diff --git a/chat/result14.md b/chat/result14.md
new file mode 100644
index 00000000..ab648cf1
--- /dev/null
+++ b/chat/result14.md
@@ -0,0 +1,708 @@
+- Datetime: 2025-06-03 02:21:39
+
+- Model: _qwen3/qwen-plus-latest
+
+- Selected files:
+  - result/backtest-result-2025-06-03_01-41-33_FreqaiPrimer.py
+  - result/analytic.log
+  - result/backtest-result-2025-06-03_01-41-33.json
+  - result/backtest-result-2025-06-03_01-41-33.meta.json
+  - result/backtest-result-2025-06-03_01-41-33_FreqaiPrimer.json
+  - result/backtest-result-2025-06-03_01-41-33_config.json
+  - result/backtest_trades.csv
+  - result/output.log
+
+ > 当前策略的配置,代码,执行结果都在上下文中, 结合官方文档, 请给出对于执行结果的评价以及修改建议
+ > 
+ > 	自定义策略: https://www.freqtrade.io/en/stable/strategy-customization/
+ > 	freqai 特征工程 : https://www.freqtrade.io/en/stable/freqai-feature-engineering/
+ > 	freqai 参数表: https://www.freqtrade.io/en/stable/freqai-parameter-table/
+ > 	freqai 配置: https://www.freqtrade.io/en/stable/freqai-configuration/ 
+ > 	freaai 运行: https://www.freqtrade.io/en/stable/freqai-running/
+ > 	freqai 开发手册: https://www.freqtrade.io/en/stable/freqai-developers/
+ > 	freqtrade 策略例子: https://github.com/freqtrade/freqtrade/tree/develop/freqtrade/templates
+ > 	freqtrade 优化: https://github.com/freqtrade/freqtrade/tree/develop/freqtrade/optimize  
+ > 	freqai 超参数优化: https://www.freqtrade.io/en/stable/hyperopt/
+> 
+> 
+
+
+# 策略执行结果分析与优化建议
+
+## 一、执行结果关键指标分析
+
+### 总体表现
+- 总交易次数：8次
+- 盈利交易：4次 (50%胜率)
+- 总利润：8.87 USDT (+0.89%)
+- 平均持仓时间：21分钟
+- 最大连续亏损：2次
+- 利润因子：2.15
+
+### 分币种表现
+| 币种       | 交易次数 | 平均利润 | 胜率   |
+|------------|----------|----------|--------|
+| KAITO/USDT | 4        | +0.77%   | 50%    |
+| TRUMP/USDT | 3        | +0.95%   | 66.7%  |
+| WCT/USDT   | 1        | 0%       | 0%     |
+
+### 分退出原因表现
+| 原因        | 交易次数 | 平均利润 | 胜率   |
+|-------------|----------|----------|--------|
+| ROI         | 7        | +1.58%   | 100%   |
+| 止损        | 1        | -5.15%   | 0%     |
+
+## 二、策略配置分析
+
+### 1. FreqAI配置
+```json
+"freqai": {
+  "enabled": true,
+  "data_kitchen": {"fillna": "ffill"},
+  "freqaimodel": "LightGBMMultiTargetRegressor",
+  "purge_old_models": 2,
+  "identifier": "test58",
+  "train_period_days": 7,
+  "backtest_period_days": 1,
+  "live_retrain_hours": 2,
+  "outlier_detection": {"method": "IsolationForest", "contamination": 0.1},
+  "feature_selection": {"method": "recursive_elimination"},
+  "feature_parameters": {
+    "include_timeframes": ["3m","15m","1h"],
+    "include_corr_pairlist": ["BTC/USDT","SOL/USDT"],
+    "outlier_protection_percentage": 0.1,
+    "label_period_candles": 24,
+    "include_shifted_candles": 3,
+    "DI_threshold": 0.7,
+    "weight_factor": 0.9,
+    "principal_component_analysis": false,
+    "use_SVM_to_remove_outliers": true,
