Skip to article frontmatterSkip to article content
Freqtrade 核心术语解析

Freqtrade 术语词典

量化交易与 Freqtrade 核心概念详解

本词典包含了 Freqtrade 和量化交易中的核心术语，按照主题分类并提供详细解释。

🏗️ 基础架构术语

Freqtrade

定义: 一个用 Python 编写的免费开源加密货币交易机器人框架。

详细解释:

使用场景:

FreqAI

定义: Freqtrade 的机器学习模块，用于基于 AI/ML 的交易策略开发。

详细解释:

相关概念: 机器学习、强化学习、特征工程、模型训练

策略 (Strategy)

定义: 定义买入和卖出逻辑的 Python 类，是 Freqtrade 的核心组件。

详细解释:

核心方法:

📊 交易相关术语

交易对 (Trading Pair/Pair)

定义: 两种货币的交易组合，表示用一种货币购买另一种货币。

格式: BASE/QUOTE (如 BTC/USDT)

示例:

交易所 (Exchange)

定义: 提供加密货币交易服务的平台。

Freqtrade 支持的主要交易所:

现货交易 (Spot Trading)

定义: 立即交割的交易方式，买卖实际的加密货币资产。

特点:

杠杆交易 (Leverage Trading)

定义: 使用借款放大交易头寸的交易方式。

详细解释:

保证金 (Margin)

定义: 进行杠杆交易时需要提供的资金担保。

类型:

槽位 (Slot)

定义: 代表 Freqtrade 可同时开启的新交易最大数量的概念单位。

详细解释:

使用场景: 风险控制、并发交易管理、资金分配策略

配置示例:

{
"max_open_trades": 5 // 最多同时持有 5 个交易
}

计价币 (Quote Currency)

定义: 交易对中用作计价基准和结算单位的货币。

详细解释:

常见计价币: USDT、USDC、BTC、ETH

相关概念: 基础币、交易对、资金管理

📈 技术分析术语

K 线/蜡烛图 (Candlestick/Candle)

定义: 显示特定时间段内价格变动的图表元素。

组成要素:

OHLCV 数据

定义: Open, High, Low, Close, Volume 的缩写，是 K 线数据的标准格式。

在 Freqtrade 中的使用:

# 获取 OHLCV 数据
dataframe['open'] # 开盘价
dataframe['high'] # 最高价
dataframe['low'] # 最低价
dataframe['close'] # 收盘价
dataframe['volume'] # 成交量

时间周期 (Timeframe)

定义: K 线数据的时间间隔。

常用周期:

技术指标 (Technical Indicators)

趋势指标

移动平均线 (Moving Average)

简单移动平均线 (SMA):

指数移动平均线 (EMA):

MACD (移动平均收敛散度)

定义: 基于两条 EMA 差值的趋势跟踪指标。

组成:

交易信号:

动量指标

RSI (相对强弱指数)

定义: 衡量价格变动速度和幅度的动量振荡器。

取值范围: 0-100

计算公式:

RSI = 100 - (100 / (1 + RS))
RS = 平均涨幅 / 平均跌幅
随机指标 (Stochastic)

定义: 比较收盘价与特定期间内价格区间的相对位置。

组成:

波动性指标

布林带 (Bollinger Bands)

定义: 由移动平均线和标准差构成的通道指标。

组成:

交易应用:

ATR (平均真实波幅)

定义: 衡量价格波动程度的指标。

计算:

应用: 设置止损、确定头寸大小

🎯 交易信号术语

进场 (Entry)

定义: 开始一个新的交易头寸。

类型:

在策略中的实现:

dataframe.loc[条件, 'enter_long'] = 1 # 多头进场信号
dataframe.loc[条件, 'enter_short'] = 1 # 空头进场信号

出场 (Exit)

定义: 关闭已有的交易头寸。

类型:

触发方式:

信号 (Signal)

定义: 策略产生的买入或卖出指示。

信号类型:

信号冲突 (Colliding Signals)

定义: 在同一根 K 线上同时出现进场和出场信号的情况。

详细解释:

常见原因:

解决方案:

相关概念: 信号生成、策略优化、进场信号、出场信号

💰 风险管理术语

止损 (Stop Loss)

定义: 当亏损达到预设水平时自动平仓的风险控制机制。

类型:

在 Freqtrade 中设置:

stoploss = -0.10 # 10% 止损

追踪止损 (Trailing Stop)

