Alternate Text

Freqtrade

工具 金融科技

Freqtrade是一款使用Python编写的免费开源加密货币交易机器人。它支持各大主流交易所,可通过电报(Telegram)或网页界面(webUI)进行控制。内置回测、绘图、资金管理工具,还支持借助机器学习完成策略优化。

2026-10-19 4 微信:tianz003

Freqtrade 是一个基于 Python 的开源加密货币量化交易机器人框架,采用 GPL-3.0 许可证,核心提供“数据下载 → 策略开发 → 回测 → 参数优化 → 模拟/实盘交易”完整闭环。

项目概况

Freqtrade 诞生于 2017 年,由欧洲社区长期维护。截至 2026 年 7 月,GitHub Stars 已超过 5.2 万,代码提交超过 3.2 万次,是加密量化社区最活跃的开源框架之一。

核心能力

模块说明
策略开发用 Python 类编写策略,支持 pandas / TA-Lib 计算指标
回测引擎高性能本地回测,内置 lookahead-analysis 检测未来数据泄漏
参数优化Hyperopt 模块,基于 Optuna/scikit-optimize 做贝叶斯超参数搜索
FreqAI集成 LightGBM、XGBoost、CatBoost、PyTorch 及强化学习,支持滚动重训练
交易所支持通过 CCXT 接入 Binance、OKX、Bybit、Kraken 等 12+ 家现货及 6 家合约交易所
风控管理止损、追踪止损、止盈、最大持仓、动态仓位、白名单/黑名单
运行模式Backtesting(回测)、Dry-run(模拟盘)、Live(实盘)
监控管理内置 WebUI、Telegram 机器人、REST API、Prometheus + Grafana
数据存储SQLite 持久化交易记录,feather/parquet 格式存储历史行情

五层架构

  1. 数据层:通过 CCXT 统一获取 OHLCV 和逐笔成交数据
  2. 策略层:用户编写 Python 策略类,定义入场/出场信号
  3. 执行层:管理订单生命周期、撮合、风控
  4. 优化层:回测引擎 + Hyperopt 参数搜索
  5. 控制层:WebUI、Telegram、REST API 与外部交互

同一份策略代码可在回测、模拟、实盘三种模式下复用。

快速上手

推荐 Docker 部署:

git clone https://github.com/freqtrade/freqtrade.git
cd freqtrade
docker compose run --rm freqtrade create-userdir --userdir user_data

编写策略示例(Python 类):

class MyStrategy(IStrategy):
    def populate_indicators(self, dataframe, metadata):
        dataframe['rsi'] = ta.RSI(dataframe, timeperiod=14)
        return dataframe

    def populate_entry_trend(self, dataframe, metadata):
        dataframe.loc[dataframe['rsi'] < 30, 'enter_long'] = 1
        return dataframe

    def populate_exit_trend(self, dataframe, metadata):
        dataframe.loc[dataframe['rsi'] > 70, 'exit_long'] = 1
        return dataframe

运行回测:

freqtrade backtesting --strategy MyStrategy --timerange 20240101-20260101

启动模拟盘:

freqtrade trade --strategy MyStrategy --config user_data/config.json

与同类项目对比

项目主战场策略方式
Freqtrade加密货币 CEX自己写 Python 策略,回测/Hyperopt 极强
Hummingbot加密做市/套利配置内置模板,连接器生态全
VeighNaA股/期货/期权CTA/价差/算法交易,国内生态丰富
NautilusTrader多资产Rust 高性能引擎,事件驱动


局限与风险

  • 仅支持加密货币,不支持 A 股、期货等传统市场
  • 不是黑箱赚钱工具,回测漂亮不等于实盘盈利,过拟合风险很高
  • Hyperopt 容易过拟合,必须留样本外数据验证
  • 需要 Python 基础,完全零基础上手有门槛
  • 实盘前必须跑 Dry-run,官方文档首页就强调"不要拿输不起的钱冒险"

适合谁

  • 有 Python 基础、想在加密市场做量化交易的人
  • 需要完整"研究 → 回测 → 优化 → 实盘"工作流的开发者
  • 想尝试机器学习策略(FreqAI)但不想从零搭建基础设施的人
  • 需要自托管、完全掌控代码和数据的交易者