富在术数不在劳身，利在局势不在力耕
freqtrade download-data --config ./user_data/future_freqai_config.json
命令
freqtrade backtesting --config ./user_data/future_freqai_config.json --strategy ichiV1 --strategy-path ./freqtrade-strategies/strategies/ichiV1/ --timerange 20230807-20240107 --freqaimodel MyActionRLEnv
配置文件
future_freqai_config.json
{
"max_open_trades": 10,
"stake_currency": "USDT",
"stake_amount": 25,
"tradable_balance_ratio": 0.99,
"fiat_display_currency": "USD",
"timeframe": "5m",
"dry_run": true,
"dry_run_wallet": 230,
"cancel_open_orders_on_exit": false,
"trading_mode": "futures",
// 期货交易时，必须设置保证金模式
"margin_mode": "isolated",
"unfilledtimeout": {
"entry": 10,
"exit": 10,
"exit_timeout_count": 0,
"unit": "minutes"
},
"entry_pricing": {
"price_side": "same",
"use_order_book": true,
"order_book_top": 1,
"price_last_balance": 0.0,
"check_depth_of_market": {
"enabled": false,
"bids_to_ask_delta": 1
}
},
"exit_pricing":{
"price_side": "same",
"use_order_book": true,
"order_book_top": 1
},
"exchange": {
"name": "binance",
"key": "",
"secret": "",
"ccxt_config": {},
"ccxt_async_config": {},
"pair_whitelist": [
"BTC/USDT:USDT",
"BCH/USDT:USDT",
"ETH/USDT:USDT",
"LINK/USDT:USDT",
"LTC/USDT:USDT",
"SOL/USDT:USDT",
"BNB/USDT:USDT",
"XRP/USDT:USDT",
"ADA/USDT:USDT",
"DOT/USDT:USDT",
"ETC/USDT:USDT",
"ALGO/USDT:USDT"
// "1000BONK/USDT:USDT",
// "1000FLOKI/USDT:USDT",
// "1000LUNC/USDT:USDT",
// "1000PEPE/USDT:USDT",
// // "1000RATS/USDT:USDT",
// "1000SATS/USDT:USDT",
// "1000SHIB/USDT:USDT",
// "1000XEC/USDT:USDT",
// "1INCH/USDT:USDT",
// "AAVE/USDT:USDT",
// // "ACE/USDT:USDT",
// "ACH/USDT:USDT",
// "ADA/USDT:USDT",
// "AGIX/USDT:USDT",
// "AGLD/USDT:USDT",
// "ALGO/USDT:USDT",
// "ALICE/USDT:USDT",
// "ALPHA/USDT:USDT",
// "AMB/USDT:USDT",
// "ANKR/USDT:USDT",
// "ANT/USDT:USDT",
// "APE/USDT:USDT",
// "API3/USDT:USDT",
// "APT/USDT:USDT",
// "AR/USDT:USDT",
// "ARB/USDT:USDT",
// "ARK/USDT:USDT",
// "ARKM/USDT:USDT",
// "ARPA/USDT:USDT",
// "ASTR/USDT:USDT",
// "ATA/USDT:USDT",
// "ATOM/USDT:USDT",
// // "AUCTION/USDT:USDT",
// "AUDIO/USDT:USDT",
// "AVAX/USDT:USDT",
// "AXS/USDT:USDT",
// "BADGER/USDT:USDT",
// "BAKE/USDT:USDT",
// "BAL/USDT:USDT",
// "BAND/USDT:USDT",
// "BAT/USDT:USDT",
// "BCH/USDT:USDT",
// "BEAMX/USDT:USDT",
// "BEL/USDT:USDT",
// "BICO/USDT:USDT",
// "BIGTIME/USDT:USDT",
// "BLUEBIRD/USDT:USDT",
// "BLUR/USDT:USDT",
// "BLZ/USDT:USDT",
// // "BNB/USDC:USDC",
// "BNB/USDT:USDT",
// "BNT/USDT:USDT",
// "BNX/USDT:USDT",
// "BOND/USDT:USDT",
// "BSV/USDT:USDT",
// // "BTC/USDC:USDC",
// "BTC/USDT:USDT",
// "BTCDOM/USDT:USDT",
// "C98/USDT:USDT",
// "CAKE/USDT:USDT",
// "CELO/USDT:USDT",
// "CELR/USDT:USDT",
// "CFX/USDT:USDT",
// "CHR/USDT:USDT",
// "CHZ/USDT:USDT",
// "CKB/USDT:USDT",
// "COMBO/USDT:USDT",
// "COMP/USDT:USDT",
// "COTI/USDT:USDT",
// "CRV/USDT:USDT",
// "CTK/USDT:USDT",
// "CTSI/USDT:USDT",
// "CVX/USDT:USDT",
// "CYBER/USDT:USDT",
// "DAR/USDT:USDT",
// "DASH/USDT:USDT",
// "DEFI/USDT:USDT",
// "DENT/USDT:USDT",
// "DGB/USDT:USDT",
// "DODOX/USDT:USDT",
// "DOGE/USDT:USDT",
// "DOT/USDT:USDT",
// "DUSK/USDT:USDT",
// "DYDX/USDT:USDT",
// "EDU/USDT:USDT",
// "EGLD/USDT:USDT",
// "ENJ/USDT:USDT",
// "ENS/USDT:USDT",
// "EOS/USDT:USDT",
// "ETC/USDT:USDT",
// // "ETH/BTC:BTC",
// // "ETH/USDC:USDC",
