Btc量化——freqtrade 回测数据分析

最新推荐文章于 2025-10-12 13:07:17 发布
原创 最新推荐文章于 2025-10-12 13:07:17 发布 · 1.7k 阅读 · 19 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#数据分析 #区块链 #数据挖掘

文章目录

freqtrade 回测数据分析

1. 解决问题

a. 回测数据分为哪些部分，表达了什么信息
b. 如何判断回测结果总体表现和风险

2. 回测数据主体

  • Backtesting Report Table
    列出所有已完成的交易记录及关键绩效指标。
  • Left Open Trades Table
    列出在回测截止时仍未平仓的交易。
  • Exit Reason Stats
    统计各退出原因及其获利情况。
  • Summary Metrics
    汇总全期回测的总体表现和风险收益指标。

2.1 Backtesting Report Table

列名含义
Pair交易对名称（Base/Quote），如 ADA/BTC。(freqtrade.io)
Trades在该交易对上打开并关闭的完整交易次数。(freqtrade.io)
Avg Profit %每笔交易的平均收益率（%），等于所有交易收益率之和除以交易数。(freqtrade.io)
Tot Profit BTC该交易对所有交易的绝对收益，以 BTC 计，总和形式展示。(freqtrade.io)
Tot Profit %相对于初始本金的总收益率： (Final balance – Starting balance) / Starting balance × 100%。(freqtrade.io)
Avg Duration平均持仓时长（时:分:秒），所有交易时长的算术平均。(freqtrade.io)
Wins盈利交易总数。(freqtrade.io)
Draws持平交易（零损益）总数。(freqtrade.io)
Loss亏损交易总数。(freqtrade.io)
Win %胜率：Wins / Trades × 100%。(freqtrade.io)
	================================================ BACKTESTING REPORT =================================================
	| Pair     | Trades |   Avg Profit % |   Tot Profit BTC |   Tot Profit % | Avg Duration |  Wins Draws Loss   Win%  |
	|----------+--------+----------------+------------------+----------------+--------------+--------------------------|
	| ADA/BTC  |     35 |          -0.11 |      -0.00019428 |          -1.94 | 4:35:00      |    14     0    21   40.0 |
	| ARK/BTC  |     11 |          -0.41 |      -0.00022647 |          -2.26 | 2:03:00      |     3     0     8   27.3 |
	| BTS/BTC  |     32 |           0.31 |       0.00048938 |           4.89 | 5:05:00      |    18     0    14   56.2 |
	| DASH/BTC |     13 |          -0.08 |      -0.00005343 |          -0.53 | 4:39:00      |     6     0     7   46.2 |
	| ENG/BTC  |     18 |           1.36 |       0.00122807 |          12.27 | 2:50:00      |     8     0    10   44.4 |
	| EOS/BTC  |     36 |           0.08 |       0.00015304 |           1.53 | 3:34:00      |    16     0    20   44.4 |
	| ETC/BTC  |     26 |           0.37 |       0.00047576 |           4.75 | 6:14:00      |    11     0    15   42.3 |
	| ETH/BTC  |     33 |           0.30 |       0.00049856 |           4.98 | 7:31:00      |    16     0    17   48.5 |
	| IOTA/BTC |     32 |           0.03 |       0.00005444 |           0.54 | 3:12:00      |    14     0    18   43.8 |
	| LSK/BTC  |     15 |           1.75 |       0.00131413 |          13.13 | 2:58:00      |     6     0     9   40.0 |
	| LTC/BTC  |     32 |          -0.04 |      -0.00006886 |          -0.69 | 4:49:00      |    11     0    21   34.4 |
	| NANO/BTC |     17 |           1.26 |       0.00107058 |          10.70 | 1:55:00      |    10     0     7   58.5 |
	| NEO/BTC  |     23 |           0.82 |       0.00094936 |           9.48 | 2:59:00      |    10     0    13   43.5 |
	| REQ/BTC  |      9 |           1.17 |       0.00052734 |           5.27 | 3:47:00      |     4     0     5   44.4 |
	| XLM/BTC  |     16 |           1.22 |       0.00097800 |           9.77 | 3:15:00      |     7     0     9   43.8 |
	| XMR/BTC  |     23 |          -0.18 |      -0.00020696 |          -2.07 | 5:30:00      |    12     0    11   52.2 |
	| XRP/BTC  |     35 |           0.66 |       0.00114897 |          11.48 | 3:49:00      |    12     0    23   34.3 |
	| ZEC/BTC  |     22 |          -0.46 |      -0.00050971 |          -5.09 | 2:22:00      |     7     0    15   31.8 |
	| TOTAL    |    429 |           0.36 |       0.00762792 |          76.20 | 4:12:00      |   186     0   243   43.4 |

