8.高级订单类型
本文将详细介绍量化交易中常用的高级订单类型,包括限价订单、市价订单、条件订单的具体实现方式和应用场景,让我们在不同市场环境下选择合适的订单策略,提升交易效率和执行质量。
限价订单:精准控制入场成本
限价订单(Limit Order)是量化交易中最基础也最常用的订单类型,它允许指定一个确切的价格,当市场价格达到这个水平时才会执行交易。与市价订单相比,限价订单能更好地控制入场成本,但需要承担订单可能无法成交的风险。
基本配置与使用场景
在 Freqtrade 中配置限价订单非常简单,只需在策略或配置文件中设置相应的订单类型。默认情况下,Freqtrade 使用限价订单进行交易,可以通过 order_types 配置来明确指定:
"order_types": {
"entry": "limit",
"exit": "limit"
}
这段配置代码指定了入场和出场都使用限价订单。限价订单最适合在以下场景使用:
- 当已经确定了一个理想的入场或出场价格
- 市场波动较小,价格在一定范围内震荡
- 希望避免因滑点造成的额外成本
- 交易对流动性较好,确保订单能够在合理时间内成交
自定义限价订单价格
Freqtrade 提供了灵活的机制自定义限价订单的价格。通过在策略中实现 custom_entry_price 和 custom_exit_price 方法,可以根据市场条件动态调整订单价格。
class AdvancedStrategy(IStrategy):
# 其他策略配置...
def custom_entry_price(self, pair: str, trade: 'Trade', current_time: datetime, proposed_rate: float,
entry_tag: Optional[str], **kwargs) -> Optional[float]:
# 获取分析后的K线数据
dataframe, _ = self.dp.get_analyzed_dataframe(pair=pair, timeframe=self.timeframe)
current_candle = dataframe.iloc[-1].squeeze()
# 例如:使用布林带上轨作为入场价格
if entry_tag == 'bollinger_strategy':
return current_candle['bollinger_upper']
# 返回None将使用默认价格计算
return None
def custom_exit_price(self, pair: str, trade: 'Trade', current_time: datetime, proposed_rate: float,
**kwargs) -> Optional[float]:
# 获取分析后的K线数据
dataframe, _ = self.dp.get_analyzed_dataframe(pair=pair, timeframe=self.timeframe)
current_candle = dataframe.iloc[-1].squeeze()
# 例如:使用移动平均线作为出场价格
return current_candle['ema_50']
这段代码展示了如何根据策略逻辑自定义订单价格。custom_entry_price 方法在入场订单发出前被调用,custom_exit_price 则在出场订单发出前被调用。可以根据自己的策略指标来计算理想的订单价格。
需要注意的是,如果自定义价格与当前市场价格差距过大,订单可能长时间无法成交。Freqtrade 提供了 custom_price_max_distance_ratio 配置参数来限制自定义价格与市场价格的最大偏差:
"custom_price_max_distance_ratio": 0.02
这个配置将自定义价格的偏差限制在 2% 以内。如果自定义价格超出这个范围,Freqtrade 会自动调整到允许的最大偏差价格。
订单有效期设置
限价订单的另一个重要方面是订单有效期(Time in Force)。Freqtrade 支持三种常见的订单有效期设置:
- GTC (Good Till Canceled) :订单会一直有效,直到被成交或手动取消
- FOK (Fill Or Kill) :订单必须立即全部成交,否则会被立即取消
- IOC (Immediate Or Cancel) :订单会立即成交尽可能多的部分,剩余未成交部分会被取消
可以在配置文件中通过 order_time_in_force 参数来设置:
"order_time_in_force": {
"entry": "GTC",
"exit": "GTC"
}
不同的有效期设置适用于不同的交易策略。GTC 适合大多数情况,让订单在市场达到目标价格时自动成交;FOK 和 IOC 则更适合需要立即执行的大额订单,避免订单部分成交导致的仓位管理问题。
市价订单:确保即时成交
与限价订单相对的是市价订单(Market Order),这种订单类型不指定具体价格,而是以当前市场上的最优价格立即成交。市价订单的主要优势是确保成交,但可能会面临滑点风险,尤其是在市场波动剧烈或流动性不足的情况下。
市价订单的配置与注意事项
要在 Freqtrade 中使用市价订单,需要在配置文件中明确设置:
"order_types": {