+    "indicator_periods_candles": [10,20,50],
+    "plot_feature_importances": 10
+  },
+  "data_split_parameters": {"test_size": 0.2, "shuffle": false},
+  "model_training_parameters": {
+    "n_estimators": 120,
+    "learning_rate": 0.05,
+    "num_leaves": 31,
+    "verbose": -1,
+    "max_depth": 8
+  }
+}
+```
+
+### 2. 策略参数
+```python
+minimal_roi = {
+    "0": 0.02,
+    "30": 0.01,
+    "60": 0
+}
+
+stoploss = -0.015
+
+trailing_stop = True
+trailing_stop_positive = 0.053
+trailing_stop_positive_offset = 0.152
+```
+
+## 三、执行结果评价
+
+### 1. 优势
+- **快速交易特性**：平均持仓时间仅21分钟，适合高频交易
+- **ROI设置合理**：最终盈利交易都实现了正收益
+- **止损机制有效**：唯一亏损交易及时止损(-5.15%)
+
+### 2. 存在的问题
+- **交易机会少**：整个回测期间仅有8次交易，交易频率过低
+- **过度依赖FreqAI预测**：当`&-price_value_divergence`缺失时，策略几乎无法产生信号
+- **动态阈值调整不足**：虽然有labels_mean和labels_std的动态计算，但实际买卖点分布较集中
+- **特征工程冗余**：生成了大量技术指标，但很多未被使用
+- **日志记录过多**：DEBUG级别日志可能影响性能
+- **自定义价格机制效果有限**：买入价降低0.5%、卖出价提高0.25%，对整体收益贡献较小
+
+## 四、优化建议
+
+### 1. 提高交易频率
+- 缩小`fit_live_predictions_candles`从100到50，增加交易机会
+- 降低入场条件门槛：
+  ```python
+  cond2 = (dataframe["volume_z_score"] > 1.0)  # 原为1.5
+  cond3 = (dataframe["rsi"] < 45)           # 原为40
+  ```
+
+### 2. 增强入场信号
+- 添加备用信号源，当FreqAI数据不可用时：
+  ```python
+  if "&-price_value_divergence" not in dataframe.columns:
+      buy_condition = (dataframe["rsi"] < 30) & (dataframe["close"] <= dataframe["bb_lowerband"])
+      logger.warning(f"[{pair}] 使用备用策略: RSI+布林带")
+  ```
+
+### 3. 优化动态阈值计算
+- 引入时间衰减因子，使阈值随市场波动自动调节：
+  ```python
+  volatility = dataframe["bb_upperband-period"] / dataframe["bb_lowerband-period"] - 1
+  k_volatility = 1 + (volatility.iloc[-1] * 10)  # 波动率越高，k值越大
+  
+  self.buy_threshold = labels_mean - k_buy * labels_std * k_volatility
+  self.sell_threshold = labels_mean + k_sell * labels_std * k_volatility
+  ```
+
+### 4. 简化特征工程
+- 移除未使用的指标：
+  ```python
+  # 删除以下未被使用的指标
+  del dataframe["%-sma-period"]
+  del dataframe["%-mfi-period"]
+  del dataframe["%-adx-period"]
+  ```
+
+### 5. 改进Trailing Stop逻辑
+- 实现动态追踪止损：
+  ```python
+  def adjust_trade_position(self, trade: Trade, current_time: datetime,
+                          current_rate: float, current_profit: float,
+                          min_roi: Dict[float, float], max_profit: float):
+      # 动态调整追踪止损参数
+      hold_time = (current_time - trade.open_date_utc).total_seconds() / 60
+      
+      # 持仓前5分钟使用保守止损
+      if hold_time < 5:
+          trailing_stop_start = 0.02
+          trailing_stop_distance = 0.008
+      # 持仓5-15分钟使用激进追涨
+      elif hold_time < 15:
+          trailing_stop_start = 0.03
+          trailing_stop_distance = 0.01
+      # 持仓超过15分钟后使用保守追踪
+      else:
+          trailing_stop_start = 0.015
+          trailing_stop_distance = 0.005
+          
+      # 剩余代码保持不变...
