چرا یک معامله ضرر می‌دهد؟ کالبدشکافیِ ورودهای اشتباه با دادهٔ خودمان

پاسخ کوتاه

هر معامله‌گری که مدتی در بازارِ فارکس فعالیت کرده، با این سؤالِ آزاردهنده روبه‌رو شده: «چرا این معامله ضرر داد؟» معمولاً اولین پاسخِ ذهن ساده است — بازار برعکس رفت. اما این جواب نه دقیق است و نه مفید. بازار همیشه در حالِ حرکت است؛ سؤالِ واقعی این است که آیا ما در لحظهٔ درست و با

هر معامله‌گری که مدتی در بازارِ فارکس فعالیت کرده، با این سؤالِ آزاردهنده روبه‌رو شده: «چرا این معامله ضرر داد؟» معمولاً اولین پاسخِ ذهن ساده است — بازار برعکس رفت. اما این جواب نه دقیق است و نه مفید. بازار همیشه در حالِ حرکت است؛ سؤالِ واقعی این است که آیا ما در لحظهٔ درست و با دلیلِ درست وارد شدیم، یا تحتِ تأثیرِ عجله، تأییدطلبی، یا تحلیلِ ناقص معامله را باز کردیم. تفاوتِ این دو پاسخ، تفاوتِ میانِ یک معامله‌گرِ حرفه‌ای و یک معامله‌گرِ راکد است.

این مقاله بر پایهٔ دادهٔ واقعیِ معاملاتِ ثبت‌شده در حسابِ بروکرِ کوین‌پرو FX نوشته شده، نه بر اساسِ مثال‌های کتابی یا سناریوهای آزمایشگاهی. ۱۶ سیگنالِ بسته‌شده را زیرِ ذره‌بین گذاشته‌ایم، هفت تا از آن‌ها با فعال‌شدنِ حدضرر بسته شده‌اند، و مجموعِ هزینه‌های واقعیِ اجرا — از کمیسیون تا سوآپِ شبانه — را رو کرده‌ایم. اعداد گاهی خوشایند نیستند: نتیجهٔ خالصِ حسابِ بروکر منفی است و این واقعیتی است که باید صادقانه با آن روبه‌رو شد. پنهان‌کاریِ ضرر نه به شما کمکی می‌کند نه به ما؛ آنچه کمک می‌کند، فهمیدنِ دقیقِ علتِ آن ضررهاست.

در ادامهٔ این مقاله، هر دسته از معاملاتِ ضررده را کالبدشکافی می‌کنیم: ببینیم کدام نماد بیشترین فشارِ منفی را وارد کرده، کدام تایم‌فریم بیشترین باخت داشته، و مهم‌تر از همه، در لحظهٔ ورود چه سیگنالی یا چه شرطی نادیده گرفته شده. یک هشدارِ آماریِ ضروری را هم از همین ابتدا صریح می‌گوییم: کلِ نمونهٔ ما فقط ۱۶ معامله است. این حجم برای نتیجه‌گیری‌های قطعی کافی نیست و هر چیزی که در این مقاله می‌خوانید را باید مقدماتی بدانید؛ نه قاعده‌ای که سنگِ آن انداخته شده باشد. هدفِ ما این است که با مشاهدهٔ دقیقِ همین داده‌هایِ محدود، الگوهایی را شناسایی کنیم که ارزشِ رصدِ بیشتر دارند — و ابزارِ تفکرِ درست را برای تحلیلِ معاملاتِ آینده دستتان بدهیم.

کارنامهٔ کلیِ سیگنال‌های بسته‌شده — دادهٔ خام، بدونِ فیلترِ تبلیغاتی

تفکیکِ نتایج به‌ازای نماد

تفکیکِ نتایج به‌ازای تایم‌فریم

آخرین معاملاتِ بسته‌شده

هزینهٔ واقعیِ اجرا روی 122 دیلِ ثبت‌شده در حسابِ بروکر

چرا کارنامهٔ شفاف مهم‌تر از تبلیغِ سیگنال است

در دنیای سیگنال‌فروشی، رسم بر این است که بهترین معاملات را در ویترین بگذاری و بقیه را پشتِ پرده نگه‌داری. ما با این رویکرد مخالفیم و دلیلش صرفاً اخلاق نیست؛ دلیلش این است که پنهان‌کاری دقیقاً همان چیزی را از بین می‌برد که باید در هر معامله‌گر شکل بگیرد: درک واقعی از ریسک.

نگاهی به دادهٔ خامِ همین دوره بیندازید. مجموعِ خالصِ 16 معاملهٔ بسته‌شده 292.05 دلار مثبت است، یعنی اگر فقط این عدد را می‌دیدید، شاید تصویری نسبتاً روشن از عملکرد داشتید. اما بخشِ «هزینهٔ واقعیِ اجرا» روی 122 دیلِ ثبت‌شده در حسابِ بروکر، تصویرِ متفاوتی نشان می‌دهد: سودِ ناخالص منفیِ 2,415.28 دلار، کمیسیون 135.99 دلار، سواپِ شبانه 8.10 دلار، و نتیجهٔ خالصِ نهایی منفیِ 2,559.37 دلار. این دو عدد — مثبتِ 292.05 و منفیِ 2,559.37 — با هم تناقض ندارند؛ یکی فقط بخشی از واقعیت را می‌گوید و دیگری کلِ آن را.

