Crypto trading bot framework with FreqAI ML extension supporting multiple machine learning and deep learning models.
Las rutas de los modelos se verificaron frente a la revisión develop de Freqtrade c0a991f (2026-09-24). Son implementaciones de ejemplo; no se han medido puntuaciones de velocidad, precisión ni rentabilidad de negociación.
La guía oficial de FreqAI comienza con FreqaiExampleStrategy, LightGBMRegressor y config_freqai.example.json. La estrategia de ejemplo sirve para aprender y probar, no para operar en producción. Consulte FreqAI.
freqtrade trade --config config_examples/config_freqai.example.json --strategy FreqaiExampleStrategy --freqaimodel LightGBMRegressor --strategy-path freqtrade/templatesInstale primero las dependencias de FreqAI y revise la configuración de ejemplo. Valide con datos ordenados en el tiempo y costos de negociación antes de usar predicciones en una estrategia.
Modelos de predicción FreqAI para predicción de precios basada en aprendizaje automático. Cada modelo requiere ingeniería de características a través del pipeline de features de Freqtrade.
Gradient boosting regression model for price movement prediction using LightGBM.
freqtrade/freqai/prediction_models/LightGBMRegressor.pyLightGBM classification model for user-defined discrete labels.
freqtrade/freqai/prediction_models/LightGBMClassifier.pyXGBoost-based regression model for continuous value prediction.
freqtrade/freqai/prediction_models/XGBoostRegressor.pyXGBoost classification model for user-defined discrete labels.
freqtrade/freqai/prediction_models/XGBoostClassifier.pyMulti-layer perceptron neural network for regression-based price prediction.
freqtrade/freqai/prediction_models/PyTorchMLPRegressor.pyAgentes de aprendizaje por refuerzo construidos sobre Stable Baselines3. El agente aprende decisiones de trading mediante interacción con el entorno en lugar de datos etiquetados.