跳到主要内容

Databento

NautilusTrader 提供了一个用于集成 Databento API 以及 Databento Binary Encoding (DBN) 数据格式的适配器。 由于 Databento 仅提供行情数据（market data），适配器本身不包含执行客户端（execution client），但仍然可以在沙盒环境中搭建模拟执行。 同时也可以将 Databento 的行情与 Interactive Brokers 的执行对接，或将其用于计算加密资产的传统资产类别信号。

该适配器的功能包括：

  • 从 DBN 文件加载历史数据并解码为 Nautilus 对象，以便用于回测或写入数据目录（data catalog）。
  • 请求历史数据并将其解码为 Nautilus 对象，以支持实时交易和回测。
  • 订阅实时数据流并将其解码为 Nautilus 对象，以支持实盘（live trading）或沙盒（sandbox）环境。
提示

Databento 目前对新用户提供 125 美元的免费数据额度（仅限历史数据）。

通过合理的请求策略，这通常足够用于测试和评估。建议使用 /metadata.get_cost 端点来估算费用。

概述​

此适配器在实现上依赖官方的 Rust 客户端库 databento-rs。

信息

不需要额外单独安装 databento 包，适配器的核心组件在构建时会被编译为静态库并自动链接。

可用的适配器类包括：

  • DatabentoDataLoader：从文件加载 Databento Binary Encoding (DBN) 数据。
  • DatabentoInstrumentProvider：通过 Databento HTTP API 获取最新或历史的 instrument 定义。
  • DatabentoHistoricalClient：通过 Databento HTTP API 请求历史行情数据。
  • DatabentoLiveClient：通过 Databento 原生 TCP 接口订阅实时数据。
  • DatabentoDataClient：为运行实时交易节点提供 LiveMarketDataClient 实现。
信息

与其他集成适配器类似，大多数用户只需在 live trading node 的配置中定义 Databento 客户端（见下文），通常无需直接操作这些底层组件。

示例​

可在此处找到实时示例脚本：examples/live/databento。

Databento 文档​

Databento 为新用户提供了详细文档，参见其新手指南：Databento new users guide。 建议在使用本集成指南时一并参考 Databento 官方文档。

Databento 二进制编码（DBN）​

Databento Binary Encoding (DBN) 是一种面向标准化行情数据的高性能消息编码与存储格式。 DBN 规范 包含自描述的元数据头和一组固定的 struct 定义，用于在数据层面强制执行标准化。

该集成提供了一个解码器，用于将 DBN 格式的数据转换为 Nautilus 对象。

相同的 Rust 实现解码器可用于：

  • 从磁盘加载并解码 DBN 文件。
  • 实时解码历史与实时数据。

支持的 schema​

以下 Databento schema 得到 NautilusTrader 的支持：

Databento schemaNautilus data typeDescription
MBOOrderBookDeltaMarket by order (L3).
MBP_1(QuoteTick, TradeTick | None)Market by price (L1).
MBP_10OrderBookDepth10Market depth (L2).
BBO_1SQuoteTick1-second best bid/offer.
BBO_1MQuoteTick1-minute best bid/offer.
CMBP_1(QuoteTick, TradeTick | None)Consolidated MBP across venues.
CBBO_1SQuoteTickConsolidated 1-second BBO.
CBBO_1MQuoteTickConsolidated 1-minute BBO.
TCBBO(QuoteTick, TradeTick)Trade-sampled consolidated BBO.
TBBO(QuoteTick, TradeTick)Trade-sampled best bid/offer.
TRADESTradeTickTrade ticks.
OHLCV_1SBar1-second bars.
OHLCV_1MBar1-minute bars.
OHLCV_1HBar1-hour bars.
OHLCV_1DBarDaily bars.
OHLCV_EODBarEnd-of-day bars.
DEFINITIONInstrument (various types)Instrument definitions.
IMBALANCEDatabentoImbalanceAuction imbalance data.
STATISTICSDatabentoStatisticsMarket statistics.
STATUSInstrumentStatusMarket status updates.

