✨ AI Search 🔒
💬 Forum

DS_CHA_5mv1

♡

Danson77/Freqtrade_AIO_UI/user_data/backtest_reports/Registerd_with_100USDT/DS_CHA_5m/DS_CHA_5m.py · first seen 2026-07-16 · repo updated 2026-05-20

Basics mode: spot timeframe: 5m interface version: 3 1h
Settings stoploss: -0.15 has minimal roi trailing custom stoploss protections process only new candles startup candle count: 168 hyperopt hyperopt params: 12
Indicators Bollinger_Bands EMA Heikin_Ashi RSI talib
Concepts risk_management trailing
Methods bollinger_bands custom_exit custom_stoploss ha_typical_price protections
10 related strategies (⧉ identical code, ≈ similar name)

Each tile is a different kind of check — from an instant code lint to full sandboxed backtests and forward tests on recent data. Not sure what a check actually proves? See the FAQ →

Source

Download Raw 
  1
  2
  3
  4
  5
  6
  7
  8
  9
 10
 11
 12
 13
 14
 15
 16
 17
 18
 19
 20
 21
 22
 23
 24
 25
 26
 27
 28
 29
 30
 31
 32
 33
 34
 35
 36
 37
 38
 39
 40
 41
 42
 43
 44
 45
 46
 47
 48
 49
 50
 51
 52
 53
 54
 55
 56
 57
 58
 59
 60
 61
 62
 63
 64
 65
 66
 67
 68
 69
 70
 71
 72
 73
 74
 75
 76
 77
 78
 79
 80
 81
 82
 83
 84
 85
 86
 87
 88
 89
 90
 91
 92
 93
 94
 95
 96
 97
 98
 99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
import freqtrade.vendor.qtpylib.indicators as qtpylib
import numpy as np
import pandas as pd
import talib.abstract as ta

from freqtrade.persistence import Trade
from freqtrade.strategy.interface import IStrategy
from freqtrade.strategy import merge_informative_pair, DecimalParameter, stoploss_from_open
from pandas import DataFrame, Series
from datetime import datetime


########################################################################################################################################################
# bollinger_bands
########################################################################################################################################################
def bollinger_bands(stock_price, window_size, num_of_std):
    rolling_mean = stock_price.rolling(window=window_size).mean()
    rolling_std = stock_price.rolling(window=window_size).std()
    lower_band = rolling_mean - (rolling_std * num_of_std)
    return np.nan_to_num(rolling_mean), np.nan_to_num(lower_band)


########################################################################################################################################################
# ha_typical_price
########################################################################################################################################################
def ha_typical_price(bars):
    res = (bars["ha_high"] + bars["ha_low"] + bars["ha_close"]) / 3.0
    return Series(index=bars.index, data=res)


########################################################################################################################################################
class DS_CHA_5mv1(IStrategy):
########################################################################################################################################################
    INTERFACE_VERSION = 3
    can_short = False

########################################################################################################################################################
# Hyperopt
########################################################################################################################################################
    buy_params = {
        "rocr_1h": 0.525,
        "bbdelta_close": 0.014,
        "closedelta_close": 0.01,
        "bbdelta_tail": 0.846,
        "close_bblower": 0.003,
    }

    sell_params = {
        "sell_bbmiddle_close": 1.065,
        "sell_fisher": 0.20,
        "pHSL": -0.15,
        "pPF_1": 0.015,
        "pPF_2": 0.060,
        "pSL_1": 0.012,
        "pSL_2": 0.035,
    }

    minimal_roi = {
        "0": 100
    }

    stoploss = -0.15
    trailing_stop = False
    trailing_stop_positive = 0.001
    trailing_stop_positive_offset = 0.012
    trailing_only_offset_is_reached = False
    use_custom_stoploss = True

########################################################################################################################################################
# Main
########################################################################################################################################################
    timeframe = "5m"
    process_only_new_candles = True
    startup_candle_count = 168

    use_exit_signal = True
    exit_profit_only = False
    exit_profit_offset = 0.01
    ignore_roi_if_entry_signal = False

    order_types = {
        "entry": "market",
        "exit": "market",
        "trailing_stop_loss": "market",
        "emergency_exit": "market",
        "force_entry": "market",
        "force_exit": "market",
        "stoploss": "market",
        "stoploss_on_exchange": False,
        "stoploss_on_exchange_interval": 60,
        "stoploss_on_exchange_limit_ratio": 0.99,
    }

    order_time_in_force = {
        "entry": "gtc",
        "exit": "gtc",
    }

    plot_config = {
        "main_plot": {
            "ma_buy": {"color": "orange"},
            "ma_sell": {"color": "orange"},
        },
    }

