高级策略¶
本页介绍了策略中可用的一些高级概念。 如果你是初学者，请先熟悉 Freqtrade 基础知识 以及 策略自定义 中描述的方法。
此处描述的方法调用顺序在 机器人执行逻辑 中有详细说明。这些文档也有助于你决定哪种方法最适合你的自定义需求。
Note
回调方法应仅在策略使用它们时实现。
Tip
通过运行 freqtrade new-strategy --strategy MyAwesomeStrategy --template advanced 来获取包含所有可用回调方法的策略模板作为起点。
存储信息（持久化）¶
Freqtrade 允许在数据库中存储/检索与特定交易关联的用户自定义信息。
使用交易对象，可以通过 trade.set_custom_data(key='my_key', value=my_value) 存储信息，并通过 trade.get_custom_data(key='my_key') 检索信息。每个数据条目都与一个交易和一个用户提供的键（类型为 string）相关联。这意味着这只能在同时提供交易对象的回调中使用。
为了使数据能够存储在数据库中，freqtrade 必须对数据进行序列化处理。这是通过将数据转换为 JSON 格式的字符串来实现的。 Freqtrade 会在检索时尝试反向操作，因此从策略的角度来看，这应该无关紧要。
from freqtrade.persistence import Trade
from datetime import timedelta
class AwesomeStrategy(IStrategy):
def bot_loop_start(self, **kwargs) -> None:
for trade in Trade.get_open_order_trades():
fills = trade.select_filled_orders(trade.entry_side)
if trade.pair == 'ETH/USDT':
trade_entry_type = trade.get_custom_data(key='entry_type')
if trade_entry_type is None:
trade_entry_type = 'breakout' if 'entry_1' in trade.enter_tag else 'dip'
elif fills > 1:
trade_entry_type = 'buy_up'
trade.set_custom_data(key='entry_type', value=trade_entry_type)
return super().bot_loop_start(**kwargs)
def adjust_entry_price(self, trade: Trade, order: Order | None, pair: str,
current_time: datetime, proposed_rate: float, current_order_rate: float,
entry_tag: str | None, side: str, **kwargs) -> float:
# Limit orders to use and follow SMA200 as price target for the first 10 minutes since entry trigger for BTC/USDT pair.
if (
pair == 'BTC/USDT'
and entry_tag == 'long_sma200'
and side == 'long'
and (current_time - timedelta(minutes=10)) > trade.open_date_utc
and order.filled == 0.0
):
dataframe, _ = self.dp.get_analyzed_dataframe(pair=pair, timeframe=self.timeframe)
current_candle = dataframe.iloc[-1].squeeze()
# store information about entry adjustment
existing_count = trade.get_custom_data('num_entry_adjustments', default=0)
if not existing_count:
existing_count = 1
else:
existing_count += 1
trade.set_custom_data(key='num_entry_adjustments', value=existing_count)
# adjust order price
return current_candle['sma_200']
# default: maintain existing order
return current_order_rate
def custom_exit(self, pair: str, trade: Trade, current_time: datetime, current_rate: float, current_profit: float, **kwargs):
entry_adjustment_count = trade.get_custom_data(key='num_entry_adjustments')
trade_entry_type = trade.get_custom_data(key='entry_type')
if entry_adjustment_count is None:
if current_profit > 0.01 and (current_time - timedelta(minutes=100) > trade.open_date_utc):
return True, 'exit_1'
else
if entry_adjustment_count > 0 and if current_profit > 0.05:
return True, 'exit_2'
if trade_entry_type == 'breakout' and current_profit > 0.1:
return True, 'exit_3
return False, None
以上是一个简单示例 - 还有更简单的方法来检索交易数据，例如入场调整。
Note
建议使用简单数据类型 [bool, int, float, str] 来确保需要存储的数据在序列化时不会出现问题。
存储大量数据可能会导致意外的副作用，例如数据库变得庞大（进而导致速度变慢）。
Non-serializable data
如果提供的数据无法序列化，系统将记录警告，并且指定 key 的条目将包含 None 作为数据。
All attributes
自定义数据可通过 Trade 对象（以下假设为 trade）使用以下访问器：
trade.get_custom_data(key='something', default=0)- Returns the actual value given in the type provided.trade.get_custom_data_entry(key='something')- Returns the entry - including metadata. The value is accessible via.valueproperty.trade.set_custom_data(key='something', value={'some': 'value'})- set or update the corresponding key for this trade. Value must be serializable - and we recommend to keep the stored data relatively small.