این شکاف دقیقاً همان چیزی است که پنهان‌کاری به وجود می‌آورد. وقتی فقط نرخِ برد 56.2٪ را می‌بینید، ذهن‌تان سراغِ «بیشتر از نیمی از معاملات سودده بوده» می‌رود. اما نرخِ برد بدونِ نسبتِ سود به ضرر، یک عددِ ناقص است. بهترین معامله 1,042 دلار سود داشت و بدترین 344.66 دلار ضرر — این تفاوتِ مقیاس یعنی ساختارِ مدیریتِ ریسک در این دوره نامتقارن بوده، اما به‌شکلِ مطلوب؛ زیرا سودِ بزرگ داشتیم. مشکل آنجاست که میانگینِ هر معامله تنها 18.25 دلار بوده — بعد از همهٔ نوسانات و ریسک‌ها، این حاشیهٔ بسیار باریکی است و نشان می‌دهد توزیعِ نتایج بسیار پراکنده بوده.

یک کارنامهٔ شفاف، ضررها را نه با عذرخواهی بلکه با تحلیلِ علت ارائه می‌دهد. وقتی می‌گوییم «7 معامله حدضرر خورد»، باید بپرسیم این 7 معامله کِی، کجا، و در چه شرایطی بودند. وقتی می‌گوییم «2 معامله در نقطهٔ سربه‌سر بسته شد»، باید بدانیم آیا این نشانهٔ مدیریتِ فعالِ درست بود یا فرارِ به‌موقع از یک ورودِ اشتباه. این سؤال‌ها را تنها با داشتنِ دادهٔ کامل می‌توان پرسید. پنهان‌کردنِ ضرر، نه‌تنها اعتمادِ مخاطب را می‌شکند، بلکه خودِ تحلیلگر را هم از یادگیری محروم می‌کند.

تأکید می‌کنیم: این نمونه فقط 16 معامله است. هیچ نتیجه‌گیریِ آماریِ قطعی از 16 مشاهده ممکن نیست. هر الگویی که در ادامه می‌بینید، باید به‌عنوانِ فرضیه‌ای برای رصدِ بیشتر تلقی شود، نه قاعده‌ای حتمی.

آنچه دادهٔ خامِ ما دربارهٔ «چرا یک معامله ضرر می‌دهد؟ کالبدشکافیِ ورودهای اشتباه با دادهٔ خودمان» می‌گوید

سؤالِ اصلی این است: چه چیزی یک ورود را «اشتباه» می‌کند؟ اشتباهِ ورود لزوماً به معنای نادیده‌گرفتنِ تحلیل نیست؛ گاهی ورود از نظرِ تکنیکال کاملاً موجه بوده، اما محیطِ بازار، تایم‌فریم، یا تمرکزِ نمادی آن را به ضرر تبدیل کرده. بگذارید سه الگوی مشخص را از دادهٔ همین 16 معامله تفکیک کنیم.

الگوی اول: تایم‌فریمِ H1 و ضعفِ نسبی

داده نشان می‌دهد H1 با 3 معامله، نرخِ بردِ 33.3٪ و خالصِ منفیِ 371.67 دلار بدترین عملکرد را داشته؛ در مقابل، M15 با 11 معامله نرخِ بردِ 54.5٪ و خالصِ مثبتِ 351.45 دلار، و M5 با 2 معامله نرخِ بردِ 100٪ و خالصِ مثبتِ 312.27 دلار داشته است.

دو معاملهٔ مهم در H1 ضرر دادند: AUDUSD خرید در 0.70090 با ضررِ 313.17 دلار و USDCAD فروش در 1.40424 با ضررِ 81.85 دلار. در هر دو، قیمت بلافاصله به سمتِ حدضرر رفت و بدونِ هیچ بازگشتی آن را لمس کرد. این نوع حرکت معمولاً نشان‌دهندهٔ ورود در لحظه‌ای است که یک جریانِ قوی‌تر در جهتِ مخالف در بازار فعال بوده. البته با فقط 3 نمونه در H1، نمی‌توان قضاوتِ قطعی کرد؛ داده پیشنهاد می‌دهد که عملکردِ H1 باید با نمونهٔ بزرگ‌تری رصد شود تا مشخص شود آیا این ضعف ساختاری است یا اتفاقی.

الگوی دوم: تمرکزِ USDJPY و معاملاتِ چهارمِ اوت

USDJPY با 6 معامله — بیشترین سهم از نمونه — نرخِ بردِ 50٪ اما خالصِ منفیِ 273.94 دلار داشته است. این یعنی سه معاملهٔ سودده نتوانستند سه معاملهٔ زیان‌ده را جبران کنند؛ نشانه‌ای از عدمِ تقارنِ نامطلوب میانِ سود و ضرر در این نماد.

روزِ چهارمِ اوت برجسته است: در همین روز، دو معاملهٔ فروش USDJPY هر دو حدضرر خوردند — یکی 270.79 دلار ضرر در ورودِ 157.524 و دیگری در همان بازه. در کنارِ این دو، XAUUSD فروش در 4,067.36 هم حدضرر خورد و 344.66 دلار ضرر داد — بدترین معاملهٔ کلِ دوره. جمعِ ضررِ یک روز: بیش از 696 دلار فقط از این سه معامله.

