📘 爆赚利器！三步搞定 Freqtrade 核心买卖信号，手把手教你写自动交易策略！
在 Freqtrade 策略框架中，populate_indicators、populate_entry_trend 和 populate_exit_trend 是三个最基础、最常用的函数。它们分别负责：
- ✍️ 计算技术指标（如 RSI、MACD、均线等）
- 📈 判断买入时机
- 📉 判断卖出时机
本篇文章将为你详细讲解这三个函数的作用、使用方式、代码示例以及注意事项，帮助你从零搭建自己的量化交易策略。
1️⃣ populate_indicators: 计算技术指标的核心函数
✅ 功能介绍
这个函数的作用是：对数据帧（DataFrame）计算并填充技术指标，用于后续判断买卖信号。
它的输入是历史K线数据，输出是新增了一些指标列的数据帧。通常你会在这里引入如 RSI、MACD、SMA、EMA 等。
🧠 回测 vs 实盘
- 回测模式：
populate_indicators会对整个历史数据调用一次。 - 实盘模式：每生成一个新K线（如每分钟、每小时）就会调用一次。
因此在实盘时，你可以在该函数中加入实时判断与处理逻辑，而在回测中需要用 for row in dataframe.iterrows() 遍历历史数据。
💡 示例代码
python
def populate_indicators(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
# 计算14日 RSI 指标
dataframe['rsi'] = ta.RSI(dataframe, timeperiod=14)
# 如果你想在回测时处理每根K线
for index, row in dataframe.iterrows():
if row['rsi'] < 30:
# 记录日志、打标签等操作
pass
return dataframe1
2
3
4
5
6
7
8
9
10
11
2
3
4
5
6
7
8
9
10
11
2️⃣ populate_entry_trend: 买入信号逻辑
✅ 功能介绍
populate_entry_trend 是定义何时买入（开仓）的地方。它会在数据帧中生成一个 buy 列，Freqtrade 会检查这一列的值：
buy = 1表示当前K线应买入buy = 0（默认）表示不操作
Freqtrade 会在满足该条件的时刻，用市价单或限价单发起交易。
🛠 技术用法
你可以使用 .loc 对 dataframe 做布尔筛选并设置买入信号：
python
dataframe.loc[条件表达式, 'buy'] = 11
💡 示例代码
python
def populate_entry_trend(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
dataframe['buy'] = 0 # 初始化所有K线为不买入
# RSI 小于 30 时，设置为买入信号
dataframe.loc[dataframe['rsi'] < 30, 'buy'] = 1
return dataframe1
2
3
4
5
6
7
2
3
4
5
6
7
📌 实用建议
- 多重条件组合：可使用
(cond1) & (cond2)等方式组合多个技术指标。 - 也可以使用布林带、MA 等其他技术指标来增强买点判断。
3️⃣ populate_exit_trend: 卖出信号逻辑
✅ 功能介绍
populate_exit_trend 是你定义何时平仓（卖出）的函数，操作逻辑与买入类似，只是设置的是 sell 列：
sell = 1表示该K线触发平仓sell = 0表示不卖出
Freqtrade 会在检测到 sell=1 时，按设置发出卖出指令。
💡 示例代码
python
def populate_exit_trend(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
dataframe['sell'] = 0 # 初始化为不卖出
# RSI 高于 70 时设置为卖出信号
dataframe.loc[dataframe['rsi'] > 70, 'sell'] = 1
return dataframe1
2
3
4
5
6
7
2
3
4
5
6
7
🧠 小技巧
- 你也可以加入成交量、价格形态等逻辑来提高卖点准确性。
- 配合策略中的 ROI 或 trailing stop 可形成更完整的出场机制。
🧩 实战案例：最小可运行策略 - RSI 策略
以下是一个完整的策略类，结合上述三个函数。策略逻辑如下：
- 当 RSI < 30：认为市场超卖，发出买入信号
- 当 RSI > 70：认为市场超买，发出卖出信号
python
from freqtrade.strategy import IStrategy
from pandas import DataFrame
import talib.abstract as ta
class RsiExampleStrategy(IStrategy):
# 使用的K线周期
timeframe = '5m'
# 每次下单金额（可覆盖配置文件设置）
stake_amount = 100
# 最小盈利目标和止损
minimal_roi = {"0": 0.1}
stoploss = -0.2
# 使用自定义的买入/卖出信号
use_exit_signal = True
def populate_indicators(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
# 计算14日 RSI 指标
dataframe['rsi'] = ta.RSI(dataframe, timeperiod=14)
return dataframe
def populate_entry_trend(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
dataframe['buy'] = 0
# RSI 小于30，表示市场超卖，买入信号
dataframe.loc[
(dataframe['rsi'] < 30),
'buy'
] = 1
return dataframe
def populate_exit_trend(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
dataframe['sell'] = 0
# RSI 大于70，表示市场超买，卖出信号
dataframe.loc[
(dataframe['rsi'] > 70),
'sell'
] = 1
return dataframe1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
🧾 总结
| 函数名 | 作用 | 返回值 |
|---|---|---|
populate_indicators | 计算技术指标 | 含有新指标的数据帧 |
populate_entry_trend | 设置买入信号 | 含有 buy=1 的数据帧 |
populate_exit_trend | 设置卖出信号 | 含有 sell=1 的数据帧 |
这些函数是策略运行的“三驾马车”，你可以在此基础上不断优化与叠加逻辑，构建自己的交易系统。
下一篇，我们将进入进阶主题，讲解 custom_exit 和 custom_exit_price 的区别与配合使用，欢迎关注系列更新。
如果你喜欢这类内容，欢迎点赞、转发、收藏！⚡️