"value" can be any type (both in setting and receiving) - but must be json serializable.
存储信息（非持久化）¶
Storing information
可以通过在策略类中创建新字典来完成信息存储。
The name of the variable can be chosen at will, but should be prefixed with custom_ to avoid naming collisions with predefined strategy variables.
class AwesomeStrategy(IStrategy):
# Create custom dictionary
custom_info = {}
def populate_indicators(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
# Check if the entry already exists
if not metadata["pair"] in self.custom_info:
# Create empty entry for this pair
self.custom_info[metadata["pair"]] = {}
if "crosstime" in self.custom_info[metadata["pair"]]:
self.custom_info[metadata["pair"]]["crosstime"] += 1
else:
self.custom_info[metadata["pair"]]["crosstime"] = 1
Warning
The data is not persisted after a bot-restart (or config-reload). Also, the amount of data should be kept smallish (no DataFrames and such), otherwise the bot will start to consume a lot of memory and eventually run out of memory and crash.
Note
If the data is pair-specific, make sure to use pair as one of the keys in the dictionary.
数据框访问¶
您可以通过从数据提供者查询来在各种策略函数中访问数据帧。
from freqtrade.exchange import timeframe_to_prev_date
class AwesomeStrategy(IStrategy):
def confirm_trade_exit(self, pair: str, trade: 'Trade', order_type: str, amount: float,
rate: float, time_in_force: str, exit_reason: str,
current_time: 'datetime', **kwargs) -> bool:
# Obtain pair dataframe.
dataframe, _ = self.dp.get_analyzed_dataframe(pair, self.timeframe)
# Obtain last available candle. Do not use current_time to look up latest candle, because
# current_time points to current incomplete candle whose data is not available.
last_candle = dataframe.iloc[-1].squeeze()
# <...>
# In dry/live runs trade open date will not match candle open date therefore it must be
# rounded.
trade_date = timeframe_to_prev_date(self.timeframe, trade.open_date_utc)
# Look up trade candle.
trade_candle = dataframe.loc[dataframe['date'] == trade_date]
# trade_candle may be empty for trades that just opened as it is still incomplete.
if not trade_candle.empty:
trade_candle = trade_candle.squeeze()
# <...>
使用 .iloc[-1]
您可以在此处使用 .iloc[-1]，因为 get_analyzed_dataframe() 仅返回回测允许看到的K线数据。
这在 populate_* 方法中将不起作用，因此请确保不要在该区域使用 .iloc[]。
此外，这仅从 2021.5 版本开始有效。
入场标签¶
当您的策略有多个入场信号时，可以命名触发信号的标签。
然后您可以在 custom_exit 中访问您的入场信号标签。
def populate_entry_trend(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
dataframe["enter_tag"] = ""
signal_rsi = (qtpylib.crossed_above(dataframe["rsi"], 35))
signal_bblower = (dataframe["bb_lowerband"] < dataframe["close"])
# Additional conditions
dataframe.loc[
(
signal_rsi
| signal_bblower
# ... additional signals to enter a long position
)
& (dataframe["volume"] > 0)
, "enter_long"
] = 1
# Concatenate the tags so all signals are kept
dataframe.loc[signal_rsi, "enter_tag"] += "long_signal_rsi "
dataframe.loc[signal_bblower, "enter_tag"] += "long_signal_bblower "
return dataframe
def custom_exit(self, pair: str, trade: Trade, current_time: datetime, current_rate: float,
current_profit: float, **kwargs):
dataframe, _ = self.dp.get_analyzed_dataframe(pair, self.timeframe)
last_candle = dataframe.iloc[-1].squeeze()
if "long_signal_rsi" in trade.enter_tag and last_candle["rsi"] > 80:
return "exit_signal_rsi"
if "long_signal_bblower" in trade.enter_tag and last_candle["high"] > last_candle["bb_upperband"]:
return "exit_signal_bblower"
