Freqtrade 中文文档

简体中文

English

简体中文

English

Appearance

Freqtrade 策略入门：策略开发快速指南 (Freqtrade Strategies 101) ​

为了进行快速入门，我们假设您已经熟悉交易的基础知识，并且已经阅读了 Freqtrade 基础 页面。

必备知识 (Required Knowledge) ​

Freqtrade 中的策略是一个 Python 类，它定义了买卖加密货币 资产 (assets) 的逻辑。

资产被定义为 交易对 (pairs)，代表 币种 (coin) 和 本位币 (stake)。币种是您使用另一种货币（本位币）进行交易的资产。

交易所提供的数据形式为 K 线 (candles)，由六个值组成：date (日期)、open (开盘价)、high (最高价)、low (最低价)、close (收盘价) 和 volume (成交量)。

技术分析 (Technical analysis) 函数使用各种计算和统计公式分析 K 线数据，并产生称为 指标 (indicators) 的次生值。

在资产交易对的 K 线上分析指标以生成 信号 (signals)。

信号转化为加密货币 交易所 (exchange) 上的 订单 (orders)，即 交易 (trades)。

我们使用 进场 (entry) 和 离场 (exit) 而不是 买入 (buying) 和 卖出 (selling)，因为 Freqtrade 同时支持 做多 (long) 和 做空 (short) 交易。

  • 做多 (long)：您以本位币买入某币种。例如，使用 USDT 作为本位币买入 BTC。您通过以高于买入价的价格卖出该币种来获利。在做多交易中，利润来自于币种价值相对于本位币的上涨。
  • 做空 (short)：您以币种的形式从交易所借入资金，稍后按照币种的本位币价值偿还。在做空交易中，利润来自于币种价值相对于本位币的下跌（您以更低的价格偿还贷款）。

虽然 Freqtrade 支持某些交易所的现货和期货市场，但为了简单起见，我们将仅专注于现货（做多）交易。

基础策略的结构 (Structure of a Basic Strategy) ​

主数据框 (Main dataframe) ​

Freqtrade 策略使用一种具有行和列的表格数据结构，称为 数据框 (dataframe)，来生成进场和离场交易的信号。

您配置的交易对列表中的每个交易对都有自己的数据框。数据框由 date 列建立索引，例如 2024-06-31 12:00。

接下来的 5 列代表 open、high、low、close 和 volume (OHLCV) 数据。

填充指标值 (Populate indicator values) ​

populate_indicators 函数向数据框添加代表技术分析指标值的列。

常见指标的例子包括相对强弱指数 (RSI)、布林带 (Bollinger Bands)、资金流量指数 (MFI)、移动平均线 (MA) 和平均真实范围 (ATR)。

通过调用技术分析函数（例如 ta-lib 的 RSI 函数 ta.RSI()）并将其分配给列名（例如 rsi），将列添加到数据框中。

python
dataframe['rsi'] = ta.RSI(dataframe)

技术分析库

不同的库以不同的方式生成指标值。请查看每个库的文档以了解如何将其集成到您的策略中。您还可以查看 Freqtrade 示例策略 以获取灵感。

填充进场信号 (Populate entry signals) ​

populate_entry_trend 函数定义了进场信号的条件。

数据框列 enter_long 被添加到数据框中，当该列中的值为 1 时，Freqtrade 会识别为一个进场信号。

做空

要进入做空交易，请使用 enter_short 列。

填充离场信号 (Populate exit signals) ​

populate_exit_trend 函数定义了离场信号的条件。

数据框列 exit_long 被添加到数据框中，当该列中的值为 1 时，Freqtrade 会识别为一个离场信号。

做空

要退出做空交易，请使用 exit_short 列。

一个简单的策略 (A simple strategy) ​

这是一个最简单的 Freqtrade 策略示例：

python
from freqtrade.strategy import IStrategy
from pandas import DataFrame
import talib.abstract as ta

class MyStrategy(IStrategy):

    timeframe = '15m'

    # 设置初始止损比例为 -10%
    stoploss = -0.10

    # 当利润大于 1% 时，随时退出盈利头寸
    minimal_roi = {"0": 0.01}

    def populate_indicators(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
        # 生成技术分析指标值
        dataframe['rsi'] = ta.RSI(dataframe, timeperiod=14)

        return dataframe

    def populate_entry_trend(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
        # 根据指标值生成进场信号
        dataframe.loc[
            (dataframe['rsi'] < 30),
            'enter_long'] = 1

        return dataframe

    def populate_exit_trend(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
        # 根据指标值生成离场信号
        dataframe.loc[
            (dataframe['rsi'] > 70),
            'exit_long'] = 1

        return dataframe

进行交易 (Making trades) ​

当发现信号（进场或离场列中有 1）时，Freqtrade 将尝试下一个订单，即 交易 (trade) 或 头寸 (position)。

每个新的交易头寸占用一个 槽位 (slot)。槽位代表可以同时开启的最大并发新交易数。

槽位的数量由 max_open_trades 配置 选项定义。

然而，在某些情况下，生成信号并不总是会创建交易订单。这些情况包括：

  • 没有足够的剩余本位币来购买资产，或者您的钱包中没有足够的资金来出售资产（包括任何费用）。
  • 没有足够的剩余空闲槽位来开启新交易（您拥有的头寸数量等于 max_open_trades 选项）。
  • 某个交易对已经有一个开启的交易（Freqtrade 不能堆叠头寸 - 但它可以 调整现有头寸）。
  • 如果在同一根 K 线上同时出现进场和离场信号，则被视为 冲突信号 (colliding)，将不会发出订单。
  • 策略由于您使用相关的 进场确认 或 离场确认 回调指定的逻辑而主动拒绝交易订单。

