本页面解释了如何通过使用回测来验证策略的表现。

回测需要历史数据可用。要了解如何获取你感兴趣的交易对和交易所的数据，请前往数据下载部分查看文档。

现在你已经有了良好的入场和退出策略，并且有一些历史数据，你希望对其进行真实数据测试。这就是我们所称的回测。

回测将使用配置文件中的加密货币对，并默认从user_data/data/加载历史蜡烛（OHLCV）数据。如果对于交易所/交易对/时间框架组合没有可用的数据，回测将要求您首先使用freqtrade download-data下载它们。有关下载的详细信息，请参阅文档中的数据下载部分。

回测的结果将确认您的机器人在盈利与亏损方面的胜率。

所有盈利计算都包括手续费，而freqtrade将使用交易所的默认手续费进行计算。

对于回测使用动态交易对列表

使用动态交易对列表是可能的（并非所有的处理程序都允许在回测模式下使用），但它依赖于当前的市场情况 - 这将不反映交易对列表的历史状态。 另外，当使用除StaticPairlist以外的交易对列表时，无法保证回测结果的可重现性。 请阅读交易对列表文档以获取更多信息。

为了实现可重现的结果，最好通过test-pairlist命令生成一个交易对列表，并将其用作静态交易对列表。

Note

默认情况下，Freqtrade将回测结果导出到user_data/backtest_results。 导出的交易可以用于进一步分析，也可以由脚本目录下的绘图子命令（freqtrade plot-dataframe）使用。

回测将需要一个初始资金，可以通过--dry-run-wallet 或--starting-balance 命令行参数或通过dry_run_wallet配置设置来提供。这个金额必须高于stake_amount，否则机器人将无法模拟任何交易。

回测支持通过将stake_amount配置为"unlimited"来支持动态投注金额，这将把初始余额分为max_open_trades份。 早期交易的利润将导致后续的投注金额增加，从而在回测期间实现利润复利。

使用5分钟的蜡烛图（OHLCV数据）（默认情况下）

其中--strategy AwesomeStrategy / -s AwesomeStrategy指的是策略的类名，该类名位于user_data/strategies目录下的一个python文件中。

使用1分钟的蜡烛图（OHLCV数据）

提供自定义的初始余额为1000（以投注货币计）

使用另一个存储在磁盘上的历史蜡烛（OHLCV）数据源

假设您从Binance交易所下载了历史数据，并将其保存在 user_data/data/binance-20180101 目录中。您可以按照以下方式将此数据用于回测：

比较多个策略

其中 SampleStrategy1 和 AwesomeStrategy 是策略的类名。防止将交易导出到文件中

只有在确定不想进一步绘制或分析结果时才使用此选项。

将交易导出到文件，指定自定义的文件名

请还阅读有关策略启动期的内容。

提供自定义手续费值

有时您的帐户具有一定的手续费折扣（从特定帐户大小或每月交易量开始的手续费减免），这对 ccxt 不可见。 为了在回测中考虑到这一点，您可以使用“--fee”命令行选项将此值提供给回测。 此手续费必须是一个比例，将应用两次（一次为交易进入，一次为交易退出）。例如，如果每笔订单的佣金费率为0.1%（即0.001表示的比例），则您可以按照以下方式运行回测：

注意

只有在您想尝试不同的佣金费率时，请提供此选项（或相应的配置参数）。默认情况下，回测将从交易对/市场信息中获取默认费率。

通过使用时间范围来运行较小的测试集进行回测

使用 --timerange 参数来更改您想要使用的测试集的数据量。

例如，使用 --timerange=20190501- 选项来运行回测将使用从2019年5月1日开始的所有可用数据。

您还可以指定特定的日期范围。

完整的时间范围指定：- 使用截至 2018/01/31 的数据：--timerange=-20180131 - 使用从 2018/01/31 开始的数据：--timerange=20180131- - 使用从 2018/01/31 到 2018/03/01 之间的数据：--timerange=20180131-20180301 - 使用 POSIX/epoch 时间戳 1527595200 和 1527618600 之间的数据：--timerange=1527595200-1527618600

回测中最重要的是理解结果。

一个回测结果如下所示：

第一个表格包含了机器人进行的所有交易，包括“未平仓交易”。

最后一行给出了您策略的整体表现，本例中为：

该机器人已进行了429笔交易，平均持续时间为4小时12分钟，投资回报率为76.20%（利润），这意味着从0.01 BTC的初始资本开始赚取了总共0.00762792 BTC。

“Avg Profit %”列显示了所有交易的平均利润，而“Cum Profit %”列则总结了所有的利润/亏损。而“Tot Profit %”列则显示了相对于初始资金的总利润百分比。 在上述结果中，我们从0.01 BTC的初始资金开始，获得了0.00762792 BTC的绝对利润，所以“Tot Profit %”将会是(0.00762792 / 0.01) * 100 ≈ 76.2%。

您的策略绩效受到入市策略、出市策略以及您所设置的“minimal_roi”和“stop_loss”的影响。

例如，如果您的“minimal_roi”只是 "0": 0.01，则您不能期望机器人获得超过1%的利润（因为它会在每笔交易达到1%时退出）。

另一方面，如果您设置了一个过高的“minimal_roi”，比如"0": 0.55（55%），则机器人几乎不可能达到这个利润。因此，请记住您的绩效是策略的各个不同元素、配置和您设置的加密货币交易对的综合体现。

第二个表格是出市原因的总结。这个表格可以告诉您哪个方面需要进一步改进（例如，所有或者许多“exit_signal”交易都是亏损的，因此您应该改进出市信号，或者考虑禁用它）。

