initial vault sync

05 投资交易/freqtrade策略研究专题.md

@@ -0,0 +1,71 @@
+#交易 #量化交易 #策略研究 #freqtrade #DeepSeek 
+
+
+
+
+[[什么是夏普比率？]]
+
+
+---
+
+[[freqtrade的PairList、过滤筛选器使用简介]]
+[[freqtrade Strategy readme]]
+
+---
+[[freqtrade中VolumePairList为什么不支持回测模式？还有哪些筛选机制可供使用？]]
+开始策略研究之前，先陈列一个我在回测时遇到的问题。
+在回测专题中也已经将这个问题陈列了，这是策略开发研究首要确定的一些模式，因此在策略研究专题中也在开头陈列。
+
+---
+策略本身实际上是不分平台的
+不同平台的策略实现语言和代码也许有差异，但是其核心是一样的
+因此在freqtrade策略研究这个专题写下的所有策略研究记录，也是我交易策略研究在本阶段的一个载体，所有的研究历程和成果都是一直伴随的。
+
+以下为市场上的经典策略，自己从头编写复现并跑通，才可以说策略研究步入正轨。
+学而不思则罔，思而不学则殆。正是此意。
+[[freqtrade来复现经典策略，巩固前一个阶段的学习。]]
+
+---
+[[逐行学习SampleStrategy策略]]
+
+---
+下载完成数据后，对freqtrade策略库中的[[TrendFollowingStrategy]]进行回测，对2023年的合约数据终于跑出了正收益回测，将运行完成后的报告交由deepseek进行解读，感觉说的非常好，将几次的分析摘录如下：
+
+[[TrendFollowingStrategy的运行报告解读1]]
+[[TrendFollowingStrategy的运行报告解读2]]
+[[TrendFollowingStrategy的运行报告解读3]]
+
+---
+[[freqtrade策略研究困境及突破（deepseek建议）]]
+
+---
+
+今日通过询问，得知了freqtrade基于闭合曲线的运行机制，以及对于tick监测的轻量级功能补充。
+[[freqtrade 基于闭合曲线的运行机制和tick监测实现初探]]
+
+同时，通过对deepseek陈述我的技术路线，请他提建议，又新掌握了[[PyTrend技术分析库]]和[[Stockstats技术分析库]]，他们可以实现更多基于K线形态的识别监测。比如趋势线、双顶、三角形态等等，需要持续研究。
+
+[[freqtrade行情存储与K线回溯（怎样使用t时刻以前的K线）]]
+    
+```python
+    def custom_body_ratio(df):
+        # 只使用已闭合K线（-200:-1]）
+        closed_bars = df.iloc[-200:-1]  
+        body = np.abs(closed_bars['close'] - closed_bars['open'])
+        total_range = closed_bars['high'] - closed_bars['low']
+        return body.mean() / total_range.mean()  # 实体/影线均值比
+    
+    dataframe['body_ratio'] = dataframe['close'].rolling(200).apply(custom_body_ratio)
+    ```
+
+这一段给我的启示很大，一方面教会了我怎么引用历史数据并计算自建指标的值，虽然反映上来和其他talib计算指标值时并无区别，但还是没有能想到。另一方面，我有了自建指标的实现方法，就是在dataframe中继续新加一列，对每一个蜡烛进行计算。比如上述代码就建立了单根蜡烛的实体与影线比这个因子，这将作为后续建立策略的方向之一。
+
+随后，为了了解更多关于自建指标的建议，以及其他对于趋势、区间、阻力、支撑、三角或旗型等形态识别的工具进行询问，想知道是否有成熟的工具支撑，还真的被我找到了。大为受用，又精进了一些。[[PyTrend技术分析库]]、[[Stockstats技术分析库]]。的使用一定让我的策略如虎添翼，虽然不用造轮子了，但是对于工具的使用还是要下大功夫。
+[[freqtrade自建策略建议与其他技术分析工具推荐]]
+[[freqtrade中，价格行为建模的工具链【重要】]]
+[[freqtrade中使用的这些工具链可以迁移在其他平台吗？]]
+
+---
+
+[[机器学习的基础问题：训练结果是否可以迁移？]]
+