2.2 Left Open Trades Table

| 列出回测结束时仍未平仓的交易（被 force_exit 强行退出）。字段含义与“Backtesting Report Table”一致

============================================= LEFT OPEN TRADES REPORT =============================================
| Pair     |  Trades |   Avg Profit % |   Tot Profit BTC |   Tot Profit % | Avg Duration   |  Win Draw Loss Win% |
|----------+---------+----------------+------------------+----------------+----------------+---------------------|
| ADA/BTC  |       1 |           0.89 |       0.00004434 |           0.44 | 6:00:00        |    1    0    0  100 |
| LTC/BTC  |       1 |           0.68 |       0.00003421 |           0.34 | 2:00:00        |    1    0    0  100 |
| TOTAL    |       2 |           0.78 |       0.00007855 |           0.78 | 4:00:00        |    2    0    0  100 |

2.3 Exit Reason Stats

列名含义
Exit Reason触发平仓的原因，如 trailing_stop_loss（跟踪止盈）、stop_loss（止损）、exit_signal（策略信号）、force_exit（强制退出）等。(freqtrade.io)
Exits由于该原因退出的交易总数。(freqtrade.io)
Wins因该退出原因获利的交易数。(freqtrade.io)
Draws因该退出原因持平的交易数。(freqtrade.io)
Losses因该退出原因亏损的交易数。(freqtrade.io)
==================== EXIT REASON STATS ====================
| Exit Reason        |   Exits |  Wins |  Draws |  Losses |
|--------------------+---------+-------+--------+---------|
| trailing_stop_loss |     205 |   150 |      0 |      55 |
| stop_loss          |     166 |     0 |      0 |     166 |
| exit_signal        |      56 |    36 |      0 |      20 |
| force_exit         |       2 |     0 |      0 |       2 |