########################################################################################################################################################
# Trade Protections
########################################################################################################################################################
    @property
    def protections(self):
        return [
            {
                "method": "CooldownPeriod",
                "stop_duration_candles": 5
            },
            {
                "method": "MaxDrawdown",
                "lookback_period_candles": 48,
                "trade_limit": 20,
                "stop_duration_candles": 4,
                "max_allowed_drawdown": 0.2
            },
            {
                "method": "StoplossGuard",
                "lookback_period_candles": 24,
                "trade_limit": 4,
                "stop_duration_candles": 2,
                "only_per_pair": False
            },
            {
                "method": "LowProfitPairs",
                "lookback_period_candles": 6,
                "trade_limit": 2,
                "stop_duration_candles": 60,
                "required_profit": 0.02
            },
            {
                "method": "LowProfitPairs",
                "lookback_period_candles": 24,
                "trade_limit": 4,
                "stop_duration_candles": 2,
                "required_profit": 0.01
            }
        ]

########################################################################################################################################################
# Parameters
########################################################################################################################################################
    is_optimize_entry = True
    rocr_1h = DecimalParameter(0.5, 1.0, default=buy_params["rocr_1h"], space="buy", optimize=is_optimize_entry)
    bbdelta_close = DecimalParameter(0.0005, 0.02, default=buy_params["bbdelta_close"], space="buy", optimize=is_optimize_entry)
    closedelta_close = DecimalParameter(0.0005, 0.02, default=buy_params["closedelta_close"], space="buy", optimize=is_optimize_entry)
    bbdelta_tail = DecimalParameter(0.7, 1.0, default=buy_params["bbdelta_tail"], space="buy", optimize=is_optimize_entry)
    close_bblower = DecimalParameter(0.0005, 0.02, default=buy_params["close_bblower"], space="buy", optimize=is_optimize_entry)

    is_optimize_exit = True
    sell_fisher = DecimalParameter(0.16, 0.30, default=sell_params["sell_fisher"], space="sell", optimize=is_optimize_exit)
    sell_bbmiddle_close = DecimalParameter(1.04, 1.08, default=sell_params["sell_bbmiddle_close"], space="sell", optimize=is_optimize_exit)

    is_optimize_stoploss = True
    pHSL = DecimalParameter(-0.18, -0.10, default=sell_params["pHSL"], decimals=3, space="sell", optimize=is_optimize_stoploss, load=True)
    pPF_1 = DecimalParameter(0.010, 0.025, default=sell_params["pPF_1"], decimals=3, space="sell", optimize=is_optimize_stoploss, load=True)
    pSL_1 = DecimalParameter(0.008, 0.020, default=sell_params["pSL_1"], decimals=3, space="sell", optimize=is_optimize_stoploss, load=True)
    pPF_2 = DecimalParameter(0.040, 0.080, default=sell_params["pPF_2"], decimals=3, space="sell", optimize=is_optimize_stoploss, load=True)
    pSL_2 = DecimalParameter(0.020, 0.050, default=sell_params["pSL_2"], decimals=3, space="sell", optimize=is_optimize_stoploss, load=True)

########################################################################################################################################################
# Informative
########################################################################################################################################################
    def informative_pairs(self):
        pairs = self.dp.current_whitelist()
        return [(pair, "1h") for pair in pairs]

########################################################################################################################################################
# Custom Stoploss
########################################################################################################################################################
    def custom_stoploss(
        self,
        pair: str,
        trade: "Trade",
        current_time: datetime,
        current_rate: float,
        current_profit: float,
        **kwargs
    ) -> float:
        HSL = self.pHSL.value
        PF_1 = self.pPF_1.value
        SL_1 = self.pSL_1.value
        PF_2 = self.pPF_2.value
        SL_2 = self.pSL_2.value

        if current_profit > PF_2:
            sl_profit = SL_2 + (current_profit - PF_2)
        elif current_profit > PF_1:
            sl_profit = SL_1 + ((current_profit - PF_1) * (SL_2 - SL_1) / (PF_2 - PF_1))
        else:
            sl_profit = HSL

        if sl_profit >= current_profit:
            return -0.99

        return stoploss_from_open(sl_profit, current_profit)

########################################################################################################################################################
# Indicators
########################################################################################################################################################
    def populate_indicators(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
        dataframe = dataframe.copy()

        # Base TF Heikin Ashi
        heikinashi = qtpylib.heikinashi(dataframe)
        dataframe["ha_open"] = heikinashi["open"]
        dataframe["ha_close"] = heikinashi["close"]
        dataframe["ha_high"] = heikinashi["high"]
        dataframe["ha_low"] = heikinashi["low"]

        # Bollinger
        mid, lower = bollinger_bands(ha_typical_price(dataframe), window_size=40, num_of_std=2)
        dataframe["lower"] = lower
        dataframe["mid"] = mid
        dataframe["bbdelta"] = (mid - dataframe["lower"]).abs()
        dataframe["closedelta"] = (dataframe["ha_close"] - dataframe["ha_close"].shift()).abs()
        dataframe["tail"] = (dataframe["ha_close"] - dataframe["ha_low"]).abs()
        dataframe["bb_lowerband"] = dataframe["lower"]
        dataframe["bb_middleband"] = dataframe["mid"]

