freqtrade list-hyperoptloss 命令实战发现并选择超参优化损失函数的完整指南【免费下载链接】freqtradeFree, open source crypto trading bot项目地址: https://gitcode.com/GitHub_Trending/fr/freqtradelist-hyperoptloss是 Freqtrade 用于列出所有可用超参优化Hyperopt损失函数的命令。本篇基于 list-hyperoptloss 命令参考完整讲解该命令的用法与全部参数并结合仓库源码说明其背后的类发现机制HyperOptLossResolver、内置损失函数清单及其各自优化目标以及如何在hyperopt中通过--hyperopt-loss指定这些损失函数。读完本文你可以快速确认当前环境中有哪些损失函数可用、自定义损失函数放在哪里才会被发现并为优化任务选择更合适的优化目标。命令概览与完整参数list-hyperoptloss的输出即命令的 help 信息完整用法如下源自 docs/commands/list-hyperoptloss.mdusage: freqtrade list-hyperoptloss [-h] [-v] [--no-color] [--logfile FILE] [-V] [-c PATH] [-d PATH] [--userdir PATH] [--hyperopt-path PATH] [-1] options: -h, --help show this help message and exit --hyperopt-path PATH Specify additional lookup path for Hyperopt Loss functions. -1, --one-column Print output in one column. Common arguments: -v, --verbose Verbose mode (-vv for more, -vvv to get all messages). --no-color Disable colorization of hyperopt results. May be useful if you are redirecting output to a file. --logfile, --log-file FILE Log to the file specified. Special values are: syslog, journald. See the documentation for more details. -V, --version show programs version number and exit -c, --config PATH Specify configuration file (default: userdir/config.json or config.json whichever exists). Multiple --config options may be used. Can be set to - to read config from stdin. -d, --datadir, --data-dir PATH Path to the base directory of the exchange with historical backtesting data. To see futures data, use trading-mode additionally. --userdir, --user-data-dir PATH Path to userdata directory.该命令属于 Freqtrade 的一组 list 类只读工具命令命令注册位于 freqtrade/commands/arguments.pylist_hyperopt_loss_cmd subparsers.add_parser( list-hyperoptloss, helpPrint available hyperopt loss functions., parents[_common_parser], ) list_hyperopt_loss_cmd.set_defaults(funcstart_list_hyperopt_loss_functions) self._build_args(optionlistARGS_LIST_HYPEROPTS, parserlist_hyperopt_loss_cmd)参数逐项说明参数作用--hyperopt-path PATH指定 Hyperopt Loss 函数的额外查找路径。默认情况下命令只会扫描user_data/hyperopts/与内置目录如果你把自定义损失函数放在其他目录需要用它把该目录加入搜索范围-1/--one-column以单列纯文本输出每行一个类名便于脚本处理或重定向到文件-c/--config PATH指定配置文件可重复使用以合并多份配置也可设为-从 stdin 读取-d/--datadir PATH历史数据目录对纯列表命令影响有限但与hyperopt共用同一套公共参数--userdir/--user-data-dir PATH指定 userdata 目录。损失函数搜索路径中的user_data/hyperopts/正是相对此目录解析的-v/--verbose开启详细日志-vv、-vvv逐级增加--no-color关闭彩色输出输出重定向到文件时很有用--logfile FILE写日志到文件支持syslog、journald特殊值-V/--version输出版本号后退出由于该命令运行在RunMode.UTIL_NO_EXCHANGE模式下见下文源码分析它不需要连接交易所是一个纯粹的本地扫描工具可以放心在 CI 或脚本中频繁调用。