NautilusTrader 完整快速入门指南

NautilusTrader 是一个高性能的开源交易平台，本文将提供一个包含数据获取的完整入门指南。

前置要求

Python 3.11 或更高版本
稳定的网络连接（用于下载数据）

安装步骤

1. 安装 NautilusTrader

bash

# 创建虚拟环境（推荐）
python -m venv nautilus_env
source nautilus_env/bin/activate  # Linux/Mac
# nautilus_env\Scripts\activate  # Windows

# 安装 NautilusTrader
pip install -U nautilus_trader

# 安装 JupyterLab（可选，用于交互式开发）
pip install -U jupyterlab

2. 获取示例数据（重要！）

官方提供了一个便捷的脚本来下载示例数据：

python

# 在 Jupyter notebook 或 Python 脚本中运行
import subprocess
import sys

# 如果在 Colab 或需要安装 curl
# !apt-get update && apt-get install curl -y

# 下载并执行数据准备脚本
subprocess.run([
    sys.executable, 
    "-c", 
    "import urllib.request; exec(urllib.request.urlopen('https://raw.githubusercontent.com/nautechsystems/nautilus_data/main/nautilus_data/hist_data_to_catalog.py').read())"
])

或者使用命令行：

bash

curl https://raw.githubusercontent.com/nautechsystems/nautilus_data/main/nautilus_data/hist_data_to_catalog.py | python -

这个脚本会：

下载 EUR/USD 的历史数据
将数据转换为 Parquet 格式
创建数据目录结构

完整的回测示例

1. 导入必要的模块

python

from decimal import Decimal
from pathlib import Path

import pandas as pd
from nautilus_trader.backtest.node import BacktestNode
from nautilus_trader.config import BacktestRunConfig, BacktestVenueConfig, BacktestDataConfig, BacktestEngineConfig
from nautilus_trader.config import ImportableStrategyConfig
from nautilus_trader.config import LoggingConfig
from nautilus_trader.core.datetime import dt_to_unix_nanos
from nautilus_trader.model.data import QuoteTick
from nautilus_trader.model.identifiers import InstrumentId, Symbol, Venue
from nautilus_trader.model.objects import Price, Quantity
from nautilus_trader.persistence.catalog.parquet import ParquetDataCatalog
from nautilus_trader.trading.strategy import Strategy

2. 设置数据目录

python

# 设置数据目录路径
from nautilus_trader.persistence.catalog import ParquetDataCatalog

# 从环境变量或默认路径创建数据目录
catalog = ParquetDataCatalog.from_env()

# 查看可用的交易工具
instruments = catalog.instruments()
print(f"可用交易工具: {[str(i.id) for i in instruments]}")

# 查看数据时间范围
start = catalog.min_timestamp("quote_tick", instrument_id="EUR/USD.SIM")
end = catalog.max_timestamp("quote_tick", instrument_id="EUR/USD.SIM")
print(f"数据时间范围: {start} 到 {end}")

3. 创建简单的 MACD 策略

python

from nautilus_trader.indicators.macd import MovingAverageConvergenceDivergence
from nautilus_trader.trading.strategy import Strategy

class MACDStrategy(Strategy):
    def __init__(self, config: dict):
        super().__init__(config)
        self.instrument_id = InstrumentId.from_str(config["instrument_id"])
        
        # MACD 参数
        self.fast_period = config.get("fast_period", 12)
        self.slow_period = config.get("slow_period", 26)
        self.signal_period = config.get("signal_period", 9)
        
        # 交易参数
        self.trade_size = Decimal(config.get("trade_size", "1.0"))
        self.entry_threshold = config.get("entry_threshold", 0.0)
        
        # 指标
        self.macd = None
        
    def on_start(self):
        """策略启动时调用"""
        self.macd = MovingAverageConvergenceDivergence(
            fast_period=self.fast_period,
            slow_period=self.slow_period,
            signal_period=self.signal_period,
        )
        
        # 订阅报价数据
        self.subscribe_quote_ticks(self.instrument_id)
        
    def on_quote_tick(self, tick: QuoteTick):
        """接收到报价时调用"""
        # 更新 MACD
        price = float(tick.bid_price)
        self.macd.update_raw(price)
        
        if not self.macd.initialized:
            return
            
        # 获取 MACD 值
        macd_line = self.macd.line
        signal_line = self.macd.signal
        
        # 检查持仓
        position = self.cache.position(self.instrument_id)
        
        # 交易逻辑
        if position is None:
            # 无持仓时的入场逻辑
            if macd_line > self.entry_threshold and macd_line > signal_line:
                # MACD 在阈值之上且高于信号线，做多
                self.buy(size=self.trade_size)
            elif macd_line < -self.entry_threshold and macd_line < signal_line:
                # MACD 在阈值之下且低于信号线，做空
                self.sell(size=self.trade_size)
        else:
            # 有持仓时的出场逻辑
            if position.is_long and macd_line <= 0:
                # 多仓且 MACD 跌破零线，平仓
                self.close_position(position)
            elif position.is_short and macd_line >= 0:
                # 空仓且 MACD 升破零线，平仓
                self.close_position(position)
                
