# source: https://raw.githubusercontent.com/Danson77/Freqtrade_AIO_UI/f0bf29851d0577f244c17c0aa7d593ba3a7f3551/user_data/backtest_reports/Registerd_with_100USDT/DS_clucha_5m/DS_clucha_5m.py # directory_url: https://github.com/Danson77/Freqtrade_AIO_UI/blob/main/user_data/backtest_reports/Registerd_with_100USDT/DS_clucha_5m/ # User: Danson77 # Repository: Freqtrade_AIO_UI # --------------------from datetime import datetime, timedelta, timezone from freqtrade.persistence import Trade, PairLocks from freqtrade.strategy import ( BooleanParameter, DecimalParameter, IntParameter, RealParameter, stoploss_from_open, merge_informative_pair, CategoricalParameter, ) from freqtrade.strategy.interface import IStrategy from functools import reduce from logging import FATAL from pandas import DataFrame, Series from technical.util import resample_to_interval, resampled_merge from typing import Dict, List, Optional, Union import freqtrade.vendor.qtpylib.indicators as qtpylib import logging import math import numpy as np import pandas as pd import pandas_ta as pta import talib.abstract as ta logger = logging.getLogger(__name__) ############################################################################ # Custom indicators and helper functions ############################################################################ def bollinger_bands(stock_price, window_size, num_of_std): rolling_mean = stock_price.rolling(window=window_size).mean() rolling_std = stock_price.rolling(window=window_size).std() lower_band = rolling_mean - (rolling_std * num_of_std) return np.nan_to_num(rolling_mean), np.nan_to_num(lower_band) def ha_typical_price(bars): res = (bars["ha_high"] + bars["ha_low"] + bars["ha_close"]) / 3.0 return Series(index=bars.index, data=res) class Github_Danson77_Freqtrade_AIO_UI__DS_clucha_5m__20260520_191933(IStrategy): INTERFACE_VERSION = 3 can_short = False ######################################################################################################################################################## # Main ######################################################################################################################################################## timeframe = "5m" use_exit_signal = True exit_profit_only = False exit_profit_offset = 0.01 ignore_roi_if_entry_signal = False use_custom_stoploss = True trailing_stop = False trailing_stop_positive = 0.001 trailing_stop_positive_offset = 0.012 trailing_only_offset_is_reached = False process_only_new_candles = True startup_candle_count = 168 order_types = { "entry": "market", "exit": "market", "emergency_exit": "market", "force_entry": "market", "force_exit": "market", "stoploss": "market", "stoploss_on_exchange": False, "stoploss_on_exchange_interval": 60, "stoploss_on_exchange_limit_ratio": 0.99 } slippage_protection = { "retries": 3, "max_slippage": -0.02 } plot_config = { "main_plot": { "ma_buy": {"color": "green"}, "ma_sell": {"color": "orange"}, }, } ######################################################################################################################################################## # Hyperopt ######################################################################################################################################################## buy_params = { "clucha_enabled": True, "bbdelta_close": 0.01889, "bbdelta_tail": 0.72235, "close_bblower": 0.0127, "closedelta_close": 0.00916, "rocr_1h": 0.79492, } sell_params = { "sell_fisher": 0.39075, "sell_bbmiddle_close": 0.99754, "pHSL": -0.35, "pPF_1": 0.011, "pPF_2": 0.064, "pSL_1": 0.011, "pSL_2": 0.062, } minimal_roi = { "0": 100 } stoploss = -0.99 ######################################################################################################################################################## # Parameters ######################################################################################################################################################## rocr_1h = RealParameter(0.5, 1.0, default=0.54904, space="buy", optimize=True) bbdelta_close = RealParameter(0.0005, 0.02, default=0.01965, space="buy", optimize=True) closedelta_close = RealParameter(0.0005, 0.02, default=0.00556, space="buy", optimize=True) bbdelta_tail = RealParameter(0.7, 1.0, default=0.95089, space="buy", optimize=True) close_bblower = RealParameter(0.0005, 0.02, default=0.00799, space="buy", optimize=True) sell_fisher = RealParameter(0.1, 0.5, default=0.38414, space="sell", optimize=True) sell_bbmiddle_close = RealParameter(0.97, 1.1, default=1.07634, space="sell", optimize=True) clucha_enabled = BooleanParameter(default=buy_params["clucha_enabled"], space="buy", optimize=True) ############################################################################################################################################################################ # Trailing