چه اتفاقی افتاده؟ بدونِ داشتنِ داده‌های بیشتر نمی‌توان قطعی گفت، اما یک فرضیه قابلِ بررسی است: در روزهای با نوسانِ بالا یا انتشارِ داده‌های اقتصادیِ مهم، حدضررهایِ معمولی ممکن است بیش از حد نزدیک باشند. XAUUSD در آن روز SL تنها 9 امتیاز بالاتر از ورود داشت (از 4,067.36 تا 4,076.36)؛ در بازارِ طلا که می‌تواند در دقایق چندین دلار نوسان کند، این فاصله ممکن است کافی نبوده باشد. این فرضیه نیاز به تأییدِ داده دارد و نمی‌توان از آن به‌عنوانِ قاعده استفاده کرد.

الگوی سوم: ضررِ نامتقارن در AUDUSD و EURUSD

AUDUSD تنها یک معامله داشت و آن هم 313.17 دلار ضرر داد. EURUSD با دو معامله، نرخِ بردِ 50٪ اما میانگینِ منفیِ 127.33 دلار و خالصِ منفیِ 254.65 دلار داشت. در EURUSD، معاملهٔ اول در 31 جولای با ورودِ 1.15141 حدضرر خورد و 278.74 دلار ضرر داد؛ معاملهٔ دوم در ششمِ اوت با تریلینگ استاپ بسته شد و فقط 24.09 دلار سود داشت. نتیجه: در این نماد، ضررِ یک معامله تقریباً 11 برابرِ سودِ معاملهٔ بعدی بوده که این نسبت، ساختارِ ریوارد به ریسک را به‌شدت به ضرر تبدیل کرده.

در مقابل، XAUUSD و EURAUD بهترین نتایج را داشتند: XAUUSD با 66.7٪ نرخِ برد و خالصِ 933.19 دلار، و EURAUD با 100٪ نرخِ برد و خالصِ 259.12 دلار. جالب است که معاملهٔ بزرگِ XAUUSD در سومِ اوت — فروش در 4,065.23 با سودِ 1,042 دلار — یک روز پیش از معاملهٔ ضررِ 344.66 دلاریِ همین نماد بوده. این یعنی نماد یکسان، جهتِ یکسان، اما نتیجهٔ کاملاً متفاوت؛ احتمالاً به‌دلیلِ تغییرِ شرایطِ بازار در فاصلهٔ 24 ساعت.

نتیجه‌گیریِ عملی

• نمونه کوچک است: این 16 معامله اطلاعاتِ مقدماتی می‌دهند، نه قواعدِ قطعی. هر نتیجه‌گیری باید با داده‌های بیشتر تأیید شود.
• آنچه داده پیشنهاد می‌دهد: عملکردِ H1 نسبت به M15 و M5 ضعیف‌تر بوده؛ این باید در معاملاتِ آتی با دقتِ بیشتری رصد شود.
• تمرکزِ نمادی: 6 از 16 معامله روی USDJPY بوده و نتیجهٔ کلی منفی است. داده پیشنهاد می‌کند که در روزهای پُرنوسان، تکرارِ سریعِ سیگنال روی یک نماد باید با احتیاطِ بیشتری ارزیابی شود.
• ریسکِ نامتقارن: میانگینِ هر معامله 18.25 دلار با بیشینهٔ 1,042 و کمینهٔ منفیِ 344.66 نشان می‌دهد که توزیعِ نتایج بسیار پراکنده است. این پراکندگی، اهمیتِ مدیریتِ حجمِ معامله در هر ورود را دوچندان می‌کند.
• هزینهٔ اجرا واقعی است: منفیِ 2,559.37 دلار روی 122 دیل یادآور است که هزینه‌های کمیسیون و سواپ در بلندمدت تأثیرِ معناداری دارند و باید در محاسبهٔ انتظارِ هر سیستم لحاظ شوند.

تفکیک به‌ازای نماد؛ کدام بازارها لبه داشتند و کدام‌ها نه

پیش از هر تحلیلی باید این واقعیت را روی میز گذاشت: کلِ نمونه شانزده معامله است. این حجم برای نتیجه‌گیریِ آماریِ قطعی کافی نیست و هر چیزی که در ادامه می‌آید باید به‌عنوانِ فرضیه‌ای برای رصدِ بیشتر خوانده شود، نه قاعده‌ای که سنگ شده باشد.

XAUUSD — بهترین عملکرد در نمونه

طلا با سه معامله، نرخِ بردِ 66.7٪ و خالصِ 933.19 دلار بهترین نتیجه را ثبت کرد. میانگینِ هر معامله 311.06 دلار سود بود. اما نگاهِ دقیق‌تر به داده‌های خام نشان می‌دهد که بزرگ‌ترین سودِ کل — یعنی 1,042 دلار در تاریخِ 2026-08-03 — تنها از یک معامله آمده. این یعنی اگر آن معامله را از محاسبه حذف کنیم، تصویرِ طلا کاملاً متفاوت خواهد بود. معامله‌ای هم در همان روز حدضرر خورد و 344.66 دلار ضرر داد. پس لبهٔ واقعیِ طلا در این نمونه هنوز از نظرِ آماری قابلِ اثبات نیست؛ آنچه هست یک معاملهٔ بزرگ است که خالصِ نماد را مثبت نگه داشته.