定义: 随着盈利增加而向有利方向移动的止损订单。

工作原理:

优点: 保护利润同时允许趋势继续发展

ROI (投资回报率/Return on Investment)

定义: 在 Freqtrade 中指代止盈设置，当盈利达到目标时自动出场。

配置示例:

minimal_roi = {
    "0": 0.20, # 任何时候达到 20% 就退出
    "20": 0.10, # 20 分钟后达到 10% 退出
    "60": 0.05, # 60 分钟后达到 5% 退出
    "120": 0 # 120 分钟后保本退出
}

头寸大小 (Position Size)

定义: 单笔交易投入的资金量。

相关参数:

风险收益比 (Risk-Reward Ratio)

定义: 预期盈利与可能亏损的比率。

计算: 预期盈利 / 最大亏损 示例: 如果止损 5%，止盈 15%，则风险收益比为 3:1

📊 回测相关术语

回测 (Backtesting)

定义: 使用历史数据测试交易策略性能的过程。

关键要素:

局限性:

前向测试 (Forward Testing)

定义: 使用实时数据但不在交易所实际下单的策略测试方法，也称为模拟盘。

详细解释:

对比分析:

使用场景:

配置示例:

{
    "dry_run": true, // 启用模拟盘模式
    "dry_run_wallet": 1000 // 模拟资金数量
}

性能指标

总收益 (Total Return)

定义: 策略期间的总盈亏百分比。

计算: (期末资金 - 期初资金) / 期初资金 × 100%

年化收益率 (Annualized Return)

定义: 将收益率标准化为年度收益率。

计算: (1 + 总收益率)^(365/天数) - 1

最大回撤 (Maximum Drawdown)

定义: 从峰值到谷值的最大亏损百分比。

意义: 衡量策略的风险水平，数值越小越好 计算: (峰值 - 谷值) / 峰值 × 100%

夏普比率 (Sharpe Ratio)

定义: 衡量单位风险下超额收益的指标。

计算: (策略收益率 - 无风险收益率) / 策略收益率标准差

解释:

索提诺比率 (Sortino Ratio)

定义: 类似夏普比率，但只考虑下行波动性。

优点: 更关注下行风险，对交易者更有意义

胜率 (Win Rate)

定义: 盈利交易占总交易数的百分比。

计算: 盈利交易数 / 总交易数 × 100%

盈亏比 (Profit Factor)

定义: 总盈利与总亏损的比率。

计算: 所有盈利交易的总和 / 所有亏损交易的总和的绝对值

解释:

夏普率是什么, 扩展阅读

夏普率是什么

衡量单位风险所获得的超额回报的指标。公式（同一时间尺度）：

Sharpe=Rp−Rf‾σ(Rp−Rf)\text{Sharpe}=\frac{\overline{R_p - R_f}}{\sigma(R_p - R_f)}
(1)
  • RpR_p：策略/资产的收益率
  • RfR_f：无风险利率（同币种、同期限）
  • σ\sigma：超额收益的标准差（波动）

直觉：分子拿到多少“超过无风险”的平均回报，分母承担多大波动。越大越好。

怎么算 & 年化

  1. 先选时间颗粒度：如日、周、月。
  2. 计算每期超额收益 rt=Rp,t−Rf,tr_t = R_{p,t}-R_{f,t}。
  3. 取超额收益的算术平均 r‾\overline{r} 与样本标准差 σr\sigma_r。
  4. 该周期的 Sharpe = r‾/σr\overline{r}/\sigma_r。
  5. 年化（若用月度数据）：Sharpeann=Sharpemonth×12\text{Sharpe}_\text{ann}=\text{Sharpe}_\text{month}\times\sqrt{12}（日频用 252\sqrt{252}）。

注意：分子、分母的周期必须匹配；无风险利率要用同期限（如月度 T-bill 对月度收益）。

一个小例子

你有 3 个月的收益（%）：2、-1、3；月度无风险利率 0.3。

  • 月度超额：1.7、-1.3、2.7
  • 平均超额 r‾\overline{r} ≈ 1.033%
  • 超额收益的样本标准差 σr\sigma_r ≈ 2.082%
  • 月度 Sharpe ≈ 0.496
  • 年化 Sharpe ≈ 0.496×120.496\times\sqrt{12} ≈ 1.72

