出场置信度

freqtrade/templates/freqaiprimer.py

@@ -248,6 +248,10 @@ class FreqaiPrimer(IStrategy):
     
     # 入场间隔控制参数（分钟）
     entry_interval_minutes = IntParameter(20, 200, default=42, optimize=True, load=True, space='buy')
+    
+    # ML 审核官：exit_signal 拒绝入场的阈值（越高越宽松，越低越严格）
+    ml_exit_signal_threshold = DecimalParameter(0.50, 0.85, decimals=2, default=0.65, optimize=True, load=True, space='buy')
+    
     # 定义可优化参数
     # 初始入场金额: 75.00
 
@@ -740,31 +744,36 @@ class FreqaiPrimer(IStrategy):
                     allow_trade = False
             
             # 检查3：ML 审核官（FreqAI 过滤低质量入场）
+            # 逻辑：用 exit_signal 概率来判断——若"退出概率高"说明价格容易跌，则拒绝入场
             if allow_trade:
                 try:
                     df, _ = self.dp.get_analyzed_dataframe(pair, self.timeframe)
                     if len(df) > 0:
                         last_row = df.iloc[-1]
-                        ml_score = None
-                        # 优先使用 FreqAI 预测列（例如 &-entry_signal_prob 或 &-entry_signal）
-                        if '&-entry_signal_prob' in df.columns:
-                            ml_score = float(last_row['&-entry_signal_prob'])
-                        elif '&-entry_signal' in df.columns:
-                            val = last_row['&-entry_signal']
+                        exit_prob = None
+                        
+                        # 优先使用 FreqAI 的 exit_signal 预测列（例如 &-exit_signal_prob 或 &-exit_signal）
+                        if '&-exit_signal_prob' in df.columns:
+                            exit_prob = float(last_row['&-exit_signal_prob'])
+                        elif '&-s-exit_signal_prob' in df.columns:
+                            exit_prob = float(last_row['&-s-exit_signal_prob'])
+                        elif '&-exit_signal' in df.columns:
+                            val = last_row['&-exit_signal']
                             if isinstance(val, (int, float)):
-                                ml_score = float(val)
+                                exit_prob = float(val)
                             else:
                                 # 文本标签时，简单映射为 0/1
-                                ml_score = 1.0 if str(val).lower() in ['good', 'enter', 'long', '1'] else 0.0
-                        elif 'prediction' in df.columns:
-                            # 回归模型时，可直接用 prediction 作为质量分（需在FreqAI侧归一化到0-1）
-                            ml_score = float(last_row['prediction'])
+                                exit_prob = 1.0 if str(val).lower() in ['exit', 'sell', '1'] else 0.0
                         
-                        if ml_score is not None:
-                            ml_threshold = 0.6
-                            if ml_score < ml_threshold:
-                                logger.info(f"[{pair}] ML 审核官拒绝入场: 质量分 {ml_score:.2f} < 阈值 {ml_threshold:.2f}")
+                        if exit_prob is not None:
+                            # 阈值：如果"应该退出"的概率 > 阈值，说明价格很可能下跌，拒绝入场
+                            # 使用 hyperopt 参数，默认 0.65（比之前的 0.5 更宽松）
+                            exit_threshold = self.ml_exit_signal_threshold.value
+                            if exit_prob > exit_threshold:
+                                logger.info(f"[{pair}] ML 审核官拒绝入场: exit_signal 概率 {exit_prob:.2f} > 阈值 {exit_threshold:.2f}（容易下跌，不宜入场）")
                                 allow_trade = False
+                            # else:
+                            #     logger.info(f"[{pair}] ML 审核官允许入场: exit_signal 概率 {exit_prob:.2f} <= {exit_threshold:.2f}")
                 except Exception as e:
                     logger.warning(f"[{pair}] ML 审核官检查失败，忽略 ML 过滤: {e}")