    def buy(self, size: Decimal):
        """发送买入订单"""
        order = self.order_factory.market(
            instrument_id=self.instrument_id,
            order_side="BUY",
            quantity=Quantity.from_str(str(size)),
        )
        self.submit_order(order)
        
    def sell(self, size: Decimal):
        """发送卖出订单"""
        order = self.order_factory.market(
            instrument_id=self.instrument_id,
            order_side="SELL",
            quantity=Quantity.from_str(str(size)),
        )
        self.submit_order(order)
        
    def close_position(self, position):
        """平仓"""
        order = self.order_factory.market(
            instrument_id=self.instrument_id,
            order_side="SELL" if position.is_long else "BUY",
            quantity=position.quantity,
        )
        self.submit_order(order)

4. 配置并运行回测

python

# 配置回测
config = BacktestRunConfig(
    engine=BacktestEngineConfig(
        strategies=[
            ImportableStrategyConfig(
                strategy_path="__main__:MACDStrategy",
                config={
                    "instrument_id": "EUR/USD.SIM",
                    "fast_period": 12,
                    "slow_period": 26,
                    "signal_period": 9,
                    "trade_size": "100000",  # 1标准手
                    "entry_threshold": 0.0001,
                },
            ),
        ],
        logging=LoggingConfig(log_level="INFO"),
    ),
    venues=[
        BacktestVenueConfig(
            name="SIM",
            oms_type="NETTING",
            account_type="MARGIN",
            base_currency="USD",
            starting_balances=["100000 USD"],
        ),
    ],
    data=[
        BacktestDataConfig(
            catalog_path=str(catalog.path),
            data_cls="nautilus_trader.model.data:QuoteTick",
            instrument_id="EUR/USD.SIM",
            start_time="2020-01-01T00:00:00Z",
            end_time="2020-01-31T23:59:59Z",
        ),
    ],
)

# 创建并运行回测节点
node = BacktestNode(configs=[config])
results = node.run()

5. 分析回测结果

python

# 获取引擎实例
engine = node.engine

# 生成报告
print("=== 订单成交报告 ===")
engine.trader.generate_order_fills_report()

print("\n=== 持仓报告 ===")
engine.trader.generate_positions_report()

print("\n=== 账户报告 ===")
engine.trader.generate_account_report(Venue("SIM"))

# 获取账户统计
account = engine.trader.accounts()[0]
print(f"\n初始余额: {account.starting_balances()}")
print(f"最终余额: {account.balances()}")

# 计算收益
starting_balance = 100000
final_balance = float(str(account.balance(USD).split()[0]))
pnl = final_balance - starting_balance
return_pct = (pnl / starting_balance) * 100

print(f"盈亏: ${pnl:.2f}")
print(f"收益率: {return_pct:.2f}%")

数据获取的其他方式

1. 使用自己的数据

如果你有自己的数据，可以将其转换为 NautilusTrader 格式：

python

# 从 CSV 导入数据
from nautilus_trader.persistence.loaders import CSVTickDataLoader

loader = CSVTickDataLoader(
    instrument_id="EUR/USD.SIM",
    price_precision=5,
    size_precision=0,
)

# 加载数据
ticks = loader.load("path/to/your/data.csv")

# 保存到 catalog
catalog.write_data(ticks)

2. 从交易所获取实时数据

python

# 以 Binance 为例
from nautilus_trader.adapters.binance.config import BinanceDataClientConfig
from nautilus_trader.adapters.binance.factories import BinanceLiveDataClientFactory

# 配置数据客户端
config = BinanceDataClientConfig(
    api_key="your_api_key",  # 可选
    api_secret="your_api_secret",  # 可选
    testnet=False,
)

# 创建数据客户端
data_client = BinanceLiveDataClientFactory.create(
    loop=asyncio.get_event_loop(),
    name="BINANCE",
    config=config,
)

注意事项

数据质量：回测结果的准确性依赖于数据质量
滑点和手续费：记得在回测配置中设置现实的滑点和手续费
过度拟合：避免过度优化策略参数
样本外测试：使用未参与优化的数据进行验证

下一步

尝试修改 MACD 策略参数
实现其他技术指标策略
添加风险管理（止损、止盈）
尝试多品种交易
连接实盘交易

资源链接

现在你已经掌握了 NautilusTrader 的完整入门流程，包括最重要的数据获取步骤！

NautilusTrader 完整快速入门指南

前置要求

安装步骤

1. 安装 NautilusTrader

2. 获取示例数据（重要！）

完整的回测示例

1. 导入必要的模块

2. 设置数据目录

3. 创建简单的 MACD 策略

4. 配置并运行回测

5. 分析回测结果

数据获取的其他方式

1. 使用自己的数据

2. 从交易所获取实时数据

注意事项

下一步

资源链接

Related Posts

NautilusTrader 中文文档 - 概述

禅者的初心📒

TingHu语录📒

About Rust Raw Pointer

学习Ocaml的资源

Comments