源码实现命令如何发现损失函数命令入口函数start_list_hyperopt_loss_functions位于 freqtrade/commands/list_commands.pydef start_list_hyperopt_loss_functions(args: dict[str, Any]) - None: Print files with FreqAI models custom classes available in the directory from freqtrade.configuration import setup_utils_configuration from freqtrade.resolvers.hyperopt_resolver import HyperOptLossResolver config setup_utils_configuration(args, RunMode.UTIL_NO_EXCHANGE) model_objs HyperOptLossResolver.search_all_objects(config, not args[print_one_column]) # Sort alphabetically model_objs sorted(model_objs, keylambda x: x[name]) if args[print_one_column]: print(\n.join([s[name] for s in model_objs])) else: _print_objs_tabular(model_objs, config.get(print_colorized, False))从源码结构看其执行链路为setup_utils_configuration(args, RunMode.UTIL_NO_EXCHANGE)构建工具类配置不初始化交易所连接调用HyperOptLossResolver.search_all_objects(...)扫描所有候选目录收集继承自IHyperOptLoss的类结果按类名字母排序后输出--one-column时打印纯文本列表否则通过_print_objs_tabular()渲染为 Rich 表格表中还会标注每个类的location来源文件相对路径与加载状态OK / LOAD FAILED / DUPLICATE NAME状态列逻辑见 freqtrade/commands/list_commands.py。搜索路径的构成真正决定能列出哪些损失函数的是HyperOptLossResolver的类属性位于 freqtrade/resolvers/hyperopt_resolver.pyclass HyperOptLossResolver(IResolver): This class contains all the logic to load custom hyperopt loss class object_type IHyperOptLoss object_type_str HyperoptLoss user_subdir USERPATH_HYPEROPTS # 即 hyperopts initial_search_path Path(__file__).parent.parent.joinpath(optimize/hyperopt_loss).resolve()结合基类IResolver.build_search_paths()的实现见 freqtrade/resolvers/iresolver.py最终搜索顺序为越靠前优先级越高--hyperopt-path指定的额外目录extra_dirs插入到最前user_data_dir/hyperopts/USERPATH_HYPEROPTS hyperopts定义于 freqtrade/constants.py内置目录freqtrade/optimize/hyperopt_loss/。也就是说自定义损失函数放进user_data/hyperopts/即可被发现无需--hyperopt-path放在仓库之外时才需要显式传入。扫描时基类会用importlib逐个加载.py文件只收集本模块中定义obj.__module__ module_name且继承自IHyperOptLoss的非接口类导入失败的模块会被跳过并记录 warning若开启enum_failed则会显示为 LOAD FAILED。损失函数接口IHyperOptLoss所有被列出的对象都必须实现IHyperOptLoss抽象接口定义于 freqtrade/optimize/hyperopt_loss/hyperopt_loss_interface.pyclass IHyperOptLoss(ABC): Interface for freqtrade hyperopt Loss functions. Defines the custom loss function (hyperopt_loss_function() which is evaluated every epoch.) timeframe: str staticmethod abstractmethod def hyperopt_loss_function( *, results: DataFrame, trade_count: int, min_date: datetime, max_date: datetime, config: Config, processed: dict[str, DataFrame], backtest_stats: dict[str, Any], starting_balance: float, **kwargs, ) - float: Objective function, returns smaller number for better results 要点hyperopt_loss_function必须是staticmethod每个 epoch 都会被调用一次返回值是越小越好的目标值——Hyperopt 的整个搜索过程就是在最小化这个数函数签名提供了回测结果 DataFrameresults、交易数量trade_count、时间范围、完整配置、按对处理的 DataFrameprocessed与回测统计backtest_stats足以计算任意基于回测结果的指标加载时 resolver 会把配置中的timeframe赋值给损失函数类hyperoptloss.__class__.timeframe str(config[timeframe])见 freqtrade/resolvers/hyperopt_resolver.py供损失函数感知当前优化粒度。仓库自带的 freqtrade/templates/sample_hyperopt_loss.py 是一个可直接复制到user_data/hyperopts/改造的示例实现包含TARGET_TRADES、EXPECTED_MAX_PROFIT、MAX_ACCEPTED_TRADE_DURATION等可调常量。内置的 12 种损失函数内置损失函数集中定义在 freqtrade/optimize/hyperopt_loss/ 目录下其名称清单在 freqtrade/constants.py 中以HYPEROPT_LOSS_BUILTIN维护HYPEROPT_LOSS_BUILTIN [ ShortTradeDurHyperOptLoss, OnlyProfitHyperOptLoss, SharpeHyperOptLoss, SharpeHyperOptLossDaily, SortinoHyperOptLoss, SortinoHyperOptLossDaily, CalmarHyperOptLoss, MaxDrawDownHyperOptLoss, MaxDrawDownRelativeHyperOptLoss, MaxDrawDownPerPairHyperOptLoss, ProfitDrawDownHyperOptLoss, MultiMetricHyperOptLoss, ]list-hyperoptloss默认输出中就会包含上述全部 12 个内置类。它们在 超参优化文档 中的定义与优化目标如下类名对应文件优化目标ShortTradeDurHyperOptLosshyperopt_loss_short_trade_dur.py传统legacy默认损失函数侧重缩短平均交易时长并规避亏损OnlyProfitHyperOptLosshyperopt_loss_onlyprofit.py只考虑盈利额profit onlySharpeHyperOptLosshyperopt_loss_sharpe.py优化基于逐笔交易收益与其标准差计算的 Sharpe 比率SharpeHyperOptLossDailyhyperopt_loss_sharpe_daily.py优化基于每日收益的 Sharpe 比率SortinoHyperOptLosshyperopt_loss_sortino.py优化基于逐笔收益与下行标准差的 Sortino 比率SortinoHyperOptLossDailyhyperopt_loss_sortino_daily.py优化基于每日收益与下行标准差的 Sortino 比率CalmarHyperOptLosshyperopt_loss_calmar.py优化交易收益相对最大回撤的 Calmar 比率MaxDrawDownHyperOptLosshyperopt_loss_max_drawdown.py优化最大绝对回撤MaxDrawDownRelativeHyperOptLosshyperopt_loss_max_drawdown_relative.py同时优化最大绝对回撤并按最大相对回撤调整MaxDrawDownPerPairHyperOptLosshyperopt_loss_max_drawdown_per_pair.py按交易对计算收益/回撤比以最差的一对为目标值防止个别交易对的好结果拉高整体指标ProfitDrawDownHyperOptLosshyperopt_loss_profit_drawdown.py以最大收益 最小回撤为联合目标文件内DRAWDOWN_MULT常量可调松/调紧对回撤的惩罚MultiMetricHyperOptLosshyperopt_loss_multi_metric.py综合收益、回撤、Profit Factor、Expectancy、胜率等多指标并对交易数量过少的 epoch 施加惩罚鼓励足够的交易频率选择损失函数的经验对应 docs/hyperopt.md 的 Loss-functions 一节追求资金曲线稳健性优先考虑SharpeHyperOptLossDaily/SortinoHyperOptLossDaily按日归一减少交易次数差异带来的偏差控制回撤风险MaxDrawDownHyperOptLoss及其 Relative/PerPair 变体PerPair变体特别适合多交易对组合避免一星带多尘平衡收益与回撤ProfitDrawDownHyperOptLoss、MultiMetricHyperOptLossShortTradeDurHyperOptLoss是历史默认值适合快速复现早期结果但对现代组合目标通常不如比率型损失函数精细。在 hyperopt 中使用损失函数list-hyperoptloss列出的类名正是运行超参优化时--hyperopt-loss参数的取值。该参数定义于 freqtrade/commands/cli_options.pyhelp 文本本身就提示了全部内置函数hyperopt_loss: Arg( --hyperopt-loss, --hyperoptloss, helpSpecify the class name of the hyperopt loss function class (IHyperOptLoss). Different functions can generate completely different results, since the target for optimization is different. Built-in Hyperopt-loss-functions are: f{, .join(HYPEROPT_LOSS_BUILTIN)}, metavarNAME, ),典型工作流是先列后用# 1. 