Schema 注意事项​

  • TBBO 和 TCBBO：按交易采样（trade-sampled）的数据流，会将每笔交易与交易发生前的顶层盘口（BBO）配对（TBBO 为单一场所，TCBBO 为跨场所汇总）。当你需要成交与同时刻的报价对齐但不想管理两条流时，请使用这些 schema。
  • MBP-1 与 CMBP-1（L1）：事件级别的 top-of-book 更新；仅在发生 trade 事件时发出 trade。若需要同时对齐 quote 与 trade，优先选择 TBBO/TCBBO；否则可仅使用 TRADES。
  • MBP-10（L2）：包含前 10 个价位及成交信息，适用于需要深度信息但不需要逐单等级别（per-order）细节的策略；相比 MBO 更轻量且包含每一层的订单数量等结构信息。
  • MBO（L3）：逐单事件，可用于队列位置建模和精确的订单簿重构。数据量/费用最高；建议在节点初始化阶段就订阅以确保回放上下文完整。
  • BBO_1S/BBO_1M 与 CBBO_1S/CBBO_1M：固定间隔（1s/1m）采样的顶层盘口快照（不包含 trades），适用于监控、价差计算或低成本信号生成；不适合微观结构级别的细粒度分析。
  • TRADES：仅成交数据。若需要成交上下文的 quote，可与 MBP-1（设置 include_trades=True）配合，或使用 TBBO/TCBBO。
  • OHLCV_（含 OHLCV_EOD）：由成交聚合生成的 K 线条（bars），适合更高时间框架的分析/回测；确保 bar 的时间戳表示收盘时间（设置 bars_timestamp_on_close=True）。
  • Imbalance / Statistics / Status：场所（venue）的运营类数据；通过 subscribe_data 并携带 instrument_id 的 DataType 元数据来订阅。
提示

汇总（Consolidated）schema（如 CMBP_1、CBBO_1S、CBBO_1M、TCBBO）会跨多个场所聚合数据，提供统一的市场视图，适用于跨场所分析或需要全市场视角的场景。

信息

另见 Databento 的 Schemas and data formats 指南。

实时订阅的 schema 选择​

下表展示了 Nautilus 的订阅方法如何映射到 Databento 的 schema：

Nautilus Subscription MethodDefault SchemaAvailable Databento SchemasNautilus Data Type
subscribe_quote_ticks()mbp-1mbp-1, bbo-1s, bbo-1m, cmbp-1, cbbo-1s, cbbo-1m, tbbo, tcbboQuoteTick
subscribe_trade_ticks()tradestrades, tbbo, tcbbo, mbp-1, cmbp-1TradeTick
subscribe_order_book_depth()mbp-10mbp-10OrderBookDepth10
subscribe_order_book_deltas()mbomboOrderBookDeltas
subscribe_bars()variesohlcv-1s, ohlcv-1m, ohlcv-1h, ohlcv-1dBar
备注

下列示例假定你在 Strategy 或 Actor 类上下文中（self 可访问订阅方法）。请记得导入下列类型：

from nautilus_trader.adapters.databento import DATABENTO_CLIENT_ID
from nautilus_trader.model import BarType
from nautilus_trader.model.enums import BookType
from nautilus_trader.model.identifiers import InstrumentId

Quote 订阅（MBP / L1）​

# 默认 MBP-1 报价（可能包含 trades）
self.subscribe_quote_ticks(instrument_id, client_id=DATABENTO_CLIENT_ID)

# 指定 MBP-1 schema
self.subscribe_quote_ticks(
    instrument_id=instrument_id,
    params={"schema": "mbp-1"},
    client_id=DATABENTO_CLIENT_ID,
)

# 1 秒 BBO 快照（仅报价，不含 trades）
self.subscribe_quote_ticks(
    instrument_id=instrument_id,
    params={"schema": "bbo-1s"},
    client_id=DATABENTO_CLIENT_ID,
)

