# source: https://raw.githubusercontent.com/remiotore/freqtrade/44beaeb6a420cd8e9f2e4ea93e11d6cfa192ee03/strategies/IchiVSOptimized.py # --- Do not remove these libs --- from freqtrade.strategy.interface import IStrategy from pandas import DataFrame import talib.abstract as ta import freqtrade.vendor.qtpylib.indicators as qtpylib import pandas as pd pd.options.mode.chained_assignment = None # default='warn' import technical.indicators as ftt from functools import reduce from datetime import datetime, timedelta import numpy as np from freqtrade.strategy import merge_informative_pair, stoploss_from_open from typing import Optional class Github_remiotore_freqtrade__IchiVSOptimized__20260111_210550(IStrategy): """ IchiVS_Optimized - Chiến lược cải tiến cho giao dịch cả long và short trên KuCoin Spot. Đặc điểm chính: - Sử dụng Heikin Ashi để làm mịn dữ liệu giá mà không ghi đè lên OHLC gốc (tạo thêm cột riêng). - Tính toán EMA đa khung thời gian (5m, 15m, 30m, 1h, 2h, 4h, 6h, 8h) để xác định xu hướng. - Dùng Ichimoku Cloud để lọc xu hướng (long: giá trên mây, short: giá dưới mây). - Sử dụng Fan Magnitude (tỉ lệ giữa EMA 1h và EMA 8h) cùng với xu hướng tăng/giảm để xác nhận sức mạnh xu hướng. - Tín hiệu thoát dựa trên giao cắt giữa giá 5m và EMA 2h, có thể bổ sung trailing stop dựa trên ATR. """ timeframe = '5m' startup_candle_count = 96 process_only_new_candles = True can_short = True leverage_value = 5 # ROI & Stoploss minimal_roi = { "0": 0.05, "10": 0.03, "30": 0.015, "60": 0 } stoploss = -0.275 trailing_stop = False # Có thể bật trailing stop dựa trên ATR nếu cần use_exit_signal = True exit_profit_only = False ignore_roi_if_entry_signal = False # --- Buy (Long) Parameters --- buy_params = { "buy_trend_above_senkou_level": 2, # Yêu cầu tín hiệu Ichimoku từ khung 5m và 15m "buy_trend_bullish_level": 3, # Yêu cầu bullish từ khung 5m, 15m, 30m "buy_fan_magnitude_shift_value": 2, "buy_min_fan_magnitude_gain": 1.002, # Yêu cầu Fan Magnitude tăng và > 1 # Có thể thêm tham số cho bộ lọc ATR: "atr_threshold": 0.0015, } # --- Short Parameters --- short_params = { "short_trend_below_senkou_level": 2, # Yêu cầu tín hiệu Ichimoku từ khung 5m và 15m (giá dưới mây) "short_trend_bearish_level": 3, # Yêu cầu bearish từ khung 5m, 15m, 30m "short_fan_magnitude_shift_value": 2, "short_max_fan_magnitude_gain": 0.998, # Yêu cầu Fan Magnitude giảm và < 1 "atr_threshold": 0.0015, } # --- Sell (Exit) Parameters --- sell_params = { "sell_trend_indicator": "trend_close_2h", # EMA 2h làm chỉ báo thoát lệnh } plot_config = { 'main_plot': { 'senkou_a': { 'color': 'green', 'fill_to': 'senkou_b', 'fill_label': 'Ichimoku Cloud', 'fill_color': 'rgba(255,76,46,0.2)', }, 'senkou_b': {}, 'trend_close_5m': {'color': '#FF5733'}, 'trend_close_15m': {'color': '#FF8333'}, 'trend_close_30m': {'color': '#FFB533'}, 'trend_close_1h': {'color': '#FFE633'}, 'trend_close_2h': {'color': '#E3FF33'}, 'trend_close_4h': {'color': '#C4FF33'}, 'trend_close_6h': {'color': '#61FF33'}, 'trend_close_8h': {'color': '#33FF7D'} }, 'subplots': { 'fan_magnitude': { 'fan_magnitude': {} }, 'fan_magnitude_gain': { 'fan_magnitude_gain': {} }, 'atr': { 'atr': {'color': 'purple'} } } } def leverage(self, pair: str, current_time: datetime, current_rate: float, proposed_leverage: float, max_leverage: float, entry_tag: Optional[str], side: str, **kwargs) -> float: # Sử dụng mức đòn bẩy cố định return 5#float(min(self.leverage_value, max_leverage)) def populate_indicators(self, dataframe: DataFrame, metadata: dict) -> DataFrame: """ Tạo các cột chỉ báo, trong đó: - Các cột Heikin Ashi (ha_open, ha_high, ha_low, ha_close) được thêm mới, không thay thế dữ liệu gốc. - Các chỉ báo EMA, Ichimoku và Fan Magnitude được tính toán từ dữ liệu đã làm mịn. """ # Tạo dữ liệu Heikin Ashi riêng mà không ghi đè OHLC gốc ha = qtpylib.heikinashi(dataframe.copy()) dataframe['ha_open'] = ha['open'] dataframe['ha_high'] = ha['high'] dataframe['ha_low'] = ha['low'] dataframe['ha_close'] = ha['close'] # Tính EMA dựa trên dữ liệu Heikin Ashi dataframe['trend_close_5m'] = dataframe['ha_close'] dataframe['trend_close_15m'] = ta.EMA(dataframe['ha_close'], timeperiod=3) dataframe['trend_close_30m'] = ta.EMA(dataframe['ha_close'], timeperiod=6) dataframe['trend_close_1h'] = ta.EMA(dataframe['ha_close'], timeperiod=12) dataframe['trend_close_2h'] = ta.EMA(dataframe['ha_close'], timeperiod=24) dataframe['trend_close_4h'] = ta.EMA(dataframe['ha_close'], timeperiod=48) dataframe['trend_close_6h'] = ta.EMA(dataframe['ha_close'], timeperiod=72) dataframe['trend_close_8h'] = ta.EMA(dataframe['ha_close'], timeperiod=96) # EMA cho giá mở (dùng dữ liệu Heikin Ashi) dataframe['trend_open_5m'] = dataframe['ha_open'] dataframe['trend_open_15m'] = ta.EMA(dataframe['ha_open'], timeperiod=3) dataframe['trend_open_30m'] = ta.EMA(dataframe['ha_open'], timeperiod=6) dataframe['trend_open_1h'] = ta.EMA(dataframe['ha_open'], timeperiod=12) dataframe['trend_open_2h'] = ta.EMA(dataframe['ha_open'], timeperiod=24) dataframe['trend_open_4h'] = ta.EMA(dataframe['ha_open'], timeperiod=48) dataframe['trend_open_6h'] = ta.EMA(dataframe['ha_open'], timeperiod=72) dataframe['trend_open_8h'] = ta.EMA(dataframe['ha_open'], timeperiod=96) # Tính Fan Magnitude (EMA 1h/EMA 8h) và sự thay đổi của nó dataframe['fan_magnitude'] = dataframe['trend_close_1h'] / dataframe['trend_close_8h'] dataframe['fan_magnitude_gain'] = dataframe['fan_magnitude'] / dataframe['fan_magnitude'].shift(1) # Tính Ichimoku Cloud (có thể tính dựa trên dữ liệu gốc hoặc HA tùy mục tiêu) ichimoku = ftt.ichimoku( dataframe.copy(), conversion_line_period=20, base_line_periods=60, laggin_span=120, displacement=30 ) dataframe['chikou_span'] = ichimoku['chikou_span'] dataframe['tenkan_sen'] = ichimoku['tenkan_sen'] dataframe['kijun_sen'] = ichimoku['kijun_sen'] dataframe['senkou_a'] = ichimoku['senkou_span_a'] dataframe['senkou_b'] = ichimoku['senkou_span_b'] dataframe['leading_senkou_span_a'] = ichimoku['leading_senkou_span_a'] dataframe['leading_senkou_span_b'] = ichimoku['leading_senkou_span_b'] dataframe['cloud_green'] = ichimoku['cloud_green'] dataframe['cloud_red'] = ichimoku['cloud_red'] # Tính ATR từ dữ liệu gốc để hỗ trợ quản lý rủi ro dataframe['atr'] = ta.ATR(dataframe) return dataframe def populate_entry_trend(self, dataframe: DataFrame, metadata: dict) -> DataFrame: """ Xác định tín hiệu vào lệnh cho cả long và short, kèm theo bộ lọc (ví dụ: ATR) để hạn chế giao dịch khi thị trường không có xu hướng. """ # --- Tín hiệu LONG --- long_conditions = [] level = self.buy_params['buy_trend_above_senkou_level'] if