Pythonic-библиотека для событийного бэктестинга торговых стратегий, поддерживаемый сообществом форк Zipline от Quantopian.
polakowo/vectorbt
Python-инструментарий для исследования торговых стратегий: он тестирует тысячи идей на разных активах и таймфреймах с помощью векторизованных операций NumPy и pandas.
Open source альтернатива:TradingView
- Звёзды
- 9,732
- Форки
- 1,267
- Открытые issues
- 135
- Последний коммит
- 4 часа назад
Эта страница описывает проект с открытым кодом и не является инвестиционной рекомендацией. Торговля и инвестиции могут привести к убыткам: оцените риски самостоятельно и соблюдайте законы своей страны перед использованием.
Что это?
VectorBT — библиотека Python для исследования торговых стратегий. Она охватывает весь процесс: от изучения рыночных данных и создания индикаторов и сигналов до моделирования портфелей и анализа сделок, комиссий, просадок и статистики эффективности. Вычисления выполняются над массивами NumPy с ускорением Numba, а дополнительный Rust-движок предоставляет предварительно скомпилированные ядра для поддерживаемых операций, поэтому масштабные переборы параметров можно описать всего несколькими строками.
API построен на объектах pandas и включает пользовательские аксессоры и гибкое broadcasting для нескольких активов и сеток параметров. Результаты можно изучать с помощью графиков Plotly, виджетов Jupyter и дашбордов в браузере. Встроенные инструменты загружают рыночные данные, генерируют синтетические ряды, а также поддерживают walk-forward-оптимизацию и генерацию меток для рабочих процессов машинного обучения.
Проект — это версия VectorBT PRO для сообщества; VectorBT PRO добавляет такие возможности, как параллелизация, дополнительные интеграции с источниками данных, лимитные ордера и кредитное плечо.
Ключевые возможности
- 01Векторизованный бэктестинг с pandas, NumPy и Numba
- 02Дополнительный предварительно скомпилированный Rust-движок для поддерживаемых операций
- 03Анализ портфеля: сделки, просадки и статистика эффективности
- 04Гибкий broadcasting для перебора больших сеток параметров
- 05Интерактивные графики Plotly и виджеты Jupyter
Сценарии использования
- Сравнение тысяч комбинаций параметров скользящих средних или индикаторов на исторических ценах
- Оценка качества сигналов и ожидаемой доходности сделок для нескольких активов
- Walk-forward-оптимизация перед запуском стратегии
- Генерация меток для моделей машинного обучения на основе ценовых данных
Быстрый старт
- 1
Установите vectorbt из PyPI
pip install -U vectorbt - 2
При желании установите все интеграции (TA-Lib, Pandas TA и т. д.)
pip install -U "vectorbt[full]"
Что важно знать
- Лицензия — Fair Code, а не стандартная лицензия с одобрением OSI для открытого ПО. Перед коммерческим использованием ознакомьтесь с условиями LICENSE.md.
- В версии для сообщества нет функций PRO, таких как параллелизация, лимитные ордера, кредитное плечо и оптимизация портфеля.
В подборках
Темы
Частые вопросы
- Что такое vectorbt?
- Python-инструментарий для исследования торговых стратегий: он тестирует тысячи идей на разных активах и таймфреймах с помощью векторизованных операций NumPy и pandas. VectorBT — библиотека Python для исследования торговых стратегий. Она охватывает весь процесс: от изучения рыночных данных и создания индикаторов и сигналов до моделирования портфелей и анализа сделок, комиссий, просадок и статистики эффективности. Вычисления выполняются над массивами NumPy с ускорением Numba, а дополнительный Rust-движок предоставляет предварительно скомпилированные ядра для поддерживаемых операций, поэтому масштабные переборы параметров можно описать всего несколькими строками.
- vectorbt можно использовать бесплатно? Какая у него лицензия?
- vectorbt распространяется с открытым исходным кодом под лицензией Other. Перед использованием в коммерческих продуктах проверьте условия лицензии.
- vectorbt всё ещё поддерживается?
- Активно поддерживается. Последний коммит в vectorbt — 7 нояб. 2026 г..
- Для чего можно использовать vectorbt?
- Сравнение тысяч комбинаций параметров скользящих средних или индикаторов на исторических ценах Оценка качества сигналов и ожидаемой доходности сделок для нескольких активов Walk-forward-оптимизация перед запуском стратегии Генерация меток для моделей машинного обучения на основе ценовых данных
- Как установить vectorbt?
- Установите vectorbt из PyPI: pip install -U vectorbt При желании установите все интеграции (TA-Lib, Pandas TA и т. д.): pip install -U "vectorbt[full]"
- Где скачать vectorbt?
- Исходный код и инструкции по установке — на GitHub: https://github.com/polakowo/vectorbt
Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Похожие проекты
Библиотека Python для анализа эффективности портфеля: рассчитывает метрики риска, строит графики и формирует HTML-отчёты по рядам доходности.
Сопутствующий код к книге Machine Learning for Trading (3-е издание): полный рабочий процесс от получения данных до реальной торговли.
Примеры Jupyter-ноутбуков для разработки и бэктестинга алгоритмических торговых стратегий на данных DEX, DeFi и Binance CEX с Trading Strategy SDK.
Подборка Awesome с библиотеками, статьями, стратегиями, книгами, блогами и курсами по систематической (количественной) торговле.
Python-фреймворк для бэктестинга и торговли алгоритмическими стратегиями на децентрализованных биржах с ончейн-рыночными данными.