Freqtrade时间范围测试

为什么要测试不同时间段？#

1. 避免过拟合（Overfitting）#

什么是过拟合？ 策略过度拟合历史数据的特定特征，导致在新数据上表现不佳。

过拟合的表现：

1
训练期（2025-01-01 ~ 2025-06-30）：
2
  收益：+35%，胜率：92%，Sharpe：4.5 ✅
3

4
测试期（2025-07-01 ~ 2025-09-30）：
5
  收益：-8%，胜率：45%，Sharpe：0.3 ❌
6

7
结论：严重过拟合！

如何识别过拟合：

✅ 训练期表现优秀，测试期表现糟糕
✅ 策略参数过于复杂（条件 > 10 个）
✅ 策略只在特定时间段有效
✅ 微调参数后效果大幅波动

2. 验证策略稳定性（Consistency）#

稳定性的定义：策略在不同时间段都能保持相对一致的表现。

稳定性指标：

1
Q1（1-3月）：收益 +8%，回撤 -3%
2
Q2（4-6月）：收益 +12%，回撤 -4%
3
Q3（7-9月）：收益 +9%，回撤 -3.5%
4
Q4（10-12月）：收益 +11%，回撤 -3.2%
5

6
结论：策略稳定，各季度表现一致 ✅

1
Q1：收益 +45%，回撤 -2%
2
Q2：收益 -15%，回撤 -18%
3
Q3：收益 +30%，回撤 -5%
4
Q4：收益 -20%，回撤 -22%
5

6
结论：策略不稳定，波动剧烈 ❌

3. 识别适用市场（Market Adaptation）#

不同策略适合不同市况：

趋势策略 vs 震荡策略：

1
趋势策略（MovingAverageCross）：
2
  牛市（2025-01~03）：+35% ✅
3
  震荡（2025-04~06）：-8% ❌
4
  熊市（2025-07~09）：+28% ✅
5

6
均值回归策略（MeanReversion）：
7
  牛市：+5% ⚠️
8
  震荡：+22% ✅
9
  熊市：+3% ⚠️

结论：

趋势策略适合牛市和熊市（单边行情）
均值回归策略适合震荡市（区间波动）

牛市 vs 熊市 vs 震荡市#

市场类型特征#

1. 牛市（Bull Market）#

特征：

📈 持续上涨（涨幅 > 20%）
🔺 回调幅度小（< 10%）
📊 成交量放大
💪 市场情绪乐观
⏱ 持续时间：数周到数月

识别方法：

1
# 简单判断：MA50 上涨且价格在 MA50 上方
2
price > MA50 and MA50 > MA50.shift(30)

适合策略：

✅ 趋势跟踪（Trend Following）
✅ 动量策略（Momentum）
✅ 突破策略（Breakout）
❌ 不适合：均值回归

回测要点：

1
# 测试牛市行情（假设 2025-01~03 是牛市）
2
freqtrade backtesting \
3
  -c config.json \
4
  --strategy MomentumTrendStrategy \
5
  --timerange 20250101-20250331

2. 熊市（Bear Market）#

特征：

📉 持续下跌（跌幅 > 20%）
🔻 反弹无力（< 10%）
📊 成交量萎缩
😰 市场情绪悲观
⏱ 持续时间：数周到数月

识别方法：

1
# 简单判断：MA50 下跌且价格在 MA50 下方
2
price < MA50 and MA50 < MA50.shift(30)

应对策略：

⚠️ 降低仓位（50% 或更低）
⚠️ 提高止损标准
⚠️ 减少交易频率
🛑 考虑暂停交易

适合策略：

✅ 保守型策略
✅ 做空策略（如果支持）
❌ 不适合：激进追涨策略

回测要点：

1
# 测试熊市行情（假设 2025-07~09 是熊市）
2
freqtrade backtesting \
3
  -c config.json \
4
  --strategy Strategy001 \
5
  --timerange 20250701-20250930
6

7
# 关注回撤和止损表现

3. 震荡市（Range-Bound Market）#

特征：

↔️ 横盘整理（波动 < 10%）
🔄 区间往复
📊 成交量适中
😐 市场情绪中性
⏱ 持续时间：数天到数周

识别方法：

1
# 简单判断：价格在区间内震荡
2
price_range = (high_30d - low_30d) / low_30d
3
if price_range < 0.15:  # 波动 < 15%
4
    print("震荡市")

