- 文集信息
- 目录大纲
- 最新文档
- 知识宇宙
文集详情
文集导读
freqtrade · 中文技术教程
用 Python 写加密货币交易机器人:从策略入门到机器学习优化的完整体系
这本教程讲什么
本教程是开源项目「freqtrade」的体系化中文教程。freqtrade 是一个免费开源的加密货币交易机器人,用 Python 3.11+ 编写,支持 Binance、Bybit、OKX、Bitget、Gate、Kraken、Hyperliquid 等主流现货与合约交易所,可通过 Telegram 或 WebUI 控制,内置回测、绘图、资金管理,以及基于机器学习的策略优化模块(FreqAI)。
本教程不止教「freqtrade 这个框架怎么用」,更讲透「量化交易机器人的工程原理与方法论」——因为 freqtrade 内置了业界标杆级的 47 篇英文文档(约 825KB)与超 1.5MB 的工业级源码,覆盖策略开发、回测诊断、超参优化、机器学习预测的完整链路。本教程把这些英文素材重组为中文章节,既学工具也学原理。
⚠️ 风险提示:freqtrade 官方明确声明项目仅作教育用途。加密货币交易风险极高,务必先用 Dry-Run(模拟)模式充分验证,理解每一条规则后再考虑真实资金。本教程假设你已知晓这些风险。
十篇学习路径一览
本教程按「装起来 → 懂配置 → 写策略 → 深定制 → 拿数据 → 做回测 → 调参数 → 上机器学习 → 接交易所 → 稳运维」的递进组织:
第 1 章 认识 freqtrade 与快速上手 ── 是什么、怎么装、跑第一次模拟 第 2 章 核心概念与配置体系 ── 交易循环、配置文件、白名单黑名单 第 3 章 策略开发基础 ── IStrategy 接口、指标、信号、止损(上手核心) 第 4 章 策略深度定制 ── informative、回调、Trade 对象、追踪止损 │ 第 5 章 数据获取与分析 ── 历史下载、格式转换、分析绘图 第 6 章 回测与诊断 ── 回测引擎、未来函数检测、Edge 分析(验证核心) 第 7 章 超参优化 Hyperopt ── 自动搜索最优参数 │ 第 8 章 FreqAI 机器学习 ── 特征工程、内置模型、强化学习(高阶核心) 第 9 章 交易所、杠杆与高级交易 ── ccxt 适配、合约、做空、集群 第 10 章 运维与扩展 ── Telegram、WebUI、插件、SQL、迁移
前 4 章是「把策略写起来」,第 57 章是「验证与优化」,第 8 章是「机器学习高阶」,第 910 章是「生产运维」。
章节目录
第 1 章 认识 freqtrade 与快速上手
freqtrade 是什么、解决什么问题、能力一览与支持的交易所;然后用 Docker 或原生方式安装、下载数据、跑第一次 Dry-Run 模拟交易。
第 2 章 核心概念与配置体系
freqtrade 的交易主循环(FreqtradeBot)、状态机(运行/停止/重载);配置文件 JSON 的完整结构与校验;白名单/黑名单机制。
第 3 章 策略开发基础(上手核心)
IStrategy 抽象基类;populate_indicators 计算技术指标;populate_entry_trend/populate_exit_trend 生成信号;minimal_roi 与 stoploss 配置;用 sample_strategy 跑通第一个策略。
第 4 章 策略深度定制(进阶)
@informative 装饰器引入多周期数据;回调函数(custom_stoploss、custom_entry_price 等)全解;Trade 对象的字段与方法;追踪止损;订单调整。
第 5 章 数据获取与分析
历史数据下载(download-data);数据格式转换(feather/json);数据分析与回测结果可视化(plot-dataframe、plot-profit)。
第 6 章 回测与诊断(验证核心)
回测引擎原理与限制;回测实战与报告解读;滑点与手续费建模;未来函数检测(lookahead-analysis);递归偏移检测;Edge 边缘分析。
第 7 章 超参优化 Hyperopt
Hyperopt 原理;搜索空间与可优化参数;损失函数(内置多种);高级优化与产出报告。
第 8 章 FreqAI 机器学习(高阶核心)
FreqAI 自适应预测建模总览;特征工程与标签;配置与运行;内置模型(LightGBM/XGBoost/PyTorch MLP/Transformer);强化学习交易环境;自定义模型开发。
第 9 章 交易所、杠杆与高级交易
基于 ccxt 的交易所适配层;现货与合约杠杆配置;做空交易;生产者-消费者集群模式(多 bot 协同)。
第 10 章 运维与扩展
Telegram 机器人远程控制;FreqUI 与 REST API;插件系统(交易对过滤 pairlist + 保护机制 protection);SQL 查询速查;策略版本迁移。
适合读者
本教程适合有 Python 基础、想用代码做加密货币量化交易或学习量化工程的学习者:
- 想用开源框架搭建自己的加密货币交易机器人的开发者
- 想理解量化交易全流程(数据→策略→回测→优化→实盘)的学习者
- 已有交易经验、想自动化执行策略的交易者
- 对机器学习/强化学习在金融中的应用感兴趣的工程师
前置知识:
- Python 基础(pandas DataFrame、函数、类的基本概念)
- 命令行与 JSON 配置文件的基本理解
- 加密货币交易的基本概念(交易对、K 线、现货/合约)不必熟练,第 1~2 章会讲起
- 风险意识:加密货币市场波动极大,先模拟后实盘
关于原文版本
本教程对照的原文来自 freqtrade 项目 develop 分支(版本 2026.8-dev,GPLv3 协议)。原文文档位于项目的 docs/ 目录,源码位于 freqtrade/ 包。
目录大纲
最新文档
知识宇宙
正在加载知识图谱...