此项目是基于Freqtrade框架研发的量化交易策略，配置默认有三個个交易机器人（添加机器人请在监听端口API Url中登录主机端口），docker-compose设置端口号（默认为8000，8001和8002）。由于策略限制为单向持仓，同一币种开多和平空会冲突，可以同時运行DcaTpLong和DcaTpShort不同交易对的多空双向机器人，依靠波动获得高低差利润，也可以只运行DcaTp做多机器人(根据DcaTpLong优化了参数以减小回撤风险)。
如果要使用，请将DcaTpLong复制到strategies目录下，config配置可供参考。leverage：杠杆大小，max_open_trades：交易对数量上限，stake_amount：初始资金，tradable_balance_ratio：资金占用率，pair_whitelist：交易对白名单。
策略是以30m时间周期k线的收盘价为基础计算的，杠杆默认为10X，初始仓位大小为总资金的5%，根据总资金collateral和仓位大小margin调整仓位。
MACD、KDJ 金叉、ADX>25、EMA9>EMA21>EMA99时或者布林下轨且rsi<35时入场。
MACD、KDJ 金叉、ADX>25、EMA9>EMA21>EMA99时，加仓总资金 2%，KDJ死叉时减仓总资金 2%。
基于动态平持仓均价，跌至 1−(0.01-DCA加仓次数×0.02)，且 KDJ_J< 0或RSI< 20或KDJ_J< 20和RSI< 35，加仓量为（2%-0.2%*DCA加仓次数），上限7次，冷却时间60m.
触发浮盈止盈后加仓至总资金的 5%，加仓量为（总资金的 5% -仓位大小）。
已触发浮亏DCA后，止盈时减至总资金 5%。
触发TP止盈时减仓 30%，标记可浮盈加仓。
首次网格买单价为持仓均价的 0.98，后续买单价为成交价的 0.98，加仓量为（2%-0.2%*网格加仓次数），上限 5次，冷却时间30m； 卖单价为成交价的 1.02，减仓总资金的 2%。
24h自动化交易，结合了网格和DCA策略的部分逻辑。
初始资金占用率 5%，杠杆 10X，自动复利计算。
可以根据风险偏好调整杠杆，止盈条件和仓位大小。
可优化MACD，KDJ，EMA，RSI指标，修改加减仓参数。
无固定止损，极端行情累积加仓，持仓量会达到总资金的 25%左右。
有滑点，参数过拟合的风险，指标设置不一定最优。
频繁交易可能产生较高的手续费。
详情参考freqtrade官方文档
mkdir ft_userdata
cd ft_userdata/
# 克隆yml文件
curl https://raw.githubusercontent.com/freqtrade/freqtrade/stable/docker-compose.yml -o docker-compose.yml
# 拉取docker镜像
docker compose pull
# 启动交易机器人
docker compose up -d
# 建立使用者目录
docker compose run --rm freqtrade create-userdir --userdir user_data
# 建立config配置
docker compose run --rm freqtrade new-config --config user_data/config.json
# 查看可下载的时间戳
docker-compose run --rm freqtrade list-timeframes
# 下载 OHLCV 数据（以30m为例）
docker-compose run --rm freqtrade download-data --exchange binance --timeframe 30m
# 列出可用数据
docker-compose run --rm freqtrade list-data --exchange binance
# 回测数据
docker-compose run --rm freqtrade backtesting --datadir user_data/data/binance --export trades --stake-amount 10 -s DcaTpLong -i 30m --timerange=20250510-20250701
更多指令请参阅文件
/start: 启动交易/stop: 关闭交易/stopentry: 停止新的交易/reload_config: 加载config配置/forcelong: 立即开多/forceshort: 立即开空/forceexit: 立即退出
该策略为开发版本，仅供参考用途，勿将担心损失的资金用于冒险，使用本策略的风险由您自行承担。强烈建议先在 Dry-run 中运行交易机器人，在了解其工作原理以及您应该预期的利润/损失之前，不要投入资金。