计算过程

下面把你那组数据一步步算出来（用“样本标准差”，即分母用 n−1n-1）：

已知月度超额收益（%）：r={1.7, −1.3, 2.7}r=\{1.7,\,-1.3,\,2.7\}

1) 求月度平均超额收益 r‾\overline{r}

r‾=1.7+(−1.3)+2.73=3.13=1.033333% (≈1.033%)\overline{r}=\frac{1.7+(-1.3)+2.7}{3} =\frac{3.1}{3} =1.033333\%\ (\approx 1.033\%)
(2)

2) 求样本标准差 σr\sigma_r

先求与均值的偏差（单位仍为“百分比点”pp）：

d1=1.7−1.033333=0.666667d2=−1.3−1.033333=−2.333333d3=2.7−1.033333=1.666667\begin{aligned} d_1&=1.7-1.033333=0.666667\\ d_2&=-1.3-1.033333=-2.333333\\ d_3&=2.7-1.033333=1.666667 \end{aligned}
(3)

偏差平方并求和：

d12=0.444444,d22=5.444444,d32=2.777778d_1^2=0.444444,\quad d_2^2=5.444444,\quad d_3^2=2.777778
(4)
∑di2=0.444444+5.444444+2.777778=8.666666\sum d_i^2=0.444444+5.444444+2.777778=8.666666
(5)

样本方差（除以 n−1=2n-1=2）：

s2=8.6666662=4.333333s^2=\frac{8.666666}{2}=4.333333
(6)

样本标准差：

σr=4.333333=2.081666% (≈2.082%)\sigma_r=\sqrt{4.333333}=2.081666\%\ (\approx 2.082\%)
(7)

3) 月度 Sharpe

Sharpemonth=r‾σr=1.0333332.081666=0.496 (≈0.496)\text{Sharpe}_{\text{month}}=\frac{\overline{r}}{\sigma_r} =\frac{1.033333}{2.081666} =0.496\ (\approx 0.496)
(8)

这里用的是超额收益（已减无风险利率），所以分子直接用 r‾\overline{r}。

4) 年化 Sharpe（数据频率=月）

Sharpeann=Sharpemonth×12=0.496×3.4641016=1.718 (≈1.72)\text{Sharpe}_{\text{ann}}=\text{Sharpe}_{\text{month}}\times\sqrt{12} =0.496\times 3.4641016 =1.718\ (\approx 1.72)
(9)

小提示

  • 上面用的是样本标准差（n−1n-1）；若错用总体标准差（除以 nn），Sharpe 会偏大。
  • 只要分子和分母单位一致（都用“%”或都用小数），Sharpe 值不受单位影响。
  • 换成日频/周频数据年化时，因子分别是 252\sqrt{252} / 52\sqrt{52}。

怎么解读

经验阈值（仅作粗略参考）：

  • 0.5：一般
  • 1.0：合格
  • 2.0：优秀
  • 3.0+：极佳

实际还要看周期、样本长度、品类（加密/期货常更高波动）。

常见坑位（很重要）

  • 非正态/尾部风险：Sharpe 把“好波动”和“坏波动”都当风险；卖期权这类策略可能 Sharpe 很高但尾部崩。
  • 替代/补充：Sortino 比率（只罚下行波动）、Calmar（年化收益/最大回撤）、Omega。
  • 序列相关：收益自相关会高估 Sharpe。严谨时用 Newey–West 校正。
  • 无风险利率错配：币种/期限不一致会偏离。
  • 数据挖掘/过拟合：回测里“调参刷 Sharpe”很容易；要做样本外/滚动窗口验证。
  • 流动性与估值平滑：不频繁交易的资产波动被低估 → Sharpe 被抬高。

亲友指标(类似指标)速查

  • Sortino：Rp−Rf‾下行标准差\frac{\overline{R_p-R_f}}{\text{下行标准差}}（只惩罚亏的时候）
  • 信息比率（IR）：Rp−Rb‾σ(Rp−Rb)\frac{\overline{R_p-R_b}}{\sigma(R_p-R_b)}（相对基准而非无风险）
  • Calmar：年化收益最大回撤\frac{\text{年化收益}}{\text{最大回撤}}（关注回撤痛感）

实操小贴士

  • 用净值序列先转成等周期收益；净值、费率、滑点都要计入。
  • 报告里同时给出：样本区间、频率、是否年化、是否 NW 校正。
  • 对高波动资产，配合 Sortino/回撤图一起看，更全面。

