AX 爱鲜报

Freqtrade 加密货币交易机器人

Freqtrade 是一个用 Python 编写的免费开源加密货币交易机器人,支持主流交易所,提供回测、绘图、资金管理、机器学习策略优化,并可通过 Telegram 或 WebUI 控制。

过去 7 天收获 4 颗 Star

爱鲜报评分

0.0

0 人评分

56k

星数

否

中文

Python

主语言

是

活跃

408

贡献者

人工分析

EDITORIAL

推荐理由

Freqtrade 是加密货币量化交易领域最成熟的开源项目之一,拥有超过 5.6 万 Star 和活跃社区。它提供了从数据下载、策略开发、回测、参数优化到实盘/模拟交易的完整工具链,并内置 FreqAI 自适应机器学习框架。对于想学习量化交易或搭建自动化交易系统的开发者来说,是极佳的研究与实践平台。

适用场景

  • 加密货币量化策略研究与回测
  • 自动化交易机器人部署(现货/合约)
  • 机器学习驱动的交易策略优化
  • 通过 Telegram 或 WebUI 远程管理交易
  • 量化交易教学与实验

优点

  • 功能完整:涵盖数据、回测、优化、实盘全流程
  • 支持众多主流交易所(Binance、OKX、Bybit 等)
  • 内置 FreqAI 机器学习框架,支持自适应预测建模
  • 活跃社区与详尽文档,持续更新维护
  • 提供 Dry-run 模拟运行,降低试错成本

缺点

  • 需要一定的 Python 编程与量化交易知识
  • 实盘交易存在资金风险,需自行承担
  • 部分交易所配置较复杂,需阅读专门文档
  • 策略开发与调优需要较多时间投入
上手难度 进阶

Freqtrade 简介

Freqtrade 是一个用 Python 编写的免费开源加密货币交易机器人,旨在支持主流交易所,并可通过 Telegram 或 WebUI 进行控制。它集成了回测、绘图、资金管理以及基于机器学习的策略优化工具。

免责声明:本项目仅供教育目的。请勿投入您无法承受损失的资金,使用风险自负。建议始终先以 Dry-run 模式运行,理解其工作原理后再考虑实盘。

核心功能

  • 基于 Python 3.12+:可在 Windows、macOS 和 Linux 上运行。
  • 数据持久化:使用 SQLite 存储交易数据。
  • Dry-run 模拟运行:无需真实资金即可测试策略。
  • 回测:对买入/卖出策略进行历史数据模拟。
  • 机器学习策略优化:利用真实交易所数据优化策略参数。
  • FreqAI 自适应预测建模:通过自适应机器学习方法构建自我训练的策略。
  • 白名单/黑名单:选择要交易或避开的加密货币,支持动态白名单。
  • 内置 WebUI:通过网页界面管理机器人。
  • Telegram 管理:通过 Telegram 远程控制机器人。
  • 盈亏显示:以法币显示盈亏。
  • 性能报告:提供当前交易的性能状态。

支持的交易所

Freqtrade 支持众多主流现货与合约交易所,包括:

  • 现货:Binance、BingX、Bitget、Bybit、Gate、HTX、Hyperliquid、Kraken、OKX 等。
  • 合约:Binance、Bitget、Bybit、Gate、Hyperliquid、Kraken、OKX 等。
  • 社区验证:Bitvavo、Kucoin。

请务必阅读各交易所的专门说明文档,了解可能需要的特殊配置。

快速开始

推荐使用 Docker 快速启动,具体步骤请参考官方 Docker Quickstart 文档。对于本地安装,请参阅安装文档页面。

基本命令示例

# 创建用户目录
freqtrade create-userdir --userdir user_data

# 下载历史数据
freqtrade download-data --exchange binance --pairs BTC/USDT --timeframes 1h

# 运行回测
freqtrade backtesting --strategy MyStrategy

# 启动模拟交易
freqtrade trade --strategy MyStrategy --dry-run

Telegram RPC

通过 Telegram 可以执行状态查询、启动/停止交易、查看盈亏等操作,具体命令请参考官方文档。

适用人群

Freqtrade 适合具备一定 Python 编程基础、对量化交易感兴趣的开发者。建议先阅读源码和文档,理解机器人机制后再进行实盘操作。

文档与社区

  • 官方文档:https://www.freqtrade.io
  • Discord 社区:可通过官方邀请链接加入
  • GitHub 仓库:https://github.com/freqtrade/freqtrade

评论

登录后才可评论与评分

0 条评论

  • 暂无评论,来写第一条吧。