大多数交易者把日志当成盈亏流水账：赢了多少、亏了多少，认真一点的话再记个 R 倍数。这是在记分，不是在分析。它只告诉你*发生了什么*，却对*为什么*只字不提。专业的日志把这一切反过来。它的全部使命，就是构建一个高保真的反馈闭环，让你能用它把执行模型一笔一笔地打磨得越来越锋利。
直白地检验一下：如果你的日志没有逼着你去直面有关自己交易方式的那些难堪真相，那填写它就是在浪费时间。它应该是你交易优势的唯一真相来源。你最爱的那个形态，真的在周三会奏效吗，还是你只是自以为如此？你在做 OTE 入场时，是不是不知不觉就早进了 10 个点？一本像样的日志会用数据而不是凭感觉来回答这些问题。
超越盈亏：定义你交易优势的数据字段
一份高性能的 ICT 交易日志模板，远不止入场价和出场价那么简单。它要捕捉交易叙事的背景，以及你执行过程的精确细节。正是这种深度，让复盘变得有意义、让进步可以一轮一轮迭代——包括 K. Anders Ericsson 在内的学者们，把这个过程称为众所周知的"刻意练习"。
目标是分离变量。给每一笔交易都打上一套一致的数据点标签，你就能开始查询自己的真实表现，而不是靠猜。你不再只是一个执行形态的人，而成为自己整套系统的分析师。下面这些字段只是一个起点——根据你的模型增删取舍即可，但务必保留"深度背景"这一原则。
| 字段名称 | 说明与示例 |
|---|---|
| Setup_Model | 你正在交易的具体且有明确名称的 ICT 形态。这一项没有商量余地。例：2022 Mentorship FVG、Silver Bullet、Breaker + FVG 回测。 |
| HTF_Narrative | 驱动这个交易想法的高时间周期背景。为什么你要在此时此地寻找这个形态？例：日线 FVG 再平衡、周线 Order Block 修正、扫过上个月的高点。 |
| Draw_on_Liquidity (DOL) | 你预期价格会触及的那一处具体流动性池或失衡区。它定义了你逻辑上的目标。例：亚洲盘低点、1.08500 处的 4H 看跌 FVG。 |
| Session | 形态形成并被执行所在的 Kill Zone。例：伦敦开盘、纽约早盘、伦敦/纽约重叠时段。 |
| Entry_Confluence | 列出确认你入场的那 2-3 个具体价格行为要素。例：1 分钟 MSS、位移、FVG 入场。 |
| OTE_Deviation | 如果使用 Optimal Trade Entry，测量你的入场点与 70.5% 回撤位之间相差多少点或多少个点位。例：+2.5 点（在 OTE 下方入场）、-1.0 点（抢跑 OTE）。 |
| R_Achieved | 你实际平仓时所获得的风险回报倍数。例：2.1R。 |
| R_Potential | 如果你持有到预先设定的 DOL，本可以获得的 R 倍数。例：4.5R。 |
| Execution_Error | 对所犯任何错误的客观归类。要诚实。例：无、过早入场、仓位错误、过早把止损移到保本。 |
| Screenshot_Link | 指向你图表标注（入场前与入场后）的链接，存放在私密图床或云盘上。例：Imgur/Dropbox 的链接。 |
从数据采集到绩效分析
填写模板本身并不是重点。价值在于复盘。每周与每月的复盘流程，才是把原始数据转化为可付诸行动之物的地方。这项工作，正是弥合"懂得 ICT 概念"与"真正以盈利的方式执行它们"之间鸿沟的关键。
复盘时，你盯着的不是盈亏那一列。你是在针对自己的数据库跑查询：
- 筛选出所有 Setup_Model = "Silver Bullet" 的交易。你的平均 R_Achieved 是多少？纽约早盘相对于纽约午盘的胜率又如何？
- 筛选出所有 Execution_Error = "过早入场" 的交易。结果如何？你通常要承受多大的回撤？背后共同的心理触发因素是什么？
- 在所有盈利交易中，把 R_Achieved 与 R_Potential 做对比。你是不是一直把钱留在了桌上？数据会精确地告诉你究竟留下了多少。
这个过程残酷而令人谦卑。有好几个月，我自己的日志一直显示出同一个难看的模式：我老想着在伦敦开盘去逆势做空 Judas Swing，结果账户为此付出了代价。那些入场点常常正好落在早盘高点附近——并且在真正的行情启动之前，被最后那一次止损猎杀系统性地扫掉。我就是那部分流动性。十几笔亏损交易全都被打上了"伦敦开盘"和"在扫盘之前入场"的标签，扎堆出现在同一个地方，正是这逼着我做出了改变。我开始等待扫盘之后那个确认了的市场结构转变，而不再试图去猜顶。我的伦敦盘资金曲线几乎立刻就转向了。
这就是一本真正的日志的力量。它无关指责，关乎诊断。正如 CFA Institute 所言，日志首先且最重要的是一个决策工具，而它的好坏，完全取决于你喂给它的数据。
把你的写日志流程系统化
良好写日志习惯的最大威胁，是摩擦。先寻找形态、再标注图表，然后在一场精疲力竭的盘后把所有内容誊写一遍——这正是习惯消亡的方式。交易者放弃，不是因为写日志没有价值，而是因为它的手动版本实在太累人了。
这正是技术应该为你服务、而不是反过来奴役你的地方。把客观的部分自动化，把你有限的精力花在主观的部分上：你的执行，以及你当下的心理状态。那些能针对你特定模型扫描市场的工具，在这里就物有所值了。
假设你正在 4H 上寻找一次对主要订单块的回测。你不必手动翻遍 50 个货币对去找它。当 LiquidityScan 扫描器在 EUR/USD 逼近你关注的价位时标记出一个 CISD（Change in State of Delivery，交付状态变化），你的日志条目已经写好了一半。货币对、时间周期，以及一个候选的 Setup_Model，都已经送到你面前。你甚至可以在我们的系统里直接给这条提醒打标签。
这种转变，把写日志从一桩苦差事变成了一项专注的分析任务。你不再花 20 分钟去寻找并记录背景，而是花 5 分钟去评估自己的入场精度、以及自己是否真的坚守了计划。可持续胜过逞英雄——而可持续，是你积累足够多交易、从而证明自己拥有统计学优势的唯一途径。如果你还在琢磨该专攻 ICT 的哪一个角落，那么这些数据，恰恰就是你找到自身优势的方式。
你的日志，就是你私人的量化基金。它是那个蕴藏着你自己整套系统 alpha 的数据集。用它应得的严肃态度去对待它，它就会用一样东西回报你——那是每一家自营机构、每一张专业交易台都视为高于一切的东西：稳定一致。
