WeatherBot अब अपनी गलतियों से सीखता है — स्व-सुधार करने वाला इंटेलिजेंस इंजन
अधिकांश ट्रेडिंग बॉट स्थिर हैं। वे आज वही लॉजिक चलाते हैं जो उन्होंने पहले दिन चलाया था। यदि वे एक खराब ट्रेड करते हैं, तो वे खुशी-खुशी कल ठीक वही खराब ट्रेड फिर से करेंगे। हमने तय किया कि यह काफी अच्छा नहीं था।
आज से WeatherBot के पास है एक स्व-सुधार इंजन — पांच परस्पर जुड़े मॉड्यूल्स की एक प्रणाली जो बॉट द्वारा किए गए हर एक ट्रेड को लगातार ट्रैक, विश्लेषण और सीखती है। बॉट सचमुच समय के साथ अधिक स्मार्ट हो जाता है, केवल सैद्धांतिक मॉडल्स नहीं, बल्कि वास्तविक परिणामों के आधार पर अपनी रणनीति को अनुकूलित करता है।
यहाँ बताया गया है कि प्रत्येक मॉड्यूल बिल्कुल कैसे काम करता है:
1. ट्रेड परिणाम ट्रैकर और जीत-दर कैलकुलेटर
हर एग्ज़िट होने वाला ट्रेड — चाहे स्टॉप-लॉस, लाभ लक्ष्य, या मार्केट रिज़ॉल्यूशन के माध्यम से — अपने पूर्ण संदर्भ के साथ स्थायी रूप से रिकॉर्ड किया जाता है: मार्केट प्रश्न, एंट्री प्राइस, एग्ज़िट प्राइस, कौन सा शहर, कौन सी तारीख, कौन सा ट्रेडिंग मोड सक्रिय था, पूर्वानुमान मॉडलों ने क्या भविष्यवाणी की, और अंतिम P&L।
इस डेटा से इंजन रीयल-टाइम जीत दर की गणना करता है, इन कारकों के अनुसार विभाजित: शहर, ट्रेडिंग मोड, एंट्री प्राइस रेंज, और time period। बस कुछ दिनों के ट्रेडिंग के बाद, पैटर्न उभरते हैं। शायद बॉट लंदन के 85% ट्रेड जीतता है लेकिन सियोल के केवल 45%। शायद यह 15¢ से नीचे की एंट्री पर शानदार प्रदर्शन करता है लेकिन 40¢ से ऊपर खराब। ये अनुमान नहीं हैं — ये वास्तविक ट्रेडों के ठोस आंकड़े हैं, और सीधे Claude के अगले निर्णय में जाते हैं।
2. रिज़ॉल्यूशन-पश्चात फ़ीडबैक लूप — मॉडल सटीकता ट्रैकिंग
यह शुद्ध मौसम विज्ञान है। प्रत्येक बाजार के हल होने के बाद, इंजन रिकॉर्ड करता है कि प्रत्येक मौसम मॉडल ने क्या भविष्यवाणी की थी बनाम वास्तव में क्या हुआ। समय के साथ, यह एक प्रति-शहर मॉडल सटीकता डेटाबेस.
परिणाम? 30 दिनों के डेटा के बाद, बॉट को पता हो सकता है कि "ECMWF मार्च में सियोल के लिए लगातार 0.8°C बहुत गर्म चलता है" या "GFS गर्मियों में मियामी के लिए 1.2°C बहुत ठंडा है।" ये प्रणालीगत पूर्वाग्रह स्वचालित रूप से सहमति गणना में शामिल हो जाते हैं। किसी अन्य वेदर ट्रेडिंग बॉट के पास यह नहीं है — अधिकांश सभी मॉडलों को समान रूप से मानते हैं चाहे विशिष्ट शहर और मौसम के लिए उनका ट्रैक रिकॉर्ड कुछ भी हो।
3. Claude अपने ट्रेड्स का मूल्यांकन करता है — AI पोस्ट-मॉर्टम विश्लेषण
यह सबसे शक्तिशाली मॉड्यूल है। हर 30 मिनट में, बॉट अपने हाल के हारने वाले ट्रेडों की समीक्षा करता है और प्रत्येक को एक सरल प्रश्न के साथ Claude को वापस भेजता है: "क्या ग़लत हुआ?"