一句话总结：

夏普率=单位“波动风险”赚到的超额回报。 好用但不完美，记得结合 Sortino、回撤等一起评估。

🔧 超参数优化术语

Hyperopt

定义: Freqtrade 中用于自动化参数优化的模块。

功能:

超参数 (Hyperparameter)

定义: 在策略中可调整的参数，如指标周期、阈值等。

常见超参数:

损失函数 (Loss Function)

定义: 优化过程中需要最小化的目标函数。

常用损失函数:

搜索空间 (Search Space)

定义: 超参数可能取值的范围。

定义方式:

from freqtrade.optimize.space import Integer, Real, Categorical

buy_rsi = IntParameter(20, 40, default=30)
sell_rsi = IntParameter(60, 80, default=70)

Optuna

定义: Hyperopt 使用的优化框架。

特点:

试验 (Trial)

定义: 超参数优化中的单次参数组合测试。

包含信息:

🤖 机器人运行术语

干跑模式 (Dry Run)

定义: 模拟交易模式，不进行真实资金交易。

特点:

配置:

{
    "dry_run": true,
    "dry_run_wallet": 1000
}

实盘交易 (Live Trading)

定义: 使用真实资金进行交易。

风险:

交易日志 (Trade Log)

定义: 记录所有交易活动的日志文件。

包含信息:

🤖 FreqAI 机器学习术语

FreqAI

定义: Freqtrade 的机器学习模块，提供自动化的预测性建模功能。

核心功能:

特征 (Features)

定义: 基于历史数据的参数，机器学习模型的输入变量。

特点:

标签 (Labels)

定义: 机器学习模型的目标输出值，训练的预测目标。

特征:

训练 (Training)

定义: 让机器学习模型学习特征与标签之间关系的过程。

推理 (Inference)

定义: 使用训练好的模型对新数据进行预测的过程。

特征工程 (Feature Engineering)

定义: 创建和选择用于机器学习的输入特征的过程。

技术:

异常值检测 (Outlier Detection)

定义: 识别和处理训练数据中异常值的技术。

方法:

数据归一化 (Data Normalization)

定义: 将不同量级的数据缩放到相似范围的预处理技术。

目的:

降维 (Dimensionality Reduction)

定义: 减少数据特征数量的技术，常用主成分分析(PCA)。

优点:

回测模式 (Backtesting Mode)

定义: 在历史数据上模拟 FreqAI 自适应训练的过程。

特点:

🔧 交易对列表管理术语

交易对列表 (Pair List)

定义: 定义机器人应该交易的交易对集合的机制。

类型:

StaticPairList

定义: 使用配置文件中静态定义的交易对白名单。

特点:

VolumePairList

定义: 基于成交量排序和过滤交易对的动态列表。

参数:

PercentChangePairList

定义: 基于价格变化百分比选择交易对的列表。

交易对黑名单 (Pair Blacklist)

定义: 禁止交易的交易对列表。

支持格式:

交易对白名单 (Pair Whitelist)

定义: 允许交易的交易对列表。

交易对过滤器 (Pair Filters)

定义: 对交易对列表进行进一步筛选的工具。

常用过滤器:

🛡️ 保护机制术语

保护机制 (Protections)

定义: 通过暂时停止交易来保护策略免受不利市场条件影响的机制。

StoplossGuard

定义: 在一定时间内发生多次止损后暂停交易的保护机制。

参数:

MaxDrawdown

定义: 当达到最大回撤阈值时停止交易的保护机制。

LowProfitPairs

定义: 锁定低利润交易对的保护机制。

CooldownPeriod

定义: 在卖出后设置冷却期，防止立即重新买入的保护机制。

锁定 (Lock)

定义: 保护机制激活时对特定交易对或全部交易对的交易限制。

类型:

📱 通知和控制术语

Telegram 机器人

定义: 通过 Telegram 消息平台控制和监控 Freqtrade 的功能。

主要功能:

常用命令:

Webhook

定义: HTTP 回调机制，用于向外部服务发送交易事件通知。

应用场景:

事件类型:

FreqUI / WebUI

定义: Freqtrade 的网页管理界面。

功能:

📊 数据和存储术语

数据提供者 (Data Provider)

定义: 为策略提供市场数据的模块。

类型:

数据帧 (DataFrame)

定义: Pandas 数据结构，用于存储和处理 OHLCV 数据。

在策略中的使用:

def populate_indicators(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
dataframe['sma_20'] = ta.SMA(dataframe, timeperiod=20)
return dataframe

