策略自定义

本页介绍了如何自定义您的策略、添加新指标并设置交易规则。

如果您还不熟悉以下内容，请先了解：

• Freqtrade 策略 101，它提供了策略开发的快速入门
• Freqtrade 机器人基础，它提供了关于机器人如何运行的整体信息

开发您自己的策略

机器人包含一个默认策略文件。

此外，在 策略仓库 中还可以找到其他几种策略。

然而，您很可能对自己想要什么样的策略有自己的想法。

本文档旨在帮助您将想法转换为可工作的策略。

生成策略模板

要开始，您可以使用以下命令：

freqtrade new-strategy --strategy AwesomeStrategy

这将根据模板创建一个名为 AwesomeStrategy 的新策略，该策略的文件名为 user_data/strategies/AwesomeStrategy.py。

INFO

策略的名称和文件名是有区别的。在大多数命令中，Freqtrade 使用的是策略的名称，而不是文件名。

INFO

new-strategy 命令生成的初始示例并不能直接盈利。

不同的模板级别

freqtrade new-strategy 有一个额外的参数 --template，它控制创建的策略中包含的预构建信息的数量。使用 --template minimal 获取没有任何指标示例的空策略，或者使用 --template advanced 获取定义了更复杂功能的模板。

策略剖析

策略文件包含构建策略逻辑所需的所有信息：

• OHLCV 格式的 K 线数据
• 指标 (Indicators)
• 进场逻辑 (Entry logic)
  • 信号 (Signals)
• 离场逻辑 (Exit logic)
  • 信号 (Signals)
  • 最小投资回报率 (Minimal ROI)
  • 回调函数 (Callbacks / "custom functions")
• 止损 (Stoploss)
  • 固定/绝对止损
  • 追踪止损
  • 回调函数
• 定价 [可选]
• 仓位调整 [可选]

机器人包含一个名为 SampleStrategy 的示例策略，您可以将其作为基础：user_data/strategies/sample_strategy.py。 您可以使用参数 --strategy SampleStrategy 来测试它。记住使用策略类名，而不是文件名。

此外，还有一个名为 INTERFACE_VERSION 的属性，它定义了机器人应使用的策略接口版本。 当前版本为 3——这也是未在策略中显式设置时的默认版本。

您可能会看到旧策略设置为接口版本 2，这些策略需要更新到 v3 术语，因为未来的版本将要求设置此项。

使用 trade 命令以模拟或实盘模式启动机器人：

freqtrade trade --strategy AwesomeStrategy

机器人模式

Freqtrade 策略可以由 Freqtrade 机器人在 5 种主要模式下处理：

• 回测 (backtesting)
• 超参数优化 (hyperopting)
• 模拟运行 (dry-run / "forward testing")
• 实盘 (live)
• FreqAI (此处不涉及)

请查看配置文档了解如何将机器人设置为模拟或实盘模式。

在测试时请务必始终使用模拟运行模式，因为这可以为您提供策略在现实中运行效果的概念，而不会承担资本风险。

深入探究

在接下来的部分中，我们将使用 user_data/strategies/sample_strategy.py 文件作为参考。

策略与回测

为了避免回测与模拟/实盘模式之间出现问题和意外差异，请注意在回测期间，完整的时间范围会一次性传递给 populate_*() 方法。 因此，最好使用向量化操作（跨越整个数据帧，而不是循环），并避免使用索引引用 (df.iloc[-1])，而是使用 df.shift() 来获取前一根 K 线。

警告：使用未来数据

由于回测会将完整时间范围传递给 populate_*() 方法，策略作者需要小心避免策略利用来自未来的数据。本文档的常见错误部分列出了一些此类常见模式。

未来函数与递归分析

Freqtrade 包含两个有用的命令，用于评估常见的未来函数 (Look-ahead bias) 和递归偏差（指标值的方差）问题。在以模拟或实盘方式运行策略之前，请先使用这些命令。请查看 lookahead 和 recursive 分析的相关文档。

数据帧 (Dataframe)

Freqtrade 使用 pandas 来存储/提供 K 线 (OHLCV) 数据。 Pandas 是一个为处理表格格式的大量数据而开发的优秀库。

数据帧中的每一行对应图表上的一根 K 线，最新完成的 K 线始终是数据帧中的最后一行（按日期排序）。

如果您想使用 Python 代码来查看数据帧，Pandas 会提供非常方便的操作。

    dataframe.loc[
        (dataframe['rsi'] > 30)
    , 'enter_long'] = 1

通过这一部分，您在数据帧中创建了一个新列，每当 RSI 高于 30 时，该列就会被赋值为 1。

Freqtrade 使用这个新列作为进场信号，假设随后会在下一根 K 线开盘时开仓。

Pandas 提供了计算指标的高速方式，即“向量化”。为了享受这种速度，建议不要使用循环，而是使用向量化方法。

向量化操作跨越整个数据范围执行计算，因此与遍历每一行相比，计算指标时要快得多。

信号 vs 交易

• 信号是在 K 线收盘时根据指标生成的，代表进入交易的意图。
• 交易是执行的订单（在实盘模式下的交易所），将在下一根 K 线开盘时尽可能早地开启交易。

交易订单假设

在回测中，信号在 K 线收盘时生成。交易随后会立即在下一根 K 线开盘时启动。

在模拟和实盘中，这可能会延迟，因为需要先分析所有交易对的数据帧，然后处理每个交易对。这意味着在模拟/实盘中，您需要考虑到尽可能低的计算延迟，通常通过运行较少数量表达的交易对和拥有良好时钟频率的 CPU 来实现。

为什么我看不见“实时” K 线数据？

Freqtrade 不会在数据帧中存储不完整/未完成的 K 线。

利用不完整数据进行策略决策被称为“重绘” (repainting)，您可能会看到其他平台允许这样做。

Freqtrade 则不允许。数据帧中仅提供已完成/结束的 K 线数据。

自定义指标

进场和离场信号需要指标。您可以通过扩展策略文件中 populate_indicators() 方法中包含的列表来添加更多指标。

您应该只添加在 populate_entry_trend()、populate_exit_trend() 或用于填充其他指标中用到的指标，否则性能可能会受损。

重要的是，始终从这三个函数返回数据帧，不要移除/修改 "open", "high", "low", "close", "volume" 列。

想要更多指标示例？

请查看 user_data/strategies/sample_strategy.py，然后取消注释您需要的指标。

指标库

Freqtrade 开箱即用地安装了以下技术分析库：

• ta-lib
• pandas-ta
• technical

可以根据需要安装额外的库，或者策略作者可以自行编写/发明自定义指标。

策略启动周期 (Startup period)

有些指标有一个不稳定的启动周期，在此期间没有足够的 K 线数据来计算任何值 (NaN)，或者计算结果是不正确的。这可能导致不一致，因为 Freqtrade 不知道这个不稳定周期有多长，它会直接使用数据帧中的任何指标值。

为了解决这个问题，可以给策略分配 startup_candle_count 属性。

该属性应设置为策略计算稳定指标所需的最大 K 线数量。如果用户包含带有信息性交易对的更高时间框架，startup_candle_count 不一定需要改变。该值应是计算稳定指标所需的所有信息性时间框架中的最大周期（以 K 线计）。

您可以使用 recursive-analysis 来检查并找到要使用的正确 startup_candle_count。当递归分析显示方差为 0% 时，您就可以确定已经有足够的启动 K 线数据了。

在这个示例策略中，由于 ema100 计算需要至少 400 根 K 线历史才能确保值正确，因此应将其设置为 400 (startup_candle_count = 400)。

    dataframe['ema100'] = ta.EMA(dataframe, timeperiod=100)

通过让机器人知道需要多少历史数据，回测交易可以从回测和超参数优化期间指定的计时范围内开始。

使用多轮调用获取 OHLCV

如果您收到类似 WARNING - Using 3 calls to get OHLCV... 的警告——您应该考虑策略信号是否真的需要这么多历史数据。 这样做会导致 Freqtrade 对同一个交易对进行多次调用，这显然比一次网络请求要慢。后果是 Freqtrade 刷新 K 线所需的时间会变长。为了避免交易所过载或使 Freqtrade 太慢，总调用次数限制为 5 次。

WARNING

startup_candle_count 应低于 ohlcv_candle_limit * 5（大多数交易所为 500 * 5）——因为在模拟/实盘交易操作期间仅提供该数量的 K 线。

示例

假设 startup_candle_count 设置为 400。回测知道它需要 400 根 K 线来生成有效的进场信号。

启动周期数据不可用

如果启动周期的数据不可用，则时间范围会调整以适应此启动周期。

进场信号规则

编辑策略文件中的 populate_entry_trend() 方法以更新您的进场策略。

该方法还将定义一个新列 "enter_long"（做空为 "enter_short"），其中需要包含进场信号 1 和“无操作”信号 0。

您可以通过使用 "enter_tag" 列给进场信号命名，这可以帮助日后调试和评估策略。

离场信号规则

编辑策略文件中的 populate_exit_trend() 方法以更新您的离场策略。

离场信号可以通过在配置或策略中将 use_exit_signal 设置为 false 来禁用。

该方法还将定义一个新列 "exit_long"（做空为 "exit_short"），其中需要包含离场信号 1 和“无操作”信号 0。

您可以通过使用 "exit_tag" 列给离场信号命名。

最小投资回报率 (Minimal ROI)

minimal_roi 策略变量定义了交易在离场前应达到的最小投资回报率 (ROI)，这与离场信号无关。

其格式如下：

minimal_roi = {
    "40": 0.0,
    "30": 0.01,
    "20": 0.02,
    "0": 0.04
}

计算过程包含手续费。

止损 (Stoploss)

强烈建议设置止损，以保护您的资金免受剧烈波动的损害。

设置 10% 止损的示例：

stoploss = -0.10

有关止损功能的完整文档，请参阅专门的止损页面。

时间框架 (Timeframe)

这是机器人应在策略中使用的 K 线周期。

是否可以做空 (Can short)

要在期货市场使用做空信号，您必须设置 can_short = True。

元数据字典 (Metadata dict)

metadata 字典包含了额外的信息，如 pair。

策略所需的导入项

当创建策略时，您需要导入必要的模块和类。

# flake8: noqa: F401
# isort: skip_file
# --- 请勿删除这些导入项 ---
import numpy as np
import pandas as pd
from datetime import datetime, timedelta, timezone
from pandas import DataFrame
from typing import Dict, Optional, Union, Tuple

from freqtrade.strategy import (
    IStrategy,
    Trade, 
    Order,
    PairLocks,
    informative,  # @informative 装饰器
    # 超参数优化参数
    BooleanParameter,
    CategoricalParameter,
    DecimalParameter,
    IntParameter,
    RealParameter,
    # 时间框架辅助工具
    timeframe_to_minutes,
    timeframe_to_next_date,
    timeframe_to_prev_date,
    # 策略辅助函数
    merge_informative_pair,
    stoploss_from_absolute,
    stoploss_from_open,
)

# --------------------------------
# 在此处添加您的库导入
import talib.abstract as ta
from technical import qtpylib

策略文件加载

默认情况下，Freqtrade 会尝试从 user_data/strategies 加载策略。

freqtrade trade --strategy AwesomeStrategy

注意我们使用的是类名，而不是文件名。

信息性交易对 (Informative Pairs)

为非交易对获取数据

数据可以为额外的、信息性交易对（参考对）获取，这对于某些策略来说很有好处。

这些对的 OHLCV 数据将在常规白名单刷新过程中一同下载。

def informative_pairs(self):
    return [("ETH/USDT", "5m"),
            ("BTC/TUSD", "15m"),
            ]

WARNING

由于这些对将作为常规刷新的一部分，请保持列表精简，以避免过多请求。

信息性对装饰器 (@informative())

    @informative('1h')
    def populate_indicators_1h(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
        dataframe['rsi'] = ta.RSI(dataframe, timeperiod=14)
        return dataframe

    @informative('1h', 'BTC/{stake}')
    def populate_indicators_btc_1h(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
        dataframe['rsi'] = ta.RSI(dataframe, timeperiod=14)
        return dataframe

重复的方法名

带有 @informative() 装饰器的方法必须始终具有唯一名称！重用相同名称会覆盖之前定义的方法。

merge_informative_pair()

该方法帮助您将信息性交易对安全且一致地合并到常规主数据帧中，且不会产生未来函数 (lookahead bias)。

列重命名

假设 inf_tf = '1h'，结果列将包含原始列和带有 _1h 后缀的信息性列。

信息性时间框架 < 主时间框架

不建议使用比主时间框架更小的信息性时间框架，因为此方法不会利用它提供的额外信息。

附加数据 (DataProvider)

策略可以通过 DataProvider 访问额外的数据。

DataProvider 的可选选项

• current_whitelist() - 返回当前白名单列表。
• get_pair_dataframe(pair, timeframe) - 返回历史或实时数据。
• orderbook(pair, maximum) - 返回当前盘口数据。
• ticker(pair) - 返回当前 Ticker 数据。
• funding_rate(pair) - 返回期货资金费率。
• runmode - 当前运行模式。

示例用法

current_whitelist()

当白名单是动态的（如 VolumePairList）且您需要获取其每日 RSI 时，这非常有用。

    def informative_pairs(self):
        pairs = self.dp.current_whitelist()
        return [(pair, '1d') for pair in pairs]

orderbook(pair, maximum)

if self.dp.runmode.value in ('live', 'dry_run'):
    ob = self.dp.orderbook(metadata['pair'], 1)
    dataframe['best_bid'] = ob['bids'][0][0]
    dataframe['best_ask'] = ob['asks'][0][0]

警告关于回测

盘口并不属于历史数据，因此在回测中返回实时值可能导致结果偏差。

发送通知

    self.dp.send_msg(f"{metadata['pair']} 热度上升！")

通知仅在实盘/模拟运行模式下发送。

附加数据 (Wallets)

提供对 wallets 对象的访问，包含交易所中的当前余额。

if self.wallets:
    free_eth = self.wallets.get_free('ETH')

附加数据 (Trades)

可以通过查询数据库获取交易历史。

from freqtrade.persistence import Trade
# ...
trades = Trade.get_trades_proxy(pair=metadata['pair'], is_open=False)

为特定交易对锁定交易

Freqtrade 会在交易对离场后自动将其锁定一个 K 线周期，以防止立即重复进场。

在策略内部锁定交易对

self.lock_pair(pair, until, [reason])

常见错误

回测时的未来函数 (Looking into the future)

回测会一次性分析整个时间范围，作者必须确保策略不会利用未来的数据。

• 不要使用 shift(-1)。
• 不要使用 .iloc[-1] 或其他绝对位置。
• 不要计算包含全量数据的均值，如 df['vol'].mean()，请使用 rolling().mean()。
• .resample() 请配合 label='right' 使用。

识别问题

建议使用 lookahead-analysis 和 recursive-analysis 助手命令。

信号冲突

当进场和离场信号同时触发时，Freqtrade 将忽略进场信号，以避免立即离场引发的无效交易。

下一步

现在您有了完美的策略，下一步是学习如何使用回测。