freqtrade
Freqtrade 是一款免费且开源的加密货币自动交易机器人,基于 Python 开发。它旨在帮助用户在各大主流交易所(如 Binance、OKX、Bybit 等)自动化执行现货和合约交易策略,并通过 Telegram 或网页界面进行便捷控制。
对于希望摆脱情绪干扰、实现 7x24 小时无人值守交易的用户来说,Freqtrade 提供了一套完整的解决方案。它不仅支持“干跑”模式让用户在不投入真实资金的情况下测试策略,还内置了强大的回测功能,可模拟历史数据验证买卖逻辑的有效性。此外,工具还集成了资金管理和可视化绘图功能,帮助用户更科学地评估风险与收益。
Freqtrade 特别适合具备一定编程基础的开发者和量化交易爱好者使用。虽然普通用户也可尝试,但官方强烈建议使用者掌握 Python 知识并深入理解源码机制,以确保安全运行。其独特的技术亮点在于引入了 FreqAI 模块,能够利用机器学习自适应地优化策略参数,甚至根据市场变化自我训练预测模型,让交易策略更具智能性和适应性。
需要注意的是,Freqtrade 仅用于教育和技术研究目的,交易存在风险,使用者需自行承担后果。建议在充分理解其工作原理后,再考虑是否投入真实资金。
使用场景
一位拥有 Python 基础的加密货币交易者,希望在不全天候盯盘的情况下,验证并执行一套基于技术指标的自动化交易策略。
没有 freqtrade 时
- 策略验证困难:只能依靠手动复盘或编写简陋脚本回测,无法快速利用历史数据量化评估策略在牛熊市的真实表现。
- 执行精力分散:需要 24 小时盯着 K 线图寻找买卖点,不仅容易因情绪波动导致误操作,还常因熬夜错过最佳交易时机。
- 参数优化低效:调整止损止盈或均线周期等参数完全靠“猜”和人工试错,缺乏机器学习辅助,难以找到最优配置。
- 多交易所管理混乱:若同时在币安、OKX 等多个平台操作,需切换不同界面,资金管理和订单监控极其繁琐。
使用 freqtrade 后
- 科学回测验证:直接调用内置回测引擎,几分钟内即可用数年历史数据模拟策略收益,通过图表直观看到最大回撤和胜率。
- 全自动无人值守:部署后由机器人 7x24 小时自动监控市场并执行交易,支持 Telegram 实时推送通知,彻底解放双手。
- 智能策略调优:利用 FreqAI 和机器学习功能自动扫描海量参数组合,快速锁定适应当前市场波动的最佳策略配置。
- 统一集中管控:通过 WebUI 或命令行统一管理多个交易所账户,结合 SQLite 持久化记录,清晰掌握每一笔盈亏细节。
freqtrade 将交易者从繁琐的盯盘与盲目试错中解放出来,用数据驱动的方式实现专业级的量化自动交易。
运行环境要求
- Linux
- macOS
- Windows
未说明
未说明

快速开始
Freqtrade 是一款用 Python 编写的免费开源加密货币交易机器人。它旨在支持所有主流交易所,并可通过 Telegram 或 WebUI 进行控制。该工具包含回测、绘图和资金管理功能,以及基于机器学习的策略优化。

免责声明
本软件仅用于教育目的。请勿使用您不愿承受损失的资金。使用本软件的风险由您自行承担。作者及所有关联方对您的交易结果不承担任何责任。
在开始使用交易机器人之前,请务必先以“模拟运行”模式进行测试,并且在充分理解其工作原理及预期盈亏情况之前,切勿投入真实资金。
我们强烈建议您具备一定的编程和 Python 知识。请随时阅读源代码,深入理解该机器人的运作机制。
支持的交易所市场
请阅读 交易所特定说明 以了解各交易所可能需要的特殊配置。
支持的现货交易所
- Binance
- BingX
- Bitget
- Bitmart
- Bybit
- Gate.io
- HTX
- Hyperliquid(去中心化交易所,或 DEX)
- Kraken
- OKX
- MyOKX(OKX 欧亚地区)
- 可能还有许多其他交易所。(我们无法保证它们都能正常工作)
支持的期货交易所
在开始使用之前,请务必阅读 交易所特定说明 以及 杠杆交易 相关文档。
经社区测试确认可用的交易所
文档
我们诚邀您阅读机器人相关文档,以便更好地理解其工作原理。
完整的文档可在 Freqtrade 官网 上找到。
主要特性
- 基于 Python 3.11+:适用于 Windows、macOS 和 Linux 等所有操作系统。
- 持久化存储:通过 SQLite 实现数据持久化。
- 模拟运行:无需实际支付即可运行机器人。
- 回测功能:模拟您的买入/卖出策略。
- 基于机器学习的策略优化:利用真实交易所数据,通过机器学习优化您的买卖策略参数。
- 自适应预测建模:借助 FreqAI 构建智能策略,该策略可通过自适应机器学习方法不断自我训练以适应市场变化。了解更多
- 白名单加密货币:您可以选择特定的加密货币进行交易,或使用动态白名单。
- 黑名单加密货币:您可以指定避免交易的加密货币。
- 内置 WebUI:提供内置的 Web 界面来管理您的机器人。
- Telegram 控制:可通过 Telegram 对机器人进行管理。
- 以法定货币显示盈亏:以您选择的法定货币显示盈亏情况。