USDJPY — پُرتکرارترین نماد، اما ضررده

شش معامله از شانزده — یعنی 37.5٪ کلِ نمونه — روی دلار-ین بوده. نرخِ برد 50٪ است، اما خالصِ نهایی منفی 273.94 دلار. مشکل در نسبتِ ریسک به پاداش است. وقتی سود و ضررِ معاملات را از جدولِ آخرین معاملات می‌بینیم، دو ضرر بزرگ داریم: منفی 277.67 و منفی 270.79 دلار، در مقابلِ دو سودِ 353.70 و 56.07 دلار. یعنی ضررهای بزرگ داریم که با سودهایِ متوسط جبران نمی‌شوند. هر دو ضررِ بزرگ از جهتِ فروش و در M15 بودند. داده پیشنهاد می‌دهد که نقاطِ ورودِ فروشِ ین در این بازهٔ زمانی دقت کافی نداشته یا توقف‌ها فاصلهٔ کافی نداشتند تا نوساناتِ داخلی را تحمل کنند. این فرضیه باید با معاملاتِ بیشتر سنجیده شود.

EURUSD — ضرردهِ دوم

دو معامله، نرخِ بردِ 50٪، اما خالصِ منفی 254.65 دلار و میانگینِ منفی 127.33 دلار. معاملهٔ خریدِ تاریخِ 2026-07-31 با منفی 278.74 دلار حدضرر خورد. معاملهٔ دومِ خرید — 2026-08-06 — با تریلینگ استاپ بسته شد و 24.09 دلار سود داد. این شکافِ عمیق بینِ سود و ضرر در یک نماد، حتی با نرخِ بردِ مساوی، یعنی که RR واقعی منفی‌ای داشتیم. داده پیشنهاد می‌دهد که مدیریتِ خروج یا انتخابِ نقطهٔ ورود در یورو-دلار نیازِ به بررسیِ جداگانه دارد.

AUDUSD — تک‌معامله، بدترین ضررِ تکی نماد

یک معامله، حدضرر خورد، منفی 313.17 دلار. با یک داده هیچ قضاوتی درباره لبهٔ این نماد ممکن نیست. تنها چیزی که می‌توان گفت این است که این معامله باید کالبدشکافیِ جداگانه شود: آیا ورود در موقعیتِ نامناسبی از روز بود؟ آیا حجم متناسب با فاصلهٔ حدضرر بود؟

EURAUD و GBPUSD — عملکردِ مثبت، اما نمونه بسیار کوچک

EURAUD با دو معامله و نرخِ بردِ 100٪ و خالصِ 259.12 دلار عملکردِ خوبی داشت. GBPUSD تنها یک معامله داشت. هیچ‌کدام از این نتایج به‌تنهایی کافی نیستند تا بگوییم «لبه وجود دارد» — دو یا سه معامله برنده می‌توانند اتفاق باشند.

نتیجه‌گیریِ عملی: داده پیشنهاد می‌دهد که XAUUSD و EURAUD در این بازه بهترِ عمل کردند، اما این نتیجه باید با حجمِ بیشتری از معاملات سنجیده شود. USDJPY با وجودِ بالاترین فراوانی، خالصِ منفی داشته و نیازِ به رصدِ دقیقِ نسبتِ ریسک به پاداش در معاملاتِ بعدی دارد. AUDUSD و USDCAD در این نمونه هیچ بردی نداشتند، اما یک‌ یا دو معامله هیچ چیزی را اثبات یا رد نمی‌کند.

تفکیک به‌ازای تایم‌فریم و مدتِ نگه‌داری

یکی از مهم‌ترین سؤال‌هایی که هر سیستمِ معاملاتی باید به آن جواب بدهد این است: آیا تایم‌فریمِ ورود با ساختارِ استراتژی هم‌راستاست؟ داده‌های این نمونه — با تأکیدِ مجدد بر کوچک‌بودنِ آن — یک تباینِ قابلِ توجه نشان می‌دهند.

M15 — تایم‌فریمِ اصلی با عملکردِ مثبت

یازده معامله از شانزده — 68.75٪ کل — در M15 بودند. نرخِ برد 54.5٪ و خالص 351.45 دلار با میانگینِ هر معامله 31.95 دلار. این عملکرد مثبت است، اما به‌شدت متأثر از چند معاملهٔ بزرگ است. معاملهٔ XAUUSD در تاریخِ 2026-08-03 با 1,042 دلار سود، تقریباً سه‌برابرِ کلِ خالصِ M15 است. اگر این معامله را کنار بگذاریم، خالصِ M15 منفی می‌شد. این یعنی که عملکردِ کلیِ این تایم‌فریم در این نمونه بیش از حد به یک معاملهٔ استثنایی وابسته است و باید با دقت تفسیر شود.

در M15 هفت ضرر ثبت شده که چهارتا از آنها حدضرر بودند. وقتی به تاریخِ معاملات نگاه می‌کنیم، سه معامله در USDJPY در تاریخِ 2026-08-03 و 2026-08-04 هر دو حدضرر خوردند — با مجموعِ منفی 548.46 دلار. این نشان می‌دهد که در یک بازهٔ زمانیِ خاص، شرایطِ بازار با جهتِ سیگنال‌های M15 همخوانی نداشته. آیا جریانِ خبری یا نوساناتِ غیرِعادی بازار در آن روزها چنین وضعی ایجاد کرده؟ این سؤالی است که باید در بررسیِ بیشتر روشن شود.

