波动系数

freqtrade/templates/freqaiprimer.py

@@ -33,14 +33,118 @@ class FreqaiPrimer(IStrategy):
         # 存储从配置文件加载的默认值
         self._trailing_stop_positive_default = 0.004  # 降低默认值以更容易触发跟踪止盈
         
+        # 初始化历史波动系数缓存字典，用于存储每个币对的波动系数历史值
+        # 格式: {pair: [volatility_coefficient1, volatility_coefficient2, ...]}
+        self._volatility_history = {}
+        
+        # EMA参数
+        self._ema_period = 20  # EMA窗口大小
+        self._max_history_length = 200  # 最大历史记录长度
+    
     # 只用于adjust_trade_position方法的波动系数获取
     def get_volatility_coefficient(self, pair: str) -> float:
         """
-        获取币对的波动系数（简化版，仅用于adjust_trade_position方法）
-        返回固定值1.0，假设所有币对波动相当
+        获取币对的波动系数
+        - USDT/USDT 波动系数设置为0
+        - BTC/USDT 波动系数设置为1
+        - 其他币对：
+          1. 计算当前波动系数 = 该币对波动率 / BTC/USDT波动率
+          2. 维护最近200个波动系数的历史序列
+          3. 计算该序列的EMA20值作为最终波动系数
+        
+        波动系数表示某币对与BTC/USDT相比的波动幅度倍数
+        - 山寨币的波动系数可能大于3
+        - 稳定性较高的币对（如DOT/USDT）波动系数可能小于1
         """
+        # 检查特殊币对
+        if pair == 'USDT/USDT':
+            return 0.0
+        elif pair == 'BTC/USDT':
             return 1.0
         
+        try:
+            # 初始化该币对的历史记录（如果不存在）
+            if pair not in self._volatility_history:
+                self._volatility_history[pair] = []
+            
+            # 1. 计算当前波动系数（基于最近的k线数据）
+            current_volatility_coef = self._calculate_current_volatility_coef(pair)
+            
+            # 2. 将当前波动系数添加到历史记录中
+            self._volatility_history[pair].append(current_volatility_coef)
+            
+            # 3. 保持历史记录长度不超过最大限制
+            if len(self._volatility_history[pair]) > self._max_history_length:
+                self._volatility_history[pair] = self._volatility_history[pair][-self._max_history_length:]
+            
+            # 4. 计算EMA20值
+            if len(self._volatility_history[pair]) >= self._ema_period:
+                # 使用pandas计算EMA
+                import pandas as pd
+                
+                # 创建一个Series对象
+                vol_series = pd.Series(self._volatility_history[pair])
+                
+                # 计算EMA20
+                ema_volatility_coef = vol_series.ewm(span=self._ema_period, adjust=False).mean().iloc[-1]
+                
+                # 确保EMA值在合理范围内
+                final_coef = max(0.1, min(5.0, ema_volatility_coef))
+                self.log_once(f"计算波动系数EMA完成 {pair}: 最终系数={final_coef:.4f} (历史数据点数={len(self._volatility_history[pair])})")
+                return final_coef
+            else:
+                # 如果历史数据不足，返回当前波动系数（或默认值）
+                # 当历史数据少于EMA周期时，使用简单移动平均或直接返回当前值
+                # 这里选择直接返回当前波动系数，并限制范围
+                final_coef = max(0.1, min(5.0, current_volatility_coef))
+                self.log_once(f"计算波动系数EMA完成 {pair}: 最终系数={final_coef:.4f} (历史数据不足，使用当前值)")
+                return final_coef
+        except Exception as e:
+            self.log_once(f"计算波动系数EMA时出错 {pair}: {str(e)}", logger=self.logger.warning)
+            return 1.0  # 出错时返回默认值1.0
+    
+    def _calculate_current_volatility_coef(self, pair: str) -> float:
+        """
+        计算当前的波动系数（该币对波动率 / BTC/USDT波动率）
+        """
+        try:
+            # 获取当前币对的1小时k线数据
+            current_pair_df, _ = self.dp.get_analyzed_dataframe(pair, '1h')
+            # 获取BTC/USDT的1小时k线数据
+            btc_df, _ = self.dp.get_analyzed_dataframe('BTC/USDT', '1h')
+            
+            # 确保有足够的数据点
+            if len(current_pair_df) < 2 or len(btc_df) < 2:
+                return 1.0  # 如果没有足够数据，返回默认值1.0
+            
+            # 对于数据点少于200个的情况，使用所有可用数据
+            # 对于数据点多于200个的情况，使用最近200个数据点
+            current_data = current_pair_df.iloc[-min(200, len(current_pair_df)):]
+            btc_data = btc_df.iloc[-min(200, len(btc_df)):]
+            
+            # 计算当前币对的对数收益率和波动率
+            current_data['returns'] = current_data['close'].pct_change()
+            current_volatility = current_data['returns'].std() * 100  # 转换为百分比
+            
+            # 计算BTC/USDT的对数收益率和波动率
+            btc_data['returns'] = btc_data['close'].pct_change()
+            btc_volatility = btc_data['returns'].std() * 100  # 转换为百分比
+            
+            # 避免除以零的情况
+            if btc_volatility == 0:
+                return 1.0
+            
+            # 计算波动系数：当前币对波动率 / BTC/USDT波动率
+            volatility_coef = current_volatility / btc_volatility
+            
+            # 设置合理的上下限，避免极端值影响策略
+            # 上限设置为5.0（非常高波动的币对）
+            # 下限设置为0.1（非常稳定的币对）
+            return max(0.1, min(5.0, volatility_coef))
+        except Exception as e:
+            self.log_once(f"计算当前波动系数时出错 {pair}: {str(e)}", logger=self.logger.warning)
+            return 1.0  # 出错时返回默认值1.0
+
     # 其他辅助方法可以在这里添加
  
     @property