FreqBot 是基于 FreqTrade 的 Docker 化量化交易平台。所有交易执行、回测和监控均通过 Docker 容器完成，专注于策略开发和管理。
- 容器化执行: 所有交易通过 FreqTrade Docker 镜像运行
- 环境隔离: 开发、测试、生产环境完全隔离
- 一键部署: 简化的部署和管理流程
- Web UI 监控: 实时监控和回测结果可视化
- 资金费率套利: U本位永续合约资金费率增强策略
- 做市商策略: 智能做市和流动性提供
- 趋势策略: VATSM、均值回归、趋势突破
- 网格策略: 震荡市场网格交易
- 波动率策略: 基于波动率的交易策略
- 配置模板: 快速生成和定制配置
- 环境配置: 独立的环境参数管理
- 策略配置: 策略特定的参数优化
- 热更新: 配置变更无需重启
- FreqTrade 集成: 基于成熟的交易框架
- 实时监控: 完整的监控和告警系统
- 回测支持: 历史数据回测和性能分析
- 数据管理: 自动化的数据下载和管理
- Docker 和 Docker Compose
- Python 3.12+ (可选，用于本地工具)
- uv (推荐用于 Python 包管理)
# 回测资金费率套利策略
./docker_run_backtest.sh --strategy FundingRateEnhancedStrategy \
--timeframe 15m \
--timerange 20240101-20241001
# 回测 VATSM 策略
./docker_run_backtest.sh --strategy VATSMStrategy \
--timeframe 15m \
--timerange 20240901-20240902# 下载永续合约数据
./docker_download_data.sh \
--pairs 'BTC/USDT:USDT ETH/USDT:USDT' \
--timeframe 15m \
--timerange 20240101-20241001
# 下载现货数据
./docker_download_data.sh \
--pairs 'BTC/USDT ETH/USDT' \
--timeframe 15m \
--timerange 20240101-20241001# 启动服务
docker-compose up -d
# 访问 Web UI
# URL: http://localhost:8080
# 用户名: freqtrade
# 密码: freqtrade123
# 查看日志
docker-compose logs -f
# 停止服务
docker-compose downFreqBot/
├── user_data/ # FreqTrade 数据目录 (映射到 Docker)
│ ├── strategies/ # 策略实现
│ │ ├── FundingRateEnhancedStrategy.py # 资金费率套利
│ │ ├── VATSMStrategy.py # VATSM 策略
│ │ ├── AdvancedMarketMakerV2.py # 做市商 V2
│ │ ├── GridTradingStrategy.py # 网格交易
│ │ └── ... # 其他策略
│ ├── data/ # 历史数据
│ ├── backtest_results/ # 回测结果
│ └── config_docker.json # Docker 容器配置
│
├── configs/ # 配置管理
│ ├── environments/ # 环境配置
│ │ ├── demo.json # 模拟交易
│ │ └── production.json # 实盘交易
│ ├── strategies/ # 策略配置
│ └── templates/ # 配置模板
│
├── freqbot/ # 本地工具框架
│ ├── config/ # 配置管理器
│ └── strategies/ # 策略注册和加载
│
├── docker-compose.yml # Docker 服务编排
├── docker_run_backtest.sh # 回测脚本
├── docker_download_data.sh # 数据下载脚本
└── CLAUDE.md # 项目开发指南
最新策略 - U本位永续合约资金费率增强策略
策略特点:
- 利用永续合约资金费率作为主要 Alpha 来源
- 费率增强的方向性交易（非纯套利）
- 多重风控机制（硬止损、费率反转、时间止损、盈亏比、追踪止盈）
- 动态仓位管理（基于费率极端度和波动率）
核心逻辑:
- 高正费率时做空收取费率（年化 >30%）
- 负费率时做多收取费率
- 技术面多重过滤（RSI、ADX、ATR）
- 严格的成本-收益控制
预期表现:
- 年化收益: 15-35%
- 最大回撤: <12%
- 胜率: 50-60%
- 夏普比率: >1.2
详细文档: user_data/strategies/FundingRateEnhancedStrategy_README.md
波动率适应性趋势动量策略
策略特点:
- 动态调整回溯期（基于波动率）
- 波动率目标定位（恒定风险敞口）
- 多时间框架融合（1h趋势 + 5m入场）
- 三层追踪止损优化
核心逻辑:
- 高波动时缩短回溯期，低波动时延长
- 根据预测波动率调整仓位大小
- 多重确认机制（RSI、成交量、市场结构）
详细文档: user_data/strategies/VATSMStrategy.json
- 智能做市，提供流动性
- 动态价差调整
- 库存风险管理
- 适合高频交易
- 基础做市商实现
- 简单价差策略
- 适合学习和测试
- 震荡市场网格交易
- 动态网格间距
- 波动率自适应
- 适合横盘行情
- 增强版网格策略
- 趋势识别优化
- 动态仓位管理
- MeanReversionProfitStrategy: 均值回归策略
- TrendBreakoutStrategy: 趋势突破策略
- TrendFollowProfitStrategy: 趋势跟踪策略
- VolatilityIndicatorsStrategy: 波动率指标策略
主配置文件: user_data/config_docker.json
现货交易配置:
{
"trading_mode": "spot",
"margin_mode": "",
"pair_whitelist": ["BTC/USDT", "ETH/USDT"]
}永续合约配置 (资金费率套利):
{
"trading_mode": "futures",
"margin_mode": "isolated",
"pair_whitelist": ["BTC/USDT:USDT", "ETH/USDT:USDT"]
