@DamiDefi: https://x.com/DamiDefi/status/2071192941750599725
摘要
一名交易者在Obsidian中建立了交易日志,并使用Claude分析了六个月的记录,发现71%的亏损交易与库中已有的笔记相矛盾。这篇文章分享了日志结构以及AI辅助分析带来的洞察。
查看缓存全文
缓存时间: 2026/06/28 16:11
我在 Obsidian 里建了一本交易日志,每周让 Claude 分析一次。这是它的发现
我从一月份开始写这本日志,当时只带着一个问题:我真的像自己以为的那样纪律严明吗?
六个月后,经历了34笔交易,Claude 做了第一次跨时段分析。我把所有日志条目扔进一个提示词——六个月的记录、笔记、信心评分、论点陈述、出场、以及交易后几天写下的复盘理由。
最让我停下来思考的发现是:在我亏损的交易中,71% 在入场前就已经有一条 Obsidian 笔记与入场论点相矛盾。这条记录在我进场之前就已存在。是我自己的话。时间戳在交易之前。
我掌握了反证。但在交易前没有去查阅。
这不是市场洞察。这是行为模式。如果没有一个能同时跨六个月会话阅读、并且能追问“那些执行交易的人,在行动之前是否读过自己的研究”的工具,这种模式是看不见的。
为什么用 Obsidian 而不是电子表格
标准的交易日志是一张电子表格。入场价、出场价、盈亏、也许加一列备注。电子表格擅长算术。其他方面一概不行。
我需要的日志不是为了计算回报。我已经知道自己的回报。我需要的是能够对行为层和定性层进行自然语言分析:为什么买入、当时相信什么、这个信念与之前记录的内容相比如何、以及所有交易中隐藏着我从任何一笔单独交易中都看不到的模式。
电子表格没有上下文窗口。Claude 有。
Obsidian 中的纯 Markdown 文件可以直接被 Claude 读取。每条日志条目都是一个笔记。每个笔记都有日期、资产、论点、信心评分、仓位大小、以及交易后反思。六个月的这些笔记,粘贴到一个提示词里,就足以让 Claude 找到那些跨会话持续存在的模式。
跨会话持续存在的模式才是重要的。一笔糟糕的交易是噪声。同样的错误在六个月内71%的亏损交易中重复出现,那就是系统故障。
日志结构
每笔交易在 03-Projects/trading-journal 文件夹中拥有一份独立的笔记。笔记包含七个字段,没有别的。
交易笔记模板
[TICKER] [LONG/SHORT] [DATE]
入场价:
仓位大小(占投资组合的百分比,不是金额):
入场时信心(1-10):
入场论点:[一段话。我相信什么以及为什么。这个交易要失败的话,什么必须出错。]
出场价:
出场日期:
为什么出场:[论点变了,还是我基于价格行动出场?如果论点变了,什么改变了它。]
交易后反思:[出场后48到72小时写。不是在交易情绪中写。什么是对的,什么是错的,我会怎么做不同。]
入场时相关的 vault 笔记:[任何在01-Sources或02-Ideas中当时涉及该资产或论点的笔记。按文件名列出。]
关于该资产最近发布的内容:[日期和标题,或者无]
仓位大小必须记录为占总投资组合的百分比,而不是金额。在同一个分析中比较一个500美元的山寨币头寸和一个2000美元的 NVDA 头寸是无意义的。信心-仓位的反向关系之所以能显现,唯一原因就是每个头寸都用相同的单位表示。全程使用百分比。
如果你同时交易加密货币和股票,在主模板字段之后添加这些特定于资产的字段。
对于加密货币头寸:
链或协议:
DEX 或 CEX:
流动性说明(出场规模是否受到可用流动性的限制?):
对于股票头寸:
板块:
入场距下一次财报的天数:
入场时预设止损(是/否,在什么水平):
一个模板覆盖两者,只要不相关的字段留空即可。分析提示词能够正确处理混合条目,因为它读的是内容,不是结构。
