Rook AI Trading Engine, වෙළඳපලේ ගනුදෙනු කළමනාකරණය සඳහා නවතම AI‑වලින් යුක්තව, "FVG anchoring" කියන තාක්ෂණයක් භාවිතා කරයි. මේකෙන්, මිල ඔබේ පාර්ශවයට ගමන් කරන විට, එම මිලට අසළ ඇති Fair Value Gap (FVG) සොයා, ස්ට්ොප්‑ලොස් එක ඒ ගැළවීමේ පිටුපස තැබීමට උත්සාහ කරයි.
දිගු (long) ගනුදෙනු සඳහා මේ ක්රමය ඉතා හොඳින් වැඩ කරුණා. නමුත් කෙටි (short) ගනුදෙනු වලදී එය සම්පූර්ණයෙන්ම වැරදි ආකාරයෙන් ක්රියාත්මක වුණා – ස්ට්ොප්‑ලොස් එක ඇතුළත් මිලට පහළට තැබුණා. කෙටි ගනුදෙනුවක් අලාභයකින් පසු පවා ස්ට්ොප්‑ලොස් එක ක්රියාත්මක නොවීමේ අර්ථයක් ඇත.
බග් 1 – FVG වර්ගය වැරදි ලෙස තෝරා ගැනීම. ෂෝට් ගනුදෙනු සඳහා, මිලට ඉහළින් ඇති bearish FVG (ප්රතිරෝධක කලාප) යොදා ගත යුතුය, එය මිල නැවත එම කලාපයට ආපසු එන විට තත්ත්වය අසාර්ථක වේ යැයි පෙන්වයි. කේතය, එයට පළමුව bullish FVG (ආධාර කලාප) යටතේ සොයා ගනිමින්, වැරදි ස්ට්ොප්‑ලොස් තැනුවා.
බග් 2 – සත්යාපන රක්ෂකය (validation guard) උලහිමිය. ෂෝට් ගනුදෙනුවකට, ස්ට්ොප්‑ලොස් එක ඇතුළත් මිලට ඉහළින් තිබිය යුතුය. නමුත් කේතයේ if (anchoredSL > state.entry_price) return null; කියන කොන්දේසිය, ඉහළ ස්ට්ොප්‑ලොස් එක අසාර්ථක ලෙස ප්රතික්ෂේප කරමින්, අනිත් අයිතමය අනුමත කර තිබුණා. ඒක if (anchoredSL <= state.entry_price) return null; ලෙස සකස් කළ පසු නිවැරදි වුණා.
බග් 3 – FVG ඇන්කර් පළමු කෑන්ඩල් එකේම ක්රියාත්මක වීම. පළමු පියවර (Phase 1) හෝ බ්රේක්‑ඊවන් (breakeven) සක්රිය නොවූ විටම, Phase 2 කුලකයේ FVG ඇන්කර් ක්රියාත්මක වීමෙන්, ස්ට්ොප්‑ලොස් එක ඉක්මනින් පහලට වැටී ගියවා. එය if (state.phase === 1 && state.be_activated) ලෙස සලස්වීමෙන් සලකා බැලීමට හැකි වුණා.
ශ්රී ලංකාවට ඇති වැදගත්කම
මෙම වැරදි හෙළිවීම, ලංකාවේ ගෙවල් පරිසරයේ AI‑වලින් ගනුදෙනු කළමනාකරණය කරන සංවර්ධකයින්ට ඉතා වැදගත් පණිවිඩයක් වේ. ප්රථමයෙන්, කේතයේ සරල සසඳුම් (comparison) දෝෂයක් මත පූර්ණ පද්ධතිය අසාර්ථක විය හැකියැයි පෙන්වයි. දෙවනුව, පරික්ෂණ (back‑testing) සමයේ දිගු ගනුදෙනු පමණක් පරීක්ෂා කිරීමෙන්, කෙටි ගනුදෙනු වල වැරදි හඳුනාගත නොහැකි වීමේ අවදානම ඉස්මතු කරයි.
- සිසුන් – AI‑Trading වැනි නවතම තාක්ෂණයන් ගැන ඉගෙන ගත හැකි පළපුරුදු උදාහරණයක්.
- සංවර්ධකයින් – කේතයේ guard clause, data filtering වැනි මූලික පදනම් මත අවධානය යොමු කර ගැනීමට අවශ්යතාවය.
- ව්යාපාරිකයින් – රිස්ක් කළමනාකරණය සහ ස්ට්ොප්‑ලොස් සැලසුම් නිවැරදිව සකස් කිරීමේ වැදගත්කම පිළිබඳ අවධානය.
අවසන් වශයෙන්, Rook Engine කණ්ඩායම මේ තුන් වැරදි නිවැරදි කර, කෙටි ගනුදෙනු සඳහා ස්ට්ොප්‑ලොස් තත්වය නිවැරදි කර ඇත. මෙය තාක්ෂණික පද්ධති නිර්මාණයේ පරීක්ෂණ, නිරීක්ෂණ, නිතර යාවත්කාලීන කිරීමේ වැදගත්කම පෙන්වයි. ලංකාවේ තාක්ෂණික පරිසරය මේ ආකාරයේ උදාහරණයෙන් ඉගෙන ගනිමින්, තවත් දෝෂ රහිත, විශ්වාසනීය AI‑Trading විසඳුම් නිර්මාණයට පියවර තබා ගත හැකිය.
ඉදිරියේදී, AI‑සහිත ගනුදෙනු පද්ධති භාවිතා කරන ආයතන සියලුම පාරිභෝගිකයන්ට නිරාවරණය, ආරක්ෂාව සහ පාරදර්ශීතාවය තහවුරු කර ගැනීම අත්යවශ්ය වේ.
