Biblioteca Pythonic e orientada a eventos para backtesting de estratégias de trading, mantida pela comunidade como fork do Zipline, da Quantopian.
polakowo/vectorbt
Toolkit Python para pesquisa de trading que testa milhares de ideias de estratégia em diferentes ativos e períodos usando operações vetorizadas de NumPy e pandas.
Alternativa open source a:TradingView
- Estrelas
- 9,691
- Forks
- 1,257
- Issues abertas
- 133
- Último commit
- há 3 dias
Esta página apresenta um projeto de código aberto e não constitui aconselhamento de investimento. Negociar e investir pode gerar perdas: avalie o risco por conta própria e siga as leis do seu país antes de usá-lo.
O que é?
VectorBT é uma biblioteca Python para pesquisa de trading. Ela cobre todo o processo: da exploração de dados de mercado e criação de indicadores e sinais à simulação de portfólios e análise de operações, taxas, drawdowns e estatísticas de desempenho. Os cálculos são executados em arrays NumPy com aceleração do Numba, e um engine Rust opcional oferece kernels pré-compilados para operações compatíveis, permitindo expressar grandes varreduras de parâmetros com poucas linhas de código.
A API é baseada em objetos pandas, com accessors personalizados e broadcasting flexível entre vários ativos e grades de parâmetros. Os resultados podem ser explorados com gráficos Plotly, widgets Jupyter e dashboards no navegador. Os helpers integrados buscam dados de mercado, geram séries sintéticas e oferecem suporte à otimização walk-forward e à geração de labels para fluxos de trabalho de machine learning.
O projeto é a edição comunitária do VectorBT PRO, que oferece recursos como paralelização, integrações adicionais de dados, ordens limitadas e alavancagem.
Recursos principais
- 01Backtesting vetorizado com pandas, NumPy e Numba
- 02Engine Rust opcional com pré-compilação para operações compatíveis
- 03Análise de portfólio de operações, drawdowns e estatísticas de desempenho
- 04Broadcasting flexível para varrer grandes grades de parâmetros
- 05Gráficos Plotly interativos e widgets Jupyter
Casos de uso
- Comparar milhares de combinações de parâmetros de médias móveis ou indicadores usando preços históricos
- Avaliar a qualidade dos sinais e a expectativa das operações em vários ativos
- Executar otimização walk-forward antes de colocar uma estratégia em produção
- Gerar labels para modelos de machine learning baseados em dados de preços
Início rápido
- 1
Instale o vectorbt pelo PyPI
pip install -U vectorbt - 2
Opcionalmente, instale todas as integrações (TA-Lib, Pandas TA etc.)
pip install -U "vectorbt[full]"
Antes de usar
- A licença é Fair Code, não uma licença padrão de código aberto aprovada pela OSI. Confira os termos de LICENSE.md antes de usar o software comercialmente.
- A edição comunitária não inclui recursos PRO, como paralelização, ordens limitadas, alavancagem e otimização de portfólio.
Em coleções
Tópicos
Perguntas frequentes
- O que é vectorbt?
- Toolkit Python para pesquisa de trading que testa milhares de ideias de estratégia em diferentes ativos e períodos usando operações vetorizadas de NumPy e pandas. VectorBT é uma biblioteca Python para pesquisa de trading. Ela cobre todo o processo: da exploração de dados de mercado e criação de indicadores e sinais à simulação de portfólios e análise de operações, taxas, drawdowns e estatísticas de desempenho. Os cálculos são executados em arrays NumPy com aceleração do Numba, e um engine Rust opcional oferece kernels pré-compilados para operações compatíveis, permitindo expressar grandes varreduras de parâmetros com poucas linhas de código.
- vectorbt é gratuito? Qual é a licença?
- vectorbt é open source sob a licença Other. Confira os termos da licença antes de usá-lo em produtos comerciais.
- vectorbt ainda é mantido?
- Manutenção ativa. O último commit de vectorbt foi em 3 de nov. de 2026.
- Para que posso usar vectorbt?
- Comparar milhares de combinações de parâmetros de médias móveis ou indicadores usando preços históricos Avaliar a qualidade dos sinais e a expectativa das operações em vários ativos Executar otimização walk-forward antes de colocar uma estratégia em produção Gerar labels para modelos de machine learning baseados em dados de preços
- Como instalar vectorbt?
- Instale o vectorbt pelo PyPI: pip install -U vectorbt Opcionalmente, instale todas as integrações (TA-Lib, Pandas TA etc.): pip install -U "vectorbt[full]"
- Onde consigo vectorbt?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/polakowo/vectorbt
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Biblioteca Python para analisar o desempenho de portfólios, com métricas de risco, gráficos e relatórios HTML para séries de retornos.
Código complementar ao livro Machine Learning for Trading (3ª edição), que aborda um fluxo de trabalho completo, da obtenção de dados ao trading ao vivo.
Notebooks Jupyter de exemplo para desenvolver e fazer backtests de estratégias de trading algorítmico com dados de DEX, DeFi e Binance CEX usando o Trading Strategy SDK.
Uma lista Awesome selecionada de bibliotecas, artigos, estratégias, livros, blogs e cursos sobre trading sistemático (quantitativo).
Framework Python para backtesting e negociação ao vivo de estratégias algorítmicas em exchanges descentralizadas, com dados de mercado on-chain.