initial vault sync

2026-06-23 00:24:32 +08:00
commit 8e7723c17a
795 changed files with 157458 additions and 0 deletions
--- a/投资交易/freqtrade策略中如何同时加载多时间周期的数据用以策略计算？.md
+++ b/投资交易/freqtrade策略中如何同时加载多时间周期的数据用以策略计算？.md
@ -0,0 +1,144 @@
+#交易 #量化交易 #策略研究 #freqtrade #DeepSeek 
+
+在 Freqtrade 策略中实现多时间框架指标计算（如 5 分钟主框架下计算 1 小时 ADX）需通过 **K 线数据重采样（Resample）** 实现。以下是具体方法和注意事项：
+
+---
+
+### 一、实现原理
+
+1. **默认时间框架**  
+    `populate_indicators()` 中 `dataframe` 默认使用配置文件 `config.json` 的 `timeframe`（如 `5m`），所有计算基于此周期[1,3](@ref)。
+2. **多时间框架需求**  
+    若需计算更高周期指标（如 1 小时 ADX），需将原始数据**重采样**为目标周期（1h），再计算指标，最后**对齐**到原始时间戳[6](@ref)。
+
+---
+
+### 二、实现步骤（代码示例）
+
+以下是在 5 分钟策略中计算 1 小时 ADX 的完整代码：
+
+```python
+def populate_indicators(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
+    # 1. 复制 DataFrame 避免污染原始数据
+    df = dataframe.copy()
+    
+    # 2. 重采样为 1 小时数据 (聚合规则)
+    resample_rule = '1H'
+    df_resampled = df.resample(
+        resample_rule, 
+        on='date',  # 时间列
+        closed='right',  # 右边界闭合
+        label='right'     # 时间标签取右边界
+    ).agg({
+        'open': 'first',
+        'high': 'max',
+        'low': 'min',
+        'close': 'last',
+        'volume': 'sum'
+    }).dropna()
+    
+    # 3. 在重采样数据上计算 1 小时 ADX
+    df_resampled['adx_1h'] = ta.ADX(
+        df_resampled, 
+        timeperiod=14  # ADX 周期
+    )
+    
+    # 4. 将 1 小时 ADX 合并回原始 5 分钟数据
+    # 注意：使用前向填充 (ffill) 避免未来函数
+    dataframe['adx_1h'] = df_resampled['adx_1h'].reindex(
+        df.index, 
+        method='ffill'  # 用上一个有效的小时值填充
+    )
+    
+    # 5. 可选：删除中间列避免内存占用
+    dataframe.drop(columns=['adx_1h_temp'], inplace=True, errors='ignore')
+    
+    return dataframe
+```
+
+---
+
+### 三、关键注意事项
+
+1. **避免未来函数**
+    
+    - **必须用 `ffill` 而非 `bfill`**：`bfill` 会使用未来数据，导致回测失真[6](@ref)。
+    - **滞后处理**：1 小时 ADX 在 5 分钟数据中需在整点后生效（如 10:00 的 ADX 在 10:05 才能使用）。
+2. **重采样规则**
+    
+    |参数|值|说明|
+    |---|---|---|
+    |`closed`|`right`|确保当前 K 线数据属于前一个小时的统计区间，避免未来信息泄露|
+    |`label`|`right`|时间戳标记为小时结束点（如 10:00 标签包含 09:05-10:00 的数据）|
+    |`volume`|`sum`|成交量按小时累加|
+    |`high`/`low`|`max`/`min`|价格取区间极值|
+    
+3. **性能优化**
+    
+    - **仅重采样必要列**：减少 `agg()` 中不必要的列（如不用的 `trades` 列）[6](@ref)。
+    - **禁用未用指标**：不在 `populate_indicators` 中计算未参与信号逻辑的指标。
+4. **实盘适配**
+    
+    - 实时运行时，最后一根 K 线可能不完整（如当前小时未结束），需通过 `dropna()` 排除[3](@ref)。
+
+---
+
+### 四、替代方案：多时间框架数据注入
+
+对高频策略，可通过配置文件直接加载多周期数据（需修改 `config.json`）：
+
+```
+"dataframe_extra": {
+    "enabled": true,
+    "timeframes": ["1h", "4h"]
+}
+```
+
+在策略中通过 `self.dp` 访问：
+
+```
+def populate_indicators(self, dataframe, metadata):
+    # 获取 1 小时数据
+    df_1h = self.dp.get_pair_dataframe(metadata["pair"], "1h")
+    dataframe["adx_1h"] = df_1h["adx"].reindex(dataframe.index, method="ffill")
+    return dataframe
+```
+
+> **优点**：避免重复计算，适合高频策略[4,5](@ref)。  
+> **缺点**：需提前下载多周期数据，配置文件更复杂。
+
+---
+
+### 五、典型错误及规避
+
+1. **未来函数陷阱**
+    
+    ```
+    # 错误！直接合并会导致未来数据
+    dataframe['adx_1h'] = df_resampled['adx_1h']  # 未对齐时间戳
+    ```
+    
+    **修正**：必须用 `reindex(..., method='ffill')`。
+    
+2. **边界处理错误**
+    
+    ```
+    # 错误！left 边界会导致当前小时数据污染
+    df_resampled = df.resample(..., closed='left', label='left')
+    ```
+    
+    **修正**：始终用 `closed='right', label='right'`。
+    
+
+---
+
+### 六、总结建议
+
+- **震荡策略**：优先使用 `resample` 动态计算（节省数据下载时间）。
+- **趋势策略**：在 `config.json` 中预加载多周期数据（减少实时计算负载）。
+- **关键检查点**：  
+    ✅ 验证回测时是否出现 `NaN`（需 `dropna()` 或 `ffill`）  
+    ✅ 对比实盘/回测中 1 小时 ADX 的值是否一致  
+    ✅ 监控策略内存占用（多周期数据易导致 OOM）
+
+> 进阶参考：TA-Lib 的多周期协同策略案例可参考[6](@ref)中的 _多周期RSI策略_ 实现。