# 跨场所汇总的报价
self.subscribe_quote_ticks(
    instrument_id=instrument_id,
    params={"schema": "cbbo-1s"},  # 或使用 "cmbp-1" 获取汇总 MBP
    client_id=DATABENTO_CLIENT_ID,
)

# 以 trade 采样的 BBO（同时包含 quotes 和 trades）
self.subscribe_quote_ticks(
    instrument_id=instrument_id,
    params={"schema": "tbbo"},  # 会把 QuoteTick 与 TradeTick 一并发送到消息总线
    client_id=DATABENTO_CLIENT_ID,
)

Trade 订阅​

# 仅 trades
self.subscribe_trade_ticks(instrument_id, client_id=DATABENTO_CLIENT_ID)

# 来自 MBP-1 的 trades（仅在存在 trade 事件时）
self.subscribe_trade_ticks(
    instrument_id=instrument_id,
    params={"schema": "mbp-1"},
    client_id=DATABENTO_CLIENT_ID,
)

# 以 trade 采样的数据（在 trade 时间点同时提供 quote）
self.subscribe_trade_ticks(
    instrument_id=instrument_id,
    params={"schema": "tbbo"},  # 也会在 trade 事件上提供 quotes
    client_id=DATABENTO_CLIENT_ID,
)

Order book depth 订阅（MBP / L2）​

# 订阅市场深度前 10 个价位
self.subscribe_order_book_depth(
    instrument_id=instrument_id,
    depth=10  # Databento 会自动选择 MBP-10 schema
)

# 注意：Databento 的 depth 参数必须为 10
# 这将接收 OrderBookDepth10 更新

Order book deltas 订阅（MBO / L3）​

# 订阅逐单更新（market by order）
self.subscribe_order_book_deltas(
    instrument_id=instrument_id,
    book_type=BookType.L3_MBO  # 使用 MBO schema
)

# 注意：MBO 订阅必须在节点启动时进行，以确保能从会话开始处正确回放

Bar 订阅​

# 订阅 1 分钟 K 线（会自动使用 ohlcv-1m schema）
self.subscribe_bars(
    bar_type=BarType.from_str(f"{instrument_id}-1-MINUTE-LAST-EXTERNAL")
)

# 订阅 1 秒 K 线（会自动使用 ohlcv-1s schema）
self.subscribe_bars(
    bar_type=BarType.from_str(f"{instrument_id}-1-SECOND-LAST-EXTERNAL")
)

# 订阅 1 小时 K 线（会自动使用 ohlcv-1h schema）
self.subscribe_bars(
    bar_type=BarType.from_str(f"{instrument_id}-1-HOUR-LAST-EXTERNAL")
)

# 订阅日线（会自动使用 ohlcv-1d schema）
self.subscribe_bars(
    bar_type=BarType.from_str(f"{instrument_id}-1-DAY-LAST-EXTERNAL")
)

# 使用 end-of-day schema 的日线订阅（仅对 DAY 聚合有效）
self.subscribe_bars(
    bar_type=BarType.from_str(f"{instrument_id}-1-DAY-LAST-EXTERNAL"),
    params={"schema": "ohlcv-eod"},  # 覆盖为使用 end-of-day K 线
)

自定义数据类型订阅​

对于像 imbalance 与 statistics 这类 Databento 的专用数据类型，可以使用通用的 subscribe_data 方法：

from nautilus_trader.adapters.databento import DATABENTO_CLIENT_ID
from nautilus_trader.adapters.databento import DatabentoImbalance
from nautilus_trader.adapters.databento import DatabentoStatistics
from nautilus_trader.model import DataType

# 订阅 imbalance 数据
self.subscribe_data(
    data_type=DataType(DatabentoImbalance, metadata={"instrument_id": instrument_id}),
    client_id=DATABENTO_CLIENT_ID,
)

# 订阅 statistics 数据
self.subscribe_data(
    data_type=DataType(DatabentoStatistics, metadata={"instrument_id": instrument_id}),
    client_id=DATABENTO_CLIENT_ID,
)