2.4 Summary Metrics

指标含义
Backtesting from/to回测数据的起讫时间戳。
Trading Mode交易模式：Spot、Margin、Futures 等。
Max open trades同时最大持仓数。
Total/Daily Avg Trades总交易数 / 平均每天交易数。
Starting balance初始本金（BTC）。
Final balance回测结束时的本金（BTC）。
Absolute profit最终盈亏，Final balance – Starting balance（BTC）。
Total profit %回测总收益率，与上文 Tot Profit % 等价。
CAGR %年化复合增长率（Compound Annual Growth Rate）：衡量资金按相同比率增长时的年化收益。(freqtrade.io)
Sortino年化 Sortino 比率：以下行波动率为风险度量的风险调整收益指标。(Investopedia)
Sharpe年化 Sharpe 比率：以标准差为风险度量的风险调整收益指标。(Option Alpha)
Calmar年化 Calmar 比率：年化收益率与最大回撤比值，衡量回撤风险。(freqtrade.io)
SQN系统质量数（System Quality Number）：衡量交易系统表现的综合指标。(freqtrade.io)
Profit factor盈亏比：Gross Profit / Gross Loss，>1 表示总体盈利。(Option Alpha)
Expectancy (Ratio)期望值：(Win%×Average Win) – (Loss%×Average Loss)，每笔交易的平均期望收益。(Babypips.com)
Avg. stake amount每笔下单的平均投入。
Total trade volume所有交易的总成交量（BTC）。
Long / Short多头 / 空头交易次数分布。
Total profit Long/Short %多头/空头的总收益率。
Absolute profit Long/Short多头/空头的绝对收益（BTC）。
Best/Worst Pair最佳/最差交易对及其回报率。
Best/Worst Trade单笔最佳/最差交易及收益率。
Best/Worst day单日最大盈利/亏损（BTC）。
Days win/draw/lose盈/平/亏的交易日数量。
Avg. Duration Winners/Losers盈利/亏损交易的平均持仓时长。
Max Consecutive Wins/Loss最大连赢/连亏笔数。
Rejected Entry signals被策略或风险控件拒绝的进场信号数量。
Entry/Exit Timeouts进场/出场因超时而放弃的信号数。
Canceled Trade Entries人为/机制取消的开仓交易数。
Canceled/Replaced Entry Orders在交易所层面被取消或被重发的委托数。
Min/Max balance回测期间账户余额最低/最高值（BTC）。
Max % of account underwater最大账户回撤百分比。
Absolute Drawdown (Account)账户余额绝对回撤百分比：(Peak balance – Trough balance) / Peak balance × 100%。
Drawdown / high / low / start / end回撤金额及其发生的峰值、谷值及时间。
Market change基准市场（通常为持有 BTC）同期涨跌幅。
================== SUMMARY METRICS ==================
| Metric                      | Value               |
|-----------------------------+---------------------|
| Backtesting from            | 2019-01-01 00:00:00 |
| Backtesting to              | 2019-05-01 00:00:00 |
| Trading Mode                | Spot                |
| Max open trades             | 3                   |
|                             |                     |
| Total/Daily Avg Trades      | 429 / 3.575         |
| Starting balance            | 0.01000000 BTC      |
| Final balance               | 0.01762792 BTC      |
| Absolute profit             | 0.00762792 BTC      |
| Total profit %              | 76.2%               |
| CAGR %                      | 460.87%             |  # 年化复合增长率（Compound Annual Growth Rate）：衡量资金按相同比率增长时的年化收益。
| Sortino                     | 1.88                |  # 年化 Sortino 比率：以下行波动率为风险度量的风险调整收益指标。
| Sharpe                      | 2.97                |  # 年化 Sharpe 比率：以标准差为风险度量的风险调整收益指标。
| Calmar                      | 6.29                |  # 年化 Calmar 比率：年化收益率与最大回撤比值，衡量回撤风险。
| SQN                         | 2.45                |  # 系统质量数（System Quality Number）：衡量交易系统表现的综合指标。
| Profit factor               | 1.11                |  # 盈亏比：Gross Profit / Gross Loss，>1 表示总体盈利。
| Expectancy (Ratio)          | -0.15 (-0.05)       |  # 期望值：(Win%×Average Win) – (Loss%×Average Loss)，每笔交易的平均期望收益。
| Avg. stake amount           | 0.001      BTC      |  # 每笔下单的平均投入。
| Total trade volume          | 0.429      BTC      |  # 所有交易的总成交量（BTC）
|                             |                     |  # 多头 / 空头交易次数分布。
| Long / Short                | 352 / 77            |  # 多头/空头的总收益率。
| Total profit Long %         | 1250.58%            |  
| Total profit Short %        | -15.02%             |  # 多头/空头的绝对收益（BTC）。
| Absolute profit Long        | 0.00838792 BTC      |
| Absolute profit Short       | -0.00076 BTC        |  # 多头/空头的绝对收益（BTC）。
|                             |                     |
| Best Pair                   | LSK/BTC 26.26%      |
| Worst Pair                  | ZEC/BTC -10.18%     |  # 最佳/最差交易对及其回报率。
| Best Trade                  | LSK/BTC 4.25%       |
| Worst Trade                 | ZEC/BTC -10.25%     |  # 单笔最佳/最差交易及收益率。
| Best day                    | 0.00076 BTC         |
| Worst day                   | -0.00036 BTC        |  # 单日最大盈利/亏损（BTC）。
| Days win/draw/lose          | 12 / 82 / 25        |
| Avg. Duration Winners       | 4:23:00             |
| Avg. Duration Loser         | 6:55:00             |  # 盈利/亏损交易的平均持仓时长。
| Max Consecutive Wins / Loss | 3 / 4               |  # 最大连赢/连亏笔数。
| Rejected Entry signals      | 3089                |  # 被策略或风险控件拒绝的进场信号数量。
| Entry/Exit Timeouts         | 0 / 0               |  # 进场/出场因超时而放弃的信号数。
| Canceled Trade Entries      | 34                  |  # 人为/机制取消的开仓交易数。
| Canceled Entry Orders       | 123                 | 
| Replaced Entry Orders       | 89                  |  # 在交易所层面被取消或被重发的委托数。  
|                             |                     |
| Min balance                 | 0.00945123 BTC      |
| Max balance                 | 0.01846651 BTC      |  # 回测期间账户余额最低/最高值（BTC）。
| Max % of account underwater | 25.19%              |  # 最大账户回撤百分比
| Absolute Drawdown (Account) | 13.33%              |  # 账户余额绝对回撤百分比：(Peak balance – Trough balance) / Peak balance × 100%。
| Drawdown                    | 0.0015 BTC          |
| Drawdown high               | 0.0013 BTC          |
| Drawdown low                | -0.0002 BTC         |
| Drawdown Start              | 2019-02-15 14:10:00 |
| Drawdown End                | 2019-04-11 18:15:00 |  # 回撤金额及其发生的峰值、谷值及时间。
| Market change               | -5.88%              |  # 基准市场（通常为持有 BTC）同期涨跌幅。
=====================================================