- 绩效状态报告:提供当前交易的绩效状态报告。
快速入门
有关快速上手的方法,请参阅 Docker 快速入门文档。
如需了解其他原生安装方式,请参考 安装文档页面。
基本用法
机器人命令
用法:freqtrade [-h] [-V]
{trade,create-userdir,new-config,show-config,new-strategy,download-data,convert-data,convert-trade-data,trades-to-ohlcv,list-data,backtesting,backtesting-show,backtesting-analysis,edge,hyperopt,hyperopt-list,hyperopt-show,list-exchanges,list-markets,list-pairs,list-strategies,list-hyperoptloss,list-freqaimodels,list-timeframes,show-trades,test-pairlist,convert-db,install-ui,plot-dataframe,plot-profit,webserver,strategy-updater,lookahead-analysis,recursive-analysis}
...
免费开源的加密货币交易机器人
位置参数:
{trade,create-userdir,new-config,show-config,new-strategy,download-data,convert-data,convert-trade-data,trades-to-ohlcv,list-data,backtesting,backtesting-show,backtesting-analysis,edge,hyperopt,hyperopt-list,hyperopt-show,list-exchanges,list-markets,list-pairs,list-strategies,list-hyperoptloss,list-freqaimodels,list-timeframes,show-trades,test-pairlist,convert-db,install-ui,plot-dataframe,plot-profit,webserver,strategy-updater,lookahead-analysis,recursive-analysis}
trade 交易模块。
create-userdir 创建用户数据目录。
new-config 创建新配置文件。
show-config 显示解析后的配置。
new-strategy 创建新策略。
download-data 下载回测数据。
convert-data 将K线(OHLCV)数据从一种格式转换为另一种格式。
convert-trade-data 将交易数据从一种格式转换为另一种格式。
trades-to-ohlcv 将交易数据转换为K线数据。
list-data 列出已下载的数据。
backtesting 回测模块。
backtesting-show 显示过去的回测结果。
backtesting-analysis
回测分析模块。
hyperopt 超参优化模块。
hyperopt-list 列出超参优化结果。
hyperopt-show 显示超参优化结果的详细信息。
list-exchanges 打印可用的交易所。
list-markets 打印交易所上的市场。
list-pairs 打印交易所上的交易对。
list-strategies 打印可用的策略。
list-hyperoptloss 打印可用的超参优化损失函数。
list-freqaimodels 打印可用的freqAI模型。
list-timeframes 打印交易所上可用的时间周期。
show-trades 显示交易记录。
test-pairlist 测试您的交易对列表配置。
convert-db 将数据库迁移到不同的系统。
install-ui 安装FreqUI。
plot-dataframe 绘制带有指标的K线图。
plot-profit 生成显示利润的图表。
webserver Web服务器模块。
strategy-updater 将过时的策略文件更新到最新版本。
lookahead-analysis 检查是否存在前瞻偏差。
recursive-analysis 检查是否存在递归公式问题。
选项:
-h, --help 显示此帮助消息并退出。
-V, --version 显示程序的版本号并退出。
Telegram RPC 命令
Telegram 并非强制要求。不过,这是一种控制机器人的好方法。更多详情和完整的命令列表请参阅文档。
