NautilusTrader: 高性能量化交易平台

NautilusTrader Logo

项目简介

NautilusTrader 是一个开源、高性能、生产级量化交易平台。它为量化交易员提供了一个事件驱动的引擎，用于在历史数据上回测自动化交易策略组合，并将同一策略无需代码修改即可部署到实盘。平台设计之初就将“AI优先”作为目标，旨在性能卓越、稳定可靠的 Python 原生环境中开发和部署算法交易策略。它致力于解决研究/回测与生产实盘交易环境之间的差异挑战。

NautilusTrader 将软件的正确性和安全性放在首位，以支持 Python 原生、任务关键型的交易系统负载。它不限制资产类别，支持跨各种资产类别和工具类型（包括外汇、股票、期货、期权、加密货币和博彩）的高频交易，并可同时在多个交易场所运作。其核心组件采用 Rust 和 Cython 编写以确保性能，同时为交易员和公司维护了一个 Python 原生环境。

NautilusTrader Diagram

使用说明

NautilusTrader 可以通过 PyPI 或 Nautech Systems 包索引中预构建的二进制 wheel 进行安装，也可以从源代码构建。建议使用最新支持的 Python 版本，并在虚拟环境中安装 NautilusTrader。

安装

推荐： 使用 uv 包管理器搭配“纯净”的 CPython。

通过 PyPI 安装：

pip install -U nautilus_trader

通过 Nautech Systems 包索引安装（包括稳定版或开发版）：

• 稳定版：

  pip install -U nautilus_trader --index-url=https://packages.nautechsystems.io/simple
  

• 开发版（最新预发布）：

  pip install -U nautilus_trader --pre --index-url=https://packages.nautechsystems.io/simple
  

• 指定开发版：

  pip install nautilus_trader==1.208.0a20241212 --index-url=https://packages.nautechsystems.io/simple
  

从源代码安装：

1. 安装 rustup：
   • Linux/macOS: curl https://sh.rustup.rs -sSf | sh
   • Windows: 下载并安装 rustup-init.exe，然后通过 Visual Studio 2019 的 Build Tools 安装“C++ 桌面开发”。
2. 启用 cargo：
   • Linux/macOS: source $HOME/.cargo/env
   • Windows: 启动新的 PowerShell。
3. 安装 clang：
   • Linux: sudo apt-get install clang
   • Windows: 将 Clang 添加到 Visual Studio 2019 的 Build Tools 中。
4. 启用 clang (Windows)：

   [System.Environment]::SetEnvironmentVariable('path', "C:\Program Files (x86)\Microsoft Visual Studio\2019\BuildTools\VC\Tools\Llvm\x64\bin\;" + $env:Path,"User")
   

5. 安装 uv：

   curl -LsSf https://astral.sh/uv/install.sh | sh
   

6. 克隆并安装：

   git clone --branch develop --depth 1 https://github.com/nautechsystems/nautilus_trader
   cd nautilus_trader
   uv sync --all-extras
   

Docker 使用

提供了带有各种标签的容器镜像。例如，要运行 JupyterLab 夜间构建容器：

docker pull ghcr.io/nautechsystems/jupyterlab:nightly --platform linux/amd64
docker run -p 8888:8888 ghcr.io/nautechsystems/jupyterlab:nightly

主要特性

• 高性能： 核心部分用 Rust 编写，使用 tokio 进行异步网络通信。
• 高可靠性： Rust 带来的类型安全和线程安全，并可选支持 Redis 存储状态。
• 可移植性： 操作系统无关（Linux、macOS、Windows），可通过 Docker 部署。
• 高灵活性： 模块化适配器允许与任何 REST API 或 WebSocket 数据源集成。
• 高级订单管理： 支持多种有效期选项（IOC、FOK、GTC、GTD、DAY、AT_THE_OPEN、AT_THE_CLOSE）、高级订单类型、条件触发、执行指令（只挂单、只减仓、冰山单）以及连带订单（OCO、OUO、OTO）。
• 可定制化： 用户可通过缓存和消息总线定义自定义组件和系统。
• 回测能力： 支持同时在多个交易场所、多种工具和多种策略上，以纳秒级精度使用历史行情报价、交易明细、K线、订单簿和自定义数据进行回测。
• 实盘部署： 回测和实盘交易使用完全相同的策略实现。
• 多交易场所支持： 便于进行做市和统计套利策略。
• AI 训练： 快速回测引擎适合训练 AI 交易代理（强化学习/进化策略）。
• Python 原生环境： 核心关键组件由 Rust/Cython 实现以确保性能，同时为专业交易员提供 Python 原生环境。
• 高精度模式： 核心数值类型（价格、数量、金额）支持 64 位（标准）和 128 位（高）整数精度。

目标用户

• 量化交易员： 个人或公司开发和部署量化交易策略。
• 开发者： 对构建高性能交易系统或参与开源平台贡献感兴趣的人士。
• 研究人员： 在量化交易、机器学习和金融人工智能领域进行学术或行业研究的专业人员。

项目链接

• GitHub 仓库： https://github.com/nautechsystems/nautilus_trader
• 网站： https://nautilustrader.io
• 文档： https://nautilustrader.io/docs/
• 支持邮箱： [email protected]
• Discord 社区： 可通过网站或 GitHub 页面加入。

应用场景

• 算法交易： 开发和执行跨各种资产类别（外汇、股票、期货、期权、加密货币、博彩）的自动化交易策略。
• 高频交易 (HFT)： 利用平台的性能和低延迟能力实现高频交易策略。
• 回测和模拟： 以高精度（纳秒级分辨率）对交易策略进行严格的历史数据回测。
• 量化研究： 对交易策略有效性和市场行为进行研究。
• 交易中的 AI/机器学习： 利用快速回测引擎训练和部署 AI 交易代理。
• 做市： 在多个交易场所实施做市策略。
• 统计套利： 开发和执行利用相关资产或市场之间价格差异的策略。
• 跨市场交易： 凭借其多交易场所能力，同时在不同交易场所进行操作。