3. 关键指标

在评估量化策略优劣时，不能仅看收益率（如 CAGR），也要结合风险调整收益（Sharpe、Sortino、Calmar）、回撤（Max Drawdown）、盈利质量（Profit Factor、SQN）及期望值（Expectancy）等多维度信号。通过对这些指标的典型范围与“好/差”信号进行解读，再按照既定流程逐项对比，最终才能做出更全面的策略优选决策。

3.1 复合年化增长率 (CAGR)

C A G R = ( E n d i n g   V a l u e B e g i n n i n g   V a l u e ) 1 n − 1 \mathrm{CAGR} = \left(\frac{\mathrm{Ending\ Value}}{\mathrm{Beginning\ Value}}\right)^{\tfrac{1}{n}} - 1 CAGR=(Beginning ValueEnding Value​)n1​−1
Ending Value：期末价值
Beginning Value：期初价值
n：投资周期（年）

  • 定义
    在给定时间段内，假设收益按同一比率复利增长的年化收益率
  • 范围
    5–15%：常见传统资产或基金表现
  • 信号
    CAGR 越高，整体盈利能力越强，但单看易忽略波动性

3.2 Sharpe 比率

Sharpe = R p − R f σ p   \text{Sharpe} = \frac{R_p - R_f}{\sigma_{\text{p}}} \ Sharpe=σp​Rp​−Rf​​ 
𝑅𝑝 ：策略年化收益率
𝑅𝑓：无风险利率
𝜎𝑝：收益率标准差（总波动率）

  • 定义
    单位总风险（收益标准差）下的超额收益
  • 范围
    <1.0：表现一般或偏差；
    1.0–2.0：良好；
    2.0–3.0：优秀；
    3.0：卓越
  • 信号
    越高说明每承担一单位总风险获得的超额收益越sdasdad

3.3 Sortino 比率

  • 定义
    仅以下行波动率（负收益标准差）衡量风险的风险调整收益：
    Sortino = R p − R f σ down   \text{Sortino} = \frac{R_p - R_f}{\sigma_{\text{down}}} \ Sortino=σdown​Rp​−Rf​​ 
    𝑅𝑝​ ：策略年化收益率
    𝑅𝑓：无风险利率
    𝜎down：下行标准差（仅计算低于门槛的波动）

