پاکسازی فایل معاملات با هوش مصنوعی؛ این ردیف تکراری نیست، اجرای جزئی است!

وقتی دو خروجی معاملات را به هوش مصنوعی میدهید، «ردیف تکراری» همیشه یک معامله اضافی نیست. ممکن است یک سفارش در چند مرحله اجرا شده باشد و حذف ردیفها براساس شماره سفارش، بخشی از معامله واقعی را پاک کند. پیش از تحلیل، از AI بخواهید ساختار فایلها، شناسه هر اجرا و زمان ثبت را ممیزی کند؛ نه اینکه مستقیم سود، زیان یا عملکرد شما را حساب کند.
دادههای زیر کاملاً فرضیاند. خروجی موردانتظار با کنترل مستقل تعیین شده و ادعای آزمون یک مدل نیست. هیچ اتصال حساب، ساخت کلید یا اجرای معاملهای لازم نداریم.
فهرست مطالب
یک سفارش میتواند چند اجرای واقعی داشته باشد
شماره سفارش، دستور خرید یا فروش را مشخص میکند؛ شناسه اجرا به رویداد اجرای آن مربوط است. در مستند رسمی Coinbase، fill تطبیق جزئی یا کامل یک سفارش تعریف شده و نمونه پاسخ، شناسه سفارش و معامله را جدا دارد.
نام ستونها بین خروجیها یکسان نیست. ستون شناسه اجرا ممکن است fill_id یا trade_id باشد؛ اما شباهت نام کافی نیست. باید توضیح رسمی همان خروجی تأیید کند که چه چیزی را شناسایی میکند و در چه دامنهای یکتاست. در داده چند حساب یا چند بازار، یک شناسه تنها الزاماً کافی نیست.

دو فایل آموزشی با یک اجرای مشترک
فرض مثال: هر دو فایل از یک پلتفرم فرضی، یک حساب با نام مستعار A و بازار BTC-USDT هستند. همه ردیفها خرید نقدیاند و مقدار به BTC نوشته شده است. طبق قرارداد همین نمونه، execution_ref همان fill_id و order_ref همان order_id است. این نگاشت را به فایل واقعی تعمیم ندهید.
فایل اول، export_a.csv:
order_id,fill_id,time,qty_btc
O1,F1,2026-11-18T20:45:00Z,0.04
O1,F2,2026-11-18T20:46:00Z,0.06
فایل دوم، export_b.csv:
order_ref,execution_ref,executed_at,amount_btc
O1,F2,2026-11-19T00:16:00+03:30,0.06
O2,F3,2026-11-18T20:47:00Z,0.02
O3,F4,2026-11-19T00:18:00,0.03
O1 دو اجرای واقعی F1 و F2 دارد؛ مجموع مقدار آن ۰٫۱۰ BTC است. اگر همه ردیفهای دارای O1 را یکی فرض کنید، بخشی از مقدار واقعی حذف میشود. در مقابل، F2 در دو فایل آمده و زمانهای ظاهراً متفاوت آن، پس از تبدیل صحیح، یک لحظه را نشان میدهند.
از AI ابتدا نقشه ستونها و گزارش ابهام بخواهید
ارزش AI اینجا تطبیق نامها، توضیح تفاوت ساختارها و تولید کد قابلبازبینی برای چند فایل است. ابتدا بخواهید جدول «ستون اصلی، ستون مقصد، مدرک نگاشت» بسازد. برای هر ردیف نیز نام فایل و شماره ردیف را نگه دارد تا بتوانید به منبع برگردید. شناسهها را رشته بخواند تا صفر ابتدایی احتمالی از بین نرود.
راهنمای رسمی ChatGPT تحلیل CSV و محاسبات مبتنی بر کد را توضیح میدهد، اما بر بازبینی روش و فرضها تأکید دارد. فایل اصلی را دستنخورده نگه دارید و فقط کپی حداقلی و پاکسازیشده را بررسی کنید. شناسه واقعی حساب، رمز، کلید API و اطلاعات هویتی را بارگذاری نکنید؛ نام حساب را با نام مستعار جایگزین کنید.
تبدیل زمان با حدسزدن منطقه زمانی فرق دارد
زمان F2 در فایل دوم، ۰۰:۱۶ با اختلاف مثبت ۳ ساعت و نیم است؛ با کمکردن این اختلاف، به ۲۰:۴۶ روز قبل در UTC میرسیم. بنابراین اختلاف تاریخ تقویمی، دلیل متفاوتبودن اجرا نیست.
اما زمان F4 هیچ منطقه زمانی ندارد. مستند pandas.to_datetime میگوید گزینه utc=True زمان دارای منطقه را تبدیل میکند، ولی زمان بدون منطقه را UTC فرض میکند. پس اجرای بیفکر این گزینه ممکن است داده را بیخطا ولی با معنای غلط تبدیل کند. F4 را تا روشنشدن تنظیم خروجی، جداگانه «نیازمند تعیین منطقه زمانی» نگه دارید.
کلید تکرار را انتخاب کنید؛ کورکورانه حذف نکنید
در این نمونه، کلید شامل پلتفرم، حساب، بازار و شناسه اجراست. برای کلید تکراری، زمان استانداردشده، شماره سفارش و مقدار نیز باید سازگار باشند. اگر یک شناسه با مقدار متفاوت ظاهر شد، آن را تعارض بدانید؛ خودکار یکی را انتخاب نکنید.
تابع duplicated در pandas با subset ستونهای مبنا را میگیرد و keep=False همه اعضای گروه تکراری را علامت میزند. این تابع درباره واقعیت اقتصادی معامله قضاوت نمیکند. نام فایل را در کلید تکرار نگذارید، چون دو نسخه مشترک عمداً از فایلهای متفاوت آمدهاند؛ نام فایل برای ردگیری منبع است.

پرامپت آماده و کنترل خروجی
این دو CSV آموزشی را بدون تغییر اصل فایل ممیزی کن. ابتدا نگاشت ستونها و فرضهای تأییدشده را نشان بده. order_id را کلید حذف ندان. شناسهها را رشته و مقدارها را دقیق بخوان. زمان فاقد منطقه را حدس نزن. اجرای مشترک سازگار، اجرای مستقل و ردیف مبهم را جدا کن. کد، دلیل تصمیم هر ردیف و نام فایل/شماره ردیف را بده. تعارض را برای بررسی نگه دار. خروجی سود یا سیگنال معاملاتی تولید نکن.
نتیجه موردانتظار: پنج ردیف ورودی، سه اجرای پذیرفتهشده F1 تا F3، یک نسخه اضافی F2 و یک ردیف معلق F4؛ یعنی ۵ = ۳ + ۱ + ۱. مقدار خام ۰٫۲۱، مقدار پذیرفتهشده ۰٫۱۲، نسخه اضافی ۰٫۰۶ و مقدار معلق ۰٫۰۳ BTC است. ردیف معلق حذف نشده و وارد مجموعه آماده تحلیل هم نشده است. فقط پس از حل آن ابهام میتوان درباره کاملبودن مجموعه نهایی تصمیم گرفت.
پس از تطبیق فایلها، میتوانید سراغ تحلیل سود خالص و ریسک ژورنال معاملات بروید. مرز این دو کار مهم است: مجموعه مرتب و بدون نسخه اضافی، هنوز به معنی محاسبه بازده یا اثبات سودآوری نیست. نشان OpenAI در تصاویر متعلق به OpenAI است و استفاده آموزشی از آن به معنی تأیید یا همکاری رسمی نیست.









