模組 17：進階主題序列化、核心底層、期權定價 — 為專家準備的最後拼圖

一、高效序列化 (Serialization)

NautilusTrader 對性能的極致追求不僅體現在計算上，也體現在數據存儲和傳輸上。框架支持多種序列化格式：

二、系統核心 (System Kernel)

Module 02 介紹過架構，這裡我們深入 kernel.py 的啟動流程：

sequenceDiagram
                        participant User
                        participant Node as TradingNode
                        participant Kernel
                        participant Engines

                        User->>Node: node.run()
                        Node->>Kernel: kernel.run()
                        Kernel->>Engines: 1. 啟動所有 Engines (Data/Exec/Risk)
                        Kernel->>Engines: 2. 連接適配器 (Connect)
                        Kernel->>Engines: 3. 初始化緩存 (Initialize Cache)
                        Kernel->>Engines: 4. 恢復狀態 (Load State)
                        Kernel->>Engines: 5. 啟動策略 (Start Strategies)
                        Note over Kernel: 進入事件循環 (Event Loop)
                        User->>Node: node.stop()
                        Kernel->>Engines: 6. 停止策略
                        Kernel->>Engines: 7. 保存狀態
                        Kernel->>Engines: 8. 斷開連接
                        Kernel->>Engines: 9. 關閉引擎

三、Tick Scheme — 最小跳動規則

不同交易所對價格和數量有嚴格的限制。TickScheme 類負責處理這些規則：

from nautilus_trader.model.instruments import Instrument
from nautilus_trader.model.identifiers import InstrumentId
from nautilus_trader.model.objects import Price, Quantity

# 獲取品種的 Tick Scheme
instrument: Instrument = ...
tick_scheme = instrument.tick_scheme

# 1. 價格調整（Rounding）
raw_price = Price.from_str("100.123456")
valid_price = tick_scheme.round_price(raw_price)
# 結果可能是 100.12 (如果 tick size 是 0.01)

# 2. 數量調整
raw_qty = Quantity.from_str("0.001234")
valid_qty = tick_scheme.round_quantity(raw_qty)
# 結果可能是 0.001 (如果 step size 是 0.001)

# 3. 檢查是否有效
if not tick_scheme.is_valid_price(raw_price):
    print("價格無效！請修正")

四、Greeks — 期權定價

NautilusTrader 內置了 Black-Scholes 模型用於計算期權的理論價格和 Greeks：

from nautilus_trader.model.greeks import calculate_greeks
from nautilus_trader.model.enums import OptionType

# 計算 Greeks
greeks = calculate_greeks(
    price_underlying=100.0,
    price_strike=105.0,
    time_to_expiry=30/365,   # 年化時間
    risk_free_rate=0.05,     # 無風險利率 5%
    volatility=0.20,         # 波動率 20%
    option_type=OptionType.CALL,
)

print(f"Delta: {greeks.delta}")
print(f"Gamma: {greeks.gamma}")
print(f"Theta: {greeks.theta}")
print(f"Vega:  {greeks.vega}")
print(f"Rho:   {greeks.rho}")

五、Custom Data Types — 自定義數據流

除了標準的 Bar 和 Quote，你還可以定義自己的數據類型（如鏈上數據、社交情緒數據）：

1. 定義數據類

from dataclasses import dataclass
from nautilus_trader.model.data import Data

@dataclass(frozen=True)
class SentimentData(Data):
    sentiment_score: float
    source: str

    @property
    def ts_event(self) -> int:
        return self._ts_event

    @property
    def ts_init(self) -> int:
        return self._ts_init

2. 在策略中訂閱

class SentimentStrategy(Strategy):
    def on_start(self):
        # 訂閱自定義數據類型
        self.subscribe_data(
            data_type=SentimentData,
            instrument_id=self.instrument_id,
        )

    def on_data(self, data: Data):
        if isinstance(data, SentimentData):
            self.log.info(f"收到情緒數據: {data.sentiment_score}")
            if data.sentiment_score > 0.8:
                self.buy()

六、互動練習

price = self.instrument.tick_scheme.round_price(calculated_price)
self.order_factory.limit(...)

七、Phase 2 總結

恭喜完成 Phase 2！你現在已經掌握了 NautilusTrader 的深層機制：