还是三元表达式

.qoder/specs/grid-strategy-optimizer.md

@@ -0,0 +1,131 @@
+# 网格策略参数优化器设计方案
+
+## 目标
+构建一个独立的Python模拟框架，通过蒙特卡洛模拟寻找网格交易策略的最优参数组合。
+
+## 核心设计决策
+
+| 决策项 | 选择 | 理由 |
+|--------|------|------|
+| 交易方向 | 仅做多 | 现货市场最常见场景 |
+| 评价指标 | 收益/最大回撤比 | 用户指定 |
+| 资金利用率 | 80% | 常量，保留20%缓冲 |
+| 搜索方式 | 网格搜索 | 结果全面，便于可视化热力图 |
+| 模拟次数 | 500次/参数组合 | 平衡速度与统计稳健性 |
+| 价格模型 | 混合场景（震荡70% + 趋势30%） | 用户指定 |
+
+## 文件结构
+
+```
+/Users/zhangkun/myTestFreqAI/grid_optimizer/
+├── grid_optimizer.py      # 主文件，包含所有模块
+```
+
+单文件设计，简洁直接。
+
+## 模块设计
+
+### 1. 价格模拟器 (PriceSimulator)
+
+```python
+class PriceSimulator:
+    """生成混合场景价格序列"""
+    
+    def generate(self, 
+                 initial_price: float = 100,
+                 num_steps: int = 1000,
+                 volatility: float = 0.02) -> np.ndarray:
+        """
+        70%概率生成震荡市（均值回归）
+        30%概率生成趋势市（带漂移的随机游走）
+        """
+```
+
+**价格模型**：
+- 震荡市：Ornstein-Uhlenbeck过程（均值回归）
+- 趋势市：几何布朗运动（带方向漂移）
+
+### 2. 网格策略引擎 (GridStrategy)
+
+```python
+@dataclass
+class GridParams:
+    num_grids: int          # 网格数量 [5, 30]
+    upper_price: float      # 上沿价格（相对初始价格比例）[1.05, 1.30]
+    lower_price: float      # 下沿价格（相对初始价格比例）[0.70, 0.95]
+    spacing_mode: str       # 'uniform' | 'progressive'
+    bet_mode: str           # 'fixed' | 'martingale'
+    bet_multiplier: float   # 马丁格尔倍数 [1.0, 2.0]
+    stop_loss: float        # 止损位（相对下沿）[0.90, 1.0]
+    take_profit: float      # 止盈位（相对上沿）[1.0, 1.10]
+
+class GridStrategy:
+    """执行网格交易逻辑"""
+    
+    def run(self, prices: np.ndarray, params: GridParams) -> TradeResult:
+        """
+        返回: 总收益率、最大回撤、交易次数、收益回撤比
+        """
+```
+
+**交易逻辑**（仅做多）：
+1. 初始化N条网格线，均匀或渐进分布在上下沿之间
+2. 每条网格线对应一个"格子"，有独立的持仓状态
+3. **买入**：价格从上向下穿过某网格线 → 该格子买入
+4. **卖出**：价格从下向上穿过某网格线 → 卖出该格子下方相邻格子的持仓（赚取格差利润）
+5. 触及止损 → 全部平仓退出；触及止盈 → 全部平仓锁定利润
+
+### 3. 参数优化器 (GridSearchOptimizer)
+
+```python
+class GridSearchOptimizer:
+    """网格搜索最优参数"""
+    
+    def __init__(self, 
+                 num_simulations: int = 500,
+                 capital_utilization: float = 0.80):
+        ...
+    
+    def optimize(self) -> pd.DataFrame:
+        """
+        遍历参数空间，每组参数运行num_simulations次模拟
+        返回按收益回撤比排序的结果表
+        """
+```
+
+**搜索空间**：
+| 参数 | 范围 | 步长 |
+|------|------|------|
+| num_grids | 5-25 | 5 |
+| upper_ratio | 1.10-1.25 | 0.05 |
+| lower_ratio | 0.75-0.90 | 0.05 |
+| spacing_mode | uniform, progressive | - |
+| bet_mode | fixed, martingale | - |
+| bet_multiplier | 1.2, 1.5 | - |
+
+### 4. 可视化模块
+
+使用matplotlib生成：
+1. **参数热力图**：网格数量 vs 上下沿范围 → 收益回撤比
+2. **收益分布直方图**：最优参数组合的收益分布
+3. **示例交易图**：价格走势 + 网格线 + 买卖点标记
+
+## 输出结果
+
+1. **控制台输出**：Top 10 参数组合及其指标
+2. **图表文件**：
+   - `heatmap.png` - 参数热力图
+   - `distribution.png` - 收益分布
+   - `example_trade.png` - 示例交易
+
+## 验证方法
+
+1. 运行 `python grid_optimizer.py`
+2. 检查输出的Top 10参数组合是否合理
+3. 查看生成的可视化图表
+
+## 实现步骤
+
+1. 创建 `grid_optimizer/` 目录
+2. 实现 `grid_optimizer.py` 主文件
+3. 运行测试验证结果

freqtrade/templates/freqaiprimer.py

@@ -763,7 +763,10 @@ class FreqaiPrimer(IStrategy):
                             pass
                 
                 # 输出诊断日志
-                ml_prob_str = f"{entry_prob:.2f}" if entry_prob is not None else "N/A"
+                if entry_prob is not None:
+                    ml_prob_str = f"{entry_prob:.2f}"
+                else:
+                    ml_prob_str = "N/A"
                 self.strategy_log(
                     f"[入场诊断] {metadata['pair']} | "
                     f"价格: {current_close:.6f} | "
@@ -983,6 +986,10 @@ class FreqaiPrimer(IStrategy):
                         market_state = str(last_row.get('market_state', 'unknown'))
                         
                         # 输出诊断日志
+                        if entry_prob is not None:
+                            ml_prob_str = f"{entry_prob:.2f}"
+                        else:
+                            ml_prob_str = "N/A"
                         self.strategy_log(
                             f"[入场诊断] {pair} | "
                             f"价格: {current_close:.6f} | "
@@ -992,7 +999,7 @@ class FreqaiPrimer(IStrategy):
                             f"RSI: {rsi_1h:.1f} | "
                             f"MACD: {macd_cross} | "
                             f"市场: {market_state} | "
-                            f"ML入场概率: {entry_prob:.2f if entry_prob is not None else 'N/A'}"
+                            f"ML入场概率: {ml_prob_str}"
                         )
                         # ========== 诊断统计结束 ==========
                         
@@ -1115,10 +1122,14 @@ class FreqaiPrimer(IStrategy):
                         )
                         allow_exit = False
                     else:
+                        if future_vol_signal is not None:
+                            future_vol_str = f"{future_vol_signal:.2f}"
+                        else:
+                            future_vol_str = "N/A"
                         self.strategy_log(
                             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" | 波动率AI: {future_vol_signal if future_vol_signal is not None else 'N/A'}"
+                            f" | 波动率AI: {future_vol_str}"
                         )
         except Exception as e:
             logger.warning(f"[{pair}] ML 审核官出场检查失败，允许出场: {e}")