// "ETH/USDT:USDT",
// "ETHW/USDT:USDT",
// "FET/USDT:USDT",
// "FIL/USDT:USDT",
// "FLM/USDT:USDT",
// "FLOW/USDT:USDT",
// "FOOTBALL/USDT:USDT",
// "FRONT/USDT:USDT",
// "FTM/USDT:USDT",
// "FXS/USDT:USDT",
// "GAL/USDT:USDT",
// "GALA/USDT:USDT",
// "GAS/USDT:USDT",
// "GLMR/USDT:USDT",
// "GMT/USDT:USDT",
// "GMX/USDT:USDT",
// "GRT/USDT:USDT",
// "GTC/USDT:USDT",
// "HBAR/USDT:USDT",
// "HFT/USDT:USDT",
// "HIFI/USDT:USDT",
// "HIGH/USDT:USDT",
// "HOOK/USDT:USDT",
// "HOT/USDT:USDT",
// "ICP/USDT:USDT",
// "ICX/USDT:USDT",
// "ID/USDT:USDT",
// "IDEX/USDT:USDT",
// "ILV/USDT:USDT",
// "IMX/USDT:USDT",
// "INJ/USDT:USDT",
// "IOST/USDT:USDT",
// "IOTA/USDT:USDT",
// "IOTX/USDT:USDT",
// "JASMY/USDT:USDT",
// "JOE/USDT:USDT",
// "JTO/USDT:USDT",
// "KAS/USDT:USDT",
// "KAVA/USDT:USDT",
// "KEY/USDT:USDT",
// "KLAY/USDT:USDT",
// "KNC/USDT:USDT",
// "KSM/USDT:USDT",
// "LDO/USDT:USDT",
// "LEVER/USDT:USDT",
// "LINA/USDT:USDT",
// "LINK/USDT:USDT",
// "LIT/USDT:USDT",
// "LOOM/USDT:USDT",
// "LPT/USDT:USDT",
// "LQTY/USDT:USDT",
// "LRC/USDT:USDT",
// "LTC/USDT:USDT",
// "LUNA2/USDT:USDT",
// "MAGIC/USDT:USDT",
// "MANA/USDT:USDT",
// "MASK/USDT:USDT",
// "MATIC/USDT:USDT",
// "MAV/USDT:USDT",
// "MBL/USDT:USDT",
// "MDT/USDT:USDT",
// "MEME/USDT:USDT",
// "MINA/USDT:USDT",
// "MKR/USDT:USDT",
// // "MOVR/USDT:USDT",
// "MTL/USDT:USDT",
// "NEAR/USDT:USDT",
// "NEO/USDT:USDT",
// // "NFP/USDT:USDT",
// "NKN/USDT:USDT",
// "NMR/USDT:USDT",
// "NTRN/USDT:USDT",
// "OCEAN/USDT:USDT",
// "OGN/USDT:USDT",
// "OMG/USDT:USDT",
// "ONE/USDT:USDT",
// "ONG/USDT:USDT",
// "ONT/USDT:USDT",
// "OP/USDT:USDT",
// "ORBS/USDT:USDT",
// "ORDI/USDT:USDT",
// "OXT/USDT:USDT",
// "PENDLE/USDT:USDT",
// "PEOPLE/USDT:USDT",
// "PERP/USDT:USDT",
// "PHB/USDT:USDT",
// "POLYX/USDT:USDT",
// "POWR/USDT:USDT",
// "PYTH/USDT:USDT",
// "QNT/USDT:USDT",
// "QTUM/USDT:USDT",
// "RAD/USDT:USDT",
// "RDNT/USDT:USDT",
// "REEF/USDT:USDT",
// "REN/USDT:USDT",
// "RIF/USDT:USDT",
// "RLC/USDT:USDT",
// "RNDR/USDT:USDT",
// "ROSE/USDT:USDT",
// "RSR/USDT:USDT",
// "RUNE/USDT:USDT",
// "RVN/USDT:USDT",
// "SAND/USDT:USDT",
// "SEI/USDT:USDT",
// "SFP/USDT:USDT",
// "SKL/USDT:USDT",
// "SLP/USDT:USDT",
// "SNT/USDT:USDT",
// "SNX/USDT:USDT",
// // "SOL/USDC:USDC",
// "SOL/USDT:USDT",
// "SPELL/USDT:USDT",
// "SSV/USDT:USDT",
// "STEEM/USDT:USDT",
// "STG/USDT:USDT",
// "STMX/USDT:USDT",
// "STORJ/USDT:USDT",
// "STPT/USDT:USDT",
// "STRAX/USDT:USDT",
// "STX/USDT:USDT",
// "SUI/USDT:USDT",
// "SUPER/USDT:USDT",
// "SUSHI/USDT:USDT",
// "SXP/USDT:USDT",
// "T/USDT:USDT",
// "THETA/USDT:USDT",
// "TIA/USDT:USDT",
// "TLM/USDT:USDT",
// "TOKEN/USDT:USDT",
// "TRB/USDT:USDT",
// "TRU/USDT:USDT",
// "TRX/USDT:USDT",
// "TWT/USDT:USDT",
// "UMA/USDT:USDT",
// "UNFI/USDT:USDT",
// "UNI/USDT:USDT",
// // "USDC/USDT:USDT",
// "USTC/USDT:USDT",
// "VET/USDT:USDT",
// "WAVES/USDT:USDT",
// "WAXP/USDT:USDT",
// "WLD/USDT:USDT",
// "WOO/USDT:USDT",
// "XEM/USDT:USDT",
// "XLM/USDT:USDT",
// "XMR/USDT:USDT",
// // "XRP/USDC:USDC",
// "XRP/USDT:USDT",
// "XTZ/USDT:USDT",
// "XVG/USDT:USDT",
// "XVS/USDT:USDT",
// "YFI/USDT:USDT",
// "YGG/USDT:USDT",
// "ZEC/USDT:USDT",
// "ZEN/USDT:USDT",
// "ZIL/USDT:USDT",
// "ZRX/USDT:USDT"
],
"pair_blacklist": [
]
},