确认当前可用的损失函数含 user_data/hyperopts/ 下的自定义类 freqtrade list-hyperoptloss # 2. 用单列格式写入脚本变量方便程序化处理 freqtrade list-hyperoptloss --one-column available_losses.txt # 3. 运行超参优化并指定损失函数 freqtrade hyperopt --config config.json --hyperopt-loss SharpeHyperOptLossDaily \ --strategy MyWorkingStrategy --spaces roi stoploss trailing -e 1000除命令行外也可以在配置文件的hyperopt_loss键中指定配置 schema 的校验同样引用HYPEROPT_LOSS_BUILTIN名单见 freqtrade/config_schema/config_schema.py。若在运行时两者都未指定resolver 会抛出异常并列出全部内置函数名作为提示No Hyperopt loss set. Please use --hyperopt-loss to specify the Hyperopt-Loss class to use. Built-in Hyperopt-loss-functions are: ShortTradeDurHyperOptLoss, OnlyProfitHyperOptLoss, ...见 freqtrade/resolvers/hyperopt_resolver.py。自定义损失函数让新类出现在列表中要让自定义损失函数出现在list-hyperoptloss的输出里需要满足三个条件均与上文源码证据对应位置正确文件放在user_data/hyperopts/下默认即被扫描或使用--hyperopt-path /path/to/dir加入额外查找路径类定义在本文件且直接继承IHyperOptLossresolver 要求obj.__module__ module_name从其他模块 import 进来再转述的类不会被收录实现静态方法hyperopt_loss_function(...)返回越小越好的 float。骨架示例基于仓库模板 freqtrade/templates/sample_hyperopt_loss.pyfrom datetime import datetime from pandas import DataFrame from freqtrade.constants import Config from freqtrade.optimize.hyperopt_loss import IHyperOptLoss class MyCustomLoss(IHyperOptLoss): staticmethod def hyperopt_loss_function( *, results: DataFrame, trade_count: int, min_date: datetime, max_date: datetime, config: Config, processed: dict[str, DataFrame], backtest_stats: dict[str, Any], starting_balance: float, **kwargs, ) - float: # 基于 results / backtest_stats 计算你自己的目标值越小越好 return 0.0保存后执行freqtrade list-hyperoptloss应能看到MyCustomLoss及其来源位置之后即可用freqtrade hyperopt --hyperopt-loss MyCustomLoss ...运行。若加载失败语法错误、缺依赖等该条会显示为LOAD FAILED并打印失败原因便于快速定位。更多自定义损失函数的完整写法参见 Advanced Hyperopt 文档。常见问题小结输出为空或找不到我的自定义类检查--userdir指向的目录下是否存在hyperopts/子目录以及类是否直接定义在该目录的.py文件中而非被 import 转述非默认位置请用--hyperopt-path。输出重定向到文件乱码/带颜色码加--no-color需要机器可读格式时用--one-column。为什么list-hyperoptloss不要求--config该命令运行于UTIL_NO_EXCHANGE模式只依赖本地文件系统传入-c主要是为了让user_data等路径解析符合你的项目布局。内置函数会随版本变化吗以 freqtrade/constants.py 中HYPEROPT_LOSS_BUILTIN的当前内容为准命令 help 与--hyperopt-loss的帮助文本都直接引用该清单二者始终一致。小结list-hyperoptloss虽是一条轻量的只读命令却揭示了 Freqtrade 超参优化体系中目标函数可插拔的设计HyperOptLossResolver按额外路径 →user_data/hyperopts/→ 内置目录的顺序扫描所有实现IHyperOptLoss的类list-hyperoptloss负责把它们全部展示出来hyperopt --hyperopt-loss则负责在优化时按名字加载。理解了这条链路你就能自如地在 12 个内置损失函数与自研目标函数之间切换为不同策略挑选最匹配的优化方向。【免费下载链接】freqtradeFree, open source crypto trading bot项目地址: https://gitcode.com/GitHub_Trending/fr/freqtrade创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考