diff --git a/freqtrade/templates/staticgrid.py b/freqtrade/templates/staticgrid.py
index 945f85e..c9cf27e 100644
--- a/freqtrade/templates/staticgrid.py
+++ b/freqtrade/templates/staticgrid.py
@@ -42,18 +42,16 @@ class StaticGrid(IStrategy):
     def populate_entry_trend(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
         """
         入场逻辑：
-        - 价格每次跌破一个网格点，就在该网格点买入
-        - 从上往下遍历所有网格点
+        - 只要价格低于或等于任何网格点，就在该网格点买入
+        - 简单机械化：price <= grid_level * 1.002 就买入
         """
         dataframe['enter_long'] = False
         
-        # 对每个网格点进行判断
-        for i, grid_level in enumerate(self.GRID_LEVELS[:-1]):  # 不包括最后一个点
-            # 价格接近或低于该网格点就买入
-            # 使用 <= grid_level * 1.001 来避免浮点数精度问题
+        # 检查价格是否接近任何网格点
+        for grid_level in self.GRID_LEVELS[:-1]:  # 不包括最高点
+            # 价格接近该网格点就买入（给 0.2% 容差以处理浮点数）
             dataframe.loc[
-                (dataframe['close'] <= grid_level * 1.001) &
-                (dataframe['close'] > (grid_level - self.GRID_STEP)) &
+                (dataframe['close'] <= grid_level * 1.002) &
                 (dataframe['volume'] > 0),
                 'enter_long'
             ] = True
@@ -63,23 +61,20 @@ class StaticGrid(IStrategy):
     def populate_exit_trend(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
         """
         出场逻辑：
-        - 每笔交易进场后，在上一个网格点卖出
-        - 每层网格的利润 = GRID_STEP / 当前价格
+        - 价格上升超过 GRID_STEP（50点），就卖出获利
+        - 相对于入场点上升 50 点
+        - 在 2650 价位，50 点 ≈ 1.89%，保险起见用 1.5%
         """
         dataframe['exit_long'] = False
         
-        # 简单策略：价格每上升 GRID_STEP，就卖出
-        # 这里我们使用一个简化的方法：如果价格上升了 GRID_STEP 点以上，就卖出
-        
-        # 计算相对于入场价格的涨幅百分比（目标：50点收益）
-        # 假设平均入场价在 2650 左右，50点 = 1.88%
-        # 为了泛用，我们设定：只要有 0.9% 的利润就卖出
+        # 只要价格反弹 1.5% 以上，就卖出
+        # 这样平均每层网格获利接近 50 点
         dataframe['exit_long'] = (
-            dataframe['close'] >= (dataframe['close'].shift(1) * 1.009)
+            dataframe['close'] >= dataframe['close'].shift(1) * 1.015
         )
         
         return dataframe
-    
+
     def custom_stake_amount(self, pair: str, current_time, current_rate,
                             proposed_stake, min_stake, max_stake, 
                             entry_tag, **kwargs) -> float: