Can I backtest a FreqTrade strategy online without installing Docker or FreqTrade?

Yes. Backpulse runs your FreqTrade IStrategy through a managed engine in the cloud — no server to set up, no Docker, no deployment, no local FreqTrade installation. Paste your strategy and get results in seconds.

What is the difference between backtesting on Backpulse and FreqTrade's built-in backtester?

FreqTrade's built-in backtester requires a local Python environment, Docker, a server, data downloads and CLI commands. Backpulse runs the same IStrategy in the cloud with zero setup — no server, no Docker, no deployment. Paste your strategy and get a visual tearsheet in seconds.

What FreqTrade strategy format does Backpulse support?

Backpulse supports FreqTrade's IStrategy format. Your class must inherit from IStrategy and implement populate_indicators, populate_entry_trend and populate_exit_trend. Supports pandas_ta, TA-Lib, and can_short for short strategies.

What market data does the FreqTrade backtester use?

Backpulse fetches OHLCV candlestick data from Binance Futures (perpetual swaps). Data is available from 2019 onward across timeframes from 1 minute to 1 week.

Is FreqTrade backtesting on Backpulse free?

Yes — the FreqTrade backtest tool is available on the free tier. Pro and Scale plans unlock longer date ranges, more parallel jobs and priority queue access.

What performance metrics does Backpulse show after a FreqTrade backtest?

Backpulse returns a full tearsheet including: equity curve, underwater drawdown chart, monthly return heatmap, Sharpe ratio, Sortino ratio, CAGR, max drawdown, win rate, average trade duration, profit factor and more.

Backtest စမ်းသပ်မှု

Freqtrade ဗျူဟာ Cloud စမ်းသပ်မှု

BETA

သင်၏ IStrategy ကုဒ်ကို ထည့်သွင်းပါ — freqrunner သည် Binance ၏ အစစ်အမှန်စျေးကွက်ဒေတာဖြင့် သီးခြား Docker container အတွင်း အလိုအလျောက် စမ်းသပ်ပြီး စွမ်းဆောင်ရည်အပြည့်အစုံကို ထုတ်ပြန်ပေးပါသည်။

Docker Cloud စနစ်

Freqtrade 2026.x

Binance Futures & Spot OHLCV

ကွန်ပျူတာတွင် ထည့်သွင်းရန် မလိုပါ

Freqtrade သတ်မှတ်ချက်များနှင့်အညီ IStrategy ကို ဆက်ခံသော Python class ကို ရေးသားပါ။ အရောင်းအဝယ် အချက်ပြမှုများ ဖန်တီးရန် populate_entry_trend နှင့် populate_exit_trend ကို သတ်မှတ်ပါ။ pandas_ta, ta-lib နှင့် can_short များကို အပြည့်အဝ ထောက်ပံ့ပေးပါသည်။

Class သည် IStrategy ကို မဖြစ်မနေ ဆက်ခံရမည်populate_entry_trend → enter_long / enter_short ကော်လံများ ဖန်တီးပေးသည်populate_exit_trend → exit_long / exit_short ကော်လံများ ဖန်တီးပေးသည်

⚡

from freqtrade.strategy import IStrategy
from pandas import DataFrame
import talib.abstract as ta

class MyStrategy(IStrategy):

    timeframe = '15m'

    # set the initial stoploss to -10%
    stoploss = -0.10

    # exit profitable positions at any time when the profit is greater than 1%
    minimal_roi = {"0": 0.01}

    def populate_indicators(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
        # generate values for technical analysis indicators
        dataframe['rsi'] = ta.RSI(dataframe, timeperiod=14)

        return dataframe

    def populate_entry_trend(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
        # generate entry signals based on indicator values
        dataframe.loc[
            (dataframe['rsi'] < 30),
            'enter_long'] = 1

        return dataframe

    def populate_exit_trend(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
        # generate exit signals based on indicator values
        dataframe.loc[
            (dataframe['rsi'] > 70),
            'exit_long'] = 1

        return dataframe

from freqtrade.strategy import IStrategy
from pandas import DataFrame
import talib.abstract as ta

class MyStrategy(IStrategy):

    timeframe = '15m'