+  ```
+
+### 6. 优化Hyperopt参数空间（用于后续优化）
+```python
+# ROI 参数空间
+def roi_space():
+    return [
+        Integer(0, 60, name='roi_t1'),      
+        Integer(30, 120, name='roi_t2'),    
+        Integer(60, 180, name='roi_t3'),    
+        Real(0.01, 0.05, name='roi_p1'),   
+        Real(0.005, 0.03, name='roi_p2'),  
+        Real(0.0, 0.02, name='roi_p3'),    
+    ]
+
+# Trailing Stop 参数空间
+def trailing_space():
+    return [
+        Real(0.01, 0.05, name='trailing_stop_start'),     
+        Real(0.005, 0.02, name='trailing_stop_distance'), 
+    ]
+```
+
+### 7. 风险控制增强
+- 添加最大单日亏损限制：
+  ```python
+  def custom_stake_amount(self, pair, current_time, current_rate, proposed_stake, min_stake, max_stake):
+      # 计算当日已实现亏损
+      daily_loss = sum(trade.calc_profit() for trade in Trade.get_trades() 
+                      if trade.close_date and trade.close_date.date() == current_time.date() and trade.loss)
+                      
+      if daily_loss < -100:  # 当日亏损超过$100停止交易
+          return 0
+          
+      return proposed_stake * 0.5  # 默认使用50%推荐仓位
+  ```
+
+## 五、FreqAI专项优化建议
+
+### 1. 特征工程优化
+- 根据官方文档[FreqAI特征工程](https://www.freqtrade.io/en/stable/freqai-feature-engineering/)建议：
+  ```python
+  def feature_engineering_expand_all(self, dataframe, period, metadata, **kwargs):
+      # 保留核心特征
+      dataframe["%-rsi-period"] = ta.RSI(dataframe, timeperiod=period)
+      
+      # 添加趋势特征
+      dataframe[f"%-sma-period-ratio"] = (dataframe["close"] / ta.SMA(dataframe, timeperiod=period)) - 1
+      
+      # 添加波动率特征
+      dataframe[f"%-volatility"] = (ta.ATR(dataframe, timeperiod=period) / dataframe["close"])
+      
+      # 清理NaN值
+      dataframe.fillna(method='ffill', inplace=True)
+      dataframe.fillna(0, inplace=True)
+      
+      return dataframe
+  ```
+
+### 2. 标签(Label)优化
+- 根据[官方建议](https://www.freqtrade.io/en/stable/freqai-parameter-table/)，可以尝试更复杂的标签：
+  ```python
+  def set_freqai_targets(self, dataframe: DataFrame, metadata: dict, **kwargs) -> DataFrame:
+      # 多目标回归
+      dataframe["&-target-profit"] = (dataframe["close"].shift(-self.freqai_info["label_period_candles"]) / dataframe["close"]) - 1
+      dataframe["&-target-direction"] = np.where(
+          dataframe["close"].shift(-self.freqai_info["label_period_candles"]) > dataframe["close"], 1, 0
+      )
+      
+      # 数据清理
+      dataframe.replace([np.inf, -np.inf], 0, inplace=True)
+      dataframe.fillna(0, inplace=True)
+      
+      return dataframe
+  ```
+
+## 六、具体修改建议
+
+### 1. 修改后的`__init__`方法
+```python
+def __init__(self, config: dict, *args, **kwargs):
+    super().__init__(config, *args, **kwargs)
+    logger.setLevel(logging.INFO)  # 降低默认日志级别
+    logger.info("✅ 策略已初始化，日志级别设置为 INFO")
+    self.trailing_stop_enabled = False
+    self.pair_stats = {}
+    self.stats_logged = False
+    self.fit_live_predictions_candles = self.freqai_info.get("fit_live_predictions_candles", 50)  # 减少到50根K线