第三个表格包含机器人在回测期结束时被迫“force_exit”的所有交易，以便为您呈现全面的图片。这是为了模拟实际行为的必要部分，因为回测期必须在某一时刻结束，而在现实情况下，您可以让机器人一直运行下去。这些交易也包括在第一个表格中，但在本表格中也单独显示，以增加清晰度。

回测报告的最后一个元素是总结指标表。它包含有关回测数据上策略表现的一些有用的关键指标。

您可以使用 --breakdown 参数获取每日/每周或每月的结果概览。

要可视化每日和每周细分，请使用以下命令：

输出将显示一个包含给定时间段内实际获利的绝对金额（以投注货币计）的表格，以及在这一天实现的（关闭的）赢局、平局和输局数量。在下面将有一个第二个表格，用于由本周的结束日期指示的周汇总值。同样的方式适用于由月底日期指示的月份细分。

为了节省时间，默认情况下，当回测的策略和配置与先前的回测的策略和配置匹配时，回测将重复使用来自前一天的缓存结果。如果要强制进行新的回测，即使存在相同运行的现有结果，请指定 --cache none 参数。

警告

对于没有结束时间的时间范围（--timerange 20210101-），缓存被自动禁用了，因为 freqtrade 无法特别确保底层数据没有发生变化。如果原始回测在结尾处缺少数据，并通过下载更多数据进行了修复，缓存结果也可能在不应该使用缓存结果的情况下使用。 在这种情况下，请使用 --cache none 一次，以强制进行新的回测。

要进一步分析您的回测结果，您可以导出交易记录。然后，您可以加载这些交易记录进行进一步分析，如数据分析回测部分所示。

由于回测缺乏有关蜡烛内部发生的详细信息，因此需要进行一些假设：

除了上述假设之外，策略作者应仔细阅读常见错误部分，以避免在回测中使用实际市场条件中不可用的数据。

交易所有一些交易限制，如最小（和最大）基准货币，或最小/最大收益（报价）货币。 这些限制通常在交易所文档中列出为“交易规则”或类似名称，并且在不同交易对之间可能会有很大的差异。

回测（以及实时和模拟交易）会遵守这些限制，并确保止损价可以低于此值-因此该值将略高于交易所规定的值。 然而，Freqtrade对历史限制没有任何信息。

这可能导致交易限制的膨胀，因为使用历史价格，导致最低金额超过50美元。

例如：

BTC的最小可交易金额为0.001。 BTC今天的交易价格为22,000美元（与0.001 BTC相关）- 但回测期间的价格高达50,000美元。 今天的最低金额将是0.001 * 22_000 - 或22美元。 然而，限制也可能为50美元-基于某个历史设置中的0.001 * 50_000。

大多数交易所对价格和金额都有精度限制，因此您不能购买1.0020401个货币对，或以1.24567123123的价格购买。 相反，这些价格和金额将四舍五入或截断（根据交易所定义）为规定的交易精度。 上述值可能会被四舍五入为1.002的金额，以及1.24567的价格。这些精度值是基于当前交换限制（如上一节交易限制中描述的），因为历史精度限制不可用。

回测的一个重要限制是无法知道价格在蜡烛内部如何移动（收盘前是高还是低？）。假设您在1小时的时间框架内运行回测，那么该蜡烛有四个价格（开盘价、最高价、最低价、收盘价）。

虽然回测确实对此有一些假设（参见上文）- 这永远不可能是完美的，并且总会有一种或另一种方式上的偏差。为了减轻这个问题，Freqtrade可以使用更低（更快）的时间框架来模拟蜡烛内部的价格变动。

要使用此功能，您可以将 --timeframe-detail 5m 添加到常规的回测命令中。

这将加载1小时数据以及5分钟数据。策略将使用1小时时间框架进行分析，并且订单将只在主时间框架上下达，但订单成交和退出信号将在5分钟蜡烛上进行评估，模拟蜡烛内部的价格变动。

所有回调函数（custom_exit()、custom_stoploss()，等等）将在交易打开后的每个5分钟蜡烛上运行一次（在上述1小时时间框架和5分钟详细时间框架的示例中，运行12次）。

--timeframe-detail 必须小于原始时间框架，否则回测无法启动。

显然，这将需要更多的内存（5分钟数据比1小时数据更大），并且还将影响运行时间（取决于交易量和交易持续时间）。此外，数据必须已经可用/已下载。!!!提示 你可以将这个函数作为策略开发的最后一部分使用，以确保你的策略没有利用回测假设之一。在这种模式下表现相似的策略有很大机会在干燥/实时模式下表现良好（尽管只有前向测试（干燥模式）才能真正确认一个策略）。

要比较多个策略，可以将策略的列表提供给回测。

这仅限于每次运行一个时间框架值。但是，数据只从磁盘中加载一次，因此如果您有多个想要比较的策略，这将大大提高运行时效率。

所有列出的策略都需要位于同一个目录下，除非还指定了--recursive-strategy-search参数，此参数还会考虑策略目录中的子目录。

这将把结果保存到user_data/backtest_results/backtest-result-.json文件中，包括Strategy001和Strategy002的结果。还将有一张额外的表格比较不同策略的盈亏（与第一个表格中的“总计”行相同）。所有策略的详细输出一个接着一个地可用，因此请确保向上滚动以查看每个策略的详细信息。

很棒，你的策略是盈利的。如果机器人能够给出你的策略的最佳参数，会怎样呢？你的下一步是学习如何使用Hyperopt找到最佳参数。