    # set the initial stoploss to -10%
    stoploss = -0.10

    # exit profitable positions at any time when the profit is greater than 1%
    minimal_roi = {"0": 0.01}

    def populate_indicators(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
        # generate values for technical analysis indicators
        dataframe['rsi'] = ta.RSI(dataframe, timeperiod=14)

        return dataframe

    def populate_entry_trend(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
        # generate entry signals based on indicator values
        dataframe.loc[
            (dataframe['rsi'] < 30),
            'enter_long'] = 1

        return dataframe

    def populate_exit_trend(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
        # generate exit signals based on indicator values
        dataframe.loc[
            (dataframe['rsi'] > 70),
            'exit_long'] = 1

        return dataframe

Backtest သတ်မှတ်ချက်များ

အိတ်ချိန်း

စျေးကွက်

အရောင်းအဝယ်အတွဲ

BTCUSDT.P

အစီအစဉ် ကန့်သတ်ချက် ပြည့်ပါပြီ — အဆင့်မြှင့်တင်မည်

အချိန်သတ်မှတ်ချက်

ရက်စွဲအပိုင်းအခြား

စတင်ရက်ပြီးဆုံးရက်

ရင်းနှီးငွေ (USDT)

အော်ဒါအရွယ်အစား

⚠ Freqtrade သည် သီးခြားခွဲထုတ်ထားသော Docker container အတွင်း အလုပ်လုပ်ပါသည်။ ပထမအကြိမ်တွင် OHLCV ဒေတာရယူရန် ၃ မိနစ်မှ ၁၀ မိနစ်ခန့် ကြာနိုင်ပါသည်။

📊

စွမ်းဆောင်ရည် အကျဉ်းချုပ်

Binance Spot နှင့် Futures တကယ့်စျေးကွက်များတွင် စမ်းသပ်ရန် အသင့်ဖြစ်ပါပြီ။ Backtest စတင်ပါ သို့မဟုတ် နမူနာအစီရင်ခံစာကို ကြည့်ရှုပါ။

Freqtrade တရားဝင် လမ်းညွှန်စာအုပ်

IStrategy ဗျူဟာများ ရေးသားရန်နှင့် အကောင်းဆုံးဖြစ်အောင် ပြင်ဆင်ရန် တရားဝင် အကိုးအကားများ။

စတင်ရန် လမ်းညွှန် — IStrategy

Class ဖွဲ့စည်းပုံ၊ populate_entry_trend၊ populate_exit_trend၊ ROI ဇယားများနှင့် stoploss။

နည်းပညာဆိုင်ရာ ညွှန်းကိန်းများ

pandas_ta, ta-lib, qtpylib — ဗျူဟာအတွင်း ခေါ်ယူအသုံးပြုနည်း။

Hyperopt — ကိန်းဂဏန်းချိန်ညှိမှု

IntParameter, DecimalParameter, ရှာဖွေမှုအပိုင်းအခြားများနှင့် ရလဒ်များ ဖတ်ရှုခြင်း။

Backtesting လမ်းညွှန်

Backtest စမ်းသပ်ခြင်း၊ အချိန်ကာလများ၊ config.json နှင့် ရလဒ်များ လေ့လာခြင်း။

Config ရည်ညွှန်းချက်များ

config.json သတ်မှတ်ချက်များ အားလုံး — အိတ်ချိန်း၊ အတွဲများ၊ ROI ဇယား စသဖြင့်။

Futures နှင့် Leverage (can_short)

can_short ဖွင့်ခြင်း၊ leverage၊ futures အရောင်းအဝယ်ပုံစံနှင့် margin ဆက်တင်များ။

Freqtrade GitHub

မူရင်းကုဒ်၊ ပြဿနာများ မေးမြန်းရာနေရာနှင့် လူထုမျှဝေထားသော ဗျူဟာနမူနာများ။

ဗျူဟာနမူနာ စာကြည့်တိုက်

လက်တွေ့စမ်းသပ်ထားသော IStrategy နမူနာများ စုစည်းမှု။