięty Stop Loss” daje już podstawę do działania.

Jak faktycznie używam tutaj AI

W moim wcześniejszym artykule o pulpicie FOMC AI było na pierwszym planie: pomagało zebrać kalendarze, wystąpienia i dane w jeden obraz makro.

Tutaj AI działa w tle.

Analizuję transakcje i przeglądam setupy na tradersview.deriv.com, narzędziu Deriv do analizy wykresów z użyciem AI, a następnie eksportuję dziennik do prostego pliku CSV. Wszystkie moje ceny, symbole i notatki pochodzą bezpośrednio z historii mojego konta i wykresów.

Zadanie modelu AI ogranicza się do trzech rzeczy:

• Wychwytywania emocjonalnych sformułowań w moich notatkach (niecierpliwość, strach, zemsta, nadzieja, nadmierna pewność siebie).
• Zliczania, jak często każdy motyw pojawia się wokół stratnych transakcji.
• Oznaczania, czy straty brzmią jak błędy analizy („teza błędna”), czy jak błędy realizacji („zbyt wcześnie, za duża pozycja, przesunięty Stop Loss”).

Typowe pytania, z których korzystam:

• „Przeczytaj poniższe wpisy z dziennika. Zidentyfikuj powtarzające się emocjonalne sformułowania, zwłaszcza strach, niecierpliwość, revenge trading i nadmierną pewność siebie. Grupuj je według motywu i cytuj dokładne frazy.”

• „Przeanalizuj te 20 transakcji. Oddziel straty wynikające z błędów analizy od strat wynikających z błędów realizacji. Podaj mi liczbę, przykłady i najczęściej łamaną zasadę.”

• „Podsumuj dziennik z tego tygodnia prostym językiem angielskim. Jakie były trzy największe wycieki behawioralne i jaka jedna konkretna zasada do przetestowania w przyszłym tygodniu odpowiada każdemu z nich?”

Nie pytam, co handlować. Pytam, gdzie sam sobie szkodzę.

Pseudokod: jak naprawdę działa mój pomocnik AI do dziennika

Przepuszczam mój dziennik przez lokalny skrypt w Pythonie, ale logika jest na tyle prosta, że można ją zbudować w dowolnym języku.

Oto workflow w zwykłym pseudokodzie:

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

To wszystko. Żadnej magii.

„AI” to po prostu model Claude code, którego używam do podsumowywania i tagowania tych motywów — prawdziwa praca nadal polega na tym, co zapisuję i jakie zasady decyduję się egzekwować.

Proszę pamiętać, że nie próbuję odkryć czegoś zupełnie nowego! „Timing, sizing, psychology” to najstarsze trio w tradingu.

Powód, dla którego to napisałem, jest prostszy: potrzebowałem sposobu, by uczynić te trzy problemy niemożliwymi do zignorowania w moim własnym P&L. Pulpit makro pozwala mi być „mniej więcej trafnym” w szerszym obrazie. Ten workflow oparty na dzienniku i AI służy mi do tego, by zobaczyć wszystkie sposoby, w jakie nadal psuję wykonanie w praktyce, i przekształcić te wycieki w zasady, których naprawdę mogę przestrzegać.

Jeśli jesteś w tym samym miejscu — całkiem dobre odczyty, chaotyczna realizacja — skopiuj w tym tygodniu jedną zasadę, jedno pytanie lub jeden mały element tego workflow przy małej wielkości pozycji i oceń to uczciwie.

Nie potrzebujesz perfekcji, ale postaw na spójność.

Zastrzeżenie: To jest moja osobista refleksja oparta na dzienniku transakcyjnym. Nie jestem doradcą finansowym. Trading wiąże się ze znacznym ryzykiem straty. Wyniki osiągnięte w przeszłości nie są wskazówką przyszłych rezultatów. Wszystkie przykłady pochodzą z mojego własnego konta, a ceny rynkowe oparte są na wykresach i notatkach od mojego brokera.