H1 — ضعیف‌ترین تایم‌فریم در نمونه

سه معامله در H1 ثبت شده. نرخِ برد 33.3٪ — یعنی دو باخت، یک سر‌به‌سر — و خالصِ منفی 371.67 دلار با میانگینِ منفی 123.89 دلار. این بدترین عملکرد در بینِ تایم‌فریم‌هاست. اما سه معامله هیچ پایهٔ آماری‌ای ندارد. آنچه می‌توان گفت این است که در این سه معاملهٔ H1، هیچ‌کدام با سود بسته نشدند — AUDUSD حدضرر خورد (منفی 313.17 دلار)، USDCAD حدضرر خورد (منفی 81.85 دلار)، و GBPUSD در نقطهٔ سر‌به‌سر بسته شد (23.35 دلار) که عملاً سودی ایجاد نکرد.

یک فرضیهٔ احتمالی: معاملاتِ H1 به‌طورِ طبیعی فاصلهٔ حدضررِ بیشتری نیاز دارند تا نوساناتِ درونِ کندل را تحمل کنند. اگر حجم برای این تایم‌فریم کوچک‌تر انتخاب نشده باشد، همان ریسکِ دلاری که در M15 قابلِ مدیریت است، در H1 می‌تواند به ضررِ بزرگ‌تری منجر شود. این فرضیه نیازِ به بررسیِ تنظیماتِ حجم و فاصلهٔ حدضرر در معاملاتِ H1 دارد.

M5 — کوچک‌ترین نمونه، بهترین نرخِ برد

دو معامله در M5، هر دو برنده، خالصِ 312.27 دلار و میانگینِ 156.13 دلار. نرخِ بردِ 100٪ در دو معامله معنایی ندارد — این چیزی را اثبات نمی‌کند. هر دو معامله EURAUD و XAUUSD بودند که اتفاقاً بازارهایی بودند که در همین نمونه عملکردِ خوبی داشتند. پس نمی‌توان M5 را به‌تنهایی ارزیابی کرد؛ ترکیبِ نماد و تایم‌فریم با هم اهمیت دارد.

مدتِ نگه‌داری و نحوهٔ خروج

از شانزده معامله: هفت با تریلینگ استاپ بسته شدند، هفت حدضرر خوردند، و دو در سر‌به‌سر. معاملاتِ تریلینگ استاپ مجموعاً سودهای بزرگ‌تری ثبت کردند. این می‌تواند نشان‌دهنده این باشد که وقتی معامله درست ورود شده، ابزارِ تریلینگ استاپ توانسته بخشِ خوبی از حرکت را بگیرد. اما معاملاتِ حدضررخورده مجموعاً ضررِ سنگین‌تری ایجاد کردند. این تناقض — سودهای کوچک در کنارِ ضررهای بزرگ — چالشِ اصلیِ این سیستم در بازهٔ فعلی است.

نتیجه‌گیریِ عملی: داده پیشنهاد می‌دهد که M15 در این نمونه بهترین عملکرد را داشته، اما این نتیجه به یک معاملهٔ بزرگ وابسته است. H1 در هر سه معامله نتیجهٔ مطلوب نداشته و باید تنظیماتِ حجم و فاصلهٔ حدضررِ معاملاتِ این تایم‌فریم در معاملاتِ بعدی با دقتِ بیشتری رصد شود. هیچ‌کدام از این مشاهدات به‌تنهایی کافی نیست تا تغییرِ ساختاریِ استراتژی را توجیه کند؛ اما چراغِ راهی است برای اینکه در معاملاتِ بعدی کجا دقیق‌تر نگاه کنیم.

درس‌های عملی که از این اعداد می‌گیریم

پیش از هر چیز، یک اخطارِ آماری ضروری است که نباید نادیده گرفته شود: تمامِ تحلیلِ زیر بر پایهٔ فقط ۱۶ معامله بنا شده است. این حجم برای استنتاجِ قاعده‌های قطعی کافی نیست. هر درسی که در ادامه می‌آید مقدماتی و فرضیه‌محور است؛ نشانه‌ای برای رصدِ بیشتر، نه حکمِ نهایی برای تغییرِ فوری.

درسِ اول: شکافِ خطرناک بین عددِ سیگنال و کارنامهٔ واقعیِ بروکر

مهم‌ترین یافتهٔ این داده، نه در جدولِ ۱۶ معامله، بلکه در تناقضِ میانِ دو عدد نهفته است. کارنامهٔ ۱۶ سیگنالِ بسته‌شده یک خالصِ مثبتِ ۲۹۲.۰۵ دلار نشان می‌دهد؛ اما کارنامهٔ واقعیِ ثبت‌شده در حسابِ بروکر روی ۱۲۲ دیل، یک نتیجهٔ خالصِ منفیِ ۲,۵۵۹.۳۷ دلار است. این شکاف ساده نیست و نباید از کنارش رد شد.

چند علتِ احتمالی برای این اختلاف وجود دارد. اول: ۱۲۲ دیلِ بروکر به‌مراتب بیشتر از ۱۶ سیگنالِ مستند‌شده است؛ یعنی احتمالاً بخشِ بزرگی از معاملات در فرایندِ ثبت‌وضبطِ سیگنال دیده نشده یا گزارش نشده‌اند. دوم: هر سیگنالِ واحد ممکن است در بروکر به چند دیلِ جزئی (ورود، خروجِ بخشی، تعدیلِ استاپ) تقسیم شود که هزینه‌هایِ اضافه‌ای تولید می‌کند. سوم: کمیسیونِ ۱۳۵.۹۹ دلاری و سواپِ ۸.۱۰ دلاری روی ۱۲۲ دیل، درسِ عمیق‌تری دارد — هر دیلِ اضافه‌ای هزینه دارد و سیستمی که دیلِ زیاد تولید می‌کند، باید ابتدا از سودِ ناخالص هزینه را کم کند تا سودِ خالص بسازد. با سودِ ناخالصِ منفیِ ۲,۴۱۵.۲۸ دلار روی ۱۲۲ دیل، حتی قبل از کمیسیون هم حسابِ بروکر در ضرر بوده است.