"pairlists": [
{
"method":"StaticPairList",
},
],
"telegram": {
"enabled": false,
"token": "",
"chat_id": ""
},
"loglevel": "DEBUG",
"api_server": {
"enabled": true,
"listen_ip_address": "0.0.0.0",
"listen_port": 8080,
"verbosity": "error",
"enable_openapi": false,
"jwt_secret_key": "62026bd9b80cdc748f0a401288b39df3031ef927a7991c59cee2975836a8b71a",
"ws_token": "",
"CORS_origins": [],
"username": "",
"password": ""
},
"bot_name": "freqtrade",
"initial_state": "running",
"force_entry_enable": false,
"internals": {
"process_throttle_secs": 5
},
"freqai": {
"enabled": true,
"purge_old_models": 0,
"train_period_days": 7,
"backtest_period_days": 3,
"live_retrain_hours": 0,
"identifier": "1234",
"feature_parameters": {
"include_timeframes": [
//"3m",
"5m",
// "15m",
// "1h"
],
"include_corr_pairlist": [
"BTC/USDT:USDT",
"BCH/USDT:USDT",
"ETH/USDT:USDT",
"LINK/USDT:USDT",
"LTC/USDT:USDT",
"SOL/USDT:USDT",
"BNB/USDT:USDT",
"XRP/USDT:USDT",
"ADA/USDT:USDT",
"DOT/USDT:USDT",
"ETC/USDT:USDT",
"ALGO/USDT:USDT",
//"LUNA/USDT:USDT"
// "1000BONK/USDT:USDT",
// "1000FLOKI/USDT:USDT",
// "1000LUNC/USDT:USDT",
// "1000PEPE/USDT:USDT",
// // "1000RATS/USDT:USDT",
// "1000SATS/USDT:USDT",
// "1000SHIB/USDT:USDT",
// "1000XEC/USDT:USDT",
// "1INCH/USDT:USDT",
// "AAVE/USDT:USDT",
// // "ACE/USDT:USDT",
// "ACH/USDT:USDT",
// "ADA/USDT:USDT",
// "AGIX/USDT:USDT",
// "AGLD/USDT:USDT",
// "ALGO/USDT:USDT",
// "ALICE/USDT:USDT",
// "ALPHA/USDT:USDT",
// "AMB/USDT:USDT",
// "ANKR/USDT:USDT",
// "ANT/USDT:USDT",
// "APE/USDT:USDT",
// "API3/USDT:USDT",
// "APT/USDT:USDT",
// "AR/USDT:USDT",
// "ARB/USDT:USDT",
// "ARK/USDT:USDT",
// "ARKM/USDT:USDT",
// "ARPA/USDT:USDT",
// "ASTR/USDT:USDT",
// "ATA/USDT:USDT",
// "ATOM/USDT:USDT",
// // "AUCTION/USDT:USDT",
// "AUDIO/USDT:USDT",
// "AVAX/USDT:USDT",
// "AXS/USDT:USDT",
// "BADGER/USDT:USDT",
// "BAKE/USDT:USDT",
// "BAL/USDT:USDT",
// "BAND/USDT:USDT",
// "BAT/USDT:USDT",
// "BCH/USDT:USDT",
// "BEAMX/USDT:USDT",
// "BEL/USDT:USDT",
// "BICO/USDT:USDT",
// "BIGTIME/USDT:USDT",
// "BLUEBIRD/USDT:USDT",
// "BLUR/USDT:USDT",
// "BLZ/USDT:USDT",
// // "BNB/USDC:USDC",
// "BNB/USDT:USDT",
// "BNT/USDT:USDT",
// "BNX/USDT:USDT",
// "BOND/USDT:USDT",
// "BSV/USDT:USDT",
// // "BTC/USDC:USDC",
// "BTC/USDT:USDT",
// "BTCDOM/USDT:USDT",
// "C98/USDT:USDT",
// "CAKE/USDT:USDT",
// "CELO/USDT:USDT",
// "CELR/USDT:USDT",
// "CFX/USDT:USDT",
// "CHR/USDT:USDT",
// "CHZ/USDT:USDT",
// "CKB/USDT:USDT",
// "COMBO/USDT:USDT",
// "COMP/USDT:USDT",
// "COTI/USDT:USDT",
// "CRV/USDT:USDT",
// "CTK/USDT:USDT",
// "CTSI/USDT:USDT",
// "CVX/USDT:USDT",
// "CYBER/USDT:USDT",
// "DAR/USDT:USDT",
// "DASH/USDT:USDT",
// "DEFI/USDT:USDT",
// "DENT/USDT:USDT",
// "DGB/USDT:USDT",
// "DODOX/USDT:USDT",
// "DOGE/USDT:USDT",
// "DOT/USDT:USDT",
// "DUSK/USDT:USDT",
// "DYDX/USDT:USDT",
// "EDU/USDT:USDT",
// "EGLD/USDT:USDT",
// "ENJ/USDT:USDT",
// "ENS/USDT:USDT",
// "EOS/USDT:USDT",
// "ETC/USDT:USDT",
// // "ETH/BTC:BTC",
// // "ETH/USDC:USDC",
// "ETH/USDT:USDT",
// "ETHW/USDT:USDT",
// "FET/USDT:USDT",
// "FIL/USDT:USDT",
// "FLM/USDT:USDT",
// "FLOW/USDT:USDT",
// "FOOTBALL/USDT:USDT",
// "FRONT/USDT:USDT",
// "FTM/USDT:USDT",
// "FXS/USDT:USDT",
// "GAL/USDT:USDT",
// "GALA/USDT:USDT",
// "GAS/USDT:USDT",
// "GLMR/USDT:USDT",
