Analyzing Iran Market Trends
When asked to analyze the Iranian market, follow this process:
- Clarify what data is available (user-provided data, or ask user to paste recent prices/dates). This skill does not have live internet access by default — if real-time data is needed, explicitly tell the user you need current figures or a data source.
- Structure analysis across: USD/Rial (دلار), Gold (طلا و سکه), Tehran Stock Exchange (بورس), and macro drivers (تورم، نقدینگی، سیاستهای بانک مرکزی، تحریمها).
- Produce a trend chart using Python (matplotlib) if numeric time-series data exists.
- Summarize with a cause-and-effect narrative (چرا این اتفاق افتاد) + short-term outlook (چگونه ممکنه ادامه پیدا کنه) — always framed as analysis, not financial advice.
Example starter prompt to send back to user if data is missing:
برای تحلیل دقیق، به دادههای زیر نیاز دارم (حتی تقریبی):
- قیمت دلار در چند تاریخ اخیر
- قیمت طلا/سکه در همان تاریخها
- هر رویداد خاص (تحریم، انتخابات، تصمیم بانک مرکزی) که میدونی
داده رو بفرست یا بگو از چه بازه زمانی شروع کنم.
Progress:
- Step 1: Gather/confirm data (dates + prices for USD, gold, coin, stock index)
- Step 2: Clean and structure data into a time series (list of dicts or CSV)
- Step 3: Compute trend metrics (% change, volatility, moving average)
- Step 4: Identify correlated events (سیاسی، اقتصادی، تحریمی) driving moves
- Step 5: Generate chart(s) with matplotlib
- Step 6: Write Persian-language summary: روند، دلیل، پیشبینی کوتاهمدت
- Step 7: Add disclaimer — این تحلیل توصیه سرمایهگذاری نیست
Step 3 detail — Trend metrics
- درصد تغییر:
(آخرین قیمت - قیمت اول) / قیمت اول * 100 - میانگین متحرک ساده (SMA) برای ۷ و ۳۰ روز اگر داده کافی باشه
- نوسان (volatility) با انحراف معیار بازده روزانه
Step 5 detail — Chart generation (default approach)
Pythonimport matplotlib.pyplot as plt dates = [...] # e.g. ['1403/01/01', '1403/01/15', ...] usd_prices = [...] gold_prices = [...] fig, ax1 = plt.subplots(figsize=(10, 5)) ax1.plot(dates, usd_prices, color='tab:blue', label='دلار (تومان)') ax1.set_ylabel('قیمت دلار', color='tab:blue') ax2 = ax1.twinx() ax2.plot(dates, gold_prices, color='tab:orange', label='طلا (تومان)') ax2.set_ylabel('قیمت طلا', color='tab:orange') plt.title('روند قیمت دلار و طلا در بازار ایران') fig.autofmt_xdate(rotation=45) plt.tight_layout() plt.savefig('iran_market_trend.png', dpi=150)
Adjust to candlestick/line/bar depending on data granularity (daily vs weekly vs monthly).
Example 1: Input: کاربر دادههای ۳۰ روز اخیر دلار (از ۶۰,۰۰۰ به ۶۵,۰۰۰ تومان) و طلا (از ۳,۲۰۰,۰۰۰ به ۳,۵۰۰,۰۰۰ تومان) رو میفرسته. Output: جدول خلاصه (رشد دلار ۸.۳٪، رشد طلا ۹.۴٪)، چارت دو محوره دلار/طلا، تحلیل اینکه طلا همبستگی بالا با دلار داشته و رشد اضافیاش میتونه ناشی از قیمت جهانی انس باشه، + هشدار که این تحلیل پیشبینی قطعی نیست.
Example 2: Input: کاربر فقط میگه "بازار امروز ایران رو تحلیل کن" بدون داده. Output: درخواست دادههای مشخص (تاریخ + قیمت دلار/طلا/بورس) یا اعلام اینکه دسترسی زنده به بازار نداره و باید کاربر آخرین ارقام رو فراهم کنه؛ پیشنهاد چارچوب تحلیل برای وقتی داده رسید.
- همیشه بین داده واقعی ارائهشده توسط کاربر و تخمین/فرض تمایز قائل شو.
- دلار، طلا، سکه، و بورس رو در کنار هم ببین — معمولاً همبستهاند اما نه همیشه با نسبت یکسان.
- رویدادهای کلان (تحریم، FATF، مذاکرات برجام، تورم رسمی بانک مرکزی) رو به عنوان "درایور" ذکر کن نه علت قطعی.
- نمودار رو همیشه با عنوان، واحد (تومان/ریال) و تاریخ مشخص کن تا گمراهکننده نباشه.
- در پایان هر تحلیل یک جمله شفاف بذار: «این تحلیل جنبه آموزشی دارد و توصیه مالی نیست.»
- فرض نکن به اینترنت زنده یا API قیمت لحظهای دسترسی داری — اگر کاربر قیمت لحظهای نخواسته صراحتاً بگو داده نیاز است.
- قیمتهای تخمینی رو به عنوان قیمت واقعی/امروز جا نزن.
- از پیشبینی قطعی ("دلار تا فلان تاریخ به فلان قیمت میرسد") خودداری کن؛ بهجاش سناریو (صعودی/نزولی/خنثی) ارائه بده.
- نمودار رو بدون برچسب محور یا واحد ارسال نکن.
- تحلیل سیاسی رو جانبدارانه نکن؛ فقط بهعنوان عامل اقتصادی مؤثر اشاره کن.