委托流（Orderflow）数据¶
本指南将带你了解如何在 Freqtrade 中利用公共成交数据进行高级委托流分析。
快速开始¶
启用公共成交数据¶
在你的 config.json 文件中，将 exchange 部分的 use_public_trades 选项设置为 true。
"exchange": {
...
"use_public_trades": true,
}配置委托流处理¶
在 config.json 的 orderflow 部分定义你想要的委托流处理设置。你可以调整如下参数：
cache_size：缓存多少根历史委托流 K 线，避免每根新 K 线都重新计算max_candles：限制获取成交数据的最大 K 线数量scale：控制 footprint 图的价格分箱大小stacked_imbalance_range：定义连续失衡价位的最小数量imbalance_volume：过滤成交量低于该阈值的失衡imbalance_ratio：过滤买卖量差低于该值的失衡
"orderflow": {
"cache_size": 1000,
"max_candles": 1500,
"scale": 0.5,
"stacked_imbalance_range": 3, // 至少需要这么多连续失衡
"imbalance_volume": 1, // 过滤低于该值的失衡
"imbalance_ratio": 3 // 过滤低于该比值的失衡
},下载回测用成交数据¶
如需下载历史成交数据用于回测，请在 freqtrade download-data 命令中加上 --dl-trades 参数。
freqtrade download-data -p BTC/USDT:USDT
--timerange 20230101- --trading-mode futures --timeframes 5m
--dl-trades访问委托流数据¶
启用后，你的数据表（dataframe）会新增如下列：
dataframe["trades"] # 包含每笔成交的详细信息。
dataframe["orderflow"] # footprint 图字典（见下文）
dataframe["imbalances"] # 委托流失衡信息。
dataframe["bid"] # 总买单量
dataframe["ask"] # 总卖单量
dataframe["delta"] # 买卖量差。
dataframe["min_delta"] # 本 K 线内最小 delta
dataframe["max_delta"] # 本 K 线内最大 delta
dataframe["total_trades"] # 总成交笔数
dataframe["stacked_imbalances_bid"] # 堆叠买方失衡区间起点价位列表
dataframe["stacked_imbalances_ask"] # 堆叠卖方失衡区间起点价位列表你可以在策略代码中访问这些列进行进一步分析。例如：
def populate_indicators(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
# 计算累计 delta
dataframe["cum_delta"] = cumulative_delta(dataframe["delta"])
# 访问总成交笔数
total_trades = dataframe["total_trades"]
...
def cumulative_delta(delta: Series):
cumdelta = delta.cumsum()
return cumdelta
Footprint 图（dataframe["orderflow"]）¶
该列为不同价位的买卖订单提供详细分布，有助于洞察委托流动态。配置中的 scale 参数决定价格分箱大小。
orderflow 列为如下结构的字典：
{
"price": {
"bid_amount": 0.0,
"ask_amount": 0.0,
"bid": 0,
"ask": 0,
"delta": 0.0,
"total_volume": 0.0,
"total_trades": 0
}
}orderflow 列说明¶
- key：价格分箱（以
scale为间隔分箱） bid_amount：每个价位的买入总量ask_amount：每个价位的卖出总量bid：每个价位的买单数ask：每个价位的卖单数delta：每个价位的买卖量差total_volume：每个价位的总成交量（买入+卖出）total_trades：每个价位的总成交笔数（买单+卖单）
利用这些特性，你可以基于委托流分析获得市场情绪和潜在交易机会。
原始成交数据（dataframe["trades"]）¶
该列为本 K 线期间发生的每笔成交组成的列表，可用于更细粒度的委托流分析。
每条记录为如下结构的字典：
timestamp：成交时间戳date：成交日期price：成交价格amount：成交量side：买入或卖出id：成交唯一标识cost：成交总额（价格 * 数量）
失衡（dataframe["imbalances"]）¶
该列为字典，记录委托流中的失衡信息。当某价位的买卖量差异显著时，视为失衡。
每行数据如下——以价格为索引，对应的 bid/ask 失衡值为列：
{
"price": {
"bid_imbalance": False,
"ask_imbalance": False
}
}