/start:启动交易员。/stop:停止交易员。/stopentry:停止开新仓。/status <trade_id>|[table]:列出所有或特定的未平仓交易。/profit [<n>]:列出过去 n 天内所有已完成交易的累计利润。/profit_long [<n>]:列出过去 n 天内所有已完成多头交易的累计利润。/profit_short [<n>]:列出过去 n 天内所有已完成空头交易的累计利润。/forceexit <trade_id>|all:立即平掉指定的交易(忽略minimum_roi)。/fx <trade_id>|all:/forceexit的别名。/performance:按交易对分组显示每笔已完成交易的表现。/balance:显示各币种的账户余额。/daily <n>:显示过去 n 天每天的盈亏情况。/help:显示帮助信息。/version:显示版本信息。
开发分支
该项目目前有两个主要分支:
develop—— 此分支通常包含新功能,但也可能包含破坏性更改。我们尽力使该分支尽可能稳定。stable—— 此分支包含最新的稳定版。该分支通常经过充分测试。feat/*—— 这些是正在积极开发的功能分支。除非您想测试特定功能,否则请勿使用这些分支。
支持
帮助 / Discord
如您有任何文档未涵盖的问题,或想了解更多关于机器人的信息,亦或是希望与志同道合的人交流,欢迎加入 Freqtrade 的 Discord 服务器。
Bug / 问题
如果您发现机器人存在 bug,请先在 问题追踪器 中搜索。如果尚未有人报告,请 创建新问题,并确保遵循模板指南,以便团队能够尽快为您提供帮助。
对于每一个 问题,请务必跟进,并在达成共识后标记为已解决或提醒关闭问题。
--请遵守 GitHub 的 社区准则--
功能请求
您是否有一个很棒的想法想要分享以改进机器人?请先搜索该功能是否已经 讨论过。如果尚未有人提出请求,请 创建新请求,并确保遵循模板指南,以免被误认为是 bug 报告而淹没在众多报告中。
拉取请求
觉得机器人缺少某个功能吗?我们非常欢迎你的拉取请求!
请先阅读 贡献文档 ,了解相关要求后再提交你的拉取请求。
贡献并不一定需要编写代码——也许可以从改进文档入手呢?标有 good first issue 的问题很适合作为初次贡献,也能帮助你熟悉代码库。
注意:在开始任何重大新功能开发之前,请先创建一个议题描述你的计划,或者在 Discord 上与我们交流(请使用 #dev 频道)。这样做可以确保感兴趣的成员对你的功能提出有价值的反馈,并让其他人知道你正在开发该功能。
重要提示:请始终基于 develop 分支创建你的拉取请求,而不是 stable 分支。
要求
保持时钟同步
时钟必须准确,并且需要频繁与 NTP 服务器同步,以避免与交易所通信时出现问题。
最低硬件要求
要运行此机器人,我们建议使用至少具备以下配置的云服务器:
- 最低(推荐)系统要求:2GB 内存、1GB 磁盘空间、2 核 CPU
软件要求
- Python >= 3.11
- pip
- git
- TA-Lib
- virtualenv(推荐)
- Docker(推荐)
版本历史
2026.32026/03/302026.22026/02/282026.12026/01/312025.122025/12/302025.11.22025/12/182025.11.12025/12/142025.112025/11/302025.102025/10/312025.9.12025/10/072025.92025/09/292025.82025/08/312025.72025/08/142025.62025/07/022025.52025/05/312025.42025/04/302025.32025/03/272025.22025/02/282025.12025/01/312024.12.12025/01/182024.122024/12/30常见问题
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
gemini-cli
gemini-cli 是一款由谷歌推出的开源 AI 命令行工具,它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言,它提供了一条从输入提示词到获取模型响应的最短路径,无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点,让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用,还是执行复杂的 Git 操作,gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口,具备出色的逻辑推理能力;内置 Google 搜索、文件操作及 Shell 命令执行等实用工具;更独特的是,它支持 MCP(模型上下文协议),允许用户灵活扩展自定义集成,连接如图像生成等外部能力。此外,个人谷歌账号即可享受免费的额度支持,且项目基于 Apache 2.0 协议完全开源,是提升终端工作效率的理想助手。
LLMs-from-scratch
LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备