  • 范围
    <1.0：偏低；
    1.0–2.0：可接受；
    2.0：稳健；
    3.0：卓越

  • 信号
    -更侧重防范亏损，对高波动或短线策略尤为重要。

3.4 Calmar 比率

Calmar = CAGR Max Drawdown \text{Calmar} = \frac{\text{CAGR}}{\text{Max Drawdown}} Calmar=Max DrawdownCAGR​

  • 定义
    年化收益率与最大回撤之比：
  • 范围
    <0.5：风险过高；
    0.5–1.0：可接受；
    1.0–2.0：优良；
    2.0：卓越
  • 信号
    反映收益规模与最大回撤的权衡程度。

3.5 系统质量数 (SQN)

S Q N = P / L ‾ × N σ P / L \mathrm{SQN} = \frac{\overline{P/L} \times \sqrt{N}}{\sigma_{P/L}} SQN=σP/L​P/L​×N ​​
𝑃/𝐿：每笔交易平均盈亏
𝑁：交易总次数
𝜎𝑃/𝐿：每笔交易盈亏的标准差

  • 定义
    衡量交易系统的风险调整表现及一致性

  • 范围
    <1.6：差；
    1.6–2.0：可接受；
    2.0–2.5：良好；
    2.5：非常好；
    3.0：卓越

  • 信号
    越高表明系统表现越稳定、值得信赖。

3.6 期望值 (Expectancy)

M a x   D r a w d o w n = max ⁡ t    P e a k t − T r o u g h t + 1 P e a k t \mathrm{Max\ Drawdown} = \max_{t}\;\frac{\mathrm{Peak}_{t} - \mathrm{Trough}_{t+1}}{\mathrm{Peak}_{t}} Max Drawdown=tmax​Peakt​Peakt​−Trought+1​​
𝑊%：胜率（盈利交易数 / 总交易数）
𝑊：平均盈利额
𝐿%：亏损率（亏损交易数 / 总交易数）
𝐿 ：平均亏损额（取正值）

  • 定义
    每笔交易的平均盈亏或以比率形式描述盈亏比
  • 信号
    大于0 表示策略长期可盈利，数值越大，单位风险下平均收益越高。

4. 如何判断策略好坏

  • 风险调整收益优先
    首先对比 Sharpe 与 Sortino，优先选择在相同或下行风险下能获得更高超额收益的策略。
  • 回撤与稳健性检验
    对比 Max Drawdown 与 Calmar，剔除回撤过大（>30%）或 Calmar <1.0 的策略。
  • 盈利质量与一致性
    检查 Profit Factor 与 SQN，优先 Profit Factor >1.5 且 SQN >2.0 的方案。
  • 单笔期望收益
    比较 Expectancy，数值更高者从长期看更具优势。
  • 综合打分或加权
    按上面五大维度分别打分，并根据个人偏好加权（如风险调整收益 40%、回撤 20%、盈利质量 20%、期望值 20%），计算“策略综合得分”。
  • 情景与偏好调整
    若侧重稳健，提升 Calmar、Max Drawdown 权重；若追求高收益，可适当增加 CAGR 权重。