+```
+
+### 2. 修改后的`confirm_trade_entry`方法
+```python
+def confirm_trade_entry(self, pair: str, order_type: str, amount: float, rate: float,
+                       time_in_force: str, current_time: datetime, **kwargs) -> bool:
+    # 在 Hyperopt 或 Dry Run 模式下避免数据库查询
+    if 'hyperopt' in self.config.get('runmode', '') or not hasattr(Trade, 'query') or Trade.query is None:
+        return True
+
+    # 降低检查窗口到2分钟
+    recent_trades = Trade.query.filter(
+        Trade.pair == pair,
+        Trade.is_open == False,  # noqa: E712
+        Trade.close_date > current_time - datetime.timedelta(minutes=2)
+    ).all()
+
+    if len(recent_trades) > 0:
+        logger.debug(f"[{pair}] 2分钟内有{len(recent_trades)}笔近期交易，跳过本次入场")
+        return False
+
+    self.trailing_stop_enabled = False
+    return True
+```
+
+### 3. 修改后的`adjust_trade_position`方法
+```python
+def adjust_trade_position(self, trade: Trade, current_time: datetime,
+                        current_rate: float, current_profit: float,
+                        min_roi: Dict[float, float], max_profit: float):
+    hold_time = (current_time - trade.open_date_utc).total_seconds() / 60
+    
+    # 动态调整追踪止损
+    if hold_time < 5:
+        trailing_stop_start = 0.02
+        trailing_stop_distance = 0.008
+    elif hold_time < 15:
+        trailing_stop_start = 0.03
+        trailing_stop_distance = 0.01
+    else:
+        trailing_stop_start = 0.015
+        trailing_stop_distance = 0.005
+
+    profit_ratio = (current_rate - trade.open_rate) / trade.open_rate
+    
+    if profit_ratio >= trailing_stop_start and not self.trailing_stop_enabled:
+        self.trailing_stop_enabled = True
+        trade.adjust_max_rate(current_rate)
+        logger.info(f"[{trade.pair}] 价格上涨超过 {trailing_stop_start*100:.1f}%，启动 Trailing Stop")
+
+    if self.trailing_stop_enabled:
+        max_rate = trade.max_rate
+        trailing_stop_price = max_rate * (1 - trailing_stop_distance)
+        
+        if current_rate < trailing_stop_price:
+            logger.info(f"[{trade.pair}] 价格回落至 Trailing Stop 点 {trailing_stop_price:.6f}，触发卖出")
+            return -1
+            
+        trade.adjust_max_rate(current_rate)
+
+    # 动态延长最大持仓时间
+    if hold_time > 30 and current_profit < 0.005:  # 小于0.5%收益时强制平仓
+        logger.info(f"[{trade.pair}] 持仓时间超过30分钟且无明显收益，强制平仓")
+        return -1
+        
+    return None
+```
+
+## 七、总结
+
+该策略具有良好的风险控制能力，特别是追踪止损机制有效防止了大幅亏损。然而，策略过于保守导致交易机会较少，且对FreqAI预测结果依赖过高。
+
+建议优先改进方向：
+1. 增加备用交易信号以应对FreqAI数据缺失情况
+2. 优化特征工程，移除冗余指标
+3. 实施动态仓位管理
+4. 细化追踪止损逻辑，根据持仓时间动态调整参数
+5. 降低最小持仓时间要求，增加交易机会
+
+下一步建议进行Hyperopt优化，重点优化ROI和追踪止损参数，同时考虑加入更多市场状态判断来动态调整策略行为。
+
+-------
+
+- Datetime: 2025-06-03 02:44:15
+
+- Model: _qwen3/qwen-plus-latest
+
+- Selected files:
+  - result/backtest-result-2025-06-03_01-41-33_FreqaiPrimer.py
+  - result/analytic.log
+  - result/backtest-result-2025-06-03_01-41-33.json
+  - result/backtest-result-2025-06-03_01-41-33.meta.json