# 订阅 instrument 状态更新
from nautilus_trader.model.data import InstrumentStatus
self.subscribe_data(
    data_type=DataType(InstrumentStatus, metadata={"instrument_id": instrument_id}),
    client_id=DATABENTO_CLIENT_ID,
)

Instrument ID 与符号体系（symbology）​

Databento 的行情数据包含一个 instrument_id 字段，该字段为整数，由原始来源场所或 Databento 在规范化过程中分配。

需要注意的是，这与 Nautilus 中的 InstrumentId 不同，后者是由符号与场所拼接并以句点分隔的字符串形式，例如 "{symbol}.{venue}"。

Nautilus 的解码器会使用 Databento 的 raw_symbol 作为 Nautilus 的 symbol，并从 Databento 的 instrument 定义消息中读取 ISO 10383 MIC（Market Identifier Code）作为 Nautilus 的 venue 字段。

Databento 的数据集由 dataset ID 标识，這不同于 venue 标识符。可在此了解更多 Databento 数据集命名规则：datasets。

尤其需要注意的是，对于 CME Globex MDP 3.0 数据集（GLBX.MDP3 dataset ID），下列交易所都会被归入 GLBX venue：这些映射可通过 instruments 的 exchange 字段判断：

  • CBCM: XCME-XCBT 跨交易所价差
  • NYUM: XNYM-DUMX 跨交易所价差
  • XCBT: Chicago Board of Trade (CBOT)
  • XCEC: Commodities Exchange Center (COMEX)
  • XCME: Chicago Mercantile Exchange (CME)
  • XFXS: CME FX Link spread
  • XNYM: New York Mercantile Exchange (NYMEX)
信息

其他 venue 的 MIC 可在 metadata.list_publishers 端点的 venue 字段中找到。

时间戳（Timestamps）​

Databento 数据包含多种时间戳字段，包括但不限于：

  • ts_event: 成交撮合引擎接收时间，单位为自 UNIX 纪元以来的纳秒数。
  • ts_in_delta: 成交撮合引擎发送时间，相对于 ts_recv 的纳秒差值。
  • ts_recv: 抓取服务器接收时间，单位为自 UNIX 纪元以来的纳秒数。
  • ts_out: Databento 发送时间戳。

Nautilus 数据至少包含两个时间戳（由 Data contract 要求）：

  • ts_event: 事件发生时的 UNIX 时间戳（纳秒）。
  • ts_init: 数据实例创建时的 UNIX 时间戳（纳秒）。

在将 Databento 数据解码并标准化为 Nautilus 时，我们通常将 Databento 的 ts_recv 映射到 Nautilus 的 ts_event 字段，因为 ts_recv 更可靠且对每个 instrument 保证单调递增。 例外情况为 DatabentoImbalance 与 DatabentoStatistics 类型，它们会保留所有相关时间戳字段，因为这些类型是为适配器专门定义的。

信息

更多细节请参阅 Databento 文档：

数据类型​

下面章节讨论 Databento schema 与 Nautilus 数据类型之间的对应关系及注意事项。

信息

参见 Databento 的 schemas and data formats。

Instrument 定义​

Databento 使用单一 schema 覆盖所有 instrument 类别，解码后会映射到相应的 Nautilus Instrument 类型。

下列 Databento 的 instrument 类别被 NautilusTrader 支持：

Databento instrument classCodeNautilus instrument type
StockKEquity
FutureFFuturesContract
CallCOptionContract
PutPOptionContract
Future spreadSFuturesSpread
Option spreadTOptionSpread
Mixed spreadMOptionSpread
FX spotXCurrencyPair
BondBNot yet available

MBO（market by order）​

该 schema 提供 Databento 中最高粒度的数据，表示完整的订单簿深度。有些消息也携带成交信息，因此解码 MBO 消息时，Nautilus 会生成 OrderBookDelta，并在适用情况下同时生成 TradeTick。

