ข้อมูล: bar, precision และ timestamp
สิ่งที่ต้องถูกต้องก่อนข้อมูลจะเข้า engine และข้อผิดพลาดที่เจอจริงเรื่อง price type
strategy ที่ดีแค่ไหนก็ให้ผลผิดถ้าข้อมูลผิด หน้านี้รวบรวมสิ่งที่ engine ตรวจ และสิ่งที่ engine ไม่ได้ ตรวจให้
Bar type
BarType ระบุว่า bar นี้เป็นของ instrument ไหน รวบรวมด้วยช่วงอะไร ใช้ราคาแบบไหน และใครเป็นคนสร้าง
รูปแบบ string คือ:
{instrument_id}-{step}-{aggregation}-{price_type}-{source}
AUD/USD.SIM-1-MINUTE-LAST-EXTERNAL
BTCUSDT-LINEAR.BYBIT-1-MINUTE-LAST-EXTERNALparser ตัด string จากด้านขวา ดังนั้น / หรือ - ภายใน instrument ID เช่น AUD/USD หรือ BTCUSDT-LINEAR ไม่เป็นปัญหา
สร้างได้สองแบบ:
let bar_type = BarType::from("AUD/USD.SIM-1-MINUTE-LAST-EXTERNAL"); // panic ถ้า string ผิด
let bar_type: BarType = "AUD/USD.SIM-1-MINUTE-LAST-EXTERNAL".parse()?; // คืน error แทนใช้ BarType::from กับค่าคงที่ที่เขียนในโค้ด และใช้ parse() กับค่าที่มาจาก config หรือ input ภายนอก
ส่วน source มีสองค่า:
EXTERNAL: bar ที่มาจากภายนอก เช่น kline ของ exchange หรือไฟล์ข้อมูลINTERNAL: bar ที่ Nautilus รวบรวมเองจาก tick ภายใน engine
BacktestEngine::add_data ที่เปิด validate จะยอมรับเฉพาะ bar แบบ EXTERNAL และ instrument ของ bar ต้องถูก add_instrument
ไว้ก่อนแล้ว ไม่อย่างนั้นจะได้ error ตั้งแต่ขั้นเพิ่มข้อมูล ไม่ใช่ตอนรัน
Price type มีผลกับ risk engine
นี่คือปัญหาแรกที่เจอจริงตอนเขียนบทนี้ โค้ดเวอร์ชันแรกใช้ bar แบบ MID:
AUD/USD.SIM-1-MINUTE-MID-EXTERNALผลคือ order ทุกตัว ถูกปฏิเสธ:
[WARN] nautilus_risk::engine: SubmitOrder for O-20240101-003200-001-001-1 DENIED:
MARKET_PRICE_UNAVAILABLE: order_type=MARKET, instrument_id=AUD/USD.SIMสาเหตุ: ก่อนส่ง MARKET order ไปยัง venue risk engine ต้องรู้ราคาเพื่อคำนวณ notional และตรวจวงเงิน มันหาราคาตามลำดับนี้:
- bid/ask จาก quote ล่าสุดใน cache (bid สำหรับ sell, ask สำหรับ buy)
- ราคา last trade ล่าสุด
- ราคาปิดของ bar แบบ
EXTERNALที่มี price type เป็นBID/ASKตามฝั่งของ order หรือLAST
bar แบบ MID ไม่อยู่ในรายการ เมื่อป้อนแต่ bar แบบ MID จึงไม่มีราคาให้ risk engine ใช้เลย
ทางแก้มีสามทาง:
- ใช้ bar แบบ
LASTซึ่งตรงกับ kline ของ exchange คริปโตส่วนใหญ่อยู่แล้ว (ทางที่โปรเจกต์นี้เลือก) - ป้อน quote tick เข้า engine ด้วย นอกเหนือจาก bar
- ส่ง entry เป็น LIMIT order ซึ่ง risk engine ใช้ราคาของ order เองคำนวณ notional ได้
Precision ของราคาและปริมาณ
Price และ Quantity เก็บ precision (จำนวนตำแหน่งทศนิยม) ไว้ในตัว instrument ก็กำหนด precision ของตัวเอง
(AUD/USD.SIM ใช้ price precision 5 และ size precision 0) ข้อมูลที่ป้อนต้องใช้ precision เดียวกับ instrument
ในโค้ดของเรา precision ไม่ได้เขียนตายตัว แต่อ่านจาก instrument:
price_precision: instrument.price_precision(),เมื่อต้องแปลงตัวเลขที่คำนวณเองเป็น Price หรือ Quantity สำหรับส่ง order ให้ใช้ method ของ instrument
ซึ่งปัดค่าให้ตรงกับ precision และ increment ของ instrument ให้เอง:
instrument.make_price(take_profit) // ปัดตาม price increment
instrument.make_qty(units, Some(true)) // Some(true) = ปัดลง ไม่ให้เกินขนาดที่คำนวณไว้Bar ต้องถูกต้องตามโครงสร้าง
Bar::new จะ panic ถ้า high ต่ำกว่า open/low/close หรือ low สูงกว่า open/close ถ้าข้อมูลมาจากแหล่งที่ไม่แน่ใจ
ให้ใช้ Bar::new_checked ซึ่งคืน anyhow::Result แทน แล้วนับจำนวน bar ที่เสียไว้รายงาน แทนที่จะปล่อยให้ process ตาย
Timestamp และ look-ahead bias
ทุก event ใน Nautilus ใช้ UnixNanos (นาโนวินาทีนับจาก Unix epoch) และมีสองค่า:
ts_event: เวลาที่เหตุการณ์เกิดขึ้นจริงts_init: เวลาที่ Nautilus สร้าง object นั้น engine ใช้ค่านี้เรียงลำดับข้อมูล
bar หนึ่งแท่งครอบคลุมช่วงเวลา แต่ต้องประทับเวลาด้วยจุดเดียว ข้อมูลในบทนี้ประทับเวลาที่ เวลาปิด ของแท่ง:
// A bar is stamped at its close.