Stoploss Parameters ######################################################################################################################################################## is_optimize_stoploss = True pHSL = DecimalParameter(-0.200, -0.040, default=-0.15, decimals=3, space="sell", optimize=is_optimize_stoploss, load=True) pPF_1 = DecimalParameter(0.008, 0.020, default=0.016, decimals=3, space="sell", optimize=is_optimize_stoploss, load=True) pSL_1 = DecimalParameter(0.008, 0.020, default=0.014, decimals=3, space="sell", optimize=is_optimize_stoploss, load=True) pPF_2 = DecimalParameter(0.040, 0.100, default=0.024, decimals=3, space="sell", optimize=is_optimize_stoploss, load=True) pSL_2 = DecimalParameter(0.020, 0.070, default=0.022, decimals=3, space="sell", optimize=is_optimize_stoploss, load=True) ######################################################################################################################################################## # Informative Pairs ######################################################################################################################################################## def informative_pairs(self): pairs = self.dp.current_whitelist() return [(pair, "1h") for pair in pairs] ######################################################################################################################################################## # Safe informative fetch ######################################################################################################################################################## def _get_informative_1h(self, pair: str) -> DataFrame: informative = self.dp.get_pair_dataframe(pair=pair, timeframe="1h") if informative is None or informative.empty: return DataFrame(columns=["date", "rocr"]) informative = informative.copy() if "date" in informative.columns: informative["date"] = pd.to_datetime(informative["date"], utc=True, errors="coerce") informative = informative.dropna(subset=["date"]) if informative.empty: return DataFrame(columns=["date", "rocr"]) inf_heikinashi = qtpylib.heikinashi(informative) informative["ha_close"] = inf_heikinashi["close"] informative["rocr"] = ta.ROCR(informative["ha_close"], timeperiod=168) return informative[["date", "rocr"]].copy() ######################################################################################################################################################## # Indicators ######################################################################################################################################################## def populate_indicators(self, dataframe: DataFrame, metadata: dict) -> DataFrame: dataframe = dataframe.copy() if "date" in dataframe.columns: dataframe["date"] = pd.to_datetime(dataframe["date"], utc=True, errors="coerce") dataframe = dataframe.dropna(subset=["date"]) heikinashi = qtpylib.heikinashi(dataframe) dataframe["ha_open"] = heikinashi["open"] dataframe["ha_close"] = heikinashi["close"] dataframe["ha_high"] = heikinashi["high"] dataframe["ha_low"] = heikinashi["low"] mid, lower = bollinger_bands(ha_typical_price(dataframe), window_size=40, num_of_std=2) dataframe["lower"] = lower dataframe["mid"] = mid dataframe["bbdelta"] = (mid - dataframe["lower"]).abs() dataframe["closedelta"] = (dataframe["ha_close"] - dataframe["ha_close"].shift()).abs() dataframe["tail"] = (dataframe["ha_close"] - dataframe["ha_low"]).abs() dataframe["bb_lowerband"] = dataframe["lower"] dataframe["bb_middleband"] = dataframe["mid"] dataframe["ema_fast"] = ta.EMA(dataframe["ha_close"], timeperiod=3) dataframe["ema_slow"] = ta.EMA(dataframe["ha_close"], timeperiod=50) dataframe["volume_mean_slow"] = dataframe["volume"].rolling(window=30).mean() dataframe["rocr"] = ta.ROCR(dataframe["ha_close"], timeperiod=28) rsi = ta.RSI(dataframe) dataframe["rsi"] = rsi rsi_t = 0.1 * (rsi - 50) dataframe["fisher"] = (np.exp(2 * rsi_t) - 1) / (np.exp(2 * rsi_t) + 1) informative = self._get_informative_1h(metadata["pair"]) if not informative.empty: dataframe = merge_informative_pair( dataframe, informative, self.timeframe, "1h", ffill=True, ) else: dataframe["rocr_1h"] = np.nan if "rocr_1h" not in dataframe.columns: dataframe["rocr_1h"] = np.nan return dataframe ######################################################################################################################################################## # Buy Trend ######################################################################################################################################################## def populate_entry_trend(self, dataframe: DataFrame, metadata: dict) -> DataFrame: dataframe["enter_long"] = 0 dataframe["enter_tag"] = "" buy_condition = ( bool(self.clucha_enabled.value) & (dataframe["rocr_1h"].gt(self.rocr_1h.value)) & ( ( (dataframe["lower"].shift().gt(0)) & (dataframe["bbdelta"].gt(dataframe["ha_close"] * self.bbdelta_close.value)) & (dataframe["closedelta"].gt(dataframe["ha_close"] * self.closedelta_close.value)) & (dataframe["tail"].lt(dataframe["bbdelta"] * self.bbdelta_tail.value)) & (dataframe["ha_close"].lt(dataframe["lower"].shift())) & (dataframe["ha_close"].le(dataframe["ha_close"].shift())) ) | ( (dataframe["ha_close"] < dataframe["ema_slow"]) & (dataframe["ha_close"] < self.close_bblower.value * dataframe["bb_lowerband"]) ) ) ) dataframe.loc[buy_condition, "enter_long"] = 1 dataframe.loc[buy_condition, "enter_tag"] = "clucHA" return dataframe ######################################################################################################################################################## # Sell Trend ######################################################################################################################################################## def populate_exit_trend(self, dataframe: DataFrame, metadata: dict) -> DataFrame: dataframe["exit_long"] = 0 dataframe["exit_tag"] = "no_exit" sell_condition = ( (dataframe["fisher"] > self.sell_fisher.value) & (dataframe["ha_high"].le(dataframe["ha_high"].shift(1))) & (dataframe["ha_high"].shift(1).le(dataframe["ha_high"].shift(2))) & (dataframe["ha_close"].le(dataframe["ha_close"].shift(1))) & (dataframe["ema_fast"] > dataframe["ha_close"]) & ((dataframe["ha_close"] * self.sell_bbmiddle_close.value) > dataframe["bb_middleband"]) & (dataframe["volume"] > 0) ) dataframe.loc[sell_condition, "exit_long"] = 1 dataframe.loc[sell_condition, "exit_tag"] = "fisher_ema_bearish" return dataframe ######################################################################################################################################################## # Confirm Trade Exit ######################################################################################################################################################## def confirm_trade_exit( self, pair: str, trade: Trade, order_type: str, amount: float, rate: float, time_in_force: str, exit_reason: str, current_time: datetime, **kwargs ) -> bool: dataframe, _ = self.dp.get_analyzed_dataframe(pair, self.timeframe) if dataframe is None or dataframe.empty: return True last_candle = dataframe.iloc[-1] state = self.slippage_protection.setdefault("__pair_retries", {}) slippage = (rate / last_candle["close"]) - 1 if slippage < self.slippage_protection["max_slippage"]: pair_retries = state.get(pair, 0) if pair_retries < self.slippage_protection["retries"]: state[pair] = pair_retries + 1 return False state[pair] = 0 return True ######################################################################################################################################################## # Trade Protections ######################################################################################################################################################## @property def protections(self): return [ { "method": "CooldownPeriod", "stop_duration_candles": 5 }, { "method": "MaxDrawdown", "lookback_period_candles": 48, "trade_limit": 20, "stop_duration_candles": 4, "max_allowed_drawdown": 0.2 }, { "method": "StoplossGuard", "lookback_period_candles": 24, "trade_limit": 4, "stop_duration_candles": 2, "only_per_pair": False }, { "method": "LowProfitPairs", "lookback_period_candles": 6, "trade_limit": 2, "stop_duration_candles": 60, "required_profit": 0.02 }, { "method": "LowProfitPairs", "lookback_period_candles": 24, "trade_limit": 4, "stop_duration_candles": 2, "required_profit": 0.01 } ] ######################################################################################################################################################## # Custom Trailing Stoploss ######################################################################################################################################################## def custom_stoploss( self, pair: str, trade: "Trade", current_time: datetime, current_rate: float, current_profit: float, **kwargs ) -> float: HSL = self.pHSL.value PF_1 = self.pPF_1.value SL_1 = self.pSL_1.value PF_2 = self.pPF_2.value SL_2 = self.pSL_2.value if current_profit > PF_2: sl_profit = SL_2 + (current_profit - PF_2) elif current_profit > PF_1: sl_profit = SL_1 + ((current_profit - PF_1) * (SL_2 - SL_1) / (PF_2 - PF_1)) else: sl_profit = HSL if sl_profit >= current_profit: return -0.99 return stoploss_from_open(sl_profit, current_profit)