Freqtrade

• 1. 概要 （共 233 字）

  Freqtrade 是一款基於 Python 編寫的免費開源加密貨幣交易機器人，支援全部主流加密貨幣交易所（現貨和合約），可透過 Telegram 或 Web 介面進行控制。該專案包含完整的回測、策略最佳化和資金管理工具，並整合了 FreqAI 機器學習模組來最佳化交易策略。截至 2026 年，GitHub 星標數已接近 5 萬，是加密貨幣量化交易領域最受歡迎的開源框架之一。其核心優勢在於完全免費、高度可定製和活躍的社群支援，但需要使用者具備 Python 程式設計能力，不適合追求即插即用的新手使用者。

• 2. 產品背景 （共 367 字）

  Freqtrade 是一個由歐洲社群長期維護的開源量化交易框架，採用 GPL-3.0 許可證，完全免費使用。專案始於 2017 年，至今已釋出 112 個版本，當前版本為 2026.3（2026 年 3 月釋出），採用年度版本命名加月度釋出節奏。   該專案並非商業產品，而是一個社群驅動的開源專案。核心維護者來自歐洲社群，持續活躍地更新程式碼和文件。專案 GitHub 顯示累計超過 3.1 萬次提交程式碼，貢獻者包括來自全球的開發者。   在加密貨幣量化交易機器人市場中，Freqtrade 定位於「專業開發者工具」而非「消費級產品」。相比 3Commas、Cryptohopper 等商業機器人，Freqtrade 不收取任何訂閱費用，唯一的「成本」是使用者需要自行具備 Python 程式設計能力來編寫和調整策略。這一定位使其成為技術愛好者和專業交易者的首選工具，而普通使用者則可能難以上手。

• 3. 產品功能與使用體驗 （共 1193 字）

  Freqtrade 提供了一套完整的量化交易閉環工具鏈，覆蓋從策略研究到實盤交易的全流程。   策略研究與回測：內建強大的回測引擎，支援歷史資料回測策略表現。2026.2 版本提升了 ROI 退出率準確性和回測可靠性。獨具特色的是「look-ahead-analysis」和「recursive-analysis」功能，可以主動檢測回測中的未來資料洩漏問題，這對於驗證策略真實性非常有價值。   引數最佳化 Hyperopt：使用貝葉斯最佳化演算法自動尋找最優引數。有使用者報告透過 Hyperopt 可將基礎策略的夏普比率從 0.8 提升到 1.4。但需要注意過度最佳化風險——迭代次數過多會在訓練集找到「完美」引數但在樣本外虧錢，建議保留最後 20-30% 資料作樣本外驗證。   FreqAI 機器學習模組：支援 LightGBM、XGBoost 和 PyTorch 神經網路等主流機器學習框架，用於構建自適應預測模型。這 Freqtrade 的差異化功能之一，但也是最容易誤用的模組。特徵工程不當幾乎必然導致過擬合，見過大量「FreqAI 實盤全虧」的失敗案例。   交易所連線：支援 12 家現貨交易所（Binance、Bybit、OKX、Bitget、Gate.io、Kraken、Hyperliquid 等）和 6 家期貨交易所。2026 年新增 Kraken Futures 支援。需要強調的是 Freqtrade 基於 ccxt 庫開發，只支援加密貨幣交易所，不能用於 A 股、港股等傳統金融市場。   運維介面：支援兩種控制方式。Telegram Bot 可實時推送交易訊號、檢視持倉、執行手動平倉；FreqUI 提供 Web 介面控制。   官方推薦使用 Docker 部署以避免環境配置問題。原聲安裝（非 Docker）在 ARM64 Mac 上不被官方支援。   根據使用者分享的使用經驗，典型的新手上手流程如下：首先用三天時間完成環境搭建、編寫雙均線策略並進行回測，回測結果看似非常出色（年化 180% 收益、最大回撤 12%）；但在實盤執行三週，往往發現虧錢同樣迅速。這說明回測結果與實盤表現之間存在顯著差距，核心原因包括滑點未計算在回測中（需手動在 config 中設定）、市場環境變化、以及策略本身的過擬合。   官方文件建議始終先在 Dry-run 模式（模擬交易）下執行充分時間，確認策略有效後再投入真實資金。   在加密貨幣交易機器人市場，Freqtrade 與商業競品的核心差異在於定價和門檻。Freqtrade 免費（開源），3Commas 和 Cryptohopper 都是 29 美元/月起。Freqtrade 需要 Python 程式設計能力，後兩者是拖拽式配置。Freqtrade 自定義程度完全自定義，後兩者是預設模板。Freqtrade 回測可靠性高（含洩漏檢測），後兩者一般。Freqtrade 有 FreqAI 機器學習模組，後兩者沒有。   有使用者進行為期 6 個月的實盤測試後認為「免費機器人贏了」，但這需要使用者具備足夠的技術能力來駕馭。

• 4. 定價與商業模式 （共 266 字）

  Freqtrade 採用完全免費的開源模式，基於 GPL-3.0 許可證。使用者無需支付任何訂閱費用即可使用全部功能，包括回測、Hyperopt 引數最佳化、FreqAI 機器學習等。   唯一的成本是時間投入——使用者需要自行學習 Python、配置環境、編寫和最佳化策略。此外，實盤交易時交易所會收取正常的手續費（通常 0.1-0.2%），這與使用任何機器人或手動交易一致。   相比之下，3Commas 定價從每月 29 美元起（專業版），Cryptohopper 從每月 49 美元起。對於希望在加密貨幣量化交易領域深入學習的使用者，Freqtrade 是零成本的最佳起點。

• 5. 使用者評價 （共 344 字）

  根據中文社群的深度使用反饋，Freqtrade 的綜合評分約為 7.6/10（滿分 10）。   正面評價集中於以下幾點：回測引擎內含未來資料洩漏檢測極為珍貴；Hyperopt 引數最佳化有實質效果；FreqAI 機器學習模組設計先進；支援交易所廣泛且持續更新；社群活躍、文件完善。   負面反饋主要集中在：必須具備 Python 程式設計能力，不適合沒有技術背景的使用者；A股/港股投資者無法使用（僅支援加密貨幣）；學習曲線陡峭，有使用者建議先學 4-6 周 Python 基礎再上手；Hyperopt 和 FreqAI 都容易導致過擬合，需要有經驗才能避免陷阱。   有中文使用者分享使用半年的體驗：「Freqtrade 是開源加密量化領域工程質量最高的框架，但它是一個工具而非答案——能幫你把正確的想法執行得更好，卻無法讓錯誤的想法變正確。」

• 6. 行業評價 （共 243 字）

  在加密貨幣量化交易開源社群，Freqtrade 被廣泛認為是「天花板級」的框架。其程式碼質量活躍度（3.1 萬次提交、112 個版本）反映出持續的維護和改進。   專業評測網站 Gainium 評價其為「免費的開源選擇，高度可定製，效能強大」，但同時指出「學習曲線陡峭，主要面向有技術背景的使用者」。   行業媒體和社群討論中，Freqtrade 常被推薦為想要深入學習量化交易的入門工具——透過它可以理解完整的量化交易閉環（資料獲取、策略編寫、回測驗證、實盤執行、風險管理），這些經驗可遷移到其他框架或商業產品。

• 7. 爭議與風險 （共 312 字）

  Freqtrade 作為開源工具，爭議相對較少，但仍有一些需要注意的點。   過擬合風險：Hyperopt 和 FreqAI 都容易導致過擬合——在回測資料上找到「完美」引數但實盤虧損。使用者反映這一問題的帖子在社群中很常見。解決方法包括保留樣本外資料驗證、限制最佳化迭代次數、使用更簡單的策略。   資料洩漏可能性：儘管內建了回測功能，但使用者仍可能在特徵工程中無意引入未來資料。使用前需仔細閱讀官方文件中關於資料洩漏的說明。   非投資建議：專案 README 和官方文件明確宣告：不提供投資建議，使用者需自行承擔交易風險。這與所有量化交易工具的通用做法一致。   技術支援：作為開源專案，不提供商業級的客戶支援，遇到問題需要依靠社群（Discord）和自行排查。

• 8. 適用人群與使用建議 （共 339 字）

  Freqtrade 適合以下人群：具備 Python 程式設計基礎（建議至少學 4-6 周基礎），對加密貨幣市場有研究興趣，願意投入時間學習量化交易知識，能夠接受「先 Dry-run 幾個月再實盤」的節奏。   Freqtrade 不適合以下人群：完全沒有程式設計基礎的使用者，期望「複製策略就能賺錢」的使用者，A股/港股投資者（Freqtrade 不支援），追求簡單易用、無需配置的消費者。   替代方案：對於沒有程式設計能力的使用者，可考慮 3Commas（拖拽式配置、月費制），Cryptohopper（社交跟單特色），或使用 TradingView 的自動交易功能。   一句話總結：Freqtrade 是加密貨幣量化交易領域的「Linux」——給專業使用者高度的自主控制，但需要技術能力來駕馭；免費開源是其最大優勢，也是最大的門檻。

暫無深度報告

• 

  John_BakerSr

  —

  配置了一個多策略組合,有的做趨勢有的做震盪,總算把收益曲線做平了。單一策略確實扛不住市場風格切換,多策略才是正解。不過管理多個策略例項的成本也不低,建議先用一個策略跑穩了再加。

---

• 

  鄧勇

  —

  從 Backtrader 轉過來的,最大的感受就是 Freqtrade 的「回測→最佳化→實盤」一條龍太方便了。同一個策略程式碼可以在三個模式裡無縫切換,不用折騰兩套程式碼。而且 FreqAI 的自適應模型在 Backtrader 裡基本沒法實現。

---

• 

  蘭花_34

  —

  pip install freqtrade 一行命令就能裝,簡單是真簡單。不過建議還是用 Docker,依賴隔離性好,升級也方便。docker compose pull 更新映象就行,不像裸裝升級時要處理各種依賴衝突。

---

• 

  SChavez520

  —

  加密市場量化天花板級框架,這個評價不過分。但說實話,95% 的使用者進去都是虧錢的——不是因為工具不好,而是策略不行。Freqtrade 是一把好槍,但開槍的人得先學會瞄準。

---

• 

  PhoenixFireCooper

  —

  看了一下官方資料,GitHub 上已經 5 萬多星了,月更版本號都到 2026.3 了。這種更新頻率在開源專案裡真的少見,維護團隊很靠譜。從 2017 年到現在一直活躍的專案,社群基礎非常紮實。

---

• 

  CJenkinsX6

  —

  跟 3Commas 比的話,Freqtrade 免費但需要自己搭環境,3Commas 省心但一個月 49 刀。有技術能力的果斷選 Freqtrade。長遠看,自己能掌控的系統和交月費租別人系統,完全是兩個維度的東西。

---

• 

  Jesse.WardQ

  —

  2026.1 版本加了 Calmar Ratio,這個指標用來衡量收益和最大回撤的關係,比只看夏普更全面。FreqUI 上能看到實時數值,很方便。建議回測和實盤都關注這個指標,它比 Sharpe Ratio 更能反映策略的抗風險能力。

---

• 

  Joan_AlvarezQ

  —

  策略開發門檻確實高,但官方文件寫得特別好,Strategy 101 那篇看完基本就能上手寫自己的策略了。關鍵是先理解 populate_indicators、populate_entry_trend 和 populate_exit_trend 這三個方法,然後從改引數開始慢慢摸索。

---

• 

  HeatherOrtizIII

  —

  Telegram 遠端控制太香了,出門在外手機就能 /status 看持倉、/profit 看盈虧。不用開電腦就能管理 bot,24/7 加密市場就得這麼搞。配合 /forceexit 還能遠端強制平倉,遇到黑天鵝事件可以從手機上緊急處理。

---

• 

  blackcat247

  —

  最大回撤保護模式在 2026.2 版本里加了,用賬戶總回撤來觸發熔斷,比以前只能按單筆止損合理多了。建議大家都開一下。舊版那個 MaxDrawdown 保護已經標記為 deprecated 了,升級後記得改配置。

---

• 

  RobertMurphy_2023781

  —

  用了半年 Freqtrade,最大的感受就是這玩意兒真是個雙刃劍。回測跑出來夏普 2.0+,結果實盤一上就拉胯——滑點沒設好,利潤全被吃掉了。後來老老實實配了 slippage_protection,總算對上了。

---

• 

  LambdaLP503

  —

  白名單黑名單功能很實用,可以把那些流動性差的幣排除掉,避免機器人買到沒人接盤的垃圾幣。動態白名單按成交量篩選也挺好用,能讓 bot 始終交易最活躍的幣種,降低流動性風險。

---

• 

  Gregory.Murphy

  —

  GPL-3.0 開源協議要注意,商用之前得評估一下。不過個人用完全沒問題,程式碼全透明,API key 也不出伺服器,安全這塊比那些雲託管 bot 靠譜。API key 記得只給交易許可權,絕不給提現許可權。

---

• 

  KeithBakerK8

  —

  Catboost 被移除了,之前用 FreqAI 的同學記得遷移到 LightGBM 或 XGBoost。官方文件有遷移指南,照著改就行,不算太麻煩。不過建議趁這個機會重新審視一下自己的特徵工程,別隻是換個模型了事。

---

• 

  HelenDiazZ

  —

  Freqtrade 在 JOSS 上發了論文,學術界也在用。做研究的可以引用,做實證研究的也適合拿它來搭訂單流和微觀結構實驗。從學術角度來說,它的開源透明性比很多商業軟體更有價值。

---

• 

  月光_7

  —

  docker compose up -d 一把梭,半小時就把 Freqtrade 跑起來了。回測功能是真的強,各種指標全給你算好,比自己擼 backtrader 省事太多了。不過建議新手先用 Docker 搭環境,別學我一開始在 macOS 上裸裝 TA-Lib,編譯報錯搞了兩天。

---

• 

  BPeterson52023

  —

  Freqtrade 支援 Hyperliquid 了！DEX 也能跑自動化交易了,這個更新太重要了。之前只能玩 CEX,現在 DeFi 這條線也能覆蓋了。不過 DEX 的延遲和 gas 費用問題還需要進一步最佳化。

---

• 

  jADE918

  —

  社群生態確實好,Discord 上活人很多,策略倉庫裡也有幾百個現成的可以抄。文件更是詳細到令人髮指,每個引數都有說明和示例。遇到問題先在 GitHub Issues 搜一下,大部分坑都有人踩過了。

---

• 

  Gerald_Ruiz

  —

  個人覺得最適合 Freqtrade 的場景是做市和網格,這些策略邏輯相對簡單,回測也準。趨勢跟蹤類的策略就不太適合,因為回測過擬合太嚴重了。網格策略用 Freqtrade 跑的話,記得把 max_open_trades 設大一點。

---

• 

  MColeman979

  —

  免費開源 yyds,省了每個月幾十刀的訂閱費。但說實話,學習曲線也是真的陡,光配置檔案的 50 多個欄位就研究了三天。建議用 freqtrade new-config 生成模板,然後一個欄位一個欄位對著文件看,千萬別直接複製網上的配置。

---

• 

  Gary.Russell_Plus

  —

  look-ahead bias 檢測是 Freqtrade 回測的一個亮點,能自動識別出是不是不小心用了未來資料。這個功能很多商業回測平臺都沒有。跑回測的時候建議加上 --cache none,避免資料快取帶來偏差。

---

• 

  Nancy.Wilson_2021

  —

  FreqAI 盲目堆特徵是個大坑,加了 100 個特徵結果 95 個是噪聲。建議從 10 個有金融意義的特徵出發,逐步加,每次加完都驗證一下。用 PCA 降維或者 SHAP 值篩選特徵也是不錯的做法。

---

• 

  GFosterK8

  —

  TA-Lib 在 macOS 上裝起來簡直噩夢,要編譯 C 擴充套件,各種報錯。後來直接用 Docker 一把搞定,建議新手直接上 Docker,別折騰裸裝了。docker compose pull 拉映象,docker compose up -d 啟動,一條命令都不需要編譯。

---

• 

  ETmoo

  —

  Freqtrade 是目前開源加密量化領域工程質量最高的框架,沒有之一。但它是一個工具,不是一個答案——它能幫你把正確的想法執行得更好,但無法讓錯誤的想法變正確。這句話我花了三個月虧了 20% 才真正理解透。

---

• 

  Pamela.LewisJr

  —

  用了 Freqtrade 之後最大的變化不是賺了多少錢,而是養成了紀律性交易的習慣。不再半夜起來看盤了,機器人替我盯著,睡得好多了。而且回測產生的資料可以幫我客觀評估策略,而不是憑感覺拍腦袋交易。

---

• 

  SGomez_889

  —

  FreqUI Web 介面做得越來越好了,CAGR、夏普、Sortino 這些指標一目瞭然。最新版還加了圖表標註,比之前只能看命令列輸出舒服多了。不過第一次裝 FreqUI 要跑 freqtrade install-ui,需要 Node.js 環境。

---

• 

  angryleopard385

  —

  Postgres 遷移支援做得不錯,從 SQLite 遷到 Postgres 後查詢速度快了不少,資料分析也方便了。適合跑了一段時間、資料量大了之後遷移。不過小規模使用 SQLite 完全夠用,沒必要一上來就上 Postgres。

---

• 

  VBaileyZ0

  —

  Hyperopt 真是個甜蜜的陷阱,最佳化出來的引數在樣本內美如畫,一出樣本就崩。後來學乖了,留 20% 的資料做驗證集,不過標不實盤。Walk Forward 驗證也比一次性回測靠譜得多,強烈推薦。

---

• 

  MiaJensen

  —

  免費的開源機器人，香是真的香，但學習曲線太陡峭了，沒點Python基礎真的勸退。

---

• 

  Justin.Wright36955

  —

  Freqtrade的look-ahead-detection功能真的救命，我之前兩個看起來完美的策略都是資料洩漏。

暫無評論