        # EMA / ROCR
        dataframe["ema_fast"] = ta.EMA(dataframe["ha_close"], timeperiod=3)
        dataframe["ema_slow"] = ta.EMA(dataframe["ha_close"], timeperiod=50)
        dataframe["volume_mean_slow"] = dataframe["volume"].rolling(window=30).mean()
        dataframe["rocr"] = ta.ROCR(dataframe["ha_close"], timeperiod=28)

        # RSI / Fisher
        rsi = ta.RSI(dataframe)
        dataframe["rsi"] = rsi
        fisher_in = 0.1 * (rsi - 50)
        dataframe["fisher"] = (np.exp(2 * fisher_in) - 1) / (np.exp(2 * fisher_in) + 1)

        # 1h informative
        inf_tf = "1h"
        informative = self.dp.get_pair_dataframe(pair=metadata["pair"], timeframe=inf_tf)

        if informative is None or informative.empty:
            dataframe["rocr_1h"] = np.nan
            return dataframe

        informative = informative.copy()
        informative["date"] = pd.to_datetime(informative["date"], utc=True, errors="coerce")
        informative = informative.dropna(subset=["date"])

        if informative.empty:
            dataframe["rocr_1h"] = np.nan
            return dataframe

        inf_heikinashi = qtpylib.heikinashi(informative)
        informative["ha_close"] = inf_heikinashi["close"]
        informative["rocr"] = ta.ROCR(informative["ha_close"], timeperiod=168)

        dataframe = merge_informative_pair(
            dataframe,
            informative[["date", "rocr"]],
            self.timeframe,
            inf_tf,
            ffill=True
        )

        if "rocr_1h" not in dataframe.columns:
            dataframe["rocr_1h"] = np.nan

        return dataframe

########################################################################################################################################################
# Enter Trade
########################################################################################################################################################
    def populate_entry_trend(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
        dataframe["enter_tag"] = ""
        dataframe["enter_long"] = 0

        roc_condition = dataframe["rocr_1h"].gt(self.rocr_1h.value)

        bb_ha_condition = (
            (dataframe["lower"].shift().gt(0))
            & (dataframe["bbdelta"].gt(dataframe["ha_close"] * self.bbdelta_close.value))
            & (dataframe["closedelta"].gt(dataframe["ha_close"] * self.closedelta_close.value))
            & (dataframe["tail"].lt(dataframe["bbdelta"] * self.bbdelta_tail.value))
            & (dataframe["ha_close"].lt(dataframe["lower"].shift()))
            & (dataframe["ha_close"].le(dataframe["ha_close"].shift()))
        )

        ema_condition = (
            (dataframe["ha_close"] < dataframe["ema_slow"])
            & (dataframe["ha_close"] < self.close_bblower.value * dataframe["bb_lowerband"])
        )

        combined_conditions = roc_condition & (bb_ha_condition | ema_condition)

        dataframe.loc[combined_conditions, "enter_long"] = 1
        dataframe.loc[roc_condition & bb_ha_condition, "enter_tag"] += "bb_ha|"
        dataframe.loc[roc_condition & ema_condition, "enter_tag"] += "ema|"
        dataframe["enter_tag"] = dataframe["enter_tag"].str.rstrip("|")

        return dataframe

########################################################################################################################################################
# Exit Trade
########################################################################################################################################################
    def populate_exit_trend(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
        dataframe["exit_long"] = 0
        dataframe["exit_tag"] = "no_exit"
        return dataframe

########################################################################################################################################################
# Custom Exit
########################################################################################################################################################
    def custom_exit(
        self,
        pair: str,
        trade: Trade,
        current_time: datetime,
        current_rate: float,
        current_profit: float,
        **kwargs
    ):
        dataframe, _ = self.dp.get_analyzed_dataframe(pair, self.timeframe)
        if dataframe is None or dataframe.empty or len(dataframe) < 3:
            return None

        last = dataframe.iloc[-1]
        prev1 = dataframe.iloc[-2]
        prev2 = dataframe.iloc[-3]

        # Let strong winners run.
        if current_profit >= 0.04:
            return None

        bearish_structure = (
            (last["fisher"] > self.sell_fisher.value)
            and (last["ha_high"] <= prev1["ha_high"])
            and (prev1["ha_high"] <= prev2["ha_high"])
            and (last["ha_close"] <= prev1["ha_close"])
            and (last["ema_fast"] > last["ha_close"])
            and ((last["ha_close"] * self.sell_bbmiddle_close.value) > last["bb_middleband"])
            and (last["ha_close"] < last["ema_slow"])
            and (last["ha_close"] < last["bb_middleband"])
            and (last["rsi"] < 50)
            and (last["volume"] > 0)
        )

        # Dump weak or fading trades before they become long red bags.
        if bearish_structure and current_profit < 0.03:
            return "fisher_ema_bearish"

        # Protect small green trades that are rolling over.
        if (
            current_profit > 0.01
            and current_profit < 0.04
            and last["rsi"] < 45
            and last["ha_close"] < last["ema_fast"]
            and last["volume"] > 0
        ):
            return "micro_profit_protect"

        return None