// "GMT/USDT:USDT",
// "GMX/USDT:USDT",
// "GRT/USDT:USDT",
// "GTC/USDT:USDT",
// "HBAR/USDT:USDT",
// "HFT/USDT:USDT",
// "HIFI/USDT:USDT",
// "HIGH/USDT:USDT",
// "HOOK/USDT:USDT",
// "HOT/USDT:USDT",
// "ICP/USDT:USDT",
// "ICX/USDT:USDT",
// "ID/USDT:USDT",
// "IDEX/USDT:USDT",
// "ILV/USDT:USDT",
// "IMX/USDT:USDT",
// "INJ/USDT:USDT",
// "IOST/USDT:USDT",
// "IOTA/USDT:USDT",
// "IOTX/USDT:USDT",
// "JASMY/USDT:USDT",
// "JOE/USDT:USDT",
// "JTO/USDT:USDT",
// "KAS/USDT:USDT",
// "KAVA/USDT:USDT",
// "KEY/USDT:USDT",
// "KLAY/USDT:USDT",
// "KNC/USDT:USDT",
// "KSM/USDT:USDT",
// "LDO/USDT:USDT",
// "LEVER/USDT:USDT",
// "LINA/USDT:USDT",
// "LINK/USDT:USDT",
// "LIT/USDT:USDT",
// "LOOM/USDT:USDT",
// "LPT/USDT:USDT",
// "LQTY/USDT:USDT",
// "LRC/USDT:USDT",
// "LTC/USDT:USDT",
// "LUNA2/USDT:USDT",
// "MAGIC/USDT:USDT",
// "MANA/USDT:USDT",
// "MASK/USDT:USDT",
// "MATIC/USDT:USDT",
// "MAV/USDT:USDT",
// "MBL/USDT:USDT",
// "MDT/USDT:USDT",
// "MEME/USDT:USDT",
// "MINA/USDT:USDT",
// "MKR/USDT:USDT",
// // "MOVR/USDT:USDT",
// "MTL/USDT:USDT",
// "NEAR/USDT:USDT",
// "NEO/USDT:USDT",
// // "NFP/USDT:USDT",
// "NKN/USDT:USDT",
// "NMR/USDT:USDT",
// "NTRN/USDT:USDT",
// "OCEAN/USDT:USDT",
// "OGN/USDT:USDT",
// "OMG/USDT:USDT",
// "ONE/USDT:USDT",
// "ONG/USDT:USDT",
// "ONT/USDT:USDT",
// "OP/USDT:USDT",
// "ORBS/USDT:USDT",
// "ORDI/USDT:USDT",
// "OXT/USDT:USDT",
// "PENDLE/USDT:USDT",
// "PEOPLE/USDT:USDT",
// "PERP/USDT:USDT",
// "PHB/USDT:USDT",
// "POLYX/USDT:USDT",
// "POWR/USDT:USDT",
// "PYTH/USDT:USDT",
// "QNT/USDT:USDT",
// "QTUM/USDT:USDT",
// "RAD/USDT:USDT",
// "RDNT/USDT:USDT",
// "REEF/USDT:USDT",
// "REN/USDT:USDT",
// "RIF/USDT:USDT",
// "RLC/USDT:USDT",
// "RNDR/USDT:USDT",
// "ROSE/USDT:USDT",
// "RSR/USDT:USDT",
// "RUNE/USDT:USDT",
// "RVN/USDT:USDT",
// "SAND/USDT:USDT",
// "SEI/USDT:USDT",
// "SFP/USDT:USDT",
// "SKL/USDT:USDT",
// "SLP/USDT:USDT",
// "SNT/USDT:USDT",
// "SNX/USDT:USDT",
// // "SOL/USDC:USDC",
// "SOL/USDT:USDT",
// "SPELL/USDT:USDT",
// "SSV/USDT:USDT",
// "STEEM/USDT:USDT",
// "STG/USDT:USDT",
// "STMX/USDT:USDT",
// "STORJ/USDT:USDT",
// "STPT/USDT:USDT",
// "STRAX/USDT:USDT",
// "STX/USDT:USDT",
// "SUI/USDT:USDT",
// "SUPER/USDT:USDT",
// "SUSHI/USDT:USDT",
// "SXP/USDT:USDT",
// "T/USDT:USDT",
// "THETA/USDT:USDT",
// "TIA/USDT:USDT",
// "TLM/USDT:USDT",
// "TOKEN/USDT:USDT",
// "TRB/USDT:USDT",
// "TRU/USDT:USDT",
// "TRX/USDT:USDT",
// "TWT/USDT:USDT",
// "UMA/USDT:USDT",
// "UNFI/USDT:USDT",
// "UNI/USDT:USDT",
// // "USDC/USDT:USDT",
// "USTC/USDT:USDT",
// "VET/USDT:USDT",
// "WAVES/USDT:USDT",
// "WAXP/USDT:USDT",
// "WLD/USDT:USDT",
// "WOO/USDT:USDT",
// "XEM/USDT:USDT",
// "XLM/USDT:USDT",
// "XMR/USDT:USDT",
// // "XRP/USDC:USDC",
// "XRP/USDT:USDT",
// "XTZ/USDT:USDT",
// "XVG/USDT:USDT",
// "XVS/USDT:USDT",
// "YFI/USDT:USDT",
// "YGG/USDT:USDT",
// "ZEC/USDT:USDT",
// "ZEN/USDT:USDT",
// "ZIL/USDT:USDT",
// "ZRX/USDT:USDT"
],
"label_period_candles": 20,
"include_shifted_candles": 2,
"DI_threshold": 0.9,
"weight_factor": 0.9,
"principal_component_analysis": false,
"use_SVM_to_remove_outliers": true,
"indicator_periods_candles": [
10,
20
],
"plot_feature_importances": 0
},
"data_split_parameters": {
"test_size": 0.33,
"random_state": 1
},