最后一个字段需要纪律才能诚实完成。它意味着在入场前回到 vault 并列出已有的内容。71% 的发现来自于将该字段所列的内容与交易结果进行比较。当我列出与入场论点相矛盾的 vault 笔记却仍然入场时,交易失败的概率显著高于 vault 笔记支持论点的交易。
日志实时记录了我自己的确认偏误。只是我没有一次性读取所有条目中的数据,直到 Claude 帮我完成。
每周分析提示词
每周日晚上,我会将当周的条目连同完整的日志历史一起交给 Claude。
每周日志分析
我将把完整的交易日志作为一组 Markdown 笔记给你。每个笔记涵盖一笔交易:入场论点、信心评分、仓位大小、出场理由、以及交易后反思。
在产生任何输出之前,请阅读每一条笔记。不要总结单个交易。寻找整个集合中的模式。
输出四个部分:
- 行为模式:哪些一致的行为出现在我的入场中,而我还没有明确命名?特别关注信心评分与仓位大小之间的关系、既定出场规则与实际出场行为之间的差距、以及入场时机与外部事件之间的任何模式。
- 论点准确性:在我清晰记录了入场论点的交易中,论点兑现的频率与失败频率相比如何?哪种类型的论点陈述更可靠或更不可靠?
- Vault 使用情况:在我列出入场 vault 笔记的交易中,存在矛盾的 vault 笔记是否与更差的结果相关?我在入场前是否检查 vault 有模式吗?
- 一个诚实的观察:该数据集中最令人不舒服的模式,很可能是我一直在回避命名的那个。
不要肯定。不要鼓励。发现数据实际显示的内容。
第四部分是最重要的。Claude 在读完所有其他内容后才会生成它,而这也是我首先阅读的部分。
多少次条目后分析才能产生真正有意义的内容。
十笔交易是每周提示词返回任何有意义内容的最低要求。低于这个数,Claude 识别的是单个交易特征而非模式。模式需要重复。
二十笔交易时,行为模式开始以足够的一致性浮现,可以据此采取行动。三十笔或更多时,那些令人不舒服的模式才会出现——那些存在足够久、已成为习惯的模式。
如果你从零开始,从第一笔交易起就运行提示词也没问题。早期输出会很单薄。这也有用。知道分析暂时还看不到什么,与完全不运行是不同的。等到你达到二十笔交易时,之前提示词的模式历史就给了 Claude 可以追踪的基准。
六个月分析发现了什么
我在六月底运行了完整分析,此时积累的数据已足够让模式具有统计意义。34笔交易,涵盖了 AI 和科技股、BTC、ETH 以及少量山寨币头寸。按重要性排序的四个发现。
发现1:反证模式。
71%的亏损交易在入场日期之前就有一条矛盾笔记存在于 vault 中。大多数情况下矛盾并不微妙。vault 笔记明确指出了最终实现的那些风险。在表现最差的11笔交易中,有9笔的 vault 里有一条来源笔记或论点笔记,本应作为大幅减仓或不入场的充分理由。
我已经做了告诉自己不要入场的研究。但我还是入场了。不是因为没读过那项研究。而是因为我在入场前没有立即读它。研究在 vault 里。交易的冲动在会话里。两者从未相遇。
发现2:内容发布效应。
在我于过去48小时内发布过看多该资产内容的情况下,这些交易的表现显著差于没有近期内容关联的交易。Claude 标记了八个实例,其间入场日期距离发表看多该头寸的内容不到两天。
模式:发表看多某资产的看法会引发正面反响。正面反响增加了表面上的信心。表面信心增加又驱动了加仓或新入场。而这次加仓或入场并非基于新研究,而是基于内容的社交反馈循环。
日志记录了这一点。我之前没注意到,因为每一笔单独的入场在当下都感觉合理。
发现3:信心-仓位反向关系。
我信心最高的入场(评分8-10)始终比信心较低的入场(评分5-7)仓位更小。这个模式在不同资产类别中都成立。
Claude 从交易后反思中识别出的机制是:高信心看涨机会往往更早期或流动性更差,仓位加重在心理上感觉风险更高。而低信心看涨机会往往出现在更大、流动性更好的资产上,仓位大小感觉安全,与信心无关。结果是,我按照与自己研究信心相反的方向来配置仓位。
发现4:出场行为与出场规则的背离。
我的既定规则是“论点改变时出场”。数据显示78%的出场是由价格行动触发的——要么止损被触发,要么目标被触及——而不是因为论点发生了变化。在大多数情况下,交易后反思是在出场后才写的,而且包含了本应在决策之前就做出的论点更新推理。
我在事后再将论点更改记录下来,并称之为“由论点驱动的交易”。
看到数据后发生了什么改变
两项行为改变立即发生了。
第一项:入场前强制检查 vault。不是扫一眼。而是刻意搜索 01-Sources 和 02-Ideas 中与该资产和论点相关的内容,然后才打开交易笔记。如果存在矛盾的笔记,就将其列入 vault 笔记字段,并在决定仓位大小之前通读一遍。反证模式之所以成为可能,只是因为 vault 检查是可选的。将其变为强制,就去掉了导致71%亏损交易的机制。
第二项:发布任何关于某头寸的看多内容后,强制等待72小时。这段时间足以让社交反馈循环在入场或加仓前消退。自实施以来已经截住了三个案例。
执行机制内嵌于模板中。最后一个字段“关于该资产最近发布的内容”迫使你在入场时意识到这一点。如果日期在72小时内,这个字段本身就是警示。填写它并看到近期日期,需要你有意决定继续而非无意识地执行。
同样的模式也被记录在 CLAUDE.md 的“硬规则”中:“如果我过去72小时内发布了看多某资产的内容,那么对该头寸的任何入场或加仓都需要第二次 vault 检查,并在交易笔记中写入一句理由,之后才能确定仓位大小。”这条规则位于每次 Claude 会话都会打开的文件夹中。它不会阻止交易,但要求明确承认,而不是顺手一带。
信心-仓位反向关系和出场行为发现都还在进行中。它们被放在我的研究方法笔记的“公开矛盾”部分。数据是清晰的。行为改变更难。
如何构建这个系统
第一步:创建日志文件夹
在 Obsidian 中创建
03-Projects/trading-journal
每笔交易在该文件夹内建立一个笔记
笔记命名格式:YYYY-MM-DD-TICKER-LONG或YYYY-MM-DD-TICKER-SHORT
第二步:每条条目都使用模板
将上面的模板复制到每个新的交易笔记中
vault 笔记字段是必填的,不是选填
交易后反思在出场后48到72小时完成,不要立即写
第三步:把笔记导入 Claude
根据你积累的条目数有两种方法。
少于20条:打开一个新的 Claude 对话,选择 03-Projects/trading-journal 文件夹中的所有笔记,复制全部内容,直接粘贴在每周分析提示词之上。一个月的详细交易笔记大约5000到10000个 token,一次粘贴就能轻松放入 Claude 的上下文窗口。
超过20条:在 claude.ai 上创建一个 Claude Project,将日志文件夹作为项目知识上传。Project 中的每次每周会话开始时,Claude 已经拥有完整的日志历史。你只需粘贴当周的新条目并运行提示词。Project 会自动积累历史。
无论哪种方式,每周运行一次提示词,不要每天运行。每天运行的话两次之间数据太少。每周一次的节奏能给你足够的新条目,来看上周的模式是否在改善、稳定还是恶化。
不要先阅读确认部分。先阅读第四部分。
第四步:建立月度模式笔记
每次每周分析后,在
02-Ideas/trading-patterns.md中创建一个笔记
记录该分析浮现出的任何新模式
这条笔记成为月度行为审查的输入
月度行为审查提示词:
阅读我的
