# adjust-trade-position 回调函数详细翻译与解释
该回调函数是 Freqtrade 交易策略中用于动态调整持仓的核心功能，需手动开启才能使用，支持通过加仓（ DCA 策略）或减仓优化风险与收益，但需注意其对性能的影响及特殊计算规则。

## 一、基础配置与启用
要使用 `adjust_trade_position()`，必须先在策略类中启用相关配置，否则函数不会被调用。

1. **核心启用参数**
    - 需在策略类中添加 `position_adjustment_enable = True`，默认值为 `False`（禁用）。
    - 启用后，Freqtrade 启动时会显示警告，提示该功能可能影响性能，需合理设计逻辑。

2. **关键限制参数**
    - `max_entry_position_adjustment`：限制单次交易的额外加仓次数（初始开仓不计入）。
        - 默认值为 `-1`，表示无限制。
        - 示例设置 `max_entry_position_adjustment = 3`，意味着初始开仓后最多可额外加仓 3 次。
    - `max_dca_multiplier`：（常用于 DCA 策略）控制单次交易的总资金占用倍数，需配合 `custom_stake_amount()` 使用，避免初始开仓占用过多资金导致无法加仓。

## 二、函数作用与调用时机
该函数的核心作用是在交易存续期间动态调整持仓规模，包括加仓和减仓，其调用时机和频率需特别注意，避免引发不必要的重复操作。

1. **核心作用**
    - 加仓：返回正数（以基础货币计价的金额），对多头仓位触发额外买入，对空头仓位触发额外卖出。
    - 减仓：返回负数，对多头仓位触发部分卖出，对空头仓位触发部分买入；返回 `-trade.stake_amount` 时触发全额平仓。

2. **调用时机与频率**
    - **实盘/模拟盘（dry_run）**：每 `throttle_process_secs` 秒调用一次（默认 5 秒），频率极高。
    - **回测（backtesting）**：每个蜡烛周期（`timeframe` 或 `timeframe_detail`）调用一次，与实盘行为存在差异，可能导致回测结果与实盘偏差。
    - **特殊场景**：若存在未成交的挂单（买入或卖出），函数会先取消现有挂单，再根据返回值生成新挂单；部分成交的挂单也会被取消并重新计算金额。

## 三、函数参数说明
函数接收多个与当前交易、市场状态相关的参数，用于判断是否调整及调整幅度，关键参数含义如下：

| 参数名 | 类型 | 说明 |
| --- | --- | --- |
| `trade` | Trade 对象 | 当前交易的完整信息，包括持仓金额（`trade.stake_amount`）、开仓时间（`trade.open_date_utc`）等 |
| `current_time` | datetime | 当前时间，用于时间相关逻辑（如“开仓 1 小时后减仓”） |
| `current_rate` | float | 当前市场价格，用于计算收益和调整金额 |
| `current_profit` | float | 当前收益比率（如 `0.05` 表示 5% 收益，`-0.03` 表示 3% 亏损） |
| `min_stake` | float/None | 交易所允许的最小下单金额，返回值需大于此值才有效 |
| `max_stake` | float | 最大可下单金额（受钱包余额、交易所限制影响），返回值需小于此值才有效 |
| `current_entry_rate` | float | 基于开仓定价规则计算的当前开仓参考价 |
| `current_exit_rate` | float | 基于平仓定价规则计算的当前平仓参考价 |

## 四、关键逻辑规则
使用该函数时需严格遵守 Freqtrade 的内置规则，否则调整信号会被忽略，常见规则如下：

1. **加仓规则**
    - 返回值必须为正数，且在 `min_stake` 与 `max_stake` 之间，否则信号无效。
    - 需确保钱包有足够余额，若返回值超过 `max_stake`（可用余额上限），加仓会失败。
    - 加仓次数受 `max_entry_position_adjustment` 限制，达到上限后不再接受加仓信号，但仍会检查减仓逻辑。

2. **减仓规则**
    - 返回值必须为负数，且绝对值不能超过当前持仓金额（`trade.stake_amount`），否则会导致剩余持仓金额为负，信号被忽略。
    - 部分减仓金额计算方式：`需减仓的币种数量 = （-返回值） * trade.amount / trade.stake_amount`。
        - 示例：持仓 2 个 SHITCOIN/USDT，开仓金额 100 USDT（`trade.stake_amount=100`），若返回 `-50`，则减仓 1 个 SHITCOIN（`50 * 2 / 100 = 1`）。

3. **止损计算规则**
    - 止损价格始终基于**初始开仓价**计算，而非平均开仓价，即使多次加仓，止损逻辑也不改变。
    - 常规止损规则仍适用：止损价格只能上移（收紧），不能下移（放宽）。

