FREQTRADE回测用trailing buy追踪买入代码无买单问题求助

核心问题1：populate_indicators执行逻辑与预期不符 #

Freqtrade的populate_indicators是一次性传入完整的历史K线DataFrame，函数内的局部变量每次调用都会重置，你当前的写法存在两个致命错误：

• 只取了dataframe['close'].tail(1)也就是最后一根K线的价格做判断，前面所有历史K线的trailbuy都被统一设为0，没有做逐行计算
• trailing_buy_order_started这类状态变量是函数内的局部变量，每次执行函数都会被重置为False，所以if trailing_buy_order_started:的分支永远不会触发，永远不会生成买入信号

核心问题2：未确认入场信号配置 #

就算正确生成了trailbuy列的1值，还需要在populate_entry_trend函数中明确配置对应规则，否则Freqtrade不会识别这个信号作为买入触发条件。

修正方案 #

你需要在populate_indicators中逐行遍历K线，用变量保存跨K线的追踪状态，修正后的参考代码如下：

def populate_indicators(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
    # TRAILING BUY 配置参数
    trailing_buy_offset = 0.005
    trailing_buy_order_enabled = True
    
    # 初始化状态变量
    trailing_buy_order_started = False
    trailing_buy_order_uplimit = 0.0
    trailing_buy_order_downlimit = 0.0
    # 初始化trailbuy列全为0
    dataframe['trailbuy'] = 0
    
    # 逐行遍历每一根K线计算信号
    for i in range(len(dataframe)):
        current_price = dataframe['close'].iloc[i]
        if trailing_buy_order_enabled:
            if trailing_buy_order_started:
                if current_price < trailing_buy_order_downlimit:
                    # 价格继续下跌，更新追踪上下限
                    trailing_buy_order_uplimit = current_price * (1 + trailing_buy_offset)
                    trailing_buy_order_downlimit = current_price
                elif current_price >= trailing_buy_order_uplimit:
                    # 价格反弹触发买入条件
                    dataframe.loc[i, 'trailbuy'] = 1
                    trailing_buy_order_started = False
            else:
                # 初始化追踪状态
                trailing_buy_order_started = True
                trailing_buy_order_uplimit = current_price * (1 + trailing_buy_offset)
                trailing_buy_order_downlimit = current_price
    return dataframe

# 补充populate_entry_trend配置示例
def populate_entry_trend(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
    dataframe.loc[
        (dataframe['trailbuy'] == 1) &
        (dataframe['volume'] > 0), # 额外加成交量过滤避免无交易K线触发
        'enter_long'
    ] = 1
    return dataframe

额外注意事项 #

• 逐行遍历的方式在K线量很大的时候运行效率会偏低，如果你需要优化性能，可以改用pandas的滚动窗口、shift函数向量化实现相同逻辑
• 回测时可以先输出dataframe[['date','close','trailbuy']]查看trailbuy列是否有1值，确认信号生成正常后再跑完整回测

内容的提问来源于stack exchange，提问作者Jacques Buys