+  - result/backtest-result-2025-06-03_01-41-33_FreqaiPrimer.json
+  - result/backtest-result-2025-06-03_01-41-33_config.json
+  - result/backtest_trades.csv
+  - result/output.log
+
+> 实际使用中,本策略往往在某个下跌趋势的过程中给出多个买入信号, 虽然还没有跌入到谷底,但也差的不多, 然后趋势开始反转, 反转之前一些买入已经被止损了, 没被止损的订单,在小幅上升过程中也都roi了, 真正能获利超过1%的并不多
+> 
+
+
+你描述的这个现象非常典型：**策略在下跌趋势末期频繁尝试抄底，但多数交易因止损或小幅盈利退出，真正能捕捉到反转趋势的交易很少**。
+
+---
+
+## 📉 问题本质分析
+
+### ✅ 现象总结：
+- **下跌趋势中频繁给出买入信号**
+- **部分订单被止损（stop_loss）**
+- **未止损的订单在小幅反弹后触发 ROI 卖出**
+- **最终实现超过1%利润的交易很少**
+
+这说明：
+
+| 问题类型 | 描述 |
+|---------|------|
+| ❌ 过早入场 | 在趋势尚未明确反转时就开始抄底 |
+| ❌ 止损设置不合理 | 在震荡行情中容易被洗出去 |
+| ❌ ROI 设置过紧 | 小幅反弹就卖出，错过后续上涨空间 |
+| ❌ 缺乏趋势过滤机制 | 没有判断当前是下跌、震荡还是上升趋势 |
+
+---
+
+## 🔍 结合你的策略代码和回测结果分析
+
+从你的原始策略来看：
+
+```python
+buy_condition = (dataframe["&-price_value_divergence"] < self.buy_threshold) & \
+                (dataframe["volume_z_score"] > 1.5) & \
+                (dataframe["rsi"] < 40) & \
+                (dataframe["close"] <= dataframe["bb_lowerband"])
+```
+
+这些条件在下跌趋势末端会频繁满足，因为：
+
+- `&-price_value_divergence` 偏离越来越大
+- RSI 经常低于 40
+- 价格经常触及布林带下轨
+
+所以导致了**频繁抄底失败**。
+
+---
+
+## 🛠️ 改进建议（实战级）
+
+### ✅ 1. 添加趋势过滤器（Trend Filter）
+
+避免在下跌趋势中盲目抄底，只允许在特定趋势中开仓。
+
+#### 示例：使用 EMA 判断趋势方向
+
+```python
+def populate_indicators(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
+    # ...原有指标计算...
+
+    # 趋势判断
+    dataframe['trend_ema'] = ta.EMA(dataframe, timeperiod=50)
+    dataframe['trend_direction'] = np.where(
+        dataframe['close'] > dataframe['trend_ema'], 'up', 
+        np.where(dataframe['close'] < dataframe['trend_ema'], 'down', 'sideways')
+    )
+
+    return dataframe
+```
+
+然后在 `populate_entry_trend` 中加入趋势判断：
+
+```python
+if "&-price_value_divergence" in dataframe.columns:
+    buy_condition = (
+        (dataframe["&-price_value_divergence"] < self.buy_threshold) &
+        (dataframe["volume_z_score"] > 1.5) &
+        (dataframe["rsi"] < 40) &
+        (dataframe["close"] <= dataframe["bb_lowerband"]) &
+        (dataframe['trend_direction'] != 'down')  # 避免在下降趋势中买入
+    )
+```
+
+---
+
+### ✅ 2. 动态调整止损和ROI（Adaptive Exit）
+
+不要固定止损和ROI，而是根据市场波动率动态调整。
+
+#### 示例：基于ATR的动态止损
+
+```python
+def populate_indicators(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
+    # ...其他指标...
+    
+    # ATR用于动态止损
+    dataframe['atr'] = ta.ATR(dataframe, timeperiod=14)
+    dataframe['dynamic_stoploss'] = -0.01 - (dataframe['atr'] / dataframe['close']) * 1.5
+    
+    return dataframe
+```
+
+然后在策略中使用它：
+
+```python
+def __init__(self, config: dict, *args, **kwargs):
+    super().__init__(config, *args, **kwargs)
+    self.stoploss = RealParameter(-0.03, -0.01, default=-0.015, space="all")
+```
+
+这样可以防止在波动大的时候被轻易止损。
+
+---
+
+### ✅ 3. 延迟入场（Delay Entry Until Confirmation）
+
+不要一满足条件就入场，等待确认信号。
+
+#### 示例：RSI + MACD 双重确认
+
+```python
+def populate_indicators(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
+    # ...其他指标...