附录

本人github项目地址：https://github.com/oncecoo
欢迎关注！

怎么获取欧易的btc永续合约和交割合约的5m级的历史数据用来回测套利策略？
**My Coding Family**
01-04 1996
使用欧易提供的接口，通过分页来获取历史K线数据。或者使用ccxt库来更方便地与欧易API进行交互，获取所需的历史数据。通过调整请求的时间范围和分页参数，逐步获取更多的数据。这样你可以有效地获取超过1000条历史K线数据，并用于回测你的套利策略。希望如上措施及解决方案能够帮到有需要的你。
python回测包_python量化回测有哪些比较好的离线框架？
weixin_31961675的博客
01-29 1060
FMZ量化平台把自用的Python回测引擎开源了，可以在本地离线回测，用过的都说好，也可以在FMZ平台上在线回测：https://github.com/fmzquant/backtest_python​github.com调用十分简单：'''backteststart: 2018-02-19 00:00:00end: 2018-03-22 12:00:00period: 15mexchanges:...
第 4 篇：《策略怎么测试才靠谱？Freqtrade 回测命令 backtesting 全攻略》
qq_36936892的博客
07-24 1214
本文全面介绍了Freqtrade量化交易框架中的回测功能。回测是通过历史数据模拟策略表现的关键环节，可评估盈亏比、胜率等核心指标。文章详细讲解了backtesting命令的基本结构、参数配置、数据准备、结果分析等要点，并提供了多进程加速、Docker环境使用等进阶技巧。重点强调了回测前的数据准备和常见问题处理，同时介绍了可视化分析工具和结果导出方法。最后总结了从数据下载到策略验证的完整工作流程，帮助开发者构建可靠的量化策略验证体系。
BTC量化经历
a378015683的博客
12-01 1868
BTC量化经历 BTC从最开始几块钱RMB到现在18000美金涨了几万倍，尽管造就了很多富豪，但更多的却是血本无归的韭菜，我玩BTC有8年时间了，总结了一些经验，大部分人之所以亏钱关键在于以下几点： 1：无法控制自己的贪欲，不知道你们有没有这样的感觉，很多时候都是先赚后亏，赚的时候没出总想着翻几倍几十倍一步登顶，但最后都是割肉结束...，如果以及时止盈是能赚钱的，但是大部分人往往难做到 2: 无法管理自己的情绪，很容易受情绪影响胡乱操作导致前面最赚的一下全部亏掉甚至连本金都亏掉 3: 没有足够耐心，
freqtrade基本的策略回测结果
最新发布
qq_37510030的博客
10-12 170
原理：当短期移动平均线上穿长期移动平均线时买入，下穿时卖出。
比特币量化交易：利用Python构建自己的算法交易系统
Vayne16的博客
04-11 4039
随着科技的不断发展，传统的手工交易已经不再是唯一的路径，自动化交易系统越来越受到投资者们的欢迎。尤其是在高频率交易中，精细的算法能够让交易决策更快速、准确和有效。 本文将介绍以比特币为例，如何使用Python语言进行量化交易，并结合实际例子详细描述相关细节。 1. 建立交易策略 在进行量化交易前，我们需要明确自己的交易策略。如何判断行情走向和时机，根据这些因素去制定适合自己的交易规则。 以比特币为例，有一个著名的交易策略叫做“震荡策略”（Oscillator Strategy），该策略是基于市场波动幅
数字货币量化交易系统搭建学习--2 加密货币
kakaokai的博客
06-27 3003
比特币（Bitcoin，简称BTC）是一种去中心化的数字货币，由中本聪（Satoshi Nakamoto）在2009年创建。比特币通过一种称为区块链的技术进行交易和管理。​。
Freqtrade：10分钟完成量化交易策略，支持跨平台开发框架
m0_59235245的博客
02-13 7589
Freqtrade 是一个功能强大且灵活的量化交易框架，专为加密货币市场设计。它不仅支持策略开发、回测与优化，还提供了完善的实时交易和风险管理功能。无论您是交易员、研究员还是量化交易爱好者，Freqtrade 都是一个值得深入学习和使用的工具。项目链接。
BTC交易历史数据回测工具 C# 应用
回测是量化分析中的核心步骤，也是衡量算法交易策略有效性的关键环节。 3. BTC交易：在金融市场中，BTC通常指的是比特币（Bitcoin），是目前最著名的加密货币之一。由于其去中心化、匿名、总量有限等特点，比特币...
如何验证Quantum BTC EA的回测数据真实性？
06-02
