Biblioteca Pythonica de backtesting basado en eventos para estrategias de trading, mantenida por la comunidad como fork de Zipline de Quantopian.
polakowo/vectorbt
Kit de herramientas de Python para investigar estrategias de trading y probar miles de ideas en distintos activos y marcos temporales mediante operaciones vectorizadas de NumPy y pandas.
Alternativa open source a:TradingView
- Estrellas
- 9,709
- Forks
- 1,263
- Issues abiertos
- 135
- Último commit
- hace 4 días
Esta página presenta un proyecto de código abierto y no constituye asesoramiento de inversión. Operar e invertir puede generar pérdidas: evalúa el riesgo por tu cuenta y cumple las leyes de tu país antes de usarlo.
¿Qué es?
VectorBT es una biblioteca de Python para investigar estrategias de trading. Abarca todo el proceso: explorar datos de mercado, crear indicadores y señales, simular carteras y analizar operaciones, comisiones, caídas y estadísticas de rendimiento. Los cálculos se ejecutan sobre arrays de NumPy con aceleración de Numba, y un motor opcional en Rust ofrece kernels precompilados para las operaciones compatibles, lo que permite definir barridos amplios de parámetros en pocas líneas.
La API se basa en objetos de pandas, con accessors personalizados y broadcasting flexible entre varios activos y cuadrículas de parámetros. Los resultados se pueden explorar con gráficos de Plotly, widgets de Jupyter y dashboards en el navegador. Las funciones auxiliares integradas permiten obtener datos de mercado, generar series sintéticas y realizar optimización walk-forward y generación de etiquetas para flujos de trabajo de machine learning.
El proyecto es la edición comunitaria de VectorBT PRO, que añade funciones como paralelización, integraciones adicionales de datos, órdenes limitadas y apalancamiento.
Funciones clave
- 01Backtesting vectorizado con pandas, NumPy y Numba
- 02Motor opcional en Rust con kernels precompilados para operaciones compatibles
- 03Análisis de carteras con operaciones, caídas y estadísticas de rendimiento
- 04Broadcasting flexible para recorrer cuadrículas amplias de parámetros
- 05Gráficos interactivos de Plotly y widgets de Jupyter
Casos de uso
- Comparar miles de combinaciones de parámetros de medias móviles o indicadores con precios históricos
- Evaluar la calidad de las señales y la expectativa de las operaciones en varios activos
- Ejecutar optimización walk-forward antes de desplegar una estrategia
- Generar etiquetas para modelos de machine learning basados en datos de precios
Inicio rápido
- 1
Instala vectorbt desde PyPI
pip install -U vectorbt - 2
Opcionalmente, instala todas las integraciones (TA-Lib, Pandas TA, etc.)
pip install -U "vectorbt[full]"
Antes de usarlo
- La licencia es Fair Code, no una licencia estándar de código abierto aprobada por la OSI. Consulta las condiciones de LICENSE.md antes de usarlo con fines comerciales.
- La edición comunitaria no incluye funciones PRO como la paralelización, las órdenes limitadas, el apalancamiento y la optimización de carteras.
En colecciones
Temas
Preguntas frecuentes
- ¿Qué es vectorbt?
- Kit de herramientas de Python para investigar estrategias de trading y probar miles de ideas en distintos activos y marcos temporales mediante operaciones vectorizadas de NumPy y pandas. VectorBT es una biblioteca de Python para investigar estrategias de trading. Abarca todo el proceso: explorar datos de mercado, crear indicadores y señales, simular carteras y analizar operaciones, comisiones, caídas y estadísticas de rendimiento. Los cálculos se ejecutan sobre arrays de NumPy con aceleración de Numba, y un motor opcional en Rust ofrece kernels precompilados para las operaciones compatibles, lo que permite definir barridos amplios de parámetros en pocas líneas.
- ¿vectorbt es gratuito? ¿Qué licencia tiene?
- vectorbt es open source bajo la licencia Other. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿vectorbt sigue mantenido?
- Mantenimiento activo. El último commit de vectorbt fue el 3 nov 2026.
- ¿Para qué puedo usar vectorbt?
- Comparar miles de combinaciones de parámetros de medias móviles o indicadores con precios históricos Evaluar la calidad de las señales y la expectativa de las operaciones en varios activos Ejecutar optimización walk-forward antes de desplegar una estrategia Generar etiquetas para modelos de machine learning basados en datos de precios
- ¿Cómo se instala vectorbt?
- Instala vectorbt desde PyPI: pip install -U vectorbt Opcionalmente, instala todas las integraciones (TA-Lib, Pandas TA, etc.): pip install -U "vectorbt[full]"
- ¿Dónde consigo vectorbt?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/polakowo/vectorbt
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Biblioteca de Python para analizar el rendimiento de carteras, con métricas de riesgo, gráficos e informes HTML detallados para series de rendimientos.
Código complementario del libro Machine Learning for Trading (3.ª edición), que abarca un flujo de trabajo integral desde la obtención de datos hasta el trading en vivo.
Ejemplos de notebooks de Jupyter para desarrollar y probar estrategias de trading algorítmico con datos de DEX, DeFi y Binance CEX mediante Trading Strategy SDK.
Una lista seleccionada de bibliotecas, artículos, estrategias, libros, blogs y cursos para el trading sistemático (cuantitativo).
Framework de Python para probar estrategias algorítmicas y operar en vivo en exchanges descentralizados, con datos de mercado on-chain.