Crypto trading bot framework with FreqAI ML extension supporting multiple machine learning and deep learning models.
I percorsi dei modelli sono stati verificati con la revisione develop di Freqtrade c0a991f (2026-09-24). Sono implementazioni di esempio; non sono stati misurati punteggi di velocità, accuratezza o rendimento di trading.
La guida ufficiale FreqAI parte da FreqaiExampleStrategy, LightGBMRegressor e config_freqai.example.json. La strategia di esempio serve per apprendimento e test, non per trading in produzione. Vedi FreqAI.
freqtrade trade --config config_examples/config_freqai.example.json --strategy FreqaiExampleStrategy --freqaimodel LightGBMRegressor --strategy-path freqtrade/templatesInstallare prima le dipendenze FreqAI e controllare la configurazione di esempio. Validare su dati ordinati nel tempo e con costi di trading prima di usare le previsioni in una strategia.
Modelli di previsione FreqAI per la previsione dei prezzi basata sul machine learning. Ogni modello richiede feature engineering tramite la pipeline di feature di 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.pyAgenti di apprendimento per rinforzo costruiti su Stable Baselines3. L'agente apprende decisioni di trading tramite l'interazione con l'ambiente anziché dati etichettati.