DUO-AI Trading Bot

Doel

Een zelflerende, AI-gestuurde crypto trading bot, gebouwd bovenop Freqtrade, die gebruik maakt van GPT- en Grok-reflecties, technische indicatoren, patroonherkenning, en live Bitvavo-executie. Het doel is om ETH-stacks te vergroten via slimme entries en exits.

Projectstructuur

• /core/: Bevat alle eigen AI-modules (reflectie, bias, confidence, besluitvorming, patroonherkenning, etc.).
• /strategies/: Bevat de Freqtrade strategie-scripts, zoals DUOAI_Strategy.py.
• /data/: Voor trainingsdata en cachebestanden (bijv. Grok Live Search cache). Bevat nu ook /data/models/ voor getrainde CNN-modellen.
• /memory/: Opslag voor de geleerde parameters van de AI-modules (bias, confidence, strategie-parameters, reflectielogs).
• /notebooks/: Bestemd voor AI-modelontwikkeling, training, prompt-experimenten en diepere data-analyse.
• /tests/: Voor unit tests en integratietests (nog op te zetten).
• /config/: Bevat de Freqtrade configuratie (config.json).
• main.py: Het hoofdentriepunt voor de AI-coördinatie.
• requirements.txt: Specificeert alle benodigde Python-pakketten.
• .env: Bevat gevoelige API-sleutels. Wordt niet gecommit naar Git.

Installatie

1. Kloon de repository:

   git clone [https://github.com/](https://github.com/)<jouw-github-gebruikersnaam>/DUO-AI-TradingBot.git
   cd DUO-AI-TradingBot

2. Maak een virtuele omgeving aan (aanbevolen):

   python -m venv venv
   source venv/bin/activate  # Op Linux/macOS
   # of `.\venv\Scripts\activate` op Windows

3. Installeer Freqtrade en alle Python-afhankelijkheden:

   pip install -r requirements.txt

   Freqtrade wordt nu geïnstalleerd als een Python-pakket. De eerder handmatig aangemaakte /freqtrade/ map is verwijderd, aangezien deze niet nodig is voor de Freqtrade core code.

Configuratie

1. API-sleutels (.env): Creëer een bestand genaamd .env in de hoofdmap van het project. Vul dit bestand met je API-sleutels voor OpenAI, Grok en Bitvavo. Dit bestand mag NOOIT naar GitHub worden gecommit.

   OPENAI_API_KEY="sk-YOUR_OPENAI_API_KEY"
   OPENAI_MODEL="gpt-4o"
   GROK_API_KEY="grok-YOUR_GROK_API_KEY"
   GROK_MODEL="grok-1"
   GROK_LIVE_SEARCH_API_URL="[https://api.x.ai/v1/live-search](https://api.x.ai/v1/live-search)" # Pas dit aan naar het officiële Grok Live Search API endpoint zodra bekend
   BITVAVO_API_KEY="YOUR_BITVAVO_API_KEY"
   BITVAVO_SECRET_KEY="YOUR_BITVAVO_SECRET_KEY"
   

2. Freqtrade Configuratie (config/config.json): De basisconfiguratie is aanwezig. De volgende pair_whitelist in config/config.json is de definitieve, bijgewerkte lijst die momenteel door de bot wordt overwogen:

   [
       "ETH/EUR",
       "BTC/EUR",
       "ZEN/EUR",
       "WETH/USDT",
       "USDC/USDT",
       "WBTC/USDT",
       "LINK/USDT",
       "UNI/USDT",
       "ZEN/BTC",
       "LSK/BTC",
       "ETH/BTC"
   ]

   De API-sleutels in config.json zijn placeholders en zullen door Freqtrade via de omgevingsvariabelen (geladen via .env) worden overschreven in live-modus. Belangrijk: Controleer de beschikbaarheid van paren zoals LSK/BTC op Bitvavo, aangezien niet alle exchanges alle cross-paren ondersteunen.

Gebruik

1. Start de bot (backtest of dry-run): Activeer eerst je virtuele omgeving.

   • Backtesting (aanbevolen voor testen en leren):

     freqtrade backtesting --strategy DUOAI_Strategy -c config/config.json --timerange=20240101-20250101 --export-filename user_data/backtest_results/DUOAI_Strategy_backtest.json

     De AI-reflectie- en leermechanismen zullen actief zijn tijdens backtesting en de interne AI-parameters bijwerken.