阅读 策略自定义 文档以获取更多详情。

回测与前瞻测试 (Backtesting and forward testing) ​

策略开发可能是一个漫长而令人沮丧的过程，因为将我们人类的“直觉”转化为一个运转良好的计算机控制（“算法”）策略并非总是那么直接。

因此，应该测试策略以验证它是否能按预期工作。

Freqtrade 有两种测试模式：

  • 回测 (backtesting)：使用您 从交易所下载 的历史数据，回测是评估策略表现的快捷方式。然而，结果很容易失真，使策略看起来比实际更有盈利性。查看 回测文档 获取更多信息。
  • 模拟运行 (dry run)：通常被称为 前瞻测试 (forward testing)，模拟运行使用来自交易所的实时数据。Freqtrade 会像往常一样跟踪任何会产生交易的信号，但不会在交易所本身开启任何交易。前瞻测试是实时运行的，虽然需要更长的时间才能获得结果，但它是衡量 潜在 表现的比回测更可靠的指标。

通过在您的 配置 中将 dry_run 设置为 true 来启用模拟运行。

回测结果可能非常不准确

回测结果可能与现实不符，原因有很多。请查看 回测假设 和 常见的策略开发错误 文档。 一些列出和排名 Freqtrade 策略的网站展示了令人印象深刻的回测结果。不要假设这些结果是可实现的或现实的。

有用命令

Freqtrade 包含两个有用的命令来检查策略中的基本缺陷：前瞻分析 (lookahead-analysis) 和 递归分析 (recursive-analysis)。

评估回测和模拟运行结果 ​

在对策略进行回测后，务必进行模拟运行，看看回测和模拟运行的结果是否足够相似。

如果存在任何重大差异，请验证您的进场和离场信号是否一致，并且在两种模式下出现在相同的 K 线上。但是，模拟运行和回测之间总是存在差异：

  • 回测假设所有订单成交。在模拟运行中，如果使用限价单或交易所没有成交量，情况可能并非如此。
  • 跟随 K 线收盘时的进场信号，回测假设交易以下一根 K 线开盘价进场（除非您的策略中有自定义定价回调）。在模拟运行中，信号和交易开启之间通常会有延迟。这是因为当您的主时间框架内出现新 K 线（例如每 5 分钟）时，Freqtrade 分析所有交易对数据框需要时间。因此，Freqtrade 将在 K 线开盘后几秒钟（理想情况下延迟越短越好）尝试开启交易。
  • 由于模拟运行中的进场价格可能与回测不匹配，这意味着利润计算也会有所不同。因此，ROI、止损、追踪止损和回调离场不完全相同是正常的。
  • 在新 K 线进入、信号发出和交易开启之间的计算“延迟”越多，价格的不可预测性就越大。确保您的计算机足够强大，能够在合理的时间内处理您交易对列表中所有对的数据。如果存在显著的数据处理延迟，Freqtrade 会在日志中向您发出警告。

控制或监控运行中的机器人 (Controlling or monitoring a running bot) ​

一旦您的机器人以模拟或实盘模式运行，Freqtrade 有六种机制来控制或监控运行中的机器人：

  • FreqUI：最容易上手的 web 界面，用于查看和控制机器人的当前活动。
  • Telegram：在移动设备上，可以使用 Telegram 集成来获取有关机器人活动的警报并控制某些方面。
  • FTUI：FTUI 是 Freqtrade 的终端（命令行）界面，仅允许监控运行中的机器人。
  • freqtrade-client：REST API 的 python 实现，可以轻松地从您的 python 应用程序或命令行发出请求并消费机器人响应。
  • REST API 端点：REST API 允许程序员开发自己的工具与 Freqtrade 机器人进行交互。
  • Webhooks：Freqtrade 可以通过 webhook 将信息发送到其他服务，例如 discord。

日志 (Logs) ​

Freqtrade 会生成详细的调试日志以帮助您了解发生了什么。请熟悉您在机器人日志中可能看到的信息和错误消息。

默认情况下，日志记录在标准输出（命令行）。如果您想写入文件，许多 freqtrade 命令（包括 trade 命令）都接受 --logfile 选项来写入文件。

查看 FAQ 寻找示例。

最后的话 (Final Thoughts) ​

算法交易是困难的，大多数公开策略的表现并不好，因为使策略在多种情况下盈利需要花费大量的时间和精力。

因此，采用公开策略并使用回测作为评估表现的方法通常是有问题的。但是，Freqtrade 提供了有用的方法来帮助您做出决定并进行尽职调查。

实现盈利有许多不同的方法，并没有哪一个单一的提示、技巧或配置选项可以修复表现不佳的策略。

Freqtrade 是一个开源平台，拥有庞大且热心的社区 - 请务必访问我们的 discord 频道 与他人讨论您的策略！

一如既往，只投资您愿意承受损失的资金。

结论 (Conclusion) ​

在 Freqtrade 中开发策略涉及根据技术指标定义进场和离场信号。通过遵循上述结构和方法，您可以创建并测试您自己的交易策略。

常见问题解答可在我们的 FAQ 中找到。

要继续学习，请参考更深入的 Freqtrade 策略自定义文档。