Create 1. defaultBB +6609%.py
This commit is contained in:
sobeit2020
GitHub
parent
1e6194fa30
commit
601421d711
346
user_data/strategies/1. defaultBB +6609%.py
Normal file
346
user_data/strategies/1. defaultBB +6609%.py
Normal file
@ -0,0 +1,346 @@
|
|||||||
|
# pragma pylint: disable=missing-docstring, invalid-name, pointless-string-statement
|
||||||
|
|
||||||
|
# --- Do not remove these libs ---
|
||||||
|
import numpy as np # noqa
|
||||||
|
import pandas as pd # noqa
|
||||||
|
from pandas import DataFrame
|
||||||
|
|
||||||
|
from freqtrade.strategy.interface import IStrategy
|
||||||
|
|
||||||
|
# --------------------------------
|
||||||
|
# Add your lib to import here
|
||||||
|
import talib.abstract as ta
|
||||||
|
import freqtrade.vendor.qtpylib.indicators as qtpylib
|
||||||
|
|
||||||
|
|
||||||
|
class defaultB(IStrategy):
|
||||||
|
"""
|
||||||
|
This is a strategy template to get you started.
|
||||||
|
More information in https://github.com/freqtrade/freqtrade/blob/develop/docs/bot-optimization.md
|
||||||
|
|
||||||
|
You can:
|
||||||
|
:return: a Dataframe with all mandatory indicators for the strategies
|
||||||
|
- Rename the class name (Do not forget to update class_name)
|
||||||
|
- Add any methods you want to build your strategy
|
||||||
|
- Add any lib you need to build your strategy
|
||||||
|
|
||||||
|
You must keep:
|
||||||
|
- the lib in the section "Do not remove these libs"
|
||||||
|
- the prototype for the methods: minimal_roi, stoploss, populate_indicators, populate_buy_trend,
|
||||||
|
populate_sell_trend, hyperopt_space, buy_strategy_generator
|
||||||
|
"""
|
||||||
|
# Strategy interface version - allow new iterations of the strategy interface.
|
||||||
|
# Check the documentation or the Sample strategy to get the latest version.
|
||||||
|
INTERFACE_VERSION = 2
|
||||||
|
|
||||||
|
# Minimal ROI designed for the strategy.
|
||||||
|
# This attribute will be overridden if the config file contains "minimal_roi".
|
||||||
|
minimal_roi = {
|
||||||
|
"4320": 0.0018,
|
||||||
|
#"300": 0.01,
|
||||||
|
#"60": 0.04, # 0.01
|
||||||
|
#"30": 0.06, # 0.02
|
||||||
|
"0": 0.30 # 0.04
|
||||||
|
}
|
||||||
|
|
||||||
|
# Optimal stoploss designed for the strategy.
|
||||||
|
# This attribute will be overridden if the config file contains "stoploss".
|
||||||
|
stoploss = -0.0521 # -0.05
|
||||||
|
|
||||||
|
# Trailing stoploss
|
||||||
|
trailing_stop = True
|
||||||
|
trailing_only_offset_is_reached = True
|
||||||
|
|
||||||
|
# trailing_stop_positive = 0.005
|
||||||
|
trailing_stop_positive = 0.0005
|
||||||
|
trailing_stop_positive_offset = 0.034
|
||||||
|
|
||||||
|
# Optimal timeframe for the strategy.
|
||||||
|
timeframe = '30m'
