polakowo/