"model_training_parameters": {},
"rl_config": {
"train_cycles": 25,
// "add_state_info": true,
"add_state_info": false,
"max_trade_duration_candles": 300,
"max_training_drawdown_pct": 0.02,
"cpu_count": 8,
"model_type": "PPO",
"policy_type": "MlpPolicy",
"model_reward_parameters": {
"rr": 1,
"profit_aim": 0.025
}
}
},
}
AImodel文件
from freqtrade.freqai.prediction_models.ReinforcementLearner import ReinforcementLearner
from freqtrade.freqai.RL.Base5ActionRLEnv import Actions, Base5ActionRLEnv, Positions
class MyActionRLEnv(ReinforcementLearner):
class MyRLEnv(Base5ActionRLEnv):
def calculate_reward(self, action: int) -> float:
# 基础判断：如果行动无效，则给予惩罚
if not self._is_valid(action):
# print(f"action: {action}")
return -2
pnl = self.get_unrealized_profit()
factor = 100
pair = self.pair.replace(':', '')
# 假设策略使用RSI指标
rsi_now = self.raw_features[f"%-rsi-period_10_shift-1_{pair}_"
f"{self.config['timeframe']}"].iloc[self._current_tick]
# print(f"action: {action}, rsi_now:{rsi_now}, ")
# 进入交易的奖励机制
if action in (Actions.Long_enter.value, Actions.Short_enter.value) and self._position == Positions.Neutral:
if rsi_now < 40:
factor = 40 / rsi_now
else:
factor = 1
return 25 * factor
# 不进入交易的惩罚
if action == Actions.Neutral.value and self._position == Positions.Neutral:
return -1
# 交易持续时间奖励/惩罚
max_trade_duration = self.rl_config.get('max_trade_duration_candles', 300)
trade_duration = self._current_tick - self._last_trade_tick
if trade_duration <= max_trade_duration:
factor *= 1.5
elif trade_duration > max_trade_duration:
factor *= 0.5
# 保持交易状态的惩罚
if self._position in (Positions.Short, Positions.Long) and action == Actions.Neutral.value:
return -1 * trade_duration / max_trade_duration
# 关闭长/短仓位的奖励
if action in (Actions.Long_exit.value, Actions.Short_exit.value) and \
(self._position == Positions.Long or self._position == Positions.Short):
if pnl > self.profit_aim * self.rr:
factor *= self.rl_config['model_reward_parameters'].get('win_reward_factor', 2)
return float(pnl * factor)
return 0.
策略文件
# --- Do not remove these libs ---
from freqtrade.strategy.interface import IStrategy
from freqtrade.strategy import IntParameter
from pandas import DataFrame
import talib.abstract as ta
import freqtrade.vendor.qtpylib.indicators as qtpylib
import pandas as pd # noqa
pd.options.mode.chained_assignment = None # default='warn'
import technical.indicators as ftt
from functools import reduce
from datetime import datetime, timedelta
from freqtrade.strategy import merge_informative_pair
import numpy as np
from freqtrade.strategy import stoploss_from_open
from typing import Dict
class ichiV1(IStrategy):
# NOTE: settings as of the 25th july 21
# Buy hyperspace params:
buy_params = {
"buy_trend_above_senkou_level": 1,
"buy_trend_bullish_level": 1,
"buy_fan_magnitude_shift_value": 3,
"buy_min_fan_magnitude_gain": 1.002 # NOTE: Good value (Win% ~70%), alot of trades
#"buy_min_fan_magnitude_gain": 1.008 # NOTE: Very save value (Win% ~90%), only the biggest moves 1.008,
}
# Sell hyperspace params:
# NOTE: was 15m but kept bailing out in dryrun
sell_params = {
"sell_trend_indicator": "trend_close_2h",
}
# ROI table:
minimal_roi = {
"0": 0.059,
"10": 0.037,
"41": 0.012,
"114": 0
}
# Stoploss:
stoploss = -0.275
# Optimal timeframe for the strategy
timeframe = '5m'