主数据帧 (Main Dataframe)

定义: Freqtrade 策略中使用的核心数据结构，存储交易对的 K 线数据和技术指标。

详细解释:

基本结构:

# 基础列
columns = ['date', 'open', 'high', 'low', 'close', 'volume']

# 策略添加的指标列
dataframe['rsi'] = ta.RSI(dataframe)
dataframe['sma_20'] = ta.SMA(dataframe, timeperiod=20)
dataframe['bollinger_upper'] = bollinger['upper']

核心特点:

相关概念: K 线数据、技术指标、信号生成、时间序列

缓存 (Cache)

定义: 临时存储数据以提高性能的机制。

应用:

📊 数据下载和管理术语

数据下载 (Data Download)

定义: 获取历史 K 线数据用于回测和分析的过程。

命令: freqtrade download-data

常用参数:

增量下载 (Incremental Download)

定义: 只下载缺失数据，避免重复下载已有数据。

优点:

时间范围 (Timerange)

定义: 指定数据下载或回测的时间区间。

格式:

⚙️ 配置管理术语

配置文件 (Configuration File)

定义: 包含 Freqtrade 所有设置参数的 JSON 文件。

默认文件: config.json 生成命令: freqtrade new-config

环境变量 (Environment Variables)

定义: 通过系统环境变量设置配置参数的方式。

格式: FREQTRADE__{section}__{key} 示例: FREQTRADE__EXCHANGE__KEY=your_key

优先级:

  1. 命令行参数（最高）
  2. 环境变量
  3. 配置文件（最低）

用户目录 (User Directory)

定义: 存放用户数据的目录。

默认位置: user_data/

包含内容:

启动周期 (Startup Candles)

定义: 策略开始交易前需要的历史 K 线数量。

用途:

交易模式 (Trading Mode)

定义: 机器人的运行模式设置。

模式类型:

保证金模式 (Margin Mode)

定义: 杠杆交易中的保证金使用方式。

类型:

🔒 安全和 API 术语

API 密钥 (API Key)

定义: 用于访问交易所 API 的认证凭据。

组成:

权限类型:

沙盒模式 (Sandbox Mode)

定义: 交易所提供的测试环境，使用虚拟资金。

用途:

速率限制 (Rate Limiting)

定义: 交易所对 API 调用频率的限制。

配置参数:

CCXT 库设置:

"ccxt_config": {"enableRateLimit": true},
"ccxt_async_config": {"rateLimit": 3100}

JWT 密钥 (JWT Secret Key)

定义: 用于 REST API 身份验证的密钥。

用途:

🔧 技术术语

量化 (Quantification)

定义: 将人的交易直觉和经验转化为可执行的计算机程序和数学模型的过程。

详细解释:

量化流程:

  1. 直觉识别: 发现市场规律或交易机会
  2. 规则定义: 将直觉转为具体的判断条件
  3. 参数设定: 确定阈值、时间框架等参数
  4. 逻辑编码: 用代码实现交易逻辑
  5. 测试验证: 通过回测和前向测试验证

挑战:

示例对比:

使用场景: 策略开发、交易系统设计、风险管理、算法交易

滑点 (Slippage)

定义: 实际成交价格与预期价格的差异。

原因:

影响: 增加交易成本，影响策略收益

点差 (Spread)

定义: 买一价和卖一价之间的差价。

计算: 卖一价 - 买一价 影响: 交易成本，特别是高频交易

订单簿 (Order Book)

定义: 显示当前所有买卖订单的实时列表。

组成:

流动性 (Liquidity)

定义: 资产转换为现金的容易程度。

高流动性特征:

深度 (Market Depth)

定义: 各价位上的订单数量分布。

意义:

📈 市场术语

多头 (Long/Bull)

定义: 看涨并持有资产的投资者或头寸。

策略: 低买高卖 市场观点: 预期价格上涨

空头 (Short/Bear)

定义: 看跌并卖出资产的投资者或头寸。

策略: 高卖低买 实现方式: 借入资产卖出，后续买回归还

市价单 (Market Order)

定义: 以当前市价立即成交的订单。

特点:

限价单 (Limit Order)

定义: 指定价格或更好价格成交的订单。

特点:

支撑位 (Support Level)

定义: 价格下跌过程中遇到买盘支撑的价格水平。

特征:

阻力位 (Resistance Level)

定义: 价格上涨过程中遇到卖盘阻力的价格水平。

特征:

突破 (Breakout)

定义: 价格突破重要支撑或阻力位的现象。

类型:

假突破 (False Breakout)

定义: 价格短暂突破重要水平后迅速回撤的现象。

风险: 可能导致错误的交易决策

🎯 策略类型术语

趋势跟踪 (Trend Following)

定义: 识别并跟随市场趋势的策略类型。

特点:

常用指标: 移动平均线、MACD、ADX

均值回归 (Mean Reversion)

定义: 基于价格会回归到平均值的假设的策略。

特点:

常用指标: 布林带、RSI、随机指标

套利 (Arbitrage)

定义: 利用不同市场或时间的价格差异获利的策略。

类型:

网格交易 (Grid Trading)

定义: 在预设价格区间内设置多个买卖订单的策略。

特点:

高频交易 (High Frequency Trading)

定义: 利用极短时间内的价格波动进行大量交易的策略。

特点:

🔄 期货和衍生品术语

永续合约 (Perpetual Swap/Future)

定义: 没有到期日的期货合约，可以无限期持有。

特点:

资金费率 (Funding Rate)

定义: 永续合约与现货价格之间的价差调节机制。

作用:

合约命名 (Contract Naming)

定义: Freqtrade 中期货合约的命名规则。

格式: BASE/QUOTE:SETTLE

示例: ETH/USDT:USDT

清算 (Liquidation)

定义: 当亏损达到保证金阈值时，交易所强制平仓的机制。

触发条件:

后果:

清算价格 (Liquidation Price)

定义: 触发强制清算的价格水平。

计算因素:

仓位模式 (Position Mode)

定义: 期货交易中的持仓方式。

类型:

📋 订单类型术语

订单类型 (Order Types)

定义: 不同的下单方式和执行条件。

市价单 (Market Order)

定义: 以当前最优价格立即成交的订单。

特点:

限价单 (Limit Order)

定义: 指定价格或更优价格才成交的订单。

特点:

止损单 (Stop Order)

定义: 价格达到特定水平时触发的订单。

类型:

交易所止损 (Exchange Stop Loss)

定义: 在交易所服务器上设置的止损订单。

优点:

配置: stoploss_on_exchange = True

时间有效期 (Time in Force)

定义: 订单的有效时间限制。

类型:

📊 高级交易概念

做市商 (Maker)

定义: 提供流动性的交易者，下单后等待成交。

特点:

接受者 (Taker)

定义: 消耗流动性的交易者，主动与现有订单成交。

特点:

冰山订单 (Iceberg Order)

定义: 将大额订单分割成多个小订单执行的技术。

目的:

时间加权平均价格 (TWAP)

定义: 在特定时间段内的平均价格。

计算: 将时间段内的价格按时间加权平均

成交量加权平均价格 (VWAP)

定义: 以成交量为权重的平均价格。

计算: 将价格按对应的成交量加权平均 用途: 评估交易执行质量的基准

📚 学习资源术语

策略库 (Strategy Repository)

定义: 存放 Freqtrade 策略的代码仓库。

官方仓库: https://github.com/freqtrade/freqtrade-strategies

示例策略 (Example Strategy)

定义: 用于学习和参考的策略模板。

类型:

策略模板 (Strategy Template)

定义: 预定义的策略框架，用户可在此基础上开发。

包含元素:

CCXT

定义: 统一的加密货币交易所接口库。

全称: CryptoCurrency eXchange Trading Library 作用: 为不同交易所提供统一的 API 接口 支持: 100+ 交易所

🔍 调试和优化术语

日志级别 (Log Level)

定义: 控制日志输出详细程度的设置。

级别:

性能分析 (Performance Analysis)

定义: 对策略表现进行深入分析的过程。

分析维度:

参数敏感性分析

定义: 研究参数变化对策略表现影响的分析方法。

目的:

📖 如何使用本词典

  1. 按主题查找: 根据功能分类快速定位相关术语
  2. 交叉引用: 术语间存在关联，建议结合学习
  3. 实践应用: 结合实际操作加深理解
  4. 持续更新: 随着学习深入，不断补充新的理解

本词典将随着 Freqtrade 的发展持续更新，欢迎社区贡献更多术语和解释。

最后更新: 2025年09月17日 版本: 1.1 贡献者: Freqtrade 中文社区

Freqtrade 中文文档
Freqtrade 中文文档
Freqtrade 中文文档
Docker 快速入门