Crypto trading bot framework with FreqAI ML extension supporting multiple machine learning and deep learning models.
Os caminhos dos modelos foram verificados na revisão develop do Freqtrade c0a991f (2026-09-24). São implementações de exemplo; não foram medidas classificações de velocidade, precisão ou retorno de negociação.
O guia oficial FreqAI começa por FreqaiExampleStrategy, LightGBMRegressor e config_freqai.example.json. A estratégia de exemplo serve para aprendizagem e testes, não para negociação em produção. Veja FreqAI.
freqtrade trade --config config_examples/config_freqai.example.json --strategy FreqaiExampleStrategy --freqaimodel LightGBMRegressor --strategy-path freqtrade/templatesInstale primeiro as dependências FreqAI e reveja a configuração de exemplo. Valide com dados em ordem temporal e custos de negociação antes de usar previsões numa estratégia.
Modelos de previsão FreqAI para previsão de preços baseada em aprendizado de máquina. Cada modelo requer engenharia de features através do pipeline de features do 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 aprendizado por reforço construídos sobre Stable Baselines3. O agente aprende decisões de trading através da interação com o ambiente em vez de dados rotulados.