适合策略：

✅ 均值回归（Mean Reversion）
✅ 网格交易（Grid Trading）
✅ RSI 超买超卖策略
❌ 不适合：趋势跟踪

回测要点：

1
# 测试震荡行情
2
freqtrade backtesting \
3
  -c config.json \
4
  --strategy MeanReversionStrategy \
5
  --timerange 20250401-20250630

市况识别实战#

使用 TradingView 识别：

打开 TradingView
查看 BTC/USDT 日线图
添加 MA50 和 MA200 指标
观察最近 6-12 个月的走势

判断标准：

1
价格 > MA50 > MA200，且 MA50 上涨 → 牛市
2
价格 < MA50 < MA200，且 MA50 下跌 → 熊市
3
价格在 MA50 上下波动，MA50 平坦 → 震荡市

样本外测试（Out-of-Sample Testing）#

什么是样本外测试？#

定义：将数据分为两部分：

训练集（In-Sample）：用于开发和优化策略
测试集（Out-of-Sample）：用于验证策略有效性

重要性：

✅ 验证策略泛化能力
✅ 避免过拟合
✅ 模拟真实交易场景

时间切分方法#

方法 1：70/30 切分#

标准划分：

1
总数据：2024-07-01 ~ 2025-09-30（15 个月）
2

3
训练集：2024-07-01 ~ 2025-03-31（9 个月，60%）
4
测试集：2025-04-01 ~ 2025-09-30（6 个月，40%）

回测命令：

1
# 训练期回测
2
freqtrade backtesting \
3
  -c config.json \
4
  --strategy Strategy001 \
5
  --timerange 20240701-20250331
6

7
# 测试期回测
8
freqtrade backtesting \
9
  -c config.json \
10
  --strategy Strategy001 \
11
  --timerange 20250401-20250930

方法 2：多周期滚动测试（Walk-Forward）#

原理：

1
数据：12 个月
2

3
周期1: 训练（1-6月） → 测试（7-8月）
4
周期2: 训练（3-8月） → 测试（9-10月）
5
周期3: 训练（5-10月） → 测试（11-12月）

优点：

更全面的验证
更接近实盘场景
减少单一时间段偏差

方法 3：季度分割测试#

原理：

1
Q1（1-3月）：测试
2
Q2（4-6月）：测试
3
Q3（7-9月）：测试
4
Q4（10-12月）：测试
5

6
对比各季度表现的一致性

回测命令：

1
# Q1
2
freqtrade backtesting -c config.json --strategy Strategy001 --timerange 20250101-20250331
3

4
# Q2
5
freqtrade backtesting -c config.json --strategy Strategy001 --timerange 20250401-20250630
6

7
# Q3
8
freqtrade backtesting -c config.json --strategy Strategy001 --timerange 20250701-20250930
9

10
# Q4
11
freqtrade backtesting -c config.json --strategy Strategy001 --timerange 20251001-20251231