Nautilus 的实时数据客户端会缓冲 MBO 消息，直到检测到 F_LAST 标志，然后以离散的 OrderBookDeltas 容器对象传递给注册的处理器。

订单簿快照也会被缓冲为 OrderBookDeltas 容器，这在回放（replay）启动序列中会被使用。

MBP-1（market by price，顶层盘口）​

该 schema 仅表示顶层盘口（包含 quotes 与 trades）。与 MBO 类似，部分消息会包含成交信息，解码 MBP-1 消息时 Nautilus 会生成 QuoteTick，若为成交事件则也会生成 TradeTick。

TBBO 与 TCBBO（含成交的顶层盘口）​

TBBO（Top Book with Trades）与 TCBBO（Top Consolidated Book with Trades）在每条消息中同时提供报价与成交数据。订阅这些 schema 时，你会同时收到 QuoteTick 与 TradeTick，比分别订阅报价与成交更高效。TCBBO 为跨场所的汇总数据。

OHLCV（K 线聚合）​

Databento 的 K 线聚合消息在条的“开盘”时打时间戳。Nautilus 的解码器会将 ts_event 时间戳标准化为条的“收盘”时间（原始 ts_event + 条的时间间隔）。

Imbalance 与 Statistics​

Databento 的 imbalance 与 statistics schema 无法简单地映射为内置的 Nautilus 数据类型，因此在 Rust 侧定义了 DatabentoImbalance 与 DatabentoStatistics 两种特定类型。 通过 PyO3（Rust）提供的 Python 绑定，这些类型在 Python 侧表现得与内置类型有所不同：其属性由 PyO3 提供，并且可能无法直接与期望 Cython 类型的方法兼容。API 参考中提供了 PyO3 到传统 Cython 对象的转换方法。

下面是将 PyO3 Price 转换为 Cython Price 的通用示例：

price = Price.from_raw(pyo3_price.raw, pyo3_price.precision)

此外，订阅或请求这些数据类型需要使用底层的通用方法。下面示例展示了如何订阅 AAPL.XNAS 的 imbalance schema：

from nautilus_trader.adapters.databento import DATABENTO_CLIENT_ID
from nautilus_trader.adapters.databento import DatabentoImbalance
from nautilus_trader.model import DataType

instrument_id = InstrumentId.from_str("AAPL.XNAS")
self.subscribe_data(
    data_type=DataType(DatabentoImbalance, metadata={"instrument_id": instrument_id}),
    client_id=DATABENTO_CLIENT_ID,
)

或者请求前一日的 statistics schema，例如对 CME Globex 上所有活动的 E-mini S&P 500 期货合约（父合约 ES.FUT.GLBX）：

from nautilus_trader.adapters.databento import DATABENTO_CLIENT_ID
from nautilus_trader.adapters.databento import DatabentoStatistics
from nautilus_trader.model import DataType

instrument_id = InstrumentId.from_str("ES.FUT.GLBX")
metadata = {
    "instrument_id": instrument_id,
    "start": "2024-03-06",
}
self.request_data(
    data_type=DataType(DatabentoStatistics, metadata=metadata),
    client_id=DATABENTO_CLIENT_ID,
)

性能注意事项​

使用 Databento DBN 数据进行回测时有两种策略：

  • 将数据保留为 DBN（.dbn.zst）文件并在每次运行时实时解码为 Nautilus 对象；
  • 将 DBN 文件转换为 Nautilus 对象后写入数据目录（Parquet 格式），只解码一次以供后续重用。

虽然 DBN -> Nautilus 的解码器采用 Rust 实现并已优化，但最高的回测性能通常来自于将 Nautilus 对象写入数据目录，从而避免每次回测都重复解码。

DataFusion 可作为查询引擎后端，用于高效加载并流式读取磁盘上的 Nautilus Parquet 数据，其吞吐量通常比每次回放时实时将 DBN 转换为 Nautilus 的方式高一个数量级以上。