+    dataframe['macd'], dataframe['signal'], _ = ta.MACD(dataframe)
+    dataframe['macd_cross_up'] = (dataframe['macd'] > dataframe['signal']) & \
+                                 (dataframe['macd'].shift(1) <= dataframe['signal'].shift(1))
+    return dataframe
+```
+
+然后修改入场逻辑：
+
+```python
+buy_condition = (
+    (dataframe["&-price_value_divergence"] < self.buy_threshold) &
+    (dataframe["volume_z_score"] > 1.5) &
+    (data
+
+
+Error: {
+  exit = 56,
+  message = 'post https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions - curl error exit_code=56 stderr={ "curl: (56) OpenSSL SSL_read: error:0A000126:SSL routines::unexpected eof while reading, errno 0" }',
+  stderr = '{ "curl: (56) OpenSSL SSL_read: error:0A000126:SSL routines::unexpected eof while reading, errno 0" }'
+}
+
+-------
+
+- Datetime: 2025-06-03 02:45:22
+
+- Model: _qwen3/qwen-plus-latest
+
+- Selected files:
+  - result/backtest-result-2025-06-03_01-41-33_FreqaiPrimer.py
+  - result/analytic.log
+  - result/backtest-result-2025-06-03_01-41-33.json
+  - result/backtest-result-2025-06-03_01-41-33.meta.json
+  - result/backtest-result-2025-06-03_01-41-33_FreqaiPrimer.json
+  - result/backtest-result-2025-06-03_01-41-33_config.json
+  - result/backtest_trades.csv
+  - result/output.log
+
+> 输出中断了,请重新输出
+> 
+
+
+### ✅ 3. 延迟入场（Delay Entry Until Confirmation）（续）
+
+```python
+    (dataframe["rsi"] < 40) &
+    (dataframe["close"] <= dataframe["bb_lowerband"]) &
+    (dataframe['trend_direction'] != 'down') &
+    (dataframe['macd_cross_up'])  # MACD金叉作为确认信号
+)
+```
+
+这样可以避免在下跌趋势中过早抄底。
+
+---
+
+### ✅ 4. 放宽 ROI 设置，让利润奔跑（Let Profits Run）
+
+你提到“小幅反弹就ROI了”，说明 ROI 设置太紧。我们可以：
+
+- **延长 ROI 时间**
+- **使用动态 ROI**
+
+#### 示例：基于波动率的动态 ROI
+
+```python
+def generate_roi_table(self, params: Dict) -> Dict[int, float]:
+    base_roi = {
+        "0": params.get('roi_p1', 0.02),
+        "7": params.get('roi_t1', 0.015),
+        "21": params.get('roi_t2', 0.008),
+        "27": 0
+    }
+    
+    # 根据市场波动率调整ROI
+    volatility = self.current_volatility  # 来自历史ATR或标准差
+    if volatility > 0.02:  # 高波动时放宽ROI
+        base_roi["0"] *= 1.5
+        base_roi["7"] *= 1.5
+    
+    return base_roi
+```
+
+或者直接设置更宽松的默认值：
+
+```python
+minimal_roi = {
+    "0": 0.092,
+    "7": 0.056,
+    "21": 0.024,
+    "27": 0
+}
+```
+
+---
+
+### ✅ 5. 使用 FreqAI 的预测方向作为过滤器
+
+既然你已经在用 FreqAI，可以利用它的预测值来判断趋势方向：
+
+```python
+if "&-price_value_divergence" in dataframe.columns:
+    # 只有当预测值开始上升时才允许买入
+    dataframe["prediction_up"] = (dataframe["&-price_value_divergence"].diff() > 0)
+    
+    buy_condition = (
+        (dataframe["&-price_value_divergence"] < self.buy_threshold) &
+        (dataframe["volume_z_score"] > 1.5) &
+        (dataframe["rsi"] < 40) &
+        (dataframe["close"] <= dataframe["bb_lowerband"]) &
+        (dataframe["prediction_up"])
+    )
+```
+
+---
+