样本外测试评估标准#

合格标准：

1
训练期收益：+20%
2
测试期收益：+15%（训练期的 75% 以上）
3

4
训练期回撤：-5%
5
测试期回撤：-7%（不超过训练期的 150%）
6

7
训练期 Sharpe：3.0
8
测试期 Sharpe：2.3（训练期的 75% 以上）
9

10
结论：✅ 策略稳定，可以使用

警告信号：

1
训练期收益：+30%
2
测试期收益：+2%（仅为训练期的 6.7%）❌
3

4
训练期回撤：-3%
5
测试期回撤：-15%（是训练期的 5 倍）❌
6

7
训练期 Sharpe：4.5
8
测试期 Sharpe：0.5（仅为训练期的 11%）❌
9

10
结论：❌ 严重过拟合，不能使用

避免过拟合#

过拟合的识别信号#

信号 1：训练期完美，测试期糟糕#

案例：

1
训练期（6 个月）：
2
  交易次数：150
3
  胜率：95%
4
  总收益：+45%
5
  Sharpe：5.2
6

7
测试期（3 个月）：
8
  交易次数：72
9
  胜率：48%
10
  总收益：-12%
11
  Sharpe：-0.3
12

13
诊断：典型的过拟合！

信号 2：策略参数极其复杂#

过拟合策略示例：

1
def populate_entry_trend(self, dataframe, metadata):
2
    dataframe.loc[
3
        (
4
            # 10 个条件组合
5
            (dataframe['ema5'] > dataframe['ema10']) &
6
            (dataframe['ema10'] > dataframe['ema20']) &
7
            (dataframe['rsi'] > 52.3) &  # 过于精确
8
            (dataframe['rsi'] < 57.8) &  # 过于精确
9
            (dataframe['macd'] > 0.0023) &  # 过于精确
10
            (dataframe['volume'] > dataframe['volume'].shift(1) * 1.234) &  # 过于精确
11
            (dataframe['close'] > dataframe['bb_lowerband'] * 1.012) &
12
            (dataframe['adx'] > 23.7) &
13
            (dataframe['cci'] < 87.3) &
14
            (dataframe['mfi'] > 42.1)
15
        ),
16
        'enter_long'] = 1

问题：

❌ 参数过于精确（如 52.3、57.8）
❌ 条件过多（10 个条件）
❌ 可能只适合特定历史数据

信号 3：微调参数效果剧变#

测试：

1
RSI 阈值 = 30 → 收益 +25%
2
RSI 阈值 = 31 → 收益 +2%
3
RSI 阈值 = 29 → 收益 -5%
4

5
结论：策略对参数极度敏感，过拟合！

预防过拟合的方法#

1. 简化策略#

原则：

✅ 条件数量 ≤ 5 个
✅ 参数使用整数（如 30，不是 30.3）
✅ 逻辑清晰易懂

改进示例：

1
# 简化后的策略
2
def populate_entry_trend(self, dataframe, metadata):
3
    dataframe.loc[
4
        (
5
            # 只保留 3 个核心条件
6
            (dataframe['ema20'] > dataframe['ema50']) &  # 趋势确认
7
            (dataframe['rsi'] > 30) &  # 不在超卖
8
            (dataframe['volume'] > 0)  # 有成交量
9
        ),
10
        'enter_long'] = 1

2. 增加测试周期#

建议：

1
短期策略（5m-15m）：至少 3 个月数据
2
中期策略（1h-4h）：至少 6 个月数据
3
长期策略（1d）：至少 12 个月数据

3. 多市况测试#

验证清单：

1
✅ 牛市测试
2
✅ 熊市测试
3
✅ 震荡市测试
4
✅ 高波动期测试
5
✅ 低波动期测试

4. 参数稳定性测试#

方法：微调参数，观察结果变化

1
# 测试 RSI 阈值的稳定性
2
# 修改策略中的 RSI 阈值：25, 30, 35
3
freqtrade backtesting -c config.json --strategy StrategyRSI25 --timerange 20250701-20250930
4
freqtrade backtesting -c config.json --strategy StrategyRSI30 --timerange 20250701-20250930
5
freqtrade backtesting -c config.json --strategy StrategyRSI35 --timerange 20250701-20250930
6

7
# 如果三个版本结果相近，说明策略稳定

5. 使用正则化技术#

方法：

限制最大持仓数
设置合理的 ROI 梯度
使用保守的止损

示例：

1
# 防过拟合的保守设置
2
stoploss = -0.10  # 10% 止损（不要过紧）
3
max_open_trades = 3  # 限制持仓数
4
minimal_roi = {
5
    "0": 0.10,     # 目标合理（不要过高）
6
    "120": 0.05,
7
    "240": 0.02
8
}

音乐

嵌言片语

Freqtrade时间范围测试

Freqtrade时间范围测试

为什么要测试不同时间段？#

1. 避免过拟合（Overfitting）#

2. 验证策略稳定性（Consistency）#

3. 识别适用市场（Market Adaptation）#

牛市 vs 熊市 vs 震荡市#

市场类型特征#

1. 牛市（Bull Market）#

2. 熊市（Bear Market）#

3. 震荡市（Range-Bound Market）#

市况识别实战#

样本外测试（Out-of-Sample Testing）#

什么是样本外测试？#

时间切分方法#

方法 1：70/30 切分#

方法 2：多周期滚动测试（Walk-Forward）#

方法 3：季度分割测试#

样本外测试评估标准#

避免过拟合#

过拟合的识别信号#

信号 1：训练期完美，测试期糟糕#

信号 2：策略参数极其复杂#

信号 3：微调参数效果剧变#

预防过拟合的方法#

1. 简化策略#

2. 增加测试周期#

3. 多市况测试#

4. 参数稳定性测试#

5. 使用正则化技术#

支持与分享

支持博主

音乐

目录