备注

性能基准测试仍在开发中。

加载 DBN 数据​

你可以使用 DatabentoDataLoader 将 DBN 文件解码为 Nautilus 对象。这样做主要有两个用途：

  • 直接将转换后的数据传给 BacktestEngine.add_data 用于回测；
  • 将转换后的数据传给 ParquetDataCatalog.write_data，以便后续通过 BacktestNode 流式读取使用。

将 DBN 数据加载到 BacktestEngine​

下面示例展示如何加载 DBN 数据并传递给 BacktestEngine。由于 BacktestEngine 需要先添加 instrument，本示例使用 TestInstrumentProvider 提供的测试 instrument（当然也可以传入从 DBN 文件解析得到的 instrument 对象）。示例数据为 Nasdaq 上 TSLA（Tesla Inc）一个月的成交数据：

# Add instrument
TSLA_NASDAQ = TestInstrumentProvider.equity(symbol="TSLA")
engine.add_instrument(TSLA_NASDAQ)

# Decode data to legacy Cython objects
loader = DatabentoDataLoader()
trades = loader.from_dbn_file(
    path=TEST_DATA_DIR / "databento" / "temp" / "tsla-xnas-20240107-20240206.trades.dbn.zst",
    instrument_id=TSLA_NASDAQ.id,
)

# Add data
engine.add_data(trades)

将 DBN 数据写入 ParquetDataCatalog​

下面示例展示如何将 DBN 数据解码并写入 ParquetDataCatalog。示例中将 as_legacy_cython 设为 False，以确保解码为 PyO3（Rust）对象。需要注意的是，虽然也可以将传统的 Cython 对象传入 write_data，但在内部这些对象会被转换回 PyO3；直接传入 PyO3 对象可以获得性能优化。

# Initialize the catalog interface
# (will use the `NAUTILUS_PATH` env var as the path)
catalog = ParquetDataCatalog.from_env()

instrument_id = InstrumentId.from_str("TSLA.XNAS")

# Decode data to pyo3 objects
loader = DatabentoDataLoader()
trades = loader.from_dbn_file(
    path=TEST_DATA_DIR / "databento" / "temp" / "tsla-xnas-20240107-20240206.trades.dbn.zst",
    instrument_id=instrument_id,
    as_legacy_cython=False,  # This is an optimization for writing to the catalog
)

# Write data
catalog.write_data(trades)
信息

另见 Data concepts guide。

历史加载器选项​

from_dbn_file 方法支持若干重要参数：

  • instrument_id：传入可加速解码，避免符号映射查找开销。
  • price_precision：覆盖 instrument 的默认价格精度。
  • include_trades：对于 MBP-1/CMBP-1 schema，将其置为 True 会在存在成交数据时同时产出 QuoteTick 和 TradeTick 对象。
  • as_legacy_cython：当加载 IMBALANCE 或 STATISTICS schema（必须）或在写入 catalog 时为提升性能，应设置为 False。
注意

IMBALANCE 与 STATISTICS schema 要求 as_legacy_cython=False，因为这些类型仅以 PyO3 形式存在。若设置 as_legacy_cython=True 将抛出 ValueError。

加载汇总（consolidated）数据​

汇总 schema 会跨多个场所聚合数据：

# Load consolidated MBP-1 quotes
loader = DatabentoDataLoader()
cmbp_quotes = loader.from_dbn_file(
    path="consolidated.cmbp-1.dbn.zst",
    instrument_id=InstrumentId.from_str("AAPL.XNAS"),
    include_trades=True,  # Get both quotes and trades if available
    as_legacy_cython=True,
)

# Load consolidated BBO quotes
cbbo_quotes = loader.from_dbn_file(
    path="consolidated.cbbo-1s.dbn.zst",
    instrument_id=InstrumentId.from_str("AAPL.XNAS"),
    as_legacy_cython=False,  # Use PyO3 for better performance
)

