交易机器人刷新间隔配置指南

## 概述

本指南帮助您根据交易策略、时间框架和监控的交易对数量优化刷新间隔设置。合理的配置可在信号准确性、系统性能和API速率限制之间取得平衡。

## 理解间隔参数

参数 用途 影响
refresh_interval 核心市场数据获取周期 机器人常规运行、价格更新
kline_refresh_rate K线/OHLCV数据加载 技术分析、形态识别
signal_refresh_interval 信号处理周期 机会识别、指标计算
decision_making_interval 订单执行周期 下单、信号广播

## 按交易风格推荐的配置

### 1. 超短线(Scalping)策略

最适合: 小幅价格波动快速获利、高频交易

时间框架: 1分钟、3分钟、5分钟

#### 配置

Kline:
  refresh_interval: 2           # 极快的市场数据更新
  kline_refresh_rate: 5         # 高频K线更新
  signal_refresh_interval: 10   # 快速信号检测
  decision_making_interval: 3   # 快速订单执行

交易对数量考虑:

  • 1-20个交易对: 使用上述设置进行激进检测
  • 21-50个交易对:refresh_interval 增加到3,signal_refresh_interval 增加到15
  • 51+个交易对: 增加到默认值或更高以避免触发速率限制

注意:

  • 超短线需要最快的响应时间
  • 密切监控API速率限制警告
  • 为获得最佳性能,考虑减少交易对数量
  • 低时间框架(1分钟、3分钟)需要频繁更新

### 2. 日内交易(Day Trading)策略

最适合: 当日持仓、捕捉日内波动

时间框架: 5分钟、15分钟、30分钟、1小时

#### 配置

Kline:
  refresh_interval: 5           # 中等速度的市场数据更新
  kline_refresh_rate: 15        # 平衡的K线刷新
  signal_refresh_interval: 30   # 常规信号处理
  decision_making_interval: 10  # 有节奏的订单执行

交易对数量考虑:

  • 1-50个交易对: 使用上述设置
  • 51-150个交易对:kline_refresh_rate 增加到20-30
  • 151+个交易对:signal_refresh_interval 增加到45-60

注意:

  • 响应速度与效率之间的平衡
  • 15分钟-1小时K线不需要激进刷新频率
  • 可处理比超短线更多的交易对

### 3. 波段交易(Swing Trading)策略

最适合: 多日持仓、跟随趋势

时间框架: 1小时、2小时、4小时、6小时

#### 配置

Kline:
  refresh_interval: 10          # 宽松的市场数据更新
  kline_refresh_rate: 60        # 每小时K线刷新足够
  signal_refresh_interval: 180  # 每3分钟信号处理
  decision_making_interval: 30  # 谨慎的订单执行

交易对数量考虑:

  • 1-100个交易对: 使用上述设置
  • 101-300个交易对:kline_refresh_rate 增加到120-180
  • 300+个交易对(全交易所): 使用 kline_refresh_rate: 300signal_refresh_interval: 300

注意:

  • 更高时间框架需要更低频率更新
  • 可高效监控大量交易对
  • 注重信号质量而非速度

### 4. 长期/仓位交易(Long-Term/Position Trading)

最适合: 数周至数月持仓、跟随主要趋势

时间框架: 6小时、12小时、1天

#### 配置

Kline:
  refresh_interval: 30          # 最少的市场数据更新
  kline_refresh_rate: 1800      # 每30分钟刷新(日K线每天更新一次)
  signal_refresh_interval: 1800 # 每30分钟信号处理
  decision_making_interval: 300 # 每5分钟执行(仍保持响应性)

交易对数量考虑:

  • 任意数量交易对: 上述设置适用于600+个交易对
  • 日K线每24小时仅更新一次 — 无需激进刷新
  • 可无性能问题同步所有交易所交易对

注意:

  • 对API速率限制极度高效
  • 日线框架使频繁更新变得不必要
  • 适合监控整个交易所目录
  • 较低的 decision_making_interval 确保信号触发时及时执行

## 优化指南

### 按交易对数量

交易对数量 倍增策略
1-20使用推荐基础值
21-50间隔乘以1.5倍
51-100间隔乘以2倍
101-300间隔乘以3-4倍
300+间隔乘以5倍以上

### 按时间框架逻辑

快速时间框架(1分钟、3分钟、5分钟):

  • K线快速完成 → 需要高频 kline_refresh_rate
  • 价格快速变动 → 低 refresh_interval 至关重要

中等时间框架(15分钟、30分钟、1小时):

  • 平衡方式 → 中等刷新频率
  • 更多分析时间 → 可处理更多交易对

慢速时间框架(4小时、6小时、12小时、1天):

  • K线需数小时/天完成 → 高 kline_refresh_rate 可接受
  • 趋势缓慢发展 → 仅需最少 refresh_interval

### 性能 vs. 激进程度权衡

更激进(较低数值):

  • ✅ 更快的信号检测
  • ✅ 更好的进出场时机
  • ❌ 更高的API使用量
  • ❌ 增加系统负载
  • ❌ 触发速率限制风险

更保守(较高数值):

  • ✅ 更低的API使用量
  • ✅ 更好地遵守速率限制
  • ✅ 处理更多交易对
  • ❌ 更慢的信号检测
  • ❌ 可能错失机会

## 示例场景

### 场景1:激进超短线(10个交易对,1分钟框架)

Kline:
  refresh_interval: 2
  kline_refresh_rate: 5
  signal_refresh_interval: 10
  decision_making_interval: 3

理由: 少量交易对允许最大激进程度


### 场景2:保守日内交易者(600个交易对,15分钟框架)

Kline:
  refresh_interval: 15
  kline_refresh_rate: 60
  signal_refresh_interval: 120
  decision_making_interval: 30

理由: 大量交易对需要保守间隔以保持在限制内


### 场景3:波段交易者(100个交易对,4小时框架)

Kline:
  refresh_interval: 10
  kline_refresh_rate: 120
  signal_refresh_interval: 300
  decision_making_interval: 60

理由: 4小时K线更新缓慢,交易对数量中等


### 场景4:长期投资者(全交易所,1天框架)

Kline:
  refresh_interval: 60
  kline_refresh_rate: 3600
  signal_refresh_interval: 3600
  decision_making_interval: 600

理由: 日K线使频繁更新变得浪费


## 微调建议

  1. 从保守开始: 先使用较高间隔,然后在监控系统性能的同时逐步降低
  2. 监控速率限制: 注意交易所API返回的429错误或速率限制警告
  3. 负载测试: 在高波动期间验证设置,此时API使用量会激增
  4. 交易对优先级: 如监控大量交易对,考虑关闭自动同步,手动选择高优先级交易对
  5. 决策速度: 即使是慢速策略,也保持 decision_making_interval 相对较低(3-10秒),确保订单及时执行
  6. K线逻辑: 记住:kline_refresh_rate 不会让K线更快完成 — 它仅检查更新。请将其与您时间框架的自然完成速率匹配。

## 快速参考表

策略 时间框架 交易对 refresh kline_refresh signal_refresh decision
超短线1m-5m<2025103
超短线1m-5m50+310205
日内15m-1h<505153010
日内15m-1h150+10306015
波段1h-6h<100106018030
波段1h-6h300+1530030060
长期12h-1d任意3018001800300

## 结论

最优刷新间隔取决于三个关键因素:

  1. 交易时间框架 — 较低时间框架需要更快更新
  2. 交易对数量 — 更多交易对需要更保守的设置
  3. 策略激进程度 — 根据需求平衡速度与API限制
从上述推荐配置开始,并根据您的具体交易所速率限制、系统资源和交易需求进行调整。

📎 Related Topics