startup_candle_count = 96
# process_only_new_candles = False
process_only_new_candles = True
trailing_stop = False
#trailing_stop_positive = 0.002
#trailing_stop_positive_offset = 0.025
#trailing_only_offset_is_reached = True
# use_sell_signal = True
use_exit_signal = True
# sell_profit_only = False
exit_profit_only = False
# ignore_roi_if_buy_signal = False
ignore_roi_if_entry_signal = False
plot_config = {
'main_plot': {
# fill area between senkou_a and senkou_b
'senkou_a': {
'color': 'green', #optional
'fill_to': 'senkou_b',
'fill_label': 'Ichimoku Cloud', #optional
'fill_color': 'rgba(255,76,46,0.2)', #optional
},
# plot senkou_b, too. Not only the area to it.
'senkou_b': {},
'trend_close_5m': {'color': '#FF5733'},
'trend_close_15m': {'color': '#FF8333'},
'trend_close_30m': {'color': '#FFB533'},
'trend_close_1h': {'color': '#FFE633'},
'trend_close_2h': {'color': '#E3FF33'},
'trend_close_4h': {'color': '#C4FF33'},
'trend_close_6h': {'color': '#61FF33'},
'trend_close_8h': {'color': '#33FF7D'}
},
'subplots': {
'fan_magnitude': {
'fan_magnitude': {}
},
'fan_magnitude_gain': {
'fan_magnitude_gain': {}
},
"MACD": {
'macd': {'color': 'blue'},
'macdsignal': {'color': 'orange'},
},
"RSI": {
'rsi': {'color': 'red'},
},
"Up_or_down": {
'&s-up_or_down': {'color': 'green'},
}
}
}
buy_rsi = IntParameter(low=1, high=50, default=30, space='buy', optimize=True, load=True)
sell_rsi = IntParameter(low=50, high=100, default=70, space='sell', optimize=True, load=True)
short_rsi = IntParameter(low=51, high=100, default=70, space='sell', optimize=True, load=True)
exit_short_rsi = IntParameter(low=1, high=50, default=30, space='buy', optimize=True, load=True)
def feature_engineering_expand_all(self, dataframe: DataFrame, period: int,
metadata: Dict, **kwargs) -> DataFrame:
dataframe["%-rsi-period"] = ta.RSI(dataframe, timeperiod=period)
dataframe["%-mfi-period"] = ta.MFI(dataframe, timeperiod=period)
dataframe["%-adx-period"] = ta.ADX(dataframe, timeperiod=period)
dataframe["%-sma-period"] = ta.SMA(dataframe, timeperiod=period)
dataframe["%-ema-period"] = ta.EMA(dataframe, timeperiod=period)
dataframe["%-ad-period"] = ta.AD(dataframe, timeperiod=period)
dataframe["%-adosc-period"] = ta.ADOSC(dataframe, timeperiod=period)
dataframe["%-adxr-period"] = ta.ADXR(dataframe, timeperiod=period)
dataframe["%-apo-period"] = ta.APO(dataframe, timeperiod=period)
dataframe["%-wma-period"] = ta.WMA(dataframe, timeperiod=period)
# dataframe["%-stoch-period"] = ta.STOCH(dataframe, timeperiod=period)
dataframe["%-atr-period"] = ta.ATR(dataframe, timeperiod=period)
dataframe["%-avgprice-period"] = ta.AVGPRICE(dataframe, timeperiod=period)
# dataframe["%-macd-period"] = ta.MACD(dataframe, timeperiod=period)
dataframe["%-mom-period"] = ta.MOM(dataframe, timeperiod=period)
dataframe["%-cci-period"] = ta.CCI(dataframe, timeperiod=period)
dataframe["%-sar-period"] = ta.SAR(dataframe, timeperiod=period)
dataframe["%-obv-period"] = ta.OBV(dataframe, timeperiod=period)
bollinger = qtpylib.bollinger_bands(
qtpylib.typical_price(dataframe), window=period, stds=2.2
)
dataframe["bb_lowerband-period"] = bollinger["lower"]
dataframe["bb_middleband-period"] = bollinger["mid"]
dataframe["bb_upperband-period"] = bollinger["upper"]
dataframe["%-bb_width-period"] = (
dataframe["bb_upperband-period"]
- dataframe["bb_lowerband-period"]
) / dataframe["bb_middleband-period"]
dataframe["%-close-bb_lower-period"] = (
dataframe["close"] / dataframe["bb_lowerband-period"]
)
dataframe["%-roc-period"] = ta.ROC(dataframe, timeperiod=period)
dataframe["%-relative_volume-period"] = (
dataframe["volume"] / dataframe["volume"].rolling(period).mean()
)
return dataframe
def feature_engineering_expand_basic(
self, dataframe: DataFrame, metadata: Dict, **kwargs) -> DataFrame:
# dataframe["%-pct-change"] = dataframe["close"].pct_change()
dataframe["%-raw_close"] = dataframe["close"]
dataframe["%-raw_open"] = dataframe["open"]
dataframe["%-raw_high"] = dataframe["high"]
dataframe["%-raw_low"] = dataframe["low"]
# dataframe["%-raw_quote_asset_volume"] = dataframe["quote_asset_volume"]
# dataframe["%-raw_trades"] = dataframe["trades"]
# dataframe["%-raw_taker_buy_base_asset_volume"] = dataframe["taker_buy_base_asset_volume"]
# dataframe["%-raw_taker_buy_quote_asset_volume"] = dataframe["taker_buy_quote_asset_volume"]
return dataframe
def feature_engineering_standard(
self, dataframe: DataFrame, metadata: Dict, **kwargs) -> DataFrame:
dataframe["%-day_of_week"] = dataframe["date"].dt.dayofweek
dataframe["%-hour_of_day"] = dataframe["date"].dt.hour
dataframe["%-raw_close"] = dataframe["close"]
dataframe["%-raw_open"] = dataframe["open"]
dataframe["%-raw_high"] = dataframe["high"]
dataframe["%-raw_low"] = dataframe["low"]
# dataframe["%-hour_of_day"] = dataframe["date"].dt.hour
# dataframe["%-hour_of_day"] = dataframe["date"].dt.hour
# dataframe["%-hour_of_day"] = dataframe["date"].dt.hour
return dataframe
def set_freqai_targets(self, dataframe: DataFrame, metadata: Dict, **kwargs) -> DataFrame:
# print("调用freqai\n\n\n")
# self.freqai.class_names = ["down", "up"]
a = np.where(dataframe["close"].shift(-50) >
dataframe["close"], "up", "down")
