这是一个基于 Freqtrade 框架的加密货币交易机器人项目，专注于纯粹的价格行为（Price Action）策略开发与研究。
- 纯粹价格行为策略: 拒绝所有技术指标和成交量分析，仅基于开高低收价格数据
- 分层架构设计: 采用四层架构实现策略逻辑
- 多周期分析: 支持基于5分钟周期的多周期价格行为分析
- 双策略模式: 突破入场 + 抢反弹双重策略组合
- 简单出场机制: 基于时间周期的简单出场逻辑
- 基础K线属性：阳线/阴线标记、K线长度、实体长度
- K线长度值（带正负）：阳线为正，阴线为负
- 多周期封装：基于5分钟数据构建等效分析周期
- 趋势判断: K线均分，比较后段最低收盘与前段平均价
- 波幅增强: 判断当前K线长度是否超过历史80%分位数
- 突破策略: 上升趋势 + 波幅增强 + N根阳线 + 非最长实体
- 反弹策略: 下降趋势 + 波幅增强 + M根阳线 + 阴线占比>60%
- 仅基于时间周期：配置K线数量后强制出场
- 简单直接，拒绝复杂条件干扰
- Python 3.12+ (推荐 3.13+)
- Freqtrade 框架
- 币安交易所API密钥
pip install python-dotenv freqtrade# 币安API配置（必需）
export BINANCE_API_KEY="你的API密钥"
export BINANCE_API_SECRET="你的API密钥"
# 可选配置
export FREQTRADE_USERNAME="自定义用户名"
export FREQTRADE_PASSWORD="自定义密码"
export JWT_SECRET="JWT密钥串"
export WS_TOKEN="WebSocket令牌"python main.py- BTC/USDT
- ETH/USDT
- SOL/USDT
- AVAX/USDT
- DOGE/USDT
- XRP/USDT
- 时间周期：5分钟
- 最大持仓：3个交易对
- 每笔交易金额：100 USDT
- 止损设置：5% (优化后，原15%)
- 目标收益：3%→2%→1%→0% (优化后，原1000%)
- 强制出场：25分钟 / 5根K线
./run_backtest.sh该脚本会自动：
- 检查历史数据
- 下载缺失的市场数据
- 执行回测分析
- 生成回测报告
# 下载市场数据
freqtrade download-data --config user_data/config_price-act_strategy.json --pairs BTC/USDT --timeframe 5m
# 运行回测
freqtrade backtesting --config user_data/config_price-act_strategy.json --strategy PriceActionStrategy
# 参数优化 (推荐使用优化后的配置)
freqtrade hyperopt --config user_data/config_hyperopt_fixed.json --strategy PriceActionStrategy --hyperopt-loss SharpeHyperOptLoss --epochs 50 --timerange 20241001- --spaces buy sell主要配置文件位于 user_data/config_price-act_strategy.json，可调整以下参数：
{
"max_open_trades": 3, // 最大同时持仓数
"stake_amount": 100, // 每笔交易金额
"stake_currency": "USDT", // 基础货币
"minimal_roi": {
"0": 0.03, // 0分钟时目标收益3% (优化后)
"15": 0.02, // 15分钟时目标收益2%
"30": 0.01, // 30分钟时目标收益1%
"60": 0 // 60分钟时强制出场
},
"stoploss": -0.05 // 止损比例-5% (优化后)
}- 原配置ROI目标为1000%（不现实），已优化为3%→2%→1%→0%
- 原止损15%过于激进，已优化为5%
- 建议使用
user_data/config_hyperopt_fixed.json进行参数优化
在 user_data/strategies/price-act_strategy.py 中可配置：
# 基础工具参数
trend_analysis_period = 20 # 趋势分析周期
amplitude_lookback = 20 # 波幅分析回望期
amplitude_percentile = 0.8 # 波幅增强阈值80%
# 策略参数
bear_ratio_threshold = 0.6 # 反弹策略阴线比例阈值
exit_candle_count = 5 # 强制出场K线数量
breakout_bull_candles = 2 # 突破策略阳线数量
rebound_bull_candles = 1 # 反弹策略阳线数量freqtradeStudy/
├── main.py # 交易启动器
├── run_backtest.sh # 自动回测脚本
├── pyproject.toml # 项目依赖配置
├── user_data/
│ ├── strategies/
│ │ └── price-act_strategy.py # 价格行为策略
│ ├── config_price-act_strategy.json # 交易配置
│ └── data/binance/ # 市场数据存储
└── README.md # 项目说明
- 参数调优: 根据回测结果调整入场条件参数
- 时间周期: 测试不同的时间周期倍数效果
- 风险管理: 动态调整止损和止盈比例
- 策略组合: 考虑增加更多入场逻辑组合
关键发现:
- 配置问题比策略逻辑更重要: 不现实的ROI设置(1000%)导致策略完全失效
- 止损设置影响巨大: 15%止损过于激进，5%更合理
- 信号生成数量: 过于严格的条件只产生14个交易信号，需要适度放宽
优化成果:
- 原始结果: 总收益 -0.54%，胜率 28.6%，交易数 14
- 预期改进: 总收益转正，胜率 35-45%，交易数 50-200+
最佳实践:
- 现实的ROI目标: 使用3%→2%→1%→0%梯度设置
- 合理的止损: 5-10%范围，避免过度激进
- 充分的优化轮次: 最少50轮epochs，推荐100+
- 多样化交易对: 增加BNB、ADA、DOT等提高数据多样性
- 模块化分层设计，便于维护和扩展
- 纯价格行为逻辑，避免指标过度拟合
- 灵活的参数配置，支持快速策略迭代
- 中文注释完善，易于理解策略逻辑
本策略仅供学习研究使用，不构成投资建议。加密货币交易存在高风险，可能导致本金损失。使用本策略进行交易前，请：
- 充分了解策略逻辑
- 进行充分的历史回测
- 使用小额资金实盘测试
- 设置合理的风险控制参数
如有问题或建议，欢迎通过以下方式联系：
- 提交 Issue 报告问题
- 提出功能改进建议
- 分享策略优化思路
免责声明: 本项目仅供技术研究和学习使用，任何投资决策需独立判断并自行承担风险。