"entry": "market",
"exit": "market"
}
同时,对于市价订单,还需要正确配置价格侧(price_side)参数:
"entry_pricing": {
"price_side": "other",
"use_order_book": true,
"order_book_top": 1
},
"exit_pricing": {
"price_side": "other",
"use_order_book": true,
"order_book_top": 1
}
这里的 price_side 设置为"other"是关键,它告诉 Freqtrade 使用订单簿的另一侧价格。对于买入订单,这意味着使用卖一价;对于卖出订单,则使用买一价。这样可以确保订单能够立即成交。
使用市价订单时需要特别注意以下几点:
- 滑点风险:在波动剧烈的市场中,实际成交价格可能与下单时看到的价格有显著差异
- 手续费差异:市价订单通常被视为"吃单者"(taker),可能需要支付更高的手续费
- 订单执行:即使是市价订单,也不能保证 100% 按预期数量成交,特别是对于大额订单
市价订单的适用场景
市价订单虽然简单直接,但并不适用于所有情况。以下是一些适合使用市价订单的场景:
- 突破策略:当价格突破关键阻力位或支撑位时,需要立即入场以捕捉趋势
- 止损操作:在出现意外行情时,使用市价订单快速平仓以控制风险
- 流动性充足的交易对:对于高流动性的主流交易对,市价订单的滑点通常很小
- 时间敏感型策略:某些套利策略或新闻驱动策略需要在特定时间窗口内完成交易
市价订单在回测中的模拟
Freqtrade 在回测时会模拟市价订单的执行情况。根据配置的不同,回测引擎会采用不同的方式来模拟市价订单的成交价格:
"dry_run_wallet": 1000,
"bid_strategy": {
"price_side": "other",
"use_order_book": true,
"order_book_top": 1
}
在回测中,市价订单会根据 K 线的最高价和最低价来判断是否能够成交,并使用相应的价格进行模拟。对于需要更高精度回测的策略,可以考虑使用更短的时间框架数据,或者启用详细的订单簿模拟。
条件订单:自动化交易的核心
条件订单(Conditional Order)是一种更高级的订单类型,它允许设置一个触发条件,当市场满足这个条件时才会自动发出订单。条件订单是实现自动化交易的关键,尤其适用于无法持续监控市场的情况。
止损订单:控制风险的第一道防线
止损订单(Stop Loss Order)是最常用的条件订单类型,它允许设置一个止损价格,当市场价格达到这个水平时自动平仓,以限制损失。在 Freqtrade 中,可以通过两种方式实现止损:交易所止损和本地止损。
交易所止损(Stop Loss On Exchange)是将止损订单直接放在交易所,即使交易程序断开连接,止损订单仍然有效:
"order_types": {
"stoploss": "market",
"stoploss_on_exchange": true,
"stoploss_on_exchange_interval": 60
}
这段配置启用了交易所止损,并设置为市价止损订单。stoploss_on_exchange_interval 参数指定了 Freqtrade 检查和更新止损订单的时间间隔(以秒为单位)。
对于止损限价订单,还需要设置 stoploss_on_exchange_limit_ratio 参数:
"stoploss_on_exchange_limit_ratio": 0.01
这个参数定义了止损价和限价之间的比率。例如,如果止损价是 95 美元,比率是 0.01,那么限价将是 94.05 美元(95 * (1 - 0.01))。
追踪止损:锁定利润的高级技巧
追踪止损(Trailing Stop Loss)是一种动态调整的止损策略,它会随着价格向有利方向移动而自动调整止损位。在 Freqtrade 中配置追踪止损非常简单:
"trailing_stop": true,
"trailing_stop_positive": 0.02,
"trailing_stop_positive_offset": 0.05,
"trailing_only_offset_is_reached": true
这些参数的含义如下:
trailing_stop: 启用追踪止损trailing_stop_positive: 当价格向有利方向移动至少这个比例时,开始追踪trailing_stop_positive_offset: 价格需要先向有利方向移动这个比例,才开始应用追踪止损trailing_only_offset_is_reached: 只有当价格达到trailing_stop_positive_offset后才启用追踪止损
例如,如果设置 trailing_stop_positive_offset 为 0.05,trailing_stop_positive 为 0.02,那么价格需要先上涨 5%,然后追踪止损才会被激活,之后价格每上涨 1%,止损位就会上移 0.02%。
自定义条件订单逻辑
对于更复杂的条件订单需求,Freqtrade 允许通过策略回调函数实现自定义逻辑。例如,可以实现 custom_stoploss 方法来动态调整止损位:
class AdvancedStrategy(IStrategy):