trading-patterns.md笔记以及过去30天的所有日志条目。对于我所记录的每个行为模式:根据上个月的数据,它是在变好、保持不变、还是在变差?请具体说明。引用条目。
价值会随时间累积。六周的数据产生表面模式。六个月的数据产生那些令人不情愿命名的模式。
当分析标记了一个仍在持有的仓位时该怎么办
每周分析围绕已平仓的交易构建。但偶尔它会浮出一个模式,明显匹配某个仍在持仓的头寸。
最常见的是反证模式。Claude 识别出你71%的亏损交易在入场时都有矛盾的 vault 笔记。你目前有两个未平仓头寸。你在入场前都没有做过 vault 检查。
不要仅仅基于模式识别就立即出场。模式是一个统计倾向,不是对任何单笔头寸的确定性。
而是这样处理:
现在运行 vault 检查,而不是在入场时。搜索 01-Sources 和 02-Ideas 中任何涉及该资产和论点内容。如果找到矛盾的笔记,在开放的交易笔记中添加一条标记:“每周分析标记的模式匹配 [日期]。发现矛盾笔记:[文件名]。”
然后在24小时内安排一次刻意审查。重新阅读原始入场论点。完整重读一遍矛盾笔记。明确决定:这个矛盾是否使论点失效,还是这里有适用例外的理由?把答案写在交易笔记里。
如果矛盾使论点失效,那就是论点变化,而不是模式恐慌。基于论点变化出场,而不是基于模式标记。这个区别很重要,因为它使出场逻辑能保持清晰,供下个月分析使用。
如果矛盾没有使论点失效,请记录为什么没有,并保持仓位不变。模式匹配成为下一次每周分析中的一个数据点,而不是行动的理由。
Obsidian 中的交易日志不是一个交易管理系统。它不执行任何操作。它不替代何时入场或出场的判断决策。
它是一个行为审核追踪系统,基于你自己的数据、你自己的话语运行,并且浮出你说你的流程是什么与实际流程是什么之间的差距。那个差距里藏着大多数亏损。不是糟糕的市场判断。而是那些好的研究本应阻止却未能阻止的重复行为模式。
日志发现我其实有研究。只是没在正确的时刻去读。
这是一个可修复的问题。电子表格发现不了。但 Claude 和你自己六个月的笔记可以。
本文是个人经验,不构成财务建议。
相似文章
@DamiDefi: https://x.com/DamiDefi/status/2058137074595750242
作者使用Claude构建了一个精简的三代理版本,该版本源自BlackRock论文中描述的50代理AI投资组合系统。该系统生成了令人意外的体制分析和对抗性批评,从而导致了实际的投资组合调整。
@noisyb0y1: 有人构建了一个Obsidian系统,运行他们的整个生活,追踪24万美元年收入,并改变了一切……
一位用户使用Claude AI构建了一个Obsidian系统,能够自动管理个人工作流程、收入追踪和日常任务,无需手动更新。
@cyrilXBT: https://x.com/cyrilXBT/status/2064501160602390835
一份全面的指南,教你如何将Obsidian设置为“第二大脑”,利用链接、纯文本文件以及与Claude AI的集成实现智能检索。
@DamiDefi: https://x.com/DamiDefi/status/2069709515721715954
Obsidian 不仅仅是一个笔记应用,更是一个面向 AI 推理系统的上下文层,因为它以纯文本 Markdown 文件存储笔记,AI 可以直接无摩擦地读取。文章概述了将 Obsidian 转变为推理基础的三种构建方式,包括一个 CLAUDE.md 文件,用于向 AI 灌输个人思维模式。
@cyrilXBT: https://x.com/cyrilXBT/status/2064883165169140169
一份使用N8N工作流和Obsidian库构建企业知识管理系统的全面指南,利用Claude AI自动化每日捕获和整合商业情报。