نتیجهٔ عملی: داده پیشنهاد می‌کند که سیستمِ ثبتِ سیگنال و آنچه در حسابِ واقعی اجرا می‌شود باید به‌صورتِ دقیق‌تری همسوسازی شوند. تا زمانی که این شکاف توضیح داده نشود، عددِ ۲۹۲.۰۵ دلار به‌تنهایی تصویرِ درستی از سلامتِ سیستم نمی‌دهد.

درسِ دوم: تایم‌فریمِ H1 زخمِ پنهانی است که داده‌ها آشکار می‌کنند

تفکیکِ نتایج بر اساسِ تایم‌فریم، یکی از خواندنی‌ترین بخش‌های این کارنامه است. M15 با ۱۱ معامله نرخِ بردِ ۵۴.۵٪ و خالصِ مثبتِ ۳۵۱.۴۵ دلار دارد. M5 با ۲ معامله نرخِ بردِ ۱۰۰٪ و خالصِ ۳۱۲.۲۷ دلار دارد — هرچند ۲ معامله برای اعتماد بسیار کم است. اما H1 با ۳ معامله نرخِ بردِ تنها ۳۳.۳٪ و خالصِ منفیِ ۳۷۱.۶۷ دلار ثبت کرده است؛ میانگینِ هر معامله منفیِ ۱۲۳.۸۹ دلار.

نگاه به معاملاتِ H1 در جدولِ آخرین معاملات روشن‌گر است. معاملهٔ AUDUSD خرید H1 در تاریخِ ۲۰۲۶-۰۸-۰۳ با ورود در ۰.۷۰۰۹۰ و استاپِ ۰.۶۹۸۷۸، حدضرر خورد و ۳۱۳.۱۷ دلار ضرر داد. معاملهٔ USDCAD فروش H1 در روزِ بعد با ورود در ۱.۴۰۴۲۴ هم حدضرر خورد و ۸۱.۸۵ دلار ضرر داد. معاملهٔ GBPUSD خرید H1 در نقطهٔ سربه‌سر بسته شد — نه ضرر، نه سود.

یک فرضیهٔ قابلِ بررسی این است که سیگنال‌های H1 در این مجموعه، به‌احتمال در محیطی صادر شده‌اند که جهتِ کلیِ بازار در تایم‌فریمِ بزرگ‌تر با آن‌ها همسو نبوده است. اما با ۳ معامله نمی‌توان این را به‌عنوانِ قاعده اثبات کرد. آنچه داده‌ها پیشنهاد می‌دهند این است که معاملاتِ H1 باید در ماه‌های آینده با حجمِ بیشتری رصد شوند تا این الگو تأیید یا رد شود.

نتیجهٔ عملی: با توجه به اینکه H1 بیشترین میانگینِ ضررِ هر معامله را دارد، ریسکِ هر معاملهٔ H1 در این سیستم احتمالاً باید با احتیاطِ بیشتری مدیریت شود — نه لزوماً با حذف، بلکه با حجمِ کمتر یا فیلترِ اضافه‌تر — تا داده‌های کافی‌تری جمع شوند.

درسِ سوم: تمرکزِ بیش از حد روی USDJPY، هم فرصت است هم خطر

USDJPY با ۶ معامله از مجموعِ ۱۶ — یعنی ۳۷.۵٪ از کلِ نمونه — بیشترین سهم را دارد. نرخِ بردش ۵۰٪ است و خالصِ نهایی‌اش منفیِ ۲۷۳.۹۴ دلار، با میانگینِ منفیِ ۴۵.۶۶ دلار در هر معامله. یعنی سیستم روی پرمعامله‌ترینِ نماد، در مجموع در ضرر است.

اما داخلِ USDJPY یک داستانِ جالب‌تر وجود دارد. در تاریخِ ۲۰۲۶-۰۸-۰۴، دو معاملهٔ USDJPY فروش وجود دارد. اولی با ورود در ۱۵۷.۸۷۹ با تریلینگ استاپ بسته شد و ۳۵۳.۷۰ دلار سود داد. دومی با ورود در ۱۵۷.۵۲۴ حدضرر خورد و ۲۷۰.۷۹ دلار ضرر داد. هر دو در یک روز، هر دو فروش، هر دو روی USDJPY. یکی برنده، یکی بازنده. این نشان می‌دهد که مشکل لزوماً جهتِ معامله یا نماد نیست، بلکه احتمالاً دقتِ ورود یا شرایطِ تکنیکالِ دقیقِ هر نقطه است.

علاوه بر این، در ۲۰۲۶-۰۸-۰۳، یک USDJPY فروش دیگر با ورود در ۱۵۶.۴۹ حدضرر خورد و ۲۷۷.۶۷ دلار ضرر داد. در مجموع سه ضررِ USDJPY در دو روزِ پشتِ هم رخ داده که بخشِ بزرگی از زیانِ کلیِ این نماد را می‌سازد. این الگوی تجمعِ ضررِ پشتِ‌سرهم در یک نماد، می‌تواند نشانه‌ای از نیازِ به قانونِ «توقفِ روزانه» یا «سقفِ تعداد معامله در نماد» باشد.