   • Dry Run (simulatie van live trading):

     freqtrade trade --config config/config.json --strategy DUOAI_Strategy --dry-run

     Dit simuleert live trading, inclusief AI-besluitvorming en -reflectie, zonder echt kapitaal te riskeren.

   • Live Trading (UITERST VOORZICHTIG):

     freqtrade trade --config config/config.json --strategy DUOAI_Strategy

     WAARSCHUWING: Zet dry_run: false in config.json en begrijp de risico's van live trading voordat je deze modus gebruikt.

Modules Overzicht

De bot is opgebouwd uit de volgende kern-AI-modules in de /core/ map:

• gpt_reflector.py: Communiceert met de OpenAI GPT API voor reflectie.
• grok_reflector.py: Communiceert met de Grok API voor reflectie.
• grok_sentiment_fetcher.py: Haalt live nieuws- en sentimentdata op via Grok Live Search (hypothetisch API).
• cnn_patterns.py: Voert patroonherkenning uit voor candlesticks en grafieken. Deze module combineert regelgebaseerde detectie met Deep Learning CNN-voorspellingen (indien een getraind model en bijbehorende scaler beschikbaar zijn in /data/models/). Hierdoor kan de module numerieke scores (bijv. waarschijnlijkheden) voor patronen genereren. Cruciaal: De kwaliteit en representativiteit van de getrainde modellen en de gebruikte labels zijn absoluut essentieel voor betrouwbare CNN-voorspellingen. Het ontwikkelen, valideren en onderhouden van deze modellen is een belangrijke en voortdurende taak.
• prompt_builder.py: Genereert gedetailleerde AI-prompts met marktgegevens, patronen en sentiment.
• reflectie_lus.py: De centrale AI-reflectiecyclus, coördineert promptgeneratie, AI-aanroepen en het loggen van reflecties.
• reflectie_analyser.py: Analyseert reflectielogs en haalt prestatiegegevens direct uit Freqtrade's database om bias-scores en mutatievoorstellen te genereren.
• bias_reflector.py: Beheert de leerbare voorkeur/bias van de strategie per token/strategie.
• confidence_engine.py: Beheert de leerbare confidence score en past maxTradeRiskPct dynamisch aan.
• cooldown_tracker.py: Beheert AI-specifieke cooldown-periodes per token/strategie, aanvullend op Freqtrade's ingebouwde cooldowns.
• entry_decider.py: Neemt AI-gestuurde entry-besluiten op basis van consensus, confidence, bias en patronen, inclusief AI-specifieke cooldowns en timeOfDayEffectiveness.
• exit_optimizer.py: Neemt AI-gestuurde exit-besluiten en optimaliseert dynamisch de trailing stop loss.
• pre_trainer.py: Module voor pre-learning en data-voorbereiding. Haalt historische data en trade-outcomes direct uit Freqtrade's database. Kan ook een basis CNN-model trainen en opslaan.
• strategy_manager.py: Beheert strategieparameters, prestaties (haalt uit Freqtrade DB) en mutatievoorstellen.
• ai_activation_engine.py: Trigger-engine voor AI-reflectie bij specifieke gebeurtenissen.
• interval_selector.py: Detecteert en beheert de beste timeframe/interval voor AI-analyse.
• params_manager.py: Centrale manager voor alle dynamisch lerende variabelen.
• trade_logger.py: De actieve functionaliteit van deze module is verwijderd ten gunste van Freqtrade's databank. Alle AI-analyses en modeltraining baseren zich nu exclusief op Freqtrade's interne database voor trade-historie en -data. Het bestand trade_logger.py zelf kan nog aanwezig zijn voor historische referentie of specifieke handmatige exporttaken, maar het speelt geen rol meer in de geautomatiseerde AI-workflow.

Belangrijke Operationele Aspecten en Huidige Status

Deze sectie belicht enkele belangrijke punten met betrekking tot de huidige werking, de status van bepaalde functionaliteiten en eventuele beperkingen of aandachtspunten.

CNN Modellen: Functionaliteit en Doorlopende Ontwikkeling

De cnn_patterns.py module kan, zoals eerder genoemd, zowel regelgebaseerde als Deep Learning CNN-voorspellingen uitvoeren. Hoewel pre_trainer.py een basis CNN kan trainen en cnn_patterns.py modellen kan laden, is de volledige pijplijn van modelontwikkeling, uitgebreide training, validatie en optimalisatie essentieel en een voortdurende taak. De huidige CNN-integratie is een fundament; de daadwerkelijke voorspellende kracht hangt af van robuust getrainde modellen. De cnn_patterns.py retourneert numerieke scores, maar de actieve toepassing van cnnPatternWeight als een leerbare multiplier in entry_decider.py en exit_optimizer.py om de CNN-voorspellingen te wegen, is een toekomstige verbetering.

Dynamische Configuratie, AI-Advies en Runtime Aanpassingen

De AI-modules binnen dit project kunnen adviezen genereren voor diverse strategieparameters. Sommige hiervan worden intern door de AI gebruikt (bijvoorbeeld via aparte AI-specifieke filters of logica zoals cooldown_tracker.py). Echter, voor Freqtrade's kernconfiguratie (config/config.json) geldt:

• AI-Advies vs. Directe Aanpassing: AI-gegenereerde suggesties voor parameters in config.json (zoals slippageTolerancePct of stake_amount) dienen als advies. Ze worden niet automatisch door de AI in config.json gewijzigd tijdens runtime.
• Herstart Vereist voor config.json Wijzigingen: Alle aanpassingen aan fundamentele Freqtrade-instellingen in config/config.json (zoals pair_whitelist, stake_amount, exchange details, etc.), ongeacht of ze handmatig of op basis van AI-advies worden gedaan, worden niet dynamisch tijdens runtime door Freqtrade overgenomen. Een volledige herstart van de Freqtrade bot is noodzakelijk om deze wijzigingen actief te maken.
• Interne AI-Mechanismen: Voor bepaalde parameters, zoals cooldowns, kan de AI gebruikmaken van eigen, parallelle mechanismen (zoals cooldown_tracker.py) die Freqtrade's instellingen aanvullen zonder config.json direct te wijzigen.

preferredPairs en Dynamisch Pair Management

• Leerlogica Geïmplementeerd: De leerlogica om dynamisch preferredPairs te identificeren is nu geïmplementeerd in core/ai_optimizer.py.
• Koppeling met pair_whitelist: Freqtrade laadt zijn actieve handelsparen uit config/config.json bij het opstarten. Een door ai_optimizer.py gegenereerde lijst van preferredPairs wordt niet automatisch tijdens runtime gesynchroniseerd.
• Herstart Vereist: Om geleerde preferredPairs actief te maken, dient de pair_whitelist in config/config.json handmatig bijgewerkt te worden, gevolgd door een herstart van de Freqtrade bot.

Data Logging en Analyse

Voor alle AI-gestuurde analyses, prestatie-evaluaties en het trainen van modellen wordt nu exclusief gebruik gemaakt van Freqtrade's interne database. Dit waarborgt een consistente en betrouwbare databron.

Teststructuur en Kwaliteitsborging (Ontbrekende Formele Tests)

Momenteel bevat het project basale testmogelijkheden via if __name__ == "__main__": blokken in de modules. Echter, een formele, geautomatiseerde testsuite (bijvoorbeeld met pytest) ontbreekt nog en is cruciaal voor de robuustheid en betrouwbaarheid van de bot. De ontwikkeling hiervan staat hoog op de prioriteitenlijst. De /tests/ map is gereserveerd voor de implementatie van deze tests.

Toekomstige Ontwikkeling

• Verdere verfijning en training van CNN-modellen voor specifieke patronen.
• Implementatie van cnnPatternWeight voor het wegen van CNN-voorspellingen in de besluitvormingslogica.
• Ontwikkeling van de formele pytest testsuite voor uitgebreide kwaliteitsborging.
• Onderzoek naar geavanceerdere methoden voor dynamisch pairlist management binnen Freqtrade.
• Uitbreiding van monitoring en visualisatie (bijvoorbeeld via een AI-gestuurde GUI).