# # print(111, a)
# dataframe['&s-up_or_down'] = a
# dataframe['&s-close_price'] = dataframe['close'].shift(-100)
# print(dataframe['date'], dataframe['date'].shift(-100))
dataframe["&-action"] = 0
return dataframe
def populate_indicators(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
dataframe = self.freqai.start(dataframe, metadata, self)
print(dataframe)
heikinashi = qtpylib.heikinashi(dataframe)
# dataframe['open'] = heikinashi['open']
#dataframe['close'] = heikinashi['close']
dataframe['high'] = heikinashi['high']
dataframe['low'] = heikinashi['low']
dataframe['trend_close_5m'] = dataframe['close']
dataframe['trend_close_15m'] = ta.EMA(dataframe['close'], timeperiod=3)
dataframe['trend_close_30m'] = ta.EMA(dataframe['close'], timeperiod=6)
dataframe['trend_close_1h'] = ta.EMA(dataframe['close'], timeperiod=12)
dataframe['trend_close_2h'] = ta.EMA(dataframe['close'], timeperiod=24)
dataframe['trend_close_4h'] = ta.EMA(dataframe['close'], timeperiod=48)
dataframe['trend_close_6h'] = ta.EMA(dataframe['close'], timeperiod=72)
dataframe['trend_close_8h'] = ta.EMA(dataframe['close'], timeperiod=96)
dataframe['trend_open_5m'] = dataframe['open']
dataframe['trend_open_15m'] = ta.EMA(dataframe['open'], timeperiod=3)
dataframe['trend_open_30m'] = ta.EMA(dataframe['open'], timeperiod=6)
dataframe['trend_open_1h'] = ta.EMA(dataframe['open'], timeperiod=12)
dataframe['trend_open_2h'] = ta.EMA(dataframe['open'], timeperiod=24)
dataframe['trend_open_4h'] = ta.EMA(dataframe['open'], timeperiod=48)
dataframe['trend_open_6h'] = ta.EMA(dataframe['open'], timeperiod=72)
dataframe['trend_open_8h'] = ta.EMA(dataframe['open'], timeperiod=96)
dataframe['fan_magnitude'] = (dataframe['trend_close_1h'] / dataframe['trend_close_8h'])
dataframe['fan_magnitude_gain'] = dataframe['fan_magnitude'] / dataframe['fan_magnitude'].shift(1)
ichimoku = ftt.ichimoku(dataframe, conversion_line_period=20, base_line_periods=60, laggin_span=120, displacement=30)
dataframe['chikou_span'] = ichimoku['chikou_span']
dataframe['tenkan_sen'] = ichimoku['tenkan_sen']
dataframe['kijun_sen'] = ichimoku['kijun_sen']
dataframe['senkou_a'] = ichimoku['senkou_span_a']
dataframe['senkou_b'] = ichimoku['senkou_span_b']
dataframe['leading_senkou_span_a'] = ichimoku['leading_senkou_span_a']
dataframe['leading_senkou_span_b'] = ichimoku['leading_senkou_span_b']
dataframe['cloud_green'] = ichimoku['cloud_green']
dataframe['cloud_red'] = ichimoku['cloud_red']
dataframe['atr'] = ta.ATR(dataframe)
return dataframe
# def populate_buy_trend(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
def populate_entry_trend(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
conditions = []
short_conditions = []
# Trending market
if self.buy_params['buy_trend_above_senkou_level'] >= 1:
conditions.append(dataframe['trend_close_5m'] > dataframe['senkou_a'])
conditions.append(dataframe['trend_close_5m'] > dataframe['senkou_b'])
short_conditions.append(dataframe['trend_close_5m'] < dataframe['senkou_a'])
short_conditions.append(dataframe['trend_close_5m'] < dataframe['senkou_b'])
if self.buy_params['buy_trend_above_senkou_level'] >= 2:
conditions.append(dataframe['trend_close_15m'] > dataframe['senkou_a'])
conditions.append(dataframe['trend_close_15m'] > dataframe['senkou_b'])
short_conditions.append(dataframe['trend_close_15m'] < dataframe['senkou_a'])
short_conditions.append(dataframe['trend_close_15m'] < dataframe['senkou_b'])
if self.buy_params['buy_trend_above_senkou_level'] >= 3:
conditions.append(dataframe['trend_close_30m'] > dataframe['senkou_a'])
conditions.append(dataframe['trend_close_30m'] > dataframe['senkou_b'])
short_conditions.append(dataframe['trend_close_30m'] < dataframe['senkou_a'])
short_conditions.append(dataframe['trend_close_30m'] < dataframe['senkou_b'])
if self.buy_params['buy_trend_above_senkou_level'] >= 4:
conditions.append(dataframe['trend_close_1h'] > dataframe['senkou_a'])
conditions.append(dataframe['trend_close_1h'] > dataframe['senkou_b'])
short_conditions.append(dataframe['trend_close_1h'] < dataframe['senkou_a'])
short_conditions.append(dataframe['trend_close_1h'] < dataframe['senkou_b'])
if self.buy_params['buy_trend_above_senkou_level'] >= 5:
conditions.append(dataframe['trend_close_2h'] > dataframe['senkou_a'])
conditions.append(dataframe['trend_close_2h'] > dataframe['senkou_b'])
short_conditions.append(dataframe['trend_close_2h'] < dataframe['senkou_a'])
short_conditions.append(dataframe['trend_close_2h'] < dataframe['senkou_b'])
if self.buy_params['buy_trend_above_senkou_level'] >= 6:
conditions.append(dataframe['trend_close_4h'] > dataframe['senkou_a'])
conditions.append(dataframe['trend_close_4h'] > dataframe['senkou_b'])
short_conditions.append(dataframe['trend_close_4h'] < dataframe['senkou_a'])
short_conditions.append(dataframe['trend_close_4h'] < dataframe['senkou_b'])
if self.buy_params['buy_trend_above_senkou_level'] >= 7:
conditions.append(dataframe['trend_close_6h'] > dataframe['senkou_a'])
conditions.append(dataframe['trend_close_6h'] > dataframe['senkou_b'])
short_conditions.append(dataframe['trend_close_6h'] < dataframe['senkou_a'])
short_conditions.append(dataframe['trend_close_6h'] < dataframe['senkou_b'])
