交易机器人开机之后，它一整天到底在忙什么

你大概见过这样的截图：有人贴出一个终端窗口，黑底白字滚着一行行日志，配文「机器人已上线，睡觉去了」。你盯着那堆日志看了半天，只看懂两个词——某某币对、某某价格。剩下的什么 bot_loop_start、什么 confirm_trade_entry，像是另一个星球的语言。

更让人心里没底的是这个问题：它现在到底在干嘛？ 它是一直死死盯着盘，还是隔一会儿看一眼？它看到信号就立刻下单吗？我手上已经有的那笔单子，它管不管？

这篇不教你怎么装、怎么配置——那是软件说明书的活。这篇要做的是另一件事：把一个自动交易程序「每一轮循环」的动作序列，翻译成你能对照自己手工操作看懂的语言。用的标本是开源交易框架 freqtrade（一个用 Python 写的、开源的自动交易执行框架），但读完你会发现，换一个框架，骨架其实是同一副。

先别管代码，想象一个值班的人

假设你雇了一个人替你看盘。他不是神仙，不能同时看住所有东西，所以你和他约法三章，定下一套死板的值班流程：

每隔一小会儿，他抬头看一眼。 不是眼睛一秒不眨地黏在屏幕上——那样人会累死，也没必要。他定了个节奏，比如每过一小段时间抬一次头。两次抬头之间，市场当然在动，但他不看。

抬头之后，第一件事不是找新机会，而是先看自己手上有什么。 桌上摊着几张单子：哪些是已经买进去的持仓，哪些是挂出去还没成交的委托。这些是「存量」，是已经花了钱、已经承担了风险的东西。存量没料理清楚，谈什么新机会。

然后他更新自己的判断。 他去看最新的行情，重新算一遍自己那套判断标准——均线拐头没有、这根K线收在哪里。注意：他不是每抬一次头就重算一遍，只有当出现了新的一根K线，重算才有意义；如果这根K线还没走完，重算出来的还是同一个数。

接着才是动手，而且顺序固定。 先看已有的持仓要不要平掉（止损到了吗、目标到了吗、离场信号出来了吗），再看挂着没成交的委托要不要撤要不要改价，最后才轮到「要不要开新仓」。而且开新仓之前他还要数一遍：约定的仓位格子是不是已经占满了？占满了就不开，再好的机会也不开。

做完这一轮，他趴下休息一小会儿，然后重复上面全部动作。 一天几千遍，永远是这个顺序，永远不多想一步。

这就是执行循环。它的本质不是「智能」，而是把一套人容易忘、容易乱序、容易在情绪上头时跳过的动作，固化成一个永不走样的流程。

这个循环里的每一步，你手工操作时都在做

把上面那个值班的人拆开，你会发现每一步都能在你自己的操作里找到对应动作。

「抬头看一眼」对应你打开行情软件。 你不是 24 小时盯屏幕，你也有自己的节奏——收盘前看一眼，或者中午看一眼。差别只在于：机器的节奏是写死的，你的节奏取决于今天开不开会、孩子闹不闹。

「先看手上有什么」对应你打开持仓页。 老手打开软件的第一个动作几乎都是看持仓，不是看涨幅榜。这个顺序不是习惯问题，是风控问题：已经承担的风险优先级永远高于还没发生的机会。而新手最常见的动作恰恰相反——先看有什么在涨。

「重新算一遍判断标准」对应你更新自己的看法。 你可能是画一条趋势线，可能是看一眼估值到了什么位置。关键是这一步和下一步（动手）是分开的：先形成判断，再决定动作。人最容易犯的错，是把这两步搅在一起——先想买，再去找支持买的理由。

「先平后开」对应资金的先后。 你手上的钱是有限的，不先把该退出的仓位退出来，新机会来了你也没子弹。更要紧的是：如果一笔单子已经触发了你的离场条件，那它就该走，跟别处有没有更香的机会毫无关系。把这两件事绑在一起想，就是典型的「舍不得割肉，除非发现了更好的标的」——这是拿机会成本给情绪找台阶。

「数格子」对应你的仓位纪律。 你事先说好最多同时持有几只，那就是几只。第六个机会再好，格子满了就是满了。人做这一步最容易松口，机器不会。

「挂单不等于成交」对应你挂了单去吃饭。 你挂了一个价格然后忙别的去了，回来发现根本没成交，价格已经跑了。你是撤单？还是追价改单？还是就这么挂着？——这个决策手工操作时经常被拖成「忘了」，而循环里它是一个必经的检查点。

到了系统里，它长什么样

现在再回头看那份让人一行读不下去的官方说明。freqtrade 的文档里，执行循环写成了一串动作列表；如果你去翻它的主程序（freqtradebot.py 里那个每轮跑一次的 process 方法），会看到同样的顺序被老老实实地写成了十几行调用。

有价值的不是那些函数名，而是藏在顺序和结构里的三个设计判断。

第一，看盘的节奏和决策的节奏是两回事。 循环本身跑得很勤——间隔由配置里的一个节流参数决定，当前默认是几秒量级，可配置；但行情数据的下载被刻意限制成「每根K线只取一次」，避免毫无意义地反复请求交易所。更进一步，策略里那些指标计算默认只在「出现了没见过的新K线」时才重算（源码里靠记住每个品种「上次见过的最后一根K线时间」来判断，这个行为本身也是可配置的）。