|
||||||
|
|
||||||
|
# Run "populate_indicators()" only for new candle.
|
||||||
|
process_only_new_candles = False
|
||||||
|
|
||||||
|
# These values canconfig222 be overridden in the "ask_strategy" section in the config.
|
||||||
|
use_sell_signal = False
|
||||||
|
sell_profit_only = True
|
||||||
|
ignore_roi_if_buy_signal = True
|
||||||
|
|
||||||
|
# Number of candles the strategy requires before producing valid signals
|
||||||
|
startup_candle_count: int = 200
|
||||||
|
|
||||||
|
# Optional order type mapping.
|
||||||
|
order_types = {
|
||||||
|
'buy': 'limit',
|
||||||
|
'sell': 'limit',
|
||||||
|
'stoploss': 'market',
|
||||||
|
'stoploss_on_exchange': False
|
||||||
|
}
|
||||||
|
|
||||||
|
# Optional order time in force.
|
||||||
|
order_time_in_force = {
|
||||||
|
'buy': 'gtc',
|
||||||
|
'sell': 'gtc'
|
||||||
|
}
|
||||||
|
|
||||||
|
plot_config = {
|
||||||
|
# Main plot indicators (Moving averages, ...)
|
||||||
|
'main_plot': {
|
||||||
|
'tema': {},
|
||||||
|
'sar': {'color': 'white'},
|
||||||
|
},
|
||||||
|
'subplots': {
|
||||||
|
# Subplots - each dict defines one additional plot
|
||||||
|
"MACD": {
|
||||||
|
'macd': {'color': 'blue'},
|
||||||
|
'macdsignal': {'color': 'orange'},
|
||||||
|
},
|
||||||
|
"RSI": {
|
||||||
|
'rsi': {'color': 'red'},
|
||||||
|
}
|
||||||
|
}
|
||||||
|
}
|
||||||
|
def informative_pairs(self):
|
||||||
|
"""
|
||||||
|
Define additional, informative pair/interval combinations to be cached from the exchange.
|
||||||
|
These pair/interval combinations are non-tradeable, unless they are part
|
||||||
|
of the whitelist as well.
|
||||||
|
For more information, please consult the documentation
|
||||||
|
:return: List of tuples in the format (pair, interval)
|
||||||
|
Sample: return [("ETH/USDT", "5m"),
|
||||||
|
("BTC/USDT", "15m"),
|
||||||
|
]
|
||||||
|
"""
|
||||||
|
return []
|
||||||
|
|
||||||
|
def populate_indicators(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
|
||||||
|
"""
|
||||||
|
Adds several different TA indicators to the given DataFrame
|
||||||
|
|
||||||
|
Performance Note: For the best performance be frugal on the number of indicators
|
||||||
|
you are using. Let uncomment only the indicator you are using in your strategies
|
||||||
|
or your hyperopt configuration, otherwise you will waste your memory and CPU usage.
|
||||||
|
:param dataframe: Dataframe with data from the exchange
|
||||||
|
:param metadata: Additional information, like the currently traded pair
|
||||||
|
:return: a Dataframe with all mandatory indicators for the strategies
|
||||||
|
"""
|
||||||
|
|
||||||
|
# Momentum Indicators
|
||||||
|
# ------------------------------------
|
||||||
|
|
||||||
|
# ADX
|
||||||
|
dataframe['adx'] = ta.ADX(dataframe)
|
||||||
|
dataframe['adx50'] = ta.ADX(dataframe, timeperiod=50)
|
||||||
|
|
||||||
|
|
||||||
|
# # Commodity Channel Index: values [Oversold:-100, Overbought:100]
|
||||||
|
dataframe['cci'] = ta.CCI(dataframe)
|
||||||
|
dataframe['cmo'] = ta.CMO(dataframe)
|
||||||
|
|
||||||
|
# RSI
|
||||||
|
dataframe['rsi'] = ta.RSI(dataframe)
|
||||||
|
dataframe['rsi25'] = ta.RSI(dataframe, timeperiod=25)
|
||||||
|
dataframe['rsi50'] = ta.RSI(dataframe, timeperiod=50)
|
||||||
|
dataframe['rsi100'] = ta.RSI(dataframe, timeperiod=100)
|
||||||
|