</think>### 如何验证 MQL5 中 Quantum BTC EA 回测数据的真实性和可靠性？ #### 1. **回测参数验证** - **关键参数匹配** 检查回测报告中使用的点差($\text{Spread}$)、滑点($\text{Slippage}$)、手续费($\text{...
精选资源
BTC-USD 交易数据 2017年-2024年
12-09
BTC-USD 交易数据 2017年-2024年
Freqtrade 开源加密交易机器人使用教程
gitblog_01145的博客
08-09 3746
Freqtrade 开源加密交易机器人使用教程 项目地址:https://gitcode.com/gh_mirrors/fr/freqtrade 项目介绍 Freqtrade 是一个免费的开源加密货币交易机器人，旨在帮助用户自动化交易策略。该项目支持多种交易平台，并提供了一个灵活的框架来开发和测试交易策略。Freqtrade 的核心功能包括策略回测、实时交易、数据分析和用户界面。 项目快速启动 安...
最速量化回测：Backtrader百万K线数据处理优化指南
gitblog_00358的博客
10-09 339
你是否曾因回测卡顿而错失策略迭代机会？当K线数据突破100万根时，普通回测框架往往陷入"数据越多，速度越慢"的恶性循环。本文将揭示三个层级的性能优化方案，让你的Backtrader在处理海量数据时效率提升3-10倍，从根本上解决量化研究中的算力瓶颈。 读完本文你将掌握： - 内存占用降低60%的数据源处理技巧 - 回测速度提升3倍的指标计算优化方案 - 百万级数据高效迭代的底层原理与实践 ##...
Freqtrade：开源加密货币交易机器人的新选择
gitblog_00008的博客
08-09 2283
Freqtrade：开源加密货币交易机器人的新选择 freqtradeFree, open source crypto trading bot项目地址:https://gitcode.com/gh_mirrors/fr/freqtrade 在加密货币交易的世界里，自动化交易机器人已成为许多交易者的得力助手。今天，我们要向您推荐的是一款名为Freqtrade的开源加密货币交易机器人，它以其强大的功...
数字多空策略（实盘+回测+数据）
sljsz的博客
03-16 3497
随着交易所挂牌交易的合约数量不断增加，同时合约相互间相关性不断降低，有更多的币种不与BTC、ETH等主流币同涨同跌，呈现涨跌分化的状态，因此每天都有不同币种的做多、做空机会。而对于许多稳健的、中、低风险偏好的投资者来说，在承担尽可能小的波动风险前提下，获取尽可能高的收益率，是他们追求的目标。通过历史测试可以看到，多空策略在低风险的环境下，在2倍杠杆的条件下，实现了年均超4倍的利润，，每个多空策略的多空币种市值相当，实现了方向上的完全对冲，不受整个数字货币市场涨跌的影响，至此，数字多空策略通过实盘业绩验证。
33.3K 的Freqtrade：开启加密货币自动化交易之旅
youyou263的博客
01-07 2689
免费开源加密货币交易机器人
量化投资初探：搭建比特币智能交易机器人
JDT的专栏
08-09 1455
本文介绍了使用Python构建比特币量化交易系统的完整流程。首先概述了加密货币量化交易市场现状，包括日交易量达300亿美元、量化交易占比70%等关键数据。随后详细讲解了技术架构设计，涵盖数据获取、策略开发、回测引擎、风险管理和可视化等模块。文章重点演示了双均线交易策略的实现，包括数据采集(CCXT库)、策略开发(Backtrader框架)、参数优化和实盘交易对接(Binance API)等环节。同时强调了风险管理的重要性，介绍了动态止损和多策略风控系统的实现方法。最后提供了完整的Docker容器化部署方案和
比特币量化模型高级因子筛选与信号生成报告
Menger_Wen的博客
08-06 1318
量化研究员在构建比特币量化模型时，目前已实现因子库的获取，并在因子筛选阶段采用了基础评估指标，包括信息系数（IC）、排序信息系数（Rank IC）和信息比率（IR），以及将因子值转化为交易信号后，通过夏普比率、期望收益、最大回撤和总收益率等模型指标进行回测。这些方法构成了量化研究的坚实基础。然而，正如指导老师所指出的，这些方法虽然重要，但确实属于“最基础”的范畴，这促使研究员寻求更先进、更实用、更有效的因子筛选手段。比特币及其他加密货币市场与传统金融市场存在显著差异，这为量化建模带来了独特的挑战与机遇。加密
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值