let ts = UnixNanos::from(self.start_ns + (i as u64 + 1) * self.interval_ns);ถ้าประทับ bar 09:00–09:01 ด้วยเวลา 09:00 (เวลาเปิด) strategy จะได้เห็นราคาปิดของนาทีนั้นตั้งแต่ 09:00 ซึ่งเร็วกว่าความเป็นจริงหนึ่งนาที นี่คือ look-ahead bias ที่ทำให้ backtest ดูดีเกินจริงโดยไม่มี error ใดเตือน ก่อนป้อนข้อมูลจากแหล่งใหม่ ให้ตรวจเสมอว่าแหล่งนั้นประทับเวลาด้วยเวลาเปิดหรือเวลาปิด
ข้อมูลสังเคราะห์สำหรับพัฒนาและ test
ระหว่างพัฒนา การมีข้อมูลที่สร้างซ้ำได้ทุกครั้งสำคัญกว่าการมีข้อมูลจริง เพราะ:
- test ให้ผลเหมือนเดิมทุกครั้ง จึงจับได้ทันทีเมื่อพฤติกรรมเปลี่ยน
- ไม่ต้องดาวน์โหลดหรือเก็บไฟล์ข้อมูลไว้ใน repository
- ควบคุมคุณสมบัติของตลาดได้ เช่น สร้างตลาดที่มี mean reversion และตลาดที่ไม่มี เพื่อเทียบกัน
src/data.rs สร้างราคาด้วย random walk ที่ถูกดึงกลับหา "anchor" (กระบวนการแบบ Ornstein–Uhlenbeck)
และให้ anchor เองเคลื่อนที่แบบสุ่มด้วย เพื่อให้มีช่วงที่ราคาวิ่งเป็น trend ด้วย:
for i in 0..self.count {
anchor += self.anchor_drift * rng.normal();
let open = px;
let (mut high, mut low) = (px, px);
for _ in 0..STEPS_PER_BAR {
px += self.reversion * (anchor - px) + self.volatility * rng.normal();
high = high.max(px);
low = low.min(px);
}
// ... สร้าง Bar จาก open/high/low/close ...
}จุดที่ควรสังเกต:
- ใช้ตัวสร้างเลขสุ่ม xorshift ที่เขียนเอง แทน crate
randเพื่อให้ลำดับเลขสุ่มเหมือนเดิมทุกเวอร์ชันและทุกแพลตฟอร์ม (crate สุ่มทั่วไปไม่รับประกันว่าลำดับเลขจะเหมือนเดิมข้ามเวอร์ชัน) reversion = 0.0ทำให้ได้ random walk ล้วน ซึ่งเป็นตลาดที่ strategy ของเรา ไม่ควร ทำกำไรได้ หน้า Backtest ใช้ตลาดนี้เป็นกลุ่มควบคุม- high และ low คำนวณจากเส้นทางราคาภายในแท่ง ไม่ได้สุ่มแยก จึงสอดคล้องกับ open และ close เสมอ
ใช้ข้อมูลจริง
เมื่อ logic นิ่งแล้ว ขั้นต่อไปคือ backtest กับข้อมูลจริง ซึ่งควรเก็บใน Parquet catalog แล้วรันด้วย BacktestNode
ดูรายละเอียดได้ที่:
ข้อมูลจริงทำให้เจอปัญหาที่ข้อมูลสังเคราะห์ไม่มี เช่น ช่วงตลาดปิด, bar ที่หายไป, ราคากระโดด และค่าผิดปกติ ทุกข้อควรมี test รองรับก่อนนำ strategy ไปรันกับเงินจริง
แปลจาก เอกสาร NautilusTrader © Nautech Systems Pty Ltd และผู้ร่วมพัฒนา เผยแพร่ภายใต้ LGPL-3.0 ฉบับแปลนี้ตัดเนื้อหาเฉพาะ Python ออกและเน้น Rust