dataframe['rsi200'] = ta.RSI(dataframe, timeperiod=200)
|
||||||
|
dataframe['rsi400'] = ta.RSI(dataframe, timeperiod=400)
|
||||||
|
dataframe['rsi1000'] = ta.RSI(dataframe, timeperiod=1000)
|
||||||
|
|
||||||
|
|
||||||
|
# Stochastic Fast
|
||||||
|
stoch_fast = ta.STOCHF(dataframe)
|
||||||
|
dataframe['fastd'] = stoch_fast['fastd']
|
||||||
|
dataframe['fastk'] = stoch_fast['fastk']
|
||||||
|
|
||||||
|
|
||||||
|
# MACD
|
||||||
|
macd = ta.MACD(dataframe)
|
||||||
|
dataframe['macd'] = macd['macd']
|
||||||
|
dataframe['macdsignal'] = macd['macdsignal']
|
||||||
|
dataframe['macdhist'] = macd['macdhist']
|
||||||
|
|
||||||
|
# MFI
|
||||||
|
dataframe['mfi'] = ta.MFI(dataframe)
|
||||||
|
dataframe['mfi20'] = ta.MFI(dataframe, timeperiod=20)
|
||||||
|
dataframe['mfi50'] = ta.MFI(dataframe, timeperiod=50)
|
||||||
|
dataframe['mfi100'] = ta.MFI(dataframe, timeperiod=100)
|
||||||
|
dataframe['mfi200'] = ta.MFI(dataframe, timeperiod=200)
|
||||||
|
dataframe['mfi400'] = ta.MFI(dataframe, timeperiod=400)
|
||||||
|
dataframe['mfi1000'] = ta.MFI(dataframe, timeperiod=1000)
|
||||||
|
|
||||||
|
# # ROC
|
||||||
|
dataframe['roc'] = ta.ROC(dataframe)
|
||||||
|
|
||||||
|
# Overlap Studies
|
||||||
|
# ------------------------------------
|
||||||
|
|
||||||
|
# Bollinger Bands
|
||||||
|
bollinger = qtpylib.bollinger_bands(qtpylib.typical_price(dataframe), window=20, stds=2)
|
||||||
|
dataframe['bb_lowerband'] = bollinger['lower']
|
||||||
|
dataframe['bb_middleband'] = bollinger['mid']
|
||||||
|
dataframe['bb_upperband'] = bollinger['upper']
|
||||||
|
dataframe["bb_percent"] = (
|
||||||
|
(dataframe["close"] - dataframe["bb_lowerband"]) /
|
||||||
|
(dataframe["bb_upperband"] - dataframe["bb_lowerband"])
|
||||||
|
)
|
||||||
|
dataframe["bb_width"] = (
|
||||||
|
(dataframe["bb_upperband"] - dataframe["bb_lowerband"]) / dataframe["bb_middleband"]
|
||||||
|
)
|
||||||
|
|
||||||
|
# # EMA - Exponential Moving Average
|
||||||
|
# dataframe['ema3'] = ta.EMA(dataframe, timeperiod=3)
|
||||||
|
# dataframe['ema5'] = ta.EMA(dataframe, timeperiod=5)
|
||||||
|
dataframe['ema10'] = ta.EMA(dataframe, timeperiod=10)
|
||||||
|
dataframe['ema21'] = ta.EMA(dataframe, timeperiod=21)
|
||||||
|
dataframe['ema50'] = ta.EMA(dataframe, timeperiod=50)
|
||||||
|
dataframe['ema100'] = ta.EMA(dataframe, timeperiod=100)
|
||||||
|
dataframe['ema200'] = ta.EMA(dataframe, timeperiod=100)
|
||||||
|
dataframe['ema400'] = ta.EMA(dataframe, timeperiod=100)
|
||||||
|
|
||||||
|
|
||||||
|
# Parabolic SAR
|
||||||
|
dataframe['sar'] = ta.SAR(dataframe)
|
||||||
|
|
||||||
|
# TEMA - Triple Exponential Moving Average
|
||||||
|
dataframe['tema'] = ta.TEMA(dataframe, timeperiod=9)
|
||||||
|
dataframe['tema3'] = ta.TEMA(dataframe, timeperiod=3)
|
||||||
|
dataframe['tema5'] = ta.TEMA(dataframe, timeperiod=5)
|
||||||
|
dataframe['tema14'] = ta.TEMA(dataframe, timeperiod=14)
|
||||||
|
dataframe['tema21'] = ta.TEMA(dataframe, timeperiod=21)
|
||||||
|
dataframe['tema50'] = ta.TEMA(dataframe, timeperiod=50)
|
||||||
|
|
||||||
|
# Cycle Indicator
|
||||||
|
# ------------------------------------
|
||||||
|
# Hilbert Transform Indicator - SineWave
|
||||||
|
hilbert = ta.HT_SINE(dataframe)
|
||||||
|
dataframe['htsine'] = hilbert['sine']
|
||||||
|
dataframe['htleadsine'] = hilbert['leadsine']
|
||||||
|
|
||||||
|
# # Chart type
|