# 其他策略配置...
def custom_stoploss(self, pair: str, trade: 'Trade', current_time: datetime,
current_rate: float, current_profit: float, **kwargs) -> float:
# 当利润超过10%时,将止损调整为5%的追踪止损
if current_profit > 0.10:
return -0.05
# 当利润超过5%时,将止损调整为盈亏平衡点
elif current_profit > 0.05:
return 0.0
# 否则使用默认止损
return None
这个例子展示了如何根据当前利润动态调整止损位。当利润超过 10% 时,设置 5% 的追踪止损;当利润在 5%-10% 之间时,将止损设在盈亏平衡点;否则使用默认止损设置。
除了止损相关的条件订单,还可以通过 adjust_order_price 回调函数来实现更复杂的条件订单逻辑:
def adjust_order_price(self, pair: str, trade: 'Trade', order: 'Order', current_time: datetime,
proposed_rate: float, current_order_rate: float,** kwargs) -> Optional[float]:
# 获取当前价格
current_price = self.dp.get_ticker_dataframe(pair, self.timeframe).iloc[-1]['close']
# 如果当前价格低于订单价格的2%,取消订单
if current_price < order.price * 0.98:
return None # 返回None表示取消订单
# 如果价格上涨超过5%,调整订单价格
if current_price > order.price * 1.05:
return current_price * 0.99 # 调整为当前价格的99%
# 否则保持原订单价格
return current_order_rate
这个回调函数允许在订单未成交的情况下,根据市场变化调整订单价格或取消订单。这为实现复杂的条件订单策略提供了极大的灵活性。
订单管理高级技巧
无论使用哪种订单类型,良好的订单管理策略都是成功交易的关键。以下是一些高级订单管理技巧,可以帮助优化交易执行和风险管理。
订单超时处理
在实际交易中,订单可能因为市场条件变化而长时间无法成交。Freqtrade 提供了订单超时处理机制,可以配置订单在多长时间内未成交后自动取消:
"unfilledtimeout": {
"entry": 30,
"exit": 30,
"exit_timeout_count": 0,
"unit": "minutes"
}
这个配置指定了入场和出场订单在 30 分钟内未成交将被自动取消。还可以通过策略回调函数实现更复杂的自定义超时逻辑:
def check_order_timeout(self, pair: str, trade: 'Trade', order: 'Order', current_time: datetime, **kwargs) -> bool:
# 自定义订单超时逻辑
if order.ft_order_type == 'buy':
# 买入订单5分钟后超时
return (current_time - order.order_date_utc).total_seconds() > 5 * 60
elif order.ft_order_type == 'sell':
# 卖出订单15分钟后超时
return (current_time - order.order_date_utc).total_seconds() > 15 * 60
return False
订单流分析
Freqtrade 提供了实验性的订单流分析功能,可以帮助更好地理解市场动态,优化订单策略。要启用订单流分析,需要在配置文件中设置:
"exchange": {
"use_public_trades": true,
},
"orderflow": {
"cache_size": 1000,
"max_candles": 1500,
"scale": 0.5,
"stacked_imbalance_range": 3,
"imbalance_volume": 1,
"imbalance_ratio": 3
}
启用订单流分析后,可以在策略中访问订单流数据:
def populate_indicators(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
# 计算累计delta
dataframe["cum_delta"] = dataframe["delta"].cumsum()
# 计算买卖订单比率
dataframe["order_ratio"] = dataframe["ask"] / (dataframe["bid"] + 1e-10)
return dataframe
订单流数据包括买单和卖单的数量、成交量、价格分布等信息,可以帮助识别市场中的流动性区域和潜在的价格转折点。
订单执行监控
监控订单执行情况对于评估策略效果和优化交易执行至关重要。Freqtrade 提供了多种方式来监控和分析订单执行:
- 日志记录:详细记录所有订单的创建、修改和成交情况
- 交易记录:在数据库中保存完整的交易和订单历史
- 性能指标:提供订单执行时间、滑点等关键指标的统计
可以通过 show-trades 命令查看历史订单执行情况:
freqtrade show-trades --strategy AdvancedStrategy --timerange 20230101-20230131
这个命令会显示指定时间段内的所有交易和订单信息,包括入场价、出场价、订单类型、成交时间等关键信息。通过分析这些数据,可以不断优化订单策略,提高交易执行质量。
总结
高级订单类型是量化交易中不可或缺的工具,它们能够帮助我们更精确地控制交易执行、管理风险,并实现复杂的交易策略。本章详细介绍了限价订单、市价订单和条件订单的配置方法和应用场景,以及订单管理的高级技巧。
在实际应用中,没有一种订单类型适用于所有情况。成功的交易者需要根据市场条件、交易策略和风险偏好,灵活选择和组合不同的订单类型。通过不断测试和优化订单策略,可以显著提高交易系统的稳定性和盈利能力。
最后,需要强调的是,无论使用多么复杂的订单策略,都不能替代扎实的策略逻辑和严格的风险管理。订单类型只是实现策略的工具,真正决定交易成败的还是策略本身的质量和执行纪律。