if self.buy_params['buy_trend_above_senkou_level'] >= 8:
conditions.append(dataframe['trend_close_8h'] > dataframe['senkou_a'])
conditions.append(dataframe['trend_close_8h'] > dataframe['senkou_b'])
short_conditions.append(dataframe['trend_close_8h'] < dataframe['senkou_a'])
short_conditions.append(dataframe['trend_close_8h'] < dataframe['senkou_b'])
# Trends bullish
if self.buy_params['buy_trend_bullish_level'] >= 1:
conditions.append(dataframe['trend_close_5m'] > dataframe['trend_open_5m'])
short_conditions.append(dataframe['trend_close_5m'] < dataframe['trend_open_5m'])
if self.buy_params['buy_trend_bullish_level'] >= 2:
conditions.append(dataframe['trend_close_15m'] > dataframe['trend_open_15m'])
short_conditions.append(dataframe['trend_close_15m'] < dataframe['trend_open_15m'])
if self.buy_params['buy_trend_bullish_level'] >= 3:
conditions.append(dataframe['trend_close_30m'] > dataframe['trend_open_30m'])
short_conditions.append(dataframe['trend_close_30m'] < dataframe['trend_open_30m'])
if self.buy_params['buy_trend_bullish_level'] >= 4:
conditions.append(dataframe['trend_close_1h'] > dataframe['trend_open_1h'])
short_conditions.append(dataframe['trend_close_1h'] < dataframe['trend_open_1h'])
if self.buy_params['buy_trend_bullish_level'] >= 5:
conditions.append(dataframe['trend_close_2h'] > dataframe['trend_open_2h'])
short_conditions.append(dataframe['trend_close_2h'] < dataframe['trend_open_2h'])
if self.buy_params['buy_trend_bullish_level'] >= 6:
conditions.append(dataframe['trend_close_4h'] > dataframe['trend_open_4h'])
short_conditions.append(dataframe['trend_close_4h'] < dataframe['trend_open_4h'])
if self.buy_params['buy_trend_bullish_level'] >= 7:
conditions.append(dataframe['trend_close_6h'] > dataframe['trend_open_6h'])
short_conditions.append(dataframe['trend_close_6h'] < dataframe['trend_open_6h'])
if self.buy_params['buy_trend_bullish_level'] >= 8:
conditions.append(dataframe['trend_close_8h'] > dataframe['trend_open_8h'])
short_conditions.append(dataframe['trend_close_8h'] < dataframe['trend_open_8h'])
# Trends magnitude
conditions.append(dataframe['fan_magnitude_gain'] >= self.buy_params['buy_min_fan_magnitude_gain'])
conditions.append(dataframe['fan_magnitude'] > 1)
short_conditions.append(dataframe['fan_magnitude_gain'] < self.buy_params['buy_min_fan_magnitude_gain'])
short_conditions.append(dataframe['fan_magnitude'] < 1)
for x in range(self.buy_params['buy_fan_magnitude_shift_value']):
conditions.append(dataframe['fan_magnitude'].shift(x+1) < dataframe['fan_magnitude'])
short_conditions.append(dataframe['fan_magnitude'].shift(x+1) > dataframe['fan_magnitude'])
if conditions:
pass
# dataframe.loc[
# reduce(lambda x, y: x & y, conditions),
# 'buy'] = 1
# dataframe.loc[
# (dataframe['&s-up_or_down'] == "up"),
# 'enter_long'] = 1
# dataframe.loc[
# (dataframe['&s-up_or_down'] == "down"),
# 'enter_short'] = 1
# dataframe.loc[
# reduce(lambda x, y: x & y, conditions),
# 'enter_long'] = 1
# dataframe.loc[
# reduce(lambda x, y: x & y, short_conditions),
# 'enter_short'] = 1
enter_long_conditions = [dataframe["do_predict"] == 1, dataframe["&-action"] == 1]
if enter_long_conditions:
dataframe.loc[
reduce(lambda x, y: x & y, enter_long_conditions), ["enter_long", "enter_tag"]
] = (1, "long")
enter_short_conditions = [dataframe["do_predict"] == 1, dataframe["&-action"] == 3]
if enter_short_conditions:
dataframe.loc[
reduce(lambda x, y: x & y, enter_short_conditions), ["enter_short", "enter_tag"]
] = (1, "short")
return dataframe
# def populate_sell_trend(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
def populate_exit_trend(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
# conditions = []
# conditions.append(qtpylib.crossed_below(dataframe['trend_close_5m'], dataframe[self.sell_params['sell_trend_indicator']]))
# if conditions:
# # dataframe.loc[
# # reduce(lambda x, y: x & y, conditions),
# # 'sell'] = 1
# dataframe.loc[
# reduce(lambda x, y: x & y, conditions),
# 'exit_short'] = 1
# dataframe.loc[
# reduce(lambda x, y: x & y, conditions),
# 'exit_long'] = 1
# 定义移动平均线
short_window = 10 # 短期窗口
long_window = 30 # 长期窗口
# 计算移动平均线
dataframe['short_ma'] = dataframe['close'].rolling(window=short_window).mean()
dataframe['long_ma'] = dataframe['close'].rolling(window=long_window).mean()
# 定义进入空头的条件
short_conditions = []
short_conditions.append(dataframe['short_ma'] < dataframe['long_ma'])
# 定义进入多头的条件
long_conditions = []
long_conditions.append(dataframe['short_ma'] > dataframe['long_ma'])
# # 应用多头和空头条件
# if short_conditions:
# dataframe.loc[reduce(lambda x, y: x & y, short_conditions), 'exit_short'] = 1
# if long_conditions:
# dataframe.loc[reduce(lambda x, y: x & y, long_conditions), 'exit_long'] = 1
# print(dataframe["do_predict"])
exit_long_conditions = [dataframe["do_predict"] == 1, dataframe["&-action"] == 2]
if exit_long_conditions:
dataframe.loc[reduce(lambda x, y: x & y, exit_long_conditions), "exit_long"] = 1
exit_short_conditions = [dataframe["do_predict"] == 1, dataframe["&-action"] == 4]
if exit_short_conditions:
dataframe.loc[reduce(lambda x, y: x & y, exit_short_conditions), "exit_short"] = 1
return dataframe
文章分类