||||||
|
# # ------------------------------------
|
||||||
|
# helps with pattern recognition
|
||||||
|
dataframe['average'] = (dataframe['close'] + dataframe['open'] + dataframe['high'] + dataframe['low']) / 4
|
||||||
|
dataframe['sma_slow'] = ta.SMA(dataframe, timeperiod=200, price='close')
|
||||||
|
dataframe['sma_medium'] = ta.SMA(dataframe, timeperiod=100, price='close')
|
||||||
|
dataframe['sma_fast'] = ta.SMA(dataframe, timeperiod=50, price='close')
|
||||||
|
|
||||||
|
# Retrieve best bid and best ask from the orderbook
|
||||||
|
# ------------------------------------
|
||||||
|
"""
|
||||||
|
# first check if dataprovider is available
|
||||||
|
if self.dp:
|
||||||
|
if self.dp.runmode in ('live', 'dry_run'):
|
||||||
|
ob = self.dp.orderbook(metadata['pair'], 1)
|
||||||
|
dataframe['best_bid'] = ob['bids'][0][0]
|
||||||
|
dataframe['best_ask'] = ob['asks'][0][0]
|
||||||
|
"""
|
||||||
|
|
||||||
|
return dataframe
|
||||||
|
|
||||||
|
def populate_buy_trend(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
|
||||||
|
"""
|
||||||
|
Based on TA indicators, populates the buy signal for the given dataframe
|
||||||
|
:param dataframe: DataFrame populated with indicators
|
||||||
|
:param metadata: Additional information, like the currently traded pair
|
||||||
|
:return: DataFrame with buy column
|
||||||
|
"""
|
||||||
|
dataframe.loc[ # Breakout: TEMA crosses over longer TEMA
|
||||||
|
(
|
||||||
|
(qtpylib.crossed_above(dataframe['tema5'], dataframe['tema14'])) &
|
||||||
|
(dataframe['adx'] > 25)
|
||||||
|
),
|
||||||
|
'buy'] = 1
|
||||||
|
dataframe.loc[ # Breakout: RSI plus momentum
|
||||||
|
(
|
||||||
|
(qtpylib.crossed_above(dataframe['rsi'], 60)) &
|
||||||
|
(dataframe['adx'] > 30)
|
||||||
|
),
|
||||||
|
'buy'] = 1
|
||||||
|
dataframe.loc[ # Breakout: crossing middle of Bollinger Bands
|
||||||
|
(
|
||||||
|
(qtpylib.crossed_above(dataframe['close'], dataframe['bb_middleband'])) &
|
||||||
|
(dataframe['adx'] > 30) &
|
||||||
|
(dataframe['adx'] > dataframe['adx'].shift(1)) &
|
||||||
|
(dataframe['adx'].shift(1) > dataframe['adx'].shift(2)) &
|
||||||
|
(dataframe['adx'].shift(2) > dataframe['adx'].shift(3)) &
|
||||||
|
(dataframe['close'] > dataframe['ema21']) &
|
||||||
|
(dataframe['close'] > dataframe['ema50']) &
|
||||||
|
(dataframe['roc'] > 0) &
|
||||||
|
(dataframe['ema50'] > 0) &
|
||||||
|
(dataframe['ema21'] > dataframe['ema50'])
|
||||||
|
),
|
||||||
|
'buy'] = 1
|
||||||
|
dataframe.loc[ # Breakout: Increasing momentum and positive price action
|
||||||
|
(
|
||||||
|
(qtpylib.crossed_above(dataframe['adx'], 25)) &
|
||||||
|
(dataframe['ema21'] > dataframe['ema50'])
|
||||||
|
),
|
||||||
|
'buy'] = 1
|
||||||
|
dataframe.loc[ # BTFD: CCI bounce
|
||||||
|
# Doesn't like BTC Dominance tracking sideways
|
||||||
|
# Enable by uncommenting the indicators
|
||||||
|
(
|
||||||
|
#(qtpylib.crossed_above(dataframe['cci'], -100))
|
||||||
|
),
|
||||||
|
'buy'] = 1
|
||||||
|
dataframe.loc[ # BTFD: Price Crosses into the Bollinger Bands from below
|
||||||
|
# Doesn't like BTC Dominance tracking sideways
|
||||||
|
# Enable by uncommenting the indicators
|
||||||
|
(
|
||||||
|
#(qtpylib.crossed_above(dataframe['close'], dataframe['bb_lowerband']))
|
||||||
|
),
|
||||||
|
'buy'] = 1
|
||||||
|
dataframe.loc[ # BTFD: V-shaped bottom.