Claude पीछे मुड़कर ट्रेड की जाँच करता है — उपलब्ध पूर्वानुमान डेटा, जिस कीमत पर एंट्री हुई, वास्तविक परिणाम — और एक संक्षिप्त पोस्ट-मॉर्टम लिखता है: गलती क्या थी और भविष्य में इससे बचने के लिए एक कार्रवाई योग्य नियम। ये सबक एक "प्लेबुक" में संचित होते हैं जो हर भविष्य के AI प्रॉम्प्ट में डाला जाता है।
100 ट्रेडों के बाद, Claude ने वास्तविक अनुभव के आधार पर अनिवार्य रूप से अपनी खुद की ट्रेडिंग मैनुअल लिख ली है। परीक्षण में देखे गए सबक के उदाहरण:
- "एशियाई शहरों पर 30¢ से ऊपर BUY_YES से बचें — उस मूल्य पर बाज़ार आमतौर पर पहले से ही कुशल होता है"
- "जब GFS और ECMWF में 2°C से अधिक का अंतर हो, तो हमेशा SKIP करें — अनिश्चितता बहुत अधिक है"
- "मार्च में सियोल का तापमान मॉडल आम सहमति से लगातार कम रहता है — -1°C का सुधार लागू करें"
4. AI विश्वास अंशांकन
जब Claude कहता है कि किसी ट्रेड का "VERY_HIGH" कॉन्फिडेंस है, तो वह वास्तव में कितनी बार जीतता है? यह मॉड्यूल उत्तर को सटीक रूप से ट्रैक करता है। प्रत्येक ट्रेड का कॉन्फिडेंस स्तर उसके परिणाम के साथ दर्ज होता है, एक कैलिब्रेशन तालिका बनाता है:
HIGH: 58.1% वास्तविक जीत दर (36/62 ट्रेड)
MEDIUM: 41.2% वास्तविक जीत दर (14/34 ट्रेड)
LOW: 25.0% वास्तविक जीत दर (3/12 ट्रेड)
यह डेटा सीधे Claude के प्रॉम्प्ट में डाला जाता है। यदि Claude देखता है कि उसके VERY_HIGH निर्णय केवल 60% समय जीतते हैं, तो वह स्वाभाविक रूप से अधिक चयनात्मक हो जाता है — VERY_HIGH को वास्तव में निश्चित परिणामों के लिए सुरक्षित रखता है। AI का विश्वास मनमाना के बजाय वास्तव में सार्थक हो जाता है, जो सीधे ट्रेड साइज़िंग में सुधार करता है (क्योंकि बड़े दांव उच्च विश्वास स्तरों पर रखे जाते हैं)।
5. रोलिंग प्रदर्शन संदर्भ — पैटर्न पहचान
अब हर AI विश्लेषण को 7-दिन का रोलिंग प्रदर्शन सारांश मिलता है, जो दिखाता है:
- कुल जीत/हार रिकॉर्ड और शुद्ध P&L
- सर्वश्रेष्ठ प्रदर्शन वाले शहर (जहाँ बॉट लगातार जीत रहा है)
- सबसे खराब प्रदर्शन वाले शहर (जहाँ सावधानी से ट्रेड करना चाहिए या टालना चाहिए)
- एंट्री प्राइस रेंज के अनुसार जीत दर (<15¢, 15-40¢, >40¢)
Claude इस संदर्भ के आधार पर अपने व्यवहार को स्वाभाविक रूप से समायोजित करता है। यदि लंदन के ट्रेड 9 जीत की लय में हैं, तो यह लंदन के अवसरों की ओर अधिक आक्रामक रूप से झुकता है। यदि सियोल लगातार हारने वाला रहा है, तो यह सियोल ट्रेडों की सिफारिश से पहले मानक ऊँचा रखता है। बॉट की रणनीति वास्तव में जो काम कर रहा है उसके आधार पर दैनिक विकसित होती है।
कंपाउंड प्रभाव
ये पाँच मॉड्यूल अलगाव में काम नहीं करते — वे संयोजित होते हैं। ट्रेड परिणाम कैलिब्रेशन डेटा में जाते हैं। कैलिब्रेशन डेटा विश्वास स्तरों को समायोजित करता है। समायोजित विश्वास स्तर पोज़िशन साइज़िंग बदलते हैं। पोस्ट-मॉर्टम सबक उत्पन्न करते हैं। सबक बार-बार होने वाली गलतियों को रोकते हैं। मॉडल पूर्वाग्रह ट्रैकिंग पूर्वानुमानों को सुधारती है। बेहतर पूर्वानुमान जीत दर बढ़ाते हैं। बेहतर जीत दर अधिक लाभ में संयोजित होती है। जो बॉट 30 दिनों तक चलता है, वह 3 दिनों तक चलने वाले बॉट से मूल रूप से ज़्यादा समझदार है। यह WeatherBot का सबसे महत्वपूर्ण फ़ीचर है — और यह अब लाइव है।