波动率 AI

freqtrade/templates/freqaiprimer.py

@@ -355,18 +355,20 @@ class FreqaiPrimer(IStrategy):
             0,
         )
         
-        # 新增：持仓时长预测标签
-        # 计算到达最高点需要多少根K线（未来20根内的最高价位置）
-        max_lookahead = 20  # 预测未来20根K线（60分钟）
+        # 新增：未来波动率预测标签（极端化方案）
+        # 计算当前波动率（过10根K线的收盘价波动）
+        current_volatility = dataframe["close"].pct_change().rolling(window=10, min_periods=5).std()
         
-        # 找到未来20根K线内的最高价
-        future_high_20 = dataframe["high"].rolling(window=max_lookahead, min_periods=1).max().shift(-max_lookahead + 1)
+        # 计算未来10根K线的波动率（向未来移动）
+        future_pct_change = dataframe["close"].pct_change().shift(-1)  # 未来的收盘价变化
+        future_volatility = future_pct_change.rolling(window=10, min_periods=5).std().shift(-9)  # 未来10根K线的波动率
         
-        # 计算到达最高点的K线数（简化版本：如果涨幅 > 0.8%，则标记为1=长期持有，否则0=短期）
-        dataframe["&s-optimal_hold_duration"] = np.where(
-            (future_high_20 - dataframe["close"]) / dataframe["close"] > 0.008,  # 未来能涨 > 0.8%（从1.5%降低）
-            1,  # 标记为长期持有（预计需要更长时间）
-            0   # 短期快速出场
+        # 标签：未来波动率 > 当前波动率 * 1.5 则标记为高波动（趋势启动）
+        volatility_ratio = future_volatility / (current_volatility + 1e-8)  # 避免除以0
+        dataframe["&s-future_volatility"] = np.where(
+            volatility_ratio > 1.5,
+            1,  # 未来高波动（趋势启动），继续持有
+            0   # 未来低波动（震荡市），快速止盈
         )
         
         return dataframe
@@ -879,13 +881,6 @@ class FreqaiPrimer(IStrategy):
                     except Exception:
                         trade_age_minutes = 0.0
 
-                    # 新增：读取 AI 预测的持仓时长信号
-                    hold_duration_signal = None
-                    if '&s-optimal_hold_duration' in df.columns:
-                        hold_duration_signal = float(last_row['&s-optimal_hold_duration'])
-                    elif '&-optimal_hold_duration' in df.columns:
-                        hold_duration_signal = float(last_row['&-optimal_hold_duration'])
-
                     # 基于持仓时长的阈值衰减：持仓越久，阈值越低，越容易出场
                     age_factor = min(trade_age_minutes / (24 * 60.0), 1.0)  # 0~1，对应 0~24 小时+
                     dynamic_threshold = base_threshold * (1.0 - 0.3 * age_factor)
@@ -894,23 +889,31 @@ class FreqaiPrimer(IStrategy):
                     if current_profit <= 0.02:
                         dynamic_threshold *= 0.8
 
-                    # 新逻辑：如果 AI 预测需要长期持有（hold_duration_signal > 0.5），且持仓时间还很短，则提高阈值
-                    if hold_duration_signal is not None and hold_duration_signal > 0.5:  # AI 预测需要长期持有（从0.6降至0.5）
-                        # 如果持仓时间 < 30分钟，阈值提高 50%，更难出场
-                        if trade_age_minutes < 30:
+                    # 新增：读取 AI 预测的未来波动率信号（极端化方案）
+                    future_vol_signal = None
+                    if '&s-future_volatility' in df.columns:
+                        future_vol_signal = float(last_row['&s-future_volatility'])
+                    elif '&-future_volatility' in df.columns:
+                        future_vol_signal = float(last_row['&-future_volatility'])
+
+                    # 极端化逻辑：根据 AI 预测的未来注动率调整阈值
+                    if future_vol_signal is not None:
+                        if future_vol_signal > 0.6:  # AI 预测趋势启动（高波动）
+                            # 阈值提高 50%，耐心持有
                             dynamic_threshold *= 1.5
+                            # 如果是早期（<30分钟），再提高 30%
+                            if trade_age_minutes < 30:
+                                dynamic_threshold *= 1.3
                             logger.info(
-                                f"[持仓时长 AI] [{pair}] AI 预测需要长期持有，提高阈值至 {dynamic_threshold:.2f}"
+                                f"[波动率 AI] [{pair}] AI 预测趋势启动（高波动 {future_vol_signal:.2f}），提高阈值至 {dynamic_threshold:.2f}"
                             )
-                        # 如果持仓时间 30-60分钟，阈值提高 20%
-                        elif trade_age_minutes < 60:
-                            dynamic_threshold *= 1.2
-                    elif hold_duration_signal is not None and hold_duration_signal < 0.3:  # AI 预测短期快速出场（从0.4降至0.3）
-                        # 阈值降低 20%，更容易出场
-                        dynamic_threshold *= 0.8
-                        logger.info(
-                            f"[持仓时长 AI] [{pair}] AI 预测短期出场，降低阈值至 {dynamic_threshold:.2f}"
-                        )
+                        elif future_vol_signal < 0.4:  # AI 预测震荡市（低波动）
+                            # 阈值降低 40%，快速止盈
+                            dynamic_threshold *= 0.6
+                            logger.info(
+                                f"[波动率 AI] [{pair}] AI 预测震荡市（低波动 {future_vol_signal:.2f}），降低阈值至 {dynamic_threshold:.2f}"
+                            )
+                        # 0.4-0.6 之间：中性区间，不调整
 
                     # 设定下限，避免阈值过低
                     dynamic_threshold = max(0.05, dynamic_threshold)
@@ -919,14 +922,14 @@ class FreqaiPrimer(IStrategy):
                         logger.info(
                             f"[{pair}] ML 审核官拒绝出场: exit_signal 概率 {exit_prob:.2f} < 动态阈值 {dynamic_threshold:.2f}"
                             f" | 原应出场原因: {exit_reason} | 持仓: {trade_age_minutes:.1f}min, 利润: {current_profit:.4f}"
-                            f" | 持仓时长AI: {hold_duration_signal if hold_duration_signal is not None else 'N/A'}"
+                            f" | 波动率AI: {future_vol_signal if future_vol_signal is not None else 'N/A'}"
                         )
                         allow_exit = False
                     else:
                         logger.info(
                             f"[{pair}] ML 审核官允许出场: exit_signal 概率 {exit_prob:.2f} >= 动态阈值 {dynamic_threshold:.2f}"
                             f" | 出场原因: {exit_reason} | 持仓: {trade_age_minutes:.1f}min, 利润: {current_profit:.4f}"
-                            f" | 持仓时长AI: {hold_duration_signal if hold_duration_signal is not None else 'N/A'}"
+                            f" | 波动率AI: {future_vol_signal if future_vol_signal is not None else 'N/A'}"
                         )
         except Exception as e:
             logger.warning(f"[{pair}] ML 审核官出场检查失败，允许出场: {e}")