+### ✅ 6. 加入“连续亏损”保护机制
+
+防止在连续止损后继续交易，建议加入一个冷却期：
+
+```python
+def confirm_trade_entry(self, pair: str, order_type: str, amount: float, rate: float,
+                       time_in_force: str, current_time: datetime, **kwargs) -> bool:
+    recent_trades = Trade.query.filter(
+        Trade.pair == pair,
+        Trade.is_open == False,
+        Trade.close_date > current_time - datetime.timedelta(minutes=30)
+    ).all()
+
+    losing_trades = [t for t in recent_trades if t.calc_profit_ratio(rate) < 0]
+    
+    if len(losing_trades) >= 2:
+        logger.info(f"[{pair}] 最近2次交易亏损，暂停入场")
+        return False
+        
+    self.trailing_stop_enabled = False
+    return True
+```
+
+---
+
+### ✅ 7. 自定义出场逻辑优化
+
+目前你的出场逻辑是：
+
+```python
+sell_condition = (dataframe["&-price_value_divergence"] > self.sell_threshold) | (dataframe["rsi"] > 75)
+```
+
+建议改为**分阶段卖出**，比如：
+
+```python
+def populate_exit_trend(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
+    if "&-price_value_divergence" in dataframe.columns:
+        # 分阶段退出
+        dataframe.loc[
+            (dataframe["&-price_value_divergence"] > self.sell_threshold * 1.2), 
+            'exit_long_partial'
+        ] = 1  # 先卖一半
+        
+        dataframe.loc[
+            (dataframe["&-price_value_divergence"] > self.sell_threshold) |
+            (dataframe["rsi"] > 75),
+            'exit_long_full'
+        ] = 1  # 再卖另一半
+        
+    return dataframe
+```
+
+然后结合 `custom_sell` 实现部分卖出逻辑。
+
+---
+
+## 📊 总结：策略改进优先级建议
+
+| 改进点 | 优先级 | 说明 |
+|--------|--------|------|
+| ✅ 添加趋势过滤器 | ⭐⭐⭐⭐⭐ | 避免在下降趋势中盲目抄底 |
+| ✅ 动态止损和ROI | ⭐⭐⭐⭐ | 提高止损能力，让利润奔跑 |
+| ✅ 延迟入场确认 | ⭐⭐⭐⭐ | 等待MACD、RSI等指标确认反转 |
+| ✅ 利用FreqAI预测方向 | ⭐⭐⭐ | 过滤掉预测值仍在下降的信号 |
+| ✅ 分阶段出场 | ⭐⭐⭐ | 锁定部分利润，保留上涨空间 |
+| ✅ 连续亏损保护 | ⭐⭐ | 防止连败扩大回撤 |
+
+---
+
+## 🧪 下一步建议
+
+你可以先从以下两个改动入手，快速验证效果：
+
+### 🔧 修改1：添加趋势过滤器
+
+```python
+# 在 populate_indicators 中添加
+dataframe['trend_ema'] = ta.EMA(dataframe, timeperiod=50)
+dataframe['in_uptrend'] = dataframe['close'] > dataframe['trend_ema']
+
+# 在 populate_entry_trend 中添加
+buy_condition = buy_condition & (dataframe['in_uptrend'])
+```
+
+### 🔧 修改2：放宽止损和ROI
+
+```python
+minimal_roi = {
+    "0": 0.092,
+    "7": 0.056,
+    "21": 0.024,
+    "27": 0
+}
+
+stoploss = -0.05  # 原为 -0.015，提高容忍度
+```
+
+---
+
+如果你希望我帮你生成完整的修改后策略代码文件，我可以直接输出一份**优化后的完整策略文件**供你测试。是否需要？
+
diff --git a/tools/backtest.sh b/tools/backtest.sh
index cbb6c474..206486f2 100755
--- a/tools/backtest.sh
+++ b/tools/backtest.sh
@@ -37,7 +37,7 @@ hyperopt_config="${STRATEGY_NAME%.py}.json"
 
 echo "docker-compose run --rm freqtrade backtesting \
   --logfile /freqtrade/user_data/logs/freqtrade.log \
-  --freqaimodel LightGBMRegressorMultiTarget \
+  --freqaimodel XGBoostRegressorMultiTarget \
   --config /freqtrade/config_examples/$CONFIG_FILE \
   --strategy-path /freqtrade/templates \
   --strategy $STRATEGY_NAME \