نتیجهٔ عملی: داده‌ها پیشنهاد می‌دهند که تمرکزِ ۳۷.۵٪ از معاملات روی یک نماد — به‌خصوص نمادی که در مجموع در ضرر است — باید رصد شود. گسترشِ توزیع به نمادهایی مانند XAUUSD (که خالصِ ۹۳۳.۱۹ دلاری با ۳ معامله دارد) می‌تواند به تعادلِ بهتری منجر شود، هرچند ۳ معاملهٔ طلا هم نمونهٔ کافی برای نتیجه‌گیریِ قطعی نیست.

درسِ چهارم: روزهایِ پرترافیک، خطرناک‌ترین روزها هستند

تاریخِ ۲۰۲۶-۰۸-۰۴ یک آزمایشگاهِ طبیعی برای درکِ ریسکِ تجمعی است. در این روز، سه معامله با ضرر بسته شدند: XAUUSD فروش با ضررِ ۳۴۴.۶۶ دلار، USDJPY فروش با ضررِ ۲۷۰.۷۹ دلار، و USDCAD فروش با ضررِ ۸۱.۸۵ دلار. مجموعِ ضررِ این سه معامله در یک روز: ۶۹۷.۳۰ دلار. در همان روز، یک USDJPY دیگر ۳۵۳.۷۰ دلار سود داد. پس خالصِ روزِ ۴ اوت: منفیِ ۳۴۳.۶۰ دلار در یک روزِ واحد.

مسئلهٔ اصلی اینجا «تعداد» نیست، بلکه «همبستگیِ بازار» است. در روزی که XAUUSD مخالفِ انتظار حرکت کرد، احتمالاً بازار در وضعیتِ risk-off یا یک رویدادِ کلانِ اقتصادیِ غیرمنتظره بوده است که همزمان چند نماد را تحتِ‌تأثیر گذاشته. در چنین روزهایی، داشتنِ سه معامله‌ٔ باز در نمادهایی که همبستگیِ پنهان دارند (USDJPY، USDCAD و XAU در برابرِ دلار) ریسکِ پرتفوی را چند برابر می‌کند.

نتیجهٔ عملی: داده‌ها پیشنهاد می‌دهند که وقتی بیش از دو معامله‌ٔ همزمانِ باز وجود دارد — به‌خصوص روی نمادهایی که با دلارِ آمریکا همبستگی دارند — سقفِ ریسکِ روزانه باید پیش از باز کردنِ موقعیتِ جدید بررسی شود. این یک فرضیه‌ است که باید در نمونه‌های بیشتری آزمون شود.

درسِ پنجم: کمیسیون سکوت می‌کند اما همیشه می‌برد

در نگاهِ اول، ۱۳۵.۹۹ دلار کمیسیون و ۸.۱۰ دلار سواپ روی ۱۲۲ دیل، اعدادِ کوچکی به نظر می‌رسند. اما اگر به کارنامهٔ کلیِ بروکر نگاه کنیم — که سودِ ناخالصِ منفیِ ۲,۴۱۵.۲۸ دلار دارد — می‌بینیم که حتی بدونِ کمیسیون هم حساب در ضرر بوده است. کمیسیون در این حالت، ضررِ موجود را از ۲,۴۱۵.۲۸ به ۲,۵۵۹.۳۷ دلار رسانده — یعنی ۵.۹٪ بدتر کرده.

اما درسِ مهم‌تر اینجاست: ۱۲۲ دیل برای ۱۶ سیگنال، یعنی به‌طورِ میانگین ۷.۶ دیل به‌ازای هر سیگنال. این تعدادِ دیل نشان می‌دهد هر سیگنال به ورود‌های جزئی، خروج‌های مرحله‌ای، یا تعدیل‌های استاپ تقسیم شده که هر کدام کمیسیون جداگانه دارند. سیستمی که هر سیگنال را به ۷-۸ دیل تبدیل می‌کند، باید مطمئن شود که سودِ انتظاری هر معامله به‌اندازه‌ٔ کافی بالاتر از هزینهٔ اجراست تا این تقسیم‌بندی توجیه اقتصادی داشته باشد.

نتیجهٔ عملی: پیشنهادِ داده این است که نسبتِ «دیلِ بروکر به سیگنال» باید پایش شود. اگر این نسبت از یک حدِ معقول فراتر رفت، بررسی شود که آیا خروج‌های مرحله‌ای و تعدیل‌های مکرر ارزشِ هزینه‌شان را دارند یا خیر. این تحلیل باید روی داده‌های بیشتری انجام شود تا از اعتبارِ کافی برخوردار باشد.

جمع‌بندیِ درس‌ها: آنچه داده می‌گوید، نه آنچه آرزو می‌کنیم

از مجموعِ این ۱۶ معامله — با تمامِ محدودیتِ آماریِ آن — پنج سیگنالِ هشدار قابلِ رصد است: شکافِ غیرقابلِ توضیحِ بینِ کارنامهٔ سیگنال و بروکر، عملکردِ ضعیفِ H1، تمرکزِ زیاد روی USDJPY با نتیجهٔ منفی، تجمعِ ضرر در روزهایِ پرمعامله، و هزینهٔ پنهانِ دیل‌های متعدد. هیچ‌کدام از این‌ها به‌تنهایی حکمِ نهایی نیستند؛ اما همهٔ آن‌ها فرضیه‌هایی هستند که باید در نمونه‌های بزرگ‌تر آزمون شوند. معاملهٔ موفق در بلندمدت، نه از روی آرزو، بلکه از روی داده‌هایی ساخته می‌شود که صادقانه خوانده شده‌اند.

سوالات متداول

اگر نرخِ بردِ سیگنال‌ها ۵۶.۲٪ است، چرا نتیجهٔ خالصِ حسابِ بروکر منفی است؟

نرخِ برد به‌تنهایی تصویرِ کاملی نمی‌دهد؛ آنچه اهمیت دارد نسبتِ سود به ضرر در هر معامله است. در داده‌های همین ۱۶ معامله، بدترین باخت ۳۴۴.۶۶ دلار بوده در حالی که میانگینِ کل ۱۸.۲۵ دلار است، یعنی یک معاملهٔ بد می‌تواند سودِ چندین معاملهٔ خوب را پاک کند. از طرفی، سودِ ناخالصِ ثبت‌شده روی ۱۲۲ دیلِ بروکر منفی ۲٬۴۱۵.۲۸ دلار است که نشان می‌دهد در سطحِ وسیع‌تر از همین ۱۶ نمونه، ضررهای اجرا‌شده بیشتر بوده‌اند. کمیسیونِ ۱۳۵.۹۹ دلار و سواپِ ۸.۱۰ دلار هم به نتیجهٔ خالصِ منفیِ ۲٬۵۵۹.۳۷ دلار دامن می‌زنند.

چرا USDJPY با بیشترین تعداد معامله (۶ تا) بیشترین ضررِ خالص (۲۷۳.۹۴ دلار منفی) را داشته؟

در داده‌های موجود، سه معامله از شش معاملهٔ USDJPY با حدضرر بسته شده‌اند که دو تای آن‌ها (۲۰۷۰.۷۹- و ۲۷۷.۶۷- دلار) ضررهای سنگینی داشته‌اند. نرخِ بردِ ۵۰٪ در این نماد به‌ظاهر متوسط است، اما وقتی ضررهای بزرگ با سودهای کوچک‌تر همراه می‌شوند، خالصِ نهایی منفی می‌شود. این الگو پیشنهاد می‌دهد که حجمِ پوزیشن یا فاصلهٔ حدضرر در USDJPY نیازِ بررسیِ بیشتر دارد، هرچند با فقط ۶ معامله نمی‌توان نتیجه‌گیریِ قطعی کرد.

چرا تایم‌فریمِ H1 با نرخِ بردِ ۳۳.۳٪ و خالصِ منفیِ ۳۷۱.۶۷ دلار ضعیف‌ترین عملکرد را داشته؟

در این داده‌ها، هر سه معاملهٔ H1 (GBPUSD، USDCAD، AUDUSD) روزهای ۳ و ۴ اوتِ ۲۰۲۶ اجرا شده‌اند که بازار در آن روزها نوسانِ شدید داشته؛ AUDUSD به‌تنهایی ۳۱۳.۱۷ دلار ضرر داده است. با صرفاً سه معامله در این تایم‌فریم، هیچ نتیجه‌ای آماری قابلِ اتکا نیست و ممکن است تصادفِ زمانی در کار باشد. آنچه داده پیشنهاد می‌دهد این است که ورودهای H1 در روزهای پرنوسان باید با دقتِ بیشتری رصد شوند.

آیا کمیسیون و سوآپ تأثیرِ جدی روی نتیجه دارند و چطور باید حسابشان کرد؟

در ۱۲۲ دیلِ ثبت‌شده، کمیسیون ۱۳۵.۹۹ دلار و سوآپِ شبانه ۸.۱۰ دلار بوده که در مجموع ۱۴۴.۰۹ دلار به ضررِ ناخالص اضافه کرده‌اند. این رقم در مقایسه با سودِ ناخالصِ منفیِ ۲٬۴۱۵.۲۸ دلار سهمِ کمتری دارد، پس مشکلِ اصلی در خودِ معاملات است نه هزینه‌های جانبی. با این حال، هر معامله‌گری باید این هزینه‌ها را پیش از محاسبهٔ سود در نظر بگیرد؛ زیرا در معاملاتِ با حجمِ بالا یا نگه‌داریِ طولانی‌مدت، سوآپ می‌تواند اثرِ معناداری بگذارد.

داده‌ها را خودتان ببینید

همهٔ اعدادِ این مقاله از همان پایگاه‌دادهٔ سیگنال‌هایی می‌آید که صفحهٔ عملکردِ عمومیِ کوین‌پرو FX را تغذیه می‌کند؛ کارنامه به‌صورتِ زنده و بدونِ دست‌کاری منتشر می‌شود — بردها و باخت‌ها کنارِ هم. اگر می‌خواهید مفاهیمِ پشتِ این تحلیل‌ها را از پایه یاد بگیرید، آکادمیِ کوین‌پرو FX مسیرِ آموزشیِ کامل را دارد و در بلاگ تحلیل‌های عمیقِ دیگری منتشر می‌شود.

هشدارِ ریسک: معامله در بازارهای مالی با ریسکِ از دست رفتنِ سرمایه همراه است. عملکردِ گذشته تضمینی برای نتایجِ آینده نیست و هیچ‌چیز در این مقاله توصیهٔ خرید یا فروش نیست.