Freqtrade 策略分析示例

import os
from pathlib import Path

# 切换目录
# 修改此单元格以确保输出显示正确的路径。
# 所有路径均以项目根目录为基准
project_root = "somedir/freqtrade"
i = 0
try:
    os.chdir(project_root)
    if not Path("LICENSE").is_file():
        i = 0
        while i < 4 and (not Path("LICENSE").is_file()):
            os.chdir(Path(Path.cwd(), "../"))
            i += 1
        project_root = Path.cwd()
except FileNotFoundError:
    print("请根据当前目录定义项目根目录")
print(Path.cwd())

from freqtrade.configuration import Configuration

# 根据你的需求自定义以下内容。

# 初始化空配置对象
config = Configuration.from_files([])
# 可选（推荐），使用已有配置文件
# config = Configuration.from_files(["user_data/config.json"])

# 定义一些常量
config["timeframe"] = "5m"
# 策略类名
config["strategy"] = "SampleStrategy"
# 数据位置
data_location = config["datadir"]
# 要分析的交易对 - 这里只用一个交易对
pair = "BTC/USDT"

# 使用上面设置的值加载数据
from freqtrade.data.history import load_pair_history
from freqtrade.enums import CandleType

candles = load_pair_history(
    datadir=data_location,
    timeframe=config["timeframe"],
    pair=pair,
    data_format="json",  # 请确保与你的数据格式一致
    candle_type=CandleType.SPOT,
)

# 确认加载成功
print(f"已为 {pair} 从 {data_location} 加载 {len(candles)} 行数据")
candles.head()

# 使用上面设置的值加载策略
from freqtrade.data.dataprovider import DataProvider
from freqtrade.resolvers import StrategyResolver

strategy = StrategyResolver.load_strategy(config)
strategy.dp = DataProvider(config, None, None)
strategy.ft_bot_start()

# 用策略生成买/卖信号
df = strategy.analyze_ticker(candles, {"pair": pair})
df.tail()

# 报告结果
print(f"共生成 {df['enter_long'].sum()} 个入场信号")
data = df.set_index("date", drop=False)
data.tail()

from freqtrade.data.btanalysis import load_backtest_data, load_backtest_stats

# 如果 backtest_dir 指向目录，会自动加载最新回测文件。
backtest_dir = config["user_data_dir"] / "backtest_results"
# backtest_dir 也可以指向具体文件
# backtest_dir = (
#   config["user_data_dir"] / "backtest_results/backtest-result-2020-07-01_20-04-22.json"
# )

# 用以下命令可获取完整回测统计信息。
# 包含生成回测结果所用的全部信息。
stats = load_backtest_stats(backtest_dir)

strategy = "SampleStrategy"
# 所有统计信息都按策略分组，如果回测时用过 `--strategy-list`，这里也会体现。
# 示例用法：
print(stats["strategy"][strategy]["results_per_pair"])
# 获取本次回测用的交易对列表
print(stats["strategy"][strategy]["pairlist"])
# 获取市场变化（回测期间所有交易对的平均涨跌幅）
print(stats["strategy"][strategy]["market_change"])
# 最大回撤（绝对值）
print(stats["strategy"][strategy]["max_drawdown_abs"])
# 最大回撤起止时间
print(stats["strategy"][strategy]["drawdown_start"])
print(stats["strategy"][strategy]["drawdown_end"])

# 策略对比（仅多策略回测时有意义）
print(stats["strategy_comparison"])

# 以 dataframe 形式加载回测交易
trades = load_backtest_data(backtest_dir)

# 按交易对统计各退出原因数量
trades.groupby("pair")["exit_reason"].value_counts()

# 绘制资金曲线（第 1 天从 0 开始，每天加上当日回测收益）

import pandas as pd
import plotly.express as px

from freqtrade.configuration import Configuration
from freqtrade.data.btanalysis import load_backtest_stats

# strategy = 'SampleStrategy'
# config = Configuration.from_files(["user_data/config.json"])
# backtest_dir = config["user_data_dir"] / "backtest_results"

stats = load_backtest_stats(backtest_dir)
strategy_stats = stats["strategy"][strategy]

df = pd.DataFrame(columns=["dates", "equity"], data=strategy_stats["daily_profit"])
df["equity_daily"] = df["equity"].cumsum()

fig = px.line(df, x="dates", y="equity_daily")
fig.show()

from freqtrade.data.btanalysis import load_trades_from_db

# 从数据库获取交易
trades = load_trades_from_db("sqlite:///tradesv3.sqlite")

# 显示结果
trades.groupby("pair")["exit_reason"].value_counts()

from freqtrade.data.btanalysis import analyze_trade_parallelism

# 分析上述交易
parallel_trades = analyze_trade_parallelism(trades, "5m")

parallel_trades.plot()

from freqtrade.plot.plotting import generate_candlestick_graph

# 限定绘图区间以保证 plotly 响应速度

# 只保留一个交易对的交易
trades_red = trades.loc[trades["pair"] == pair]

data_red = data["2019-06-01":"2019-06-10"]
# 生成蜡烛图
graph = generate_candlestick_graph(
    pair=pair,
    data=data_red,
    trades=trades_red,
    indicators1=["sma20", "ema50", "ema55"],
    indicators2=["rsi", "macd", "macdsignal", "macdhist"],
)

# 内嵌显示图表
# graph.show()

# 在新窗口渲染图表
graph.show(renderer="browser")

import plotly.figure_factory as ff

hist_data = [trades.profit_ratio]
group_labels = ["profit_ratio"]  # 数据集名称

fig = ff.create_distplot(hist_data, group_labels, bin_size=0.01)
fig.show()