freqtrade · 第 7 章 超参优化Hyperopt

freqtrade · 第 7 章 超参优化Hyperopt

章节摘要:本章属「优化篇」,讲如何用 Hyperopt 自动搜索最优策略参数。手调参数既低效又容易过拟合,freqtrade 内置的 Hyperopt 基于 Optuna,能把你策略里标记为「可优化」的参数(指标周期、止损比例、ROI 阶梯等)放进搜索空间,用指定的损失函数自动寻找最优组合。本章先讲 Hyperopt 的原理与工作流;再讲搜索空间与可优化参数的声明方式;然后是损失函数(内置多种,如 Sharpe、Sortino、赢利交易数);最后是高级优化技巧与产出报告。本章共 4 节,前置依赖为「第 3~4、6 章」。

学习目标

阅读完本章,你应当能够:

1. 描述 Hyperopt 的原理(基于 Optuna 的贝叶斯优化)与完整工作流。
2. 在策略中声明可优化参数(IntParameter、DecimalParameter、CategoricalParameter)。
3. 选择并理解不同的损失函数(Sharpe、Sortino、Profit 等)。
4. 跑一次完整 Hyperopt 并读懂产出,警惕过拟合。

核心概念速览

Hyperopt 的本质:让机器替你在参数空间里试错——但「回测最优」不等于「实盘最优」,警惕过拟合。

子章节导航

01 Hyperopt 原理与工作流

Optuna 贝叶斯优化、可优化参数、Hyperopt 命令、epochs 与 jobs。

02 搜索空间与可优化参数

IntParameter、DecimalParameter、CategoricalParameter、range 声明、在策略中引用。

03 损失函数

内置损失(SharpeHyperOptLoss、SortinoHyperOptLoss、MultiMetricHyperOptLoss 等)、如何选择、自定义损失。

04 高级优化与产出

随机搜索 vs TPE、expectation-maximization、产出 JSON 导入策略、避免过拟合的实践。

子章节之间的逻辑关系

本章第 01 节(原理) ──► 第 02 节(参数空间) ──► 第 03 节(损失函数) ──► 第 04 节(高级与产出)
   │
   ▼
下一章(第 8 章 FreqAI 机器学习)
​

前置知识与后续延伸

前置知识:

• 第 3~4 章(策略写法与可优化参数)
• 第 6 章(回测,Hyperopt 内部依赖回测)

后续延伸:

• 第 8 章 FreqAI 的模型参数也可纳入 Hyperopt
• 优化后的参数要回到第 6 章做 lookahead 检测,确保不是作弊