# Load TCBBO (trade-sampled consolidated BBO) - provides both quotes and trades
# Note: include_trades=True loads quotes, include_trades=False loads trades
tcbbo_quotes = loader.from_dbn_file(
    path="consolidated.tcbbo.dbn.zst",
    instrument_id=InstrumentId.from_str("AAPL.XNAS"),
    include_trades=True,  # Loads quotes
    as_legacy_cython=True,
)

tcbbo_trades = loader.from_dbn_file(
    path="consolidated.tcbbo.dbn.zst",
    instrument_id=InstrumentId.from_str("AAPL.XNAS"),
    include_trades=False,  # Loads trades
    as_legacy_cython=True,
)
提示

成本优化：避免同时订阅 TBBO/TCBBO 与单独的 trades 订阅，因为这些 schema 已经包含成交数据，这样可避免重复并降低费用。

实时客户端架构​

DatabentoDataClient 是一个汇聚了其它 Databento 适配器类的 Python 类。每个 Databento 数据集会有两个 DatabentoLiveClient 实例：

  • 一个用于 MBO（逐单盘口增量）实时流
  • 一个用于所有其它实时流
注意

目前存在一个限制：对于某个数据集的所有 MBO（逐单盘口）订阅必须在节点启动时完成，以便能够从会话开始处回放数据。如果在启动后再发起 MBO 订阅，将记录错误并忽略该订阅。

其它 Databento schema 不受此限制。

DatabentoInstrumentProvider 与 DatabentoDataClient 之间会复用单个 DatabentoHistoricalClient 实例，用于获取历史的 instrument 定义与数据请求。

配置​

最常见的用例是将 Databento 数据客户端加入到 live TradingNode 的配置中。为此，请在客户端配置中添加 DATABENTO 部分：

from nautilus_trader.adapters.databento import DATABENTO
from nautilus_trader.live.node import TradingNode

config = TradingNodeConfig(
    ...,  # Omitted
    data_clients={
        DATABENTO: {
            "api_key": None,  # 'DATABENTO_API_KEY' env var
            "http_gateway": None,  # Override for the default HTTP historical gateway
            "live_gateway": None,  # Override for the default raw TCP real-time gateway
            "instrument_provider": InstrumentProviderConfig(load_all=True),
            "instrument_ids": None,  # Nautilus instrument IDs to load on start
            "parent_symbols": None,  # Databento parent symbols to load on start
        },
    },
    ..., # Omitted
)

然后，创建 TradingNode 并注册客户端工厂：

from nautilus_trader.adapters.databento.factories import DatabentoLiveDataClientFactory
from nautilus_trader.live.node import TradingNode

# Instantiate the live trading node with a configuration
node = TradingNode(config=config)

# Register the client factory with the node
node.add_data_client_factory(DATABENTO, DatabentoLiveDataClientFactory)

# Finally build the node
node.build()

配置参数​

Databento 数据客户端提供以下配置选项：

OptionDefaultDescription
api_keyNoneDatabento API secret. When None, falls back to the DATABENTO_API_KEY environment variable.
http_gatewayNoneHistorical HTTP gateway override, useful for testing custom endpoints.
live_gatewayNoneRaw TCP real-time gateway override, typically only used for testing.
use_exchange_as_venueTrueIf True, uses the exchange MIC for Nautilus venues (e.g., XCME). When False, retains the default GLBX mapping.
timeout_initial_load15.0Seconds to wait for instrument definitions to load per dataset before proceeding.
mbo_subscriptions_delay3.0Seconds to buffer before enabling MBO/L3 streams so initial snapshots can replay in order.
bars_timestamp_on_closeTrueTimestamp bars on the close (ts_event/ts_init). Set False to timestamp on the open.
venue_dataset_mapNoneOptional mapping of Nautilus venues to Databento dataset codes.
parent_symbolsNoneOptional mapping {dataset: {parent symbols}} to preload definition trees (e.g., {"GLBX.MDP3": {"ES.FUT", "ES.OPT"}}).
instrument_idsNoneSequence of Nautilus InstrumentId values to preload definitions for at startup.
提示

建议使用环境变量管理凭证。

信息

如需更多功能或贡献 Databento 适配器，请参见我们的 contributing guide。