|
||||||
|
# Doesn't like BTC Dominance tracking sideways
|
||||||
|
# Enable by uncommenting the indicators
|
||||||
|
(
|
||||||
|
#(dataframe['average'].shift(5) > dataframe['average'].shift(4)) &
|
||||||
|
#(dataframe['average'].shift(4) > dataframe['average'].shift(3)) &
|
||||||
|
#(dataframe['average'].shift(3) > dataframe['average'].shift(2)) &
|
||||||
|
#(dataframe['average'].shift(2) > dataframe['average'].shift(1)) &
|
||||||
|
#(dataframe['average'].shift(1) < dataframe['average'].shift(0)) &
|
||||||
|
#(dataframe['low'].shift(1) < dataframe['bb_middleband']) &
|
||||||
|
#(dataframe['cci'].shift(1) < -100)
|
||||||
|
),
|
||||||
|
'buy'] = 1
|
||||||
|
return dataframe
|
||||||
|
|
||||||
|
def populate_sell_trend(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
|
||||||
|
"""
|
||||||
|
Based on TA indicators, populates the sell signal for the given dataframe
|
||||||
|
:param dataframe: DataFrame populated with indicators
|
||||||
|
:param metadata: Additional information, like the currently traded pair
|
||||||
|
:return: DataFrame with buy column
|
||||||
|
"""
|
||||||
|
dataframe.loc[
|
||||||
|
(
|
||||||
|
(qtpylib.crossed_above(dataframe['mfi'], 95)) # Signal: RSI crosses above 70
|
||||||
|
),
|
||||||
|
'sell'] = 1
|
||||||
|
dataframe.loc[
|
||||||
|
(
|
||||||
|
(dataframe['mfi'] > 90) & # Signal: RSI crosses above 70
|
||||||
|
(dataframe['tema'] < dataframe['tema'].shift(3)) & # Guard: negative trend
|
||||||
|
(dataframe['volume'] > 0) # Make sure Volume is not 0
|
||||||
|
),
|
||||||
|
'sell'] = 1
|
||||||
|
dataframe.loc[
|
||||||
|
(
|
||||||
|
(qtpylib.crossed_above(dataframe['close'], dataframe['bb_upperband'])) &
|
||||||
|
(dataframe['mfi'] > 60) # High MFI
|
||||||
|
),
|
||||||
|
'sell'] = 1
|
||||||
|
dataframe.loc[
|
||||||
|
(
|
||||||
|
(qtpylib.crossed_below(dataframe['adx'], 28)) &
|
||||||
|
(dataframe['rsi'] > 60) # High RSI
|
||||||
|
),
|
||||||
|
'sell'] = 1
|
||||||
|
dataframe.loc[
|
||||||
|
(
|
||||||
|
(qtpylib.crossed_below(dataframe['adx'], 28)) &
|
||||||
|
(dataframe['mfi'] > 60) # High MFI
|
||||||
|
),
|
||||||
|
'sell'] = 1
|
||||||
|
return dataframe
|
||||||
|
|
||||||
Loading…
Reference in New Issue
Block a user