翻译成人话：醒得勤，不等于想得勤。 频繁醒来是为了不错过订单状态的变化和止损的触发，而重新做判断这件事，只在有新信息时才做才有意义。很多人手工操作恰恰反过来——盯着分时图，每一次跳动都要重新想一遍要不要卖。信息没变，想法却在变，这就是纯粹的情绪消耗。

第二，顺序本身就是风控。 源码里的动作序列是：先把已有持仓的离场判断跑完并落库，再处理加减仓，最后在「还有空格子」的前提下才去找新的入场机会。这个顺序不是随手排的，它把「保护已有的」放在「追逐新的」前面。你可以把它当成一条可以抄走的手工纪律：每次打开软件，强制自己按这个顺序过一遍。

第三，到处都留着「最后一次否决」的口子。 在真正把入场委托发出去之前，框架会再问一次策略：这单还确认要下吗？离场之前同样再问一次。这个设计的意思是：信号成立和真的该下这一单，是两个不同的问题。中间隔着的东西可能是——现在的价差是不是宽得离谱、这个品种是不是刚出过异常、我是不是刚刚在同一个品种上连亏三次。

还有一个容易被忽略的细节：框架把用户自己写的那部分代码包在一层安全外壳里调用，你写的判断逻辑抛出异常时，程序会记下来继续跑，而不是整个崩掉。这背后是一个很朴素的工程假设——执行系统必须假定策略作者会写错。这个假设，对你手工交易同样成立：你的规则一定有你没想到的边角情况，问题只在于出错时是整套体系停摆，还是有个兜底。

回测的循环，跟实盘的循环长得不一样

这是本篇最值得记住的一点。

回测（用历史数据把策略跑一遍，看看假设中的表现）也有循环，但它是另一副骨架：指标先一次性对整段历史全部算好，然后按K线一根一根往前推，模拟成交。它只做上面那套逻辑的一部分，因为交易行为全是模拟出来的。

差异藏在调用频率上。文档里明确提示：回测中每个判断点在每根K线上最多被调用一次，而实盘里同样的判断点在一根K线的生命周期内会被反复触发很多次。这不是实现瑕疵，是两种时间观的必然冲突——历史数据是一格一格的离散快照，真实时间是连续流淌的。

所以一个策略在回测里「每根K线只有一次机会做决定」，到了实盘变成「这根K线走完之前有几十次机会做决定」。同样的规则，行为可能完全不同。这是回测与实盘结果对不上的机制层面的根源之一，而不是运气问题。这条线索还能往下挖很深，两种循环的完整对照放在回测与实盘的差异总览里讲。

它明确不负责的那些事

看完循环，最容易产生的错觉是：这套东西这么严密，装上它就该赚钱了吧。恰恰相反，执行循环的严密，正是因为它把「赚不赚钱」这件事完全推给了你。

• 它不产生观点。 什么时候该买、什么时候该卖，全部来自你写进策略里的规则。循环只负责在正确的时刻问你的规则一句话，然后忠实执行答案。规则是错的，它就忠实地、不知疲倦地、以毫秒级的效率执行一个错误的答案。
• 它不判断你的策略好不好。 循环里没有任何一处在评估「这套规则合不合理」。它对一套注定亏钱的规则和一套久经考验的规则，态度完全一致。
• 它不保证成交价。 委托发出去到底成交在哪里、成不成交，是交易所那边的事。框架能做的只是在超时后帮你撤单或改价——这恰恰说明「没成交」是常态，不是意外。
• 它不替你决定投多少钱。 单笔投多少、最多同时开几个仓位，都是配置和策略里的输入项，不是它算出来的结论。真正决定你活多久的仓位问题，它一个字都不帮你想。
• 它不理解市场。 循环不知道今晚有议息会议，不知道这家公司昨天换了 CEO。它只认你喂给它的数据列。

说到底，把执行交给程序，省掉的是「手抖」「忘了」「舍不得」这些执行环节的损耗；至于判断本身对不对，它一分钱的忙都帮不上。执行的确定性，从来不能替代判断的正确性。

小结

• 执行循环的骨架就四件事：隔一会儿醒一次、更新判断、料理已有的仓位和委托、最后才找新机会——顺序固定，永不走样。
• 醒的频率和重新判断的频率是两回事：醒得勤是为了不漏掉状态变化，判断只在有新信息时更新才有意义。
• 「先保护已有的，再追逐新的」这个顺序本身就是风控，手工操作可以直接抄。
• 回测循环和实盘循环结构不同、调用频率不同，这是两者结果对不上的机制根源，细节见回测与实盘的差异总览。
• 循环不产生观点、不评价策略、不保证成交、不替你定仓位——它把赚不赚钱这件事，原封不动地留给了你。

一句话说完这篇：所谓自动交易，就是把一个人「每过一会儿看一眼、先管手上的、再看有没有新事做」的值班流程，写成了一个永远不会偷懒也永远不会多想的固定套路。

本文基于开源仓库的源码与文档快照做概念讲解，未实际运行该程序，也不构成任何投资建议或软件使用建议；相关边界见免责声明。想系统看这一卷的其他内容，回到量化与 AI 投研卷。