## 五、示例代码解析（DCA 策略）
以下是一个典型的“下跌加仓（DCA）+ 盈利减仓”策略示例，关键逻辑已标注：

```python
# 导入默认模块
class DigDeeperStrategy(IStrategy):
    # 启用持仓调整功能
    position_adjustment_enable = True
    # 宽松止损，为DCA加仓留出空间
    stoploss = -0.30
    # 最多额外加仓3次（初始开仓+3次加仓，共4次）
    max_entry_position_adjustment = 3
    # 总资金占用倍数（初始开仓+3次加仓的资金总和为初始单的5.5倍）
    max_dca_multiplier = 5.5

    # 初始开仓时计算单次开仓金额（为后续加仓留资金）
    def custom_stake_amount(self, pair: str, current_time: datetime, current_rate: float,
                            proposed_stake: float, min_stake: float | None, max_stake: float,
                            leverage: float, entry_tag: str | None, side: str,
                            **kwargs) -> float:
        # 初始开仓金额 = 建议金额 / 总倍数，确保后续加仓有足够资金
        return proposed_stake / self.max_dca_multiplier

    # 核心持仓调整逻辑
    def adjust_trade_position(self, trade: Trade, current_time: datetime,
                              current_rate: float, current_profit: float,
                              min_stake: float | None, max_stake: float,
                              current_entry_rate: float, current_exit_rate: float,
                              current_entry_profit: float, current_exit_profit: float,
                              **kwargs
                              ) -> float | None | tuple[float | None, str | None]:
        # 1. 若有未成交挂单，先不操作（避免重复取消/挂单）
        if trade.has_open_orders:
            return

        # 2. 盈利5%且未减仓过，卖出一半持仓锁定利润
        if current_profit > 0.05 and trade.nr_of_successful_exits == 0:
            return -(trade.stake_amount / 2), "half_profit_5%"  # 返回元组，第二个元素为操作标签

        # 3. 亏损小于5%时，不调整（避免频繁加仓）
        if current_profit > -0.05:
            return None

        # 4. 获取K线数据，确保价格未持续下跌时才加仓
        dataframe, _ = self.dp.get_analyzed_dataframe(trade.pair, self.timeframe)
        last_candle = dataframe.iloc[-1].squeeze()  # 最新K线
        previous_candle = dataframe.iloc[-2].squeeze()  # 上一根K线
        if last_candle["close"] < previous_candle["close"]:  # 最新K线收盘价低于上一根，不加仓
            return None

        # 5. 计算加仓金额（每次加仓幅度递增25%）
        filled_entries = trade.select_filled_orders(trade.entry_side)  # 已成交的开仓订单
        count_of_entries = trade.nr_of_successful_entries  # 已成功开仓次数（初始+加仓）
        try:
            # 初始开仓金额 = 第一笔成交订单的金额
            stake_amount = filled_entries[0].stake_amount_filled
            # 加仓金额 = 初始金额 * (1 + 已开仓次数 * 0.25)，实现递增加仓
            stake_amount = stake_amount * (1 + (count_of_entries * 0.25))
            return stake_amount, "1/3rd_increase"  # 返回加仓金额和标签
        except Exception as exception:
            return None  # 计算失败时不操作

        return None
```

### 示例逻辑说明
1. **初始开仓金额控制**：通过 `custom_stake_amount()` 将初始开仓金额设为“建议金额 / 5.5”，预留 4.5 倍资金用于后续 3 次加仓。
2. **盈利减仓**：当收益超过 5% 且未减仓过时，卖出一半持仓，锁定部分利润。
3. **下跌加仓**：仅当亏损超过 5% 且最新 K 线未持续下跌时才加仓，每次加仓金额递增 25%（如初始 100 USDT，第一次加仓 125 USDT，第二次 150 USDT，第三次 175 USDT），总资金占用为 100+125+150+175=550 USDT，即初始单的 5.5 倍。

## 六、注意事项与性能优化
1. **避免频繁操作**
    - 实盘每 5 秒调用一次，需在函数内添加严格条件（如“仅当价格下跌 5% 且距离上次加仓 1 小时”），避免重复加仓/减仓导致高额手续费或资金浪费。
    - 示例中通过 `trade.has_open_orders` 检查挂单状态，避免取消/挂单循环。

2. **回测与实盘差异**
    - 回测中每个蜡烛周期仅调用一次，无法模拟实盘“5 秒一次”的高频调整，可能导致回测收益虚高，需在回测后进行实盘小资金验证。

3. **内存与性能**
    - 每次调整都会生成新订单并附加到 `trade` 对象中，长期持仓且多次调整会占用大量内存，建议定期平仓（如盈利达目标或持仓超 24 小时），避免性能下降。

4. **与其他函数的配合**
    - 若使用 DCA 策略，需配合 `custom_stake_amount()` 控制初始开仓金额，否则初始开仓占用全部资金，后续无法加仓。
    - 减仓后若需调整止损，可在 `custom_stoploss()` 中处理，但需注意止损仍基于初始开仓价计算。

## 结尾交付物提议
要不要我帮你整理一份**adjust-trade-position 核心参数与常见错误排查表**？表格会汇总关键参数的使用场景、常见错误（如加仓金额超出限制、减仓导致持仓为负）及解决方案，方便你在实际开发中快速参考。