# ...
return None
Note
enter_tag 限制为 255 个字符，超出部分将被截断。
Warning
只有一个 enter_tag 列，同时用于多头和空头交易。
因此，该列必须被视为"最后写入优先"（毕竟它只是一个数据帧列）。
在复杂情况下，当多个信号冲突（或信号基于不同条件被再次停用）时，这可能导致错误标签应用于入场信号的异常结果。
这些结果是策略覆盖先前标签的后果——最后一个标签将"保留"并成为 freqtrade 使用的标签。
离场标签¶
类似于入场标签，您也可以指定离场标签。
def populate_exit_trend(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
dataframe["exit_tag"] = ""
rsi_exit_signal = (dataframe["rsi"] > 70)
ema_exit_signal = (dataframe["ema20"] < dataframe["ema50"])
# Additional conditions
dataframe.loc[
(
rsi_exit_signal
| ema_exit_signal
# ... additional signals to exit a long position
) &
(dataframe["volume"] > 0)
,
"exit_long"] = 1
# Concatenate the tags so all signals are kept
dataframe.loc[rsi_exit_signal, "exit_tag"] += "exit_signal_rsi "
dataframe.loc[rsi_exit_signal2, "exit_tag"] += "exit_signal_rsi "
return dataframe
提供的离场标签随后将用作离场原因——并在回测结果中显示为如此。
Note
exit_reason 限制为 100 个字符，超出部分将被截断。
策略版本¶
您可以通过使用 "version" 方法实现自定义策略版本控制，并返回您希望该策略具有的版本号。
def version(self) -> str:
"""
Returns version of the strategy.
"""
return "1.1"
Note
请确保同时实施适当的版本控制（如 git 仓库），因为 freqtrade 不会保留策略的历史版本，因此用户需要能够回滚到策略的先前版本。
派生策略¶
策略可以从其他策略派生而来。这样可以避免自定义策略代码的重复。您可以使用此技术来重写主策略的某些部分，同时保持其余部分不变：
class MyAwesomeStrategy(IStrategy):
...
stoploss = 0.13
trailing_stop = False
# All other attributes and methods are here as they
# should be in any custom strategy...
...
from myawesomestrategy import MyAwesomeStrategy
class MyAwesomeStrategy2(MyAwesomeStrategy):
# Override something
stoploss = 0.08
trailing_stop = True
属性和方法都可以被重写，以您需要的方式改变原始策略的行为。
虽然技术上可以将子类保留在同一文件中，但这可能会导致超参数优化参数文件出现一些问题，因此我们建议使用单独的策略文件，并按上述方式导入父策略。
嵌入策略¶
Freqtrade 提供了一种简单的方法将策略嵌入到配置文件中。 这是通过利用 BASE64 编码并在所选配置文件的策略配置字段中提供此字符串来实现的。
将字符串编码为 BASE64¶
这是一个快速示例，展示如何在 Python 中生成 BASE64 字符串
from base64 import urlsafe_b64encode
with open(file, 'r') as f:
content = f.read()
content = urlsafe_b64encode(content.encode('utf-8'))
变量 'content' 将包含 BASE64 编码形式的策略文件。现在可以按以下方式在配置文件中进行设置
"strategy": "NameOfStrategy:BASE64String"
请确保 'NameOfStrategy' 与策略名称完全一致！
性能警告¶
执行策略时，有时会在日志中看到以下内容
PerformanceWarning: DataFrame 高度碎片化。
这是来自 pandas 的警告，正如警告继续说明的：
使用 pd.concat(axis=1)。
这可能会产生轻微的性能影响，通常只在超参数优化（优化指标时）期间可见。
例如：
for val in self.buy_ema_short.range:
dataframe[f'ema_short_{val}'] = ta.EMA(dataframe, timeperiod=val)
应该重写为
frames = [dataframe]
for val in self.buy_ema_short.range:
frames.append(DataFrame({
f'ema_short_{val}': ta.EMA(dataframe, timeperiod=val)
}))
# Combine all dataframes, and reassign the original dataframe column
dataframe = pd.concat(frames, axis=1)
然而，Freqtrade 通过在 populate_indicators() 方法后立即对数据框运行 dataframe.copy() 来应对此问题——因此这方面的性能影响应该很低甚至不存在。