4. 数据模型与数据类型
在 NautilusTrader 中，数据模型不是简单的“行情格式”，而是回测与实盘共用的一套语义契约。策略读取的每一个对象，都携带时间戳、价格、数量、交易方向以及聚合方式等元信息。理解这些类型的边界，才能避免“回测能跑、实盘报错”或“信号频率与数据频率错配”的典型问题。
核心原理：从市场事件到类型化对象
真实市场只产生两类原始事件：订单簿变化与成交。NautilusTrader 将其抽象为若干不可变（immutable）数据类型，策略通过 on_bar、on_quote_tick、on_trade_tick、on_order_book_delta 等回调接收。核心区别在于：Bar 是时间聚合后的派生数据，Tick 是逐笔事件，OrderBookDelta 是订单簿的增量更新。
- Bar：按固定时间窗口（如 1 分钟）聚合的 OHLCV，适合中低频趋势与形态策略。
- QuoteTick：最优买卖报价（bid/ask）及其挂单量，反映流动性，适合做市与价差策略。
- TradeTick：实际成交价、成交量与主动方向（aggressor side），适合成交驱动与微观结构策略。
- OrderBookDelta：订单簿某一价位的挂单量变化，适合订单簿失衡与高频策略。
- Tick：泛称，实际使用时必须明确是 QuoteTick 还是 TradeTick，否则回测与实盘语义不一致。
bar_type 必须显式声明聚合方式与价格类型，例如 EUR/USD.IBKR-1-MINUTE-LAST-EXTERNAL。回测与实盘使用同一字符串，才能保证数据源一致。方法流程：如何选择与接入数据类型
选择数据类型应遵循“策略信号频率 → 数据粒度 → 回调实现”的顺序，而不是先写策略再找数据。流程如下：
- 确定策略决策频率：日频、分钟频还是逐笔。
- 选择对应数据类型：分钟频用 Bar，逐笔用 TradeTick，做市用 QuoteTick，订单簿策略用 OrderBookDelta。
- 在配置中订阅数据，并确保回测数据目录与实盘数据源类型一致。
- 实现对应回调，并在回调内只处理该类型对象，避免跨类型混用。
from nautilus_trader.config import BacktestDataConfig
data_config = BacktestDataConfig(
catalog_path="./catalog",
data_cls=QuoteTick,
instrument_id=InstrumentId.from_str("EUR/USD.IBKR"),
)
# 策略中订阅
self.subscribe_quote_ticks(instrument_id)
self.subscribe_trade_ticks(instrument_id)
self.subscribe_bars(bar_type)
回测时，NautilusTrader 会按时间戳顺序将数据推送给策略；实盘时，适配器将交易所推送转换为相同类型。因此，只要类型一致，策略逻辑无需修改，这正是迁移实战的关键。
案例/场景：不同策略的数据选择
| 策略类型 | 推荐数据类型 | 原因 | 常见误区 |
|---|---|---|---|
| 日频趋势 | Bar（1D） | 噪声低，计算量小 | 用 Tick 聚合日线，回测过慢 |
| 分钟均值回归 | Bar（1M） | 信号频率匹配 | 忽略 bar 内价格路径 |
| 做市/价差 | QuoteTick | 需要 bid/ask 与挂单量 | 只用 TradeTick 无法看到报价 |
| 成交驱动 | TradeTick | 需要主动买卖方向 | 把 QuoteTick 当成交用 |
| 订单簿失衡 | OrderBookDelta | 需要深度变化 | 回测无 L2 数据却订阅 delta |
例如，一个基于买卖价差收敛的做市策略，若只订阅 TradeTick，就无法知道当前最优报价，回测中会频繁以错误价格成交。正确做法是同时订阅 QuoteTick 与 TradeTick，并在 on_quote_tick 中更新报价，在 on_trade_tick 中确认成交。
误区/复盘：迁移中最容易踩的坑
误区一：Bar 与 Tick 混用。回测用 Bar 生成信号，实盘却用 Tick 触发，导致信号频率与成交逻辑不一致。迁移时应保持数据类型与聚合方式完全一致。
误区二：忽略时间戳语义。QuoteTick 的 ts_event 与 ts_init 不同，前者是交易所事件时间，后者是本地初始化时间。回测排序应使用 ts_event，否则会出现“未来数据”。
误区三：OrderBookDelta 数据缺失。许多免费数据源只有 L1 报价，没有 L2 增量。若策略依赖 delta，回测必须准备对应订单簿数据，否则回测结果不可信。
误区四：把 Tick 当“更细的 Bar”。Tick 没有 OHLC，只有单点价格与数量。策略若按 Bar 逻辑处理 Tick，会得到错误的高开低收。
复盘建议：在迁移前，用同一份数据分别以 Bar 和 Tick 运行一次策略，对比成交次数与盈亏曲线。若差异巨大，说明策略对数据粒度敏感，需要重新审视信号定义，而不是简单替换数据类型。
# 检查数据目录中实际存在的数据类型
from nautilus_trader.persistence.catalog import ParquetDataCatalog
catalog = ParquetDataCatalog("./catalog")
print(catalog.instruments())
print(catalog.quote_ticks(instrument_id)[:2])
print(catalog.trade_ticks(instrument_id)[:2])
print(catalog.bars(bar_type)[:2])
只有确认回测目录与实盘适配器输出的类型、字段、时间戳语义一致，才能进入下一阶段的策略迁移。数据类型选错，后续所有回测结论都会失去参考价值。