}- demo: 模拟交易环境（dry_run: true）
- production: 实盘交易环境（需配置真实 API）
- custom: 自定义环境配置
每个策略可以在 configs/strategies/ 下有独立配置文件，用于参数优化和版本管理。
访问 http://localhost:8080 可以:
- 查看实时交易状态
- 分析历史回测结果
- 监控持仓和盈亏
- 查看交易日志
- 管理策略配置
- 回测结果:
user_data/backtest_results/ - 交易数据:
*.sqlite数据库 - 日志文件:
user_data/logs/
- 仓位管理: 严格的仓位限制和动态调整
- 止损机制: 多层止损保护（硬止损、追踪止损、时间止损）
- 风险监控: 实时风险指标监控和告警
- 回测验证: 充分的历史数据回测
- API 密钥: 通过环境变量或加密配置管理
- 敏感信息:
.gitignore排除敏感文件 - 权限控制: API 权限最小化原则
- 审计日志: 完整的操作日志记录
- 充分测试: 实盘前务必进行充分回测和模拟交易
- 小资金起步: 建议从小资金($5K-$10K)开始验证
- 严格风控: 遵守止损纪律，不手动干预
- 渐进式部署: 根据实际表现逐步扩大规模
- 监管合规: 遵守当地法律法规
所有策略必须:
- 继承
freqtrade.strategy.IStrategy - 实现必要方法:
populate_indicators(),populate_entry_trend(),populate_exit_trend() - 放置在
user_data/strategies/目录 - 包含策略元数据（推荐）
策略模板:
from freqtrade.strategy import IStrategy
class MyStrategy(IStrategy):
"""
策略描述
"""
INTERFACE_VERSION = 3
# 策略元数据（可选）
STRATEGY_METADATA = {
"name": "MyStrategy",
"version": "1.0.0",
"author": "Your Name",
"category": "trend_following",
"description": "策略简要说明"
}
# 策略参数
minimal_roi = {"0": 0.1}
stoploss = -0.05
timeframe = '15m'
def populate_indicators(self, dataframe, metadata):
# 计算技术指标
return dataframe
def populate_entry_trend(self, dataframe, metadata):
# 生成入场信号
return dataframe
def populate_exit_trend(self, dataframe, metadata):
# 生成出场信号
return dataframe# Python 依赖管理
uv add <package> # 添加依赖
uv add --dev <package> # 添加开发依赖
uv sync # 同步依赖
uv lock # 锁定版本
# 进入虚拟环境
uv shell# 1. 下载历史数据
./docker_download_data.sh --pairs 'BTC/USDT:USDT' --timeframe 15m --timerange 20240101-20241001
# 2. 运行回测
./docker_run_backtest.sh --strategy MyStrategy --timeframe 15m --timerange 20240101-20240901
# 3. 查看结果
ls -lh user_data/backtest_results/
# 4. 模拟交易测试
docker-compose up -d
# 访问 Web UI 监控- Python: 3.12+ (现代 Python 特性)
- FreqTrade: 2025.7+ (Docker 镜像)
- Docker: 容器化部署
- SQLite: 轻量级数据存储
- uv: 现代 Python 包管理
- TA-Lib: 技术分析库
- ccxt: 交易所连接库
- 回测速度: 支持多线程回测加速
- 内存优化: 流式数据处理，内存占用低
- 并发支持: 多策略并行运行
- 缓存机制: 智能数据缓存
- 参数优化: Hyperopt 自动参数寻优
- 性能分析: 详细的回测指标分析
- 风险评估: 多维度风险指标
- 持续改进: 基于实盘数据优化
我们欢迎各种形式的贡献:
- Bug 报告: 发现问题请创建 Issue，描述复现步骤
- 功能建议: 提出新策略想法或功能改进
- 代码贡献: 提交 Pull Request，遵循代码规范
- 文档改进: 完善文档、添加示例和教程
- 策略分享: 分享你的策略和优化经验
- Fork 本仓库
- 创建特性分支 (
git checkout -b feature/amazing-strategy) - 提交变更 (
git commit -m 'feat: 添加新策略') - 推送到分支 (
git push origin feature/amazing-strategy) - 创建 Pull Request
- 遵循 PEP 8 Python 代码规范
- 使用 Conventional Commits 提交规范
- 添加必要的注释和文档字符串
- 确保所有测试通过
- ✨ 新增: U本位永续合约资金费率增强策略
- 📚 文档: 完整的策略使用文档和风险说明
- 🔧 配置: 支持永续合约交易模式
- 🎯 优化: Docker-first 架构优化
- v2.0: Docker 化架构重构
- v1.5: VATSM 策略优化
- v1.0: 初始版本发布
重要风险提示:
- 本项目仅供学习和研究使用
- 加密货币交易存在极高风险
- 可能损失全部本金
- 不构成任何投资建议
- 使用本项目产生的盈亏由使用者自行承担
- 请充分理解策略逻辑和风险后再使用
- 建议从小资金开始测试
- 遵守当地法律法规和监管要求
交易风险:
- 市场波动风险
- 流动性风险
- 技术故障风险
- 交易所风险
- 监管政策风险
建议:
- 只用闲钱投资
- 充分回测验证
- 严格风险控制
- 保持理性决策
- 及时止损退出
本项目采用 MIT 许可证 - 详见 LICENSE 文件
- 📖 项目架构说明
- 🪙 资金费率策略文档
- 🐳 FreqTrade 官方文档
- 💬 问题反馈
让量化交易更简单、更安全、更高效！ 🚀
记住: 风控第一，收益第二！ 🛡️