模組 12：回測系統與實盤部署同一份策略代碼，從歷史回測無縫切換到實盤交易

一、三種運行環境

flowchart LR
                        subgraph bt["🔬 回測 Backtest"]
                        hist["歷史數據"] --> sim1["模擬交易所"]
                        sim1 --> report["績效報告"]
                        end
                        subgraph sb["🏖️ 沙箱 Sandbox"]
                        live_data["即時數據"] --> sim2["模擬交易所"]
                        sim2 --> monitor["即時監控"]
                        end
                        subgraph lv["🚀 實盤 Live"]
                        live_data2["即時數據"] --> real["真實交易所"]
                        real --> pnl["真金白銀"]
                        end

                        bt -->|"驗證通過"| sb
                        sb -->|"觀察一段時間"| lv

二、回測配置完整範例

from nautilus_trader.backtest.engine import BacktestEngine
from nautilus_trader.backtest.config import (
    BacktestEngineConfig,
    BacktestVenueConfig,
    BacktestDataConfig,
    BacktestRunConfig,
)
from nautilus_trader.model.enums import AccountType, OmsType

# ===== 1. 配置引擎 =====
engine_config = BacktestEngineConfig(
    trader_id="BACKTESTER-001",
    logging=LoggingConfig(log_level="INFO"),
    risk_engine=RiskEngineConfig(
        max_order_submit_rate="100/00:00:01",
    ),
)

# ===== 2. 配置模擬交易所 =====
venue_config = BacktestVenueConfig(
    name="BINANCE",
    oms_type=OmsType.NETTING,        # 淨額結算
    account_type=AccountType.MARGIN,  # 保證金帳戶
    starting_balances=["100_000 USDT"],
    default_leverage=10,              # 10 倍槓桿
    fill_model=FillModel(
        prob_fill_on_limit=0.2,       # 限價單成交概率
        prob_fill_on_stop=0.95,       # 止損單成交概率
        prob_slippage=0.5,            # 滑點概率
    ),
)

# ===== 3. 配置數據源 =====
data_config = BacktestDataConfig(
    catalog_path="./data/catalog",
    data_cls="QuoteTick",
    instrument_id="BTCUSDT.BINANCE",
    start_time="2023-01-01",
    end_time="2023-12-31",
)

# ===== 4. 配置策略 =====
strategy_config = MyStrategyConfig(
    instrument_id=InstrumentId.from_str("BTCUSDT.BINANCE"),
    bar_type=BarType.from_str("BTCUSDT.BINANCE-1-MINUTE-LAST"),
    fast_ema_period=10,
    slow_ema_period=20,
)

# ===== 5. 運行回測 =====
engine = BacktestEngine(config=engine_config)
engine.add_venue(venue_config)
engine.add_data(data_config)
engine.add_strategy(MyStrategy(strategy_config))

engine.run()

# ===== 6. 查看結果 =====
engine.trader.generate_order_fills_report()
engine.trader.generate_positions_report()
engine.trader.generate_account_report()

三、數據目錄 (Data Catalog)

NautilusTrader 使用 Parquet 格式高效存儲回測數據：

# 將數據寫入目錄
from nautilus_trader.persistence.catalog import ParquetDataCatalog

catalog = ParquetDataCatalog("./data/catalog")

# 寫入報價數據
catalog.write_data(quote_ticks)

# 讀取數據（按時間範圍）
ticks = catalog.quote_ticks(
    instrument_ids=["BTCUSDT.BINANCE"],
    start="2023-01-01",
    end="2023-06-30",
)

三B、FillModel / FeeModel / LatencyModel — 確保回測真實

這三個 Model 是區分「玩具回測」和「專業回測」的關鍵：

"""配置真實的回測環境"""
from nautilus_trader.backtest.models import (
    FillModel, FeeModel, LatencyModel,
)

# 滑點模型：市價單滑 1 tick，限價單 80% 機率全額成交
fill_model = FillModel(
    prob_fill_on_limit=0.80,    # 限價單 80% 機率成交
    prob_fill_on_stop=0.95,     # 停損單 95% 機率成交
    prob_slippage=0.50,         # 50% 機率有滑點
    random_seed=42,             # 固定隨機種子，確保可重現
)

# 手續費模型：make 單 0.02%, take 單 0.04%
fee_model = FeeModel(
    maker_fee=0.0002,
    taker_fee=0.0004,
)

# 延遲模型：提交 50ms, 取消 30ms
latency_model = LatencyModel(
    submit_order_latency_ms=50,
    cancel_order_latency_ms=30,
)

# 將 model 加入交易所配置
venue_config = BacktestVenueConfig(
    name="BINANCE",
    oms_type=OmsType.NETTING,
    account_type=AccountType.MARGIN,
    starting_balances=["100_000 USDT"],
    fill_model=fill_model,
    fee_model=fee_model,
    latency_model=latency_model,  # 可選
)

三C、Tearsheet — 回測結果可視化

跑完回測後，一行代碼生成完整的互動式績效報表：

from nautilus_trader.analysis import create_tearsheet

# 回測結束後，用這一行生成報表
create_tearsheet(engine, output_path="tearsheet.html")
# → 打開 tearsheet.html 就能看到互動式 Plotly 圖表！

# 也可以單獨生成某一張圖
from nautilus_trader.analysis import (
    create_equity_curve,        # 資金曲線
    create_drawdown_chart,      # 回撤圖
    create_monthly_returns_heatmap,  # 月度熱力圖
    create_rolling_sharpe,      # 滾動 Sharpe
    create_returns_distribution,# 收益分布
)

# 資金曲線圖
fig = create_equity_curve(
    engine,
    output_path="equity.html",
    title="My EMA Strategy",
)

四、實盤部署

# 實盤配置 — 只改適配器，策略代碼不變！
from nautilus_trader.live.node import TradingNode
from nautilus_trader.adapters.binance.config import (
    BinanceLiveDataClientConfig,
    BinanceLiveExecClientConfig,
)

node = TradingNode(config=TradingNodeConfig(
    trader_id="LIVE-001",
    data_clients={
        "BINANCE": BinanceLiveDataClientConfig(
            api_key="your-api-key",
            api_secret="your-api-secret",
        ),
    },
    exec_clients={
        "BINANCE": BinanceLiveExecClientConfig(
            api_key="your-api-key",
            api_secret="your-api-secret",
        ),
    },
))

# 加入同一個策略！
node.trader.add_strategy(MyStrategy(strategy_config))
node.run()

實盤安全機制

NautilusTrader 為實盤提供了幾個關鍵的安全機制：

五、回測常見陷阱

七、互動練習

七、本模組重點回顧