level >= 1: long_conditions.append(dataframe['trend_close_5m'] > dataframe['senkou_a']) long_conditions.append(dataframe['trend_close_5m'] > dataframe['senkou_b']) if level >= 2: long_conditions.append(dataframe['trend_close_15m'] > dataframe['senkou_a']) long_conditions.append(dataframe['trend_close_15m'] > dataframe['senkou_b']) bullish_level = self.buy_params['buy_trend_bullish_level'] if bullish_level >= 1: long_conditions.append(dataframe['trend_close_5m'] > dataframe['trend_open_5m']) if bullish_level >= 2: long_conditions.append(dataframe['trend_close_15m'] > dataframe['trend_open_15m']) if bullish_level >= 3: long_conditions.append(dataframe['trend_close_30m'] > dataframe['trend_open_30m']) long_conditions.append(dataframe['fan_magnitude'] > 1) long_conditions.append(dataframe['fan_magnitude_gain'] >= self.buy_params['buy_min_fan_magnitude_gain']) for x in range(self.buy_params['buy_fan_magnitude_shift_value']): long_conditions.append(dataframe['fan_magnitude'].shift(x+1) < dataframe['fan_magnitude']) # Bộ lọc ATR để tránh vào lệnh khi biến động quá thấp long_conditions.append(dataframe['atr'] >= self.buy_params.get('atr_threshold', 0)) # --- Tín hiệu SHORT --- short_conditions = [] level_short = self.short_params['short_trend_below_senkou_level'] if level_short >= 1: short_conditions.append(dataframe['trend_close_5m'] < dataframe['senkou_a']) short_conditions.append(dataframe['trend_close_5m'] < dataframe['senkou_b']) if level_short >= 2: short_conditions.append(dataframe['trend_close_15m'] < dataframe['senkou_a']) short_conditions.append(dataframe['trend_close_15m'] < dataframe['senkou_b']) bearish_level = self.short_params['short_trend_bearish_level'] if bearish_level >= 1: short_conditions.append(dataframe['trend_close_5m'] < dataframe['trend_open_5m']) if bearish_level >= 2: short_conditions.append(dataframe['trend_close_15m'] < dataframe['trend_open_15m']) if bearish_level >= 3: short_conditions.append(dataframe['trend_close_30m'] < dataframe['trend_open_30m']) short_conditions.append(dataframe['fan_magnitude'] < 1) short_conditions.append(dataframe['fan_magnitude_gain'] <= self.short_params['short_max_fan_magnitude_gain']) for x in range(self.short_params['short_fan_magnitude_shift_value']): short_conditions.append(dataframe['fan_magnitude'].shift(x+1) > dataframe['fan_magnitude']) # Bộ lọc ATR cho tín hiệu short short_conditions.append(dataframe['atr'] >= self.short_params.get('atr_threshold', 0)) if long_conditions: dataframe.loc[reduce(lambda x, y: x & y, long_conditions), 'enter_long'] = 1 if short_conditions: dataframe.loc[reduce(lambda x, y: x & y, short_conditions), 'enter_short'] = 1 return dataframe def populate_exit_trend(self, dataframe: DataFrame, metadata: dict) -> DataFrame: """ Xác định tín hiệu thoát lệnh: - LONG: Khi giá 5m cắt xuống dưới EMA của khung 2h (trend_close_2h). - SHORT: Khi giá 5m cắt lên trên EMA của khung 2h. """ exit_long_condition = qtpylib.crossed_below(dataframe['trend_close_5m'], dataframe[self.sell_params['sell_trend_indicator']]) dataframe.loc[exit_long_condition, 'exit_long'] = 1 exit_short_condition = qtpylib.crossed_above(dataframe['trend_close_5m'], dataframe[self.sell_params['sell_trend_indicator']]) dataframe.loc[exit_short_condition, 'exit_short'] = 1 return dataframe