633b033f4d
- Infra: Freqtrade (futures dry-run) + Redis + dashboard + Docker Compose - Couche IA: ai_analyzer (Claude via abonnement, MCP TradingView, backfill biais) - Stratégies: SampleStrategy, AiBiasStrategy, IchimokuLS (long/short, validée train/test + données vierges + walk-forward), MTFIchimoku, variantes hyperopt - Arbitrage CEX (dry-run), backtesting, walk-forward, volatility targeting - IchimokuLS en dry-run live (config_live.json) Claude-Session: https://claude.ai/code/session_01VHETcFacdnDhQzthLpdYFR
83 lines
3.1 KiB
Python
83 lines
3.1 KiB
Python
# pragma pylint: disable=missing-docstring, invalid-name, too-few-public-methods
|
|
"""
|
|
BBMeanRev — 2e moteur : mean-reversion (Bollinger + RSI), long/short futures.
|
|
|
|
Logique CONTRAIRE au trend-follower (Ichimoku) → décorrélée par construction :
|
|
LONG quand le prix casse SOUS la bande basse + RSI survendu (rebond attendu).
|
|
SHORT quand le prix casse AU-DESSUS de la bande haute + RSI suracheté (repli attendu).
|
|
Sortie : retour à la moyenne (bande médiane) + ROI/stop.
|
|
|
|
But : gagner dans les marchés en range (là où l'Ichimoku perd), pour qu'en
|
|
combinaison le ratio rendement/risque monte. Paramétrable pour hyperopt.
|
|
"""
|
|
from __future__ import annotations
|
|
|
|
import talib.abstract as ta
|
|
from pandas import DataFrame
|
|
|
|
from freqtrade.strategy import IStrategy, IntParameter
|
|
|
|
|
|
class BBMeanRev(IStrategy):
|
|
INTERFACE_VERSION = 3
|
|
timeframe = "1h"
|
|
can_short = True
|
|
|
|
# Mean-reversion = sorties rapides ; valeurs par défaut, surchargées par hyperopt.
|
|
minimal_roi = {"0": 0.03, "60": 0.02, "180": 0.01, "360": 0}
|
|
stoploss = -0.05
|
|
trailing_stop = False
|
|
|
|
startup_candle_count: int = 50
|
|
process_only_new_candles = True
|
|
use_exit_signal = True
|
|
|
|
buy_rsi = IntParameter(10, 40, default=30, space="buy", optimize=True)
|
|
sell_rsi = IntParameter(60, 90, default=70, space="sell", optimize=True)
|
|
|
|
def leverage(self, pair, current_time, current_rate, proposed_leverage,
|
|
max_leverage, entry_tag, side, **kwargs) -> float:
|
|
return 1.0
|
|
|
|
def populate_indicators(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
|
|
bb = ta.BBANDS(dataframe, timeperiod=20, nbdevup=2.0, nbdevdn=2.0)
|
|
dataframe["bb_lower"] = bb["lowerband"]
|
|
dataframe["bb_mid"] = bb["middleband"]
|
|
dataframe["bb_upper"] = bb["upperband"]
|
|
dataframe["rsi"] = ta.RSI(dataframe, timeperiod=14)
|
|
return dataframe
|
|
|
|
def populate_entry_trend(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
|
|
# LONG : survente (RSI bas) dans la zone basse des bandes
|
|
dataframe.loc[
|
|
(
|
|
(dataframe["rsi"] < self.buy_rsi.value)
|
|
& (dataframe["close"] < dataframe["bb_mid"])
|
|
& (dataframe["volume"] > 0)
|
|
),
|
|
"enter_long",
|
|
] = 1
|
|
# SHORT : surchauffe (RSI haut) dans la zone haute des bandes
|
|
dataframe.loc[
|
|
(
|
|
(dataframe["rsi"] > self.sell_rsi.value)
|
|
& (dataframe["close"] > dataframe["bb_mid"])
|
|
& (dataframe["volume"] > 0)
|
|
),
|
|
"enter_short",
|
|
] = 1
|
|
return dataframe
|
|
|
|
def populate_exit_trend(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
|
|
# Sortie LONG : RSI revenu vers la moyenne (réversion réalisée)
|
|
dataframe.loc[
|
|
((dataframe["rsi"] > 50) & (dataframe["volume"] > 0)),
|
|
"exit_long",
|
|
] = 1
|
|
# Sortie SHORT : RSI revenu vers la moyenne
|
|
dataframe.loc[
|
|
((dataframe["rsi"] < 50) & (dataframe["volume"] > 0)),
|
|
"exit_short",
|
|
] = 1
|
|
return dataframe
|