رفتن به محتوای اصلی
مجموعه تخصصی فیلتور

هوش مصنوعی در معامله‌گری؛
واقعیت، نه هیاهو.

از پرسیدن یک سؤال از ChatGPT تا ساختن سیستمی که با داده، بک‌تست و کنترل ریسک سنجیده می‌شود فاصله زیادی وجود دارد. اینجا آن فاصله را قدم‌به‌قدم طی می‌کنیم.

محتوای داده‌محور · بدون وعده سود · مناسب تصمیم‌گیری جدی
سیگنال کافی نیست ارزیابی زنده
کیفیت شواهد۸۷ / ۱۰۰
دادهپایه تصمیم
آزمونقبل از اعتماد
ریسکقبل از اجرا
۰۱شناخت واقعیتAI واقعاً کجای بازار است؟
۰۲ساخت با دادهاز ایده تا بک‌تست معتبر
۰۳ارزیابی سخت‌گیرانهتشخیص ادعا از عملکرد
۰۴اجرای کنترل‌شدهریسک، هزینه و نظارت انسانی
منتخب سردبیر

قبل از ابزارها، واقعیت بازار را ببین

نقطه شروع این مجموعه، یک گزارش پژوهشی است؛ چون بدون خط مبنای درست، هر ربات و هر درصدی می‌تواند قانع‌کننده به نظر برسد.

گزارش فیلتور درباره پذیرش واقعی هوش مصنوعی در معاملات فارکسگزارش ویژه · ۲۰۲۶
۲۶ منبع نهادی·حدود ۱۸ دقیقه مطالعه

چند درصد تریدرها واقعاً از هوش مصنوعی استفاده می‌کنند؟

بررسی دقیق فاصله میان استفاده از AI برای تحقیق و تحلیل، اجرای الگوریتمی و معامله‌گری کاملاً خودمختار؛ همراه با PDF قابل دانلود.

✓تفکیک الگوریتم، یادگیری ماشین و GenAI✓بررسی شش کشور و بازار نهادی فارکس✓راهنمای تشخیص AI-washing و ادعاهای تبلیغاتی
خواندن گزارش کامل
نقشه موضوعی

همه‌چیز درباره AI × Trading، مرتب و قابل دنبال‌کردن

مقاله‌های این مجموعه بر اساس یک مسیر منطقی منتشر می‌شوند؛ از فهم پایه تا ساخت، آزمایش و اجرای مسئولانه.

پایه مجموعه

واقعیت AI در بازارهای مالی

آمار پذیرش، کاربردهای واقعی، محدودیت‌ها و تفاوت چیزی که در مؤسسات مالی رخ می‌دهد با آنچه در تبلیغات می‌بینیم.

۱ گزارش منتشرشده
ساخت با داده · منتشرشده

داده و آماده‌سازی بازار

راهنمای انتخاب و پاک‌سازی داده، Tick و OHLC، Timezone، Session، Missing Data و جلوگیری از Data Leakage پیش از مدل‌سازی و بک‌تست.

مطالعه مقاله ←
در حال توسعه

پرامپت و دستیار تحلیلی

چطور از مدل‌های زبانی برای ساخت فرضیه، نقد استراتژی و کدنویسی استفاده کنیم؛ بدون اعتماد کور.

به‌زودی
هسته فنی · منتشرشده

بک‌تست با هوش مصنوعی

راهنمای عملی سنجش یک استراتژی با داده تاریخی، Out-of-Sample، Walk-Forward، هزینه معامله، Drawdown و کنترل بیش‌برازش.

مطالعه مقاله ←
کاربرد عملی

ریسک و اجرای کنترل‌شده

اندازه موقعیت، محدودیت زیان، Kill switch، نظارت انسانی و انتقال محتاطانه از آزمایش به حساب واقعی.

به‌زودی
راستی‌آزمایی

ربات‌ها، ابزارها و ادعاها

چارچوب ارزیابی ربات‌های AI، سرویس‌های سیگنال، مدل‌های پیش‌بینی و وعده‌هایی که باید به آن‌ها شک کرد.

به‌زودی
مسیر پیشنهادی

از هیجان یک ابزار تا یک سیستم قابل سنجش

ما هر موضوع را در چهار مرحله جلو می‌بریم تا تکنولوژی به تصمیم بهتر کمک کند، نه اینکه جای منطق را بگیرد.

مسئله را دقیق کن

قرار است AI تحقیق کند، الگو پیدا کند، کد بنویسد یا سفارش اجرا کند؟ هر کدام آزمون متفاوتی دارد.

شواهد بساز

داده، فرضیه و معیار موفقیت باید قبل از دیدن نتیجه تعریف شوند.

نتیجه را بشکن

هزینه، نشت داده، بیش‌برازش و تغییر رژیم بازار را عمداً وارد آزمون کن.

محدود و قابل توقف اجرا کن

اختیار کم، سقف ریسک روشن و امکان توقف فوری؛ قبل از هر نوع خودکارسازی.

«هوش مصنوعی قرار نیست آینده بازار را بداند؛ باید کمک کند امروز دقیق‌تر فکر کنیم.»
اصل تحریریه مجموعه AI در معامله‌گری فیلتور
۰۱

ادعا بدون مخرج، عدد نیست

هر درصد باید جامعه آماری، سؤال، زمان و منبع روشن داشته باشد.

۰۲

بک‌تست با سود واقعی فرق دارد

هزینه، اسلیپیج و آزمون خارج از نمونه بخشی از نتیجه‌اند، نه جزئیات فرعی.

۰۳

الگوریتم الزاماً AI نیست

اجرای خودکار، قوانین ثابت، ML و مدل زبانی را در یک سبد قرار نمی‌دهیم.

۰۴

کنترل ریسک قبل از مدل است

مدلی که امکان توقف، محدودیت زیان و نظارت ندارد، آماده اجرا نیست.

پرسش‌های اصلی

قبل از شروع این مسیر

آیا هوش مصنوعی می‌تواند به‌تنهایی ترید سودآور انجام دهد؟
شواهد عمومی معتبر برای سودآوری پایدار و خودمختار در شرایط واقعی بازار محدود است. AI می‌تواند در تحقیق، تحلیل داده، کدنویسی و اجرای کنترل‌شده مفید باشد، اما جای آزمون، مدیریت ریسک و نظارت انسانی را نمی‌گیرد.
برای شروع باید برنامه‌نویسی بلد باشم؟
برای فهم مفاهیم و استفاده از مدل‌های زبانی نه؛ اما برای ساخت بک‌تست قابل اعتماد، کار با داده و اتوماسیون جدی، یادگیری تدریجی Python یا ابزارهای مشابه کمک بزرگی است.
این مجموعه سیگنال یا ربات سودده معرفی می‌کند؟
خیر. تمرکز این صفحه بر آموزش، راستی‌آزمایی و ساخت فرایند قابل سنجش است. هیچ سودی تضمین نمی‌شود و مطالب، توصیه شخصی سرمایه‌گذاری نیستند.
مقاله‌های جدید این مجموعه کجا منتشر می‌شوند؟
تمام مقاله‌های تخصصی AI و معامله‌گری ابتدا در همین صفحه مادر دسته‌بندی می‌شوند و نسخه کامل آن‌ها نیز در بخش مقالات فیلتور قرار می‌گیرد.

اگر قرار است AI وارد معامله‌گری شود، باید قابل توضیح، قابل آزمون و قابل توقف باشد.

از گزارش پایه شروع کن؛ بعد با انتشار هر راهنمای جدید، مسیر ساخت یک سیستم واقعی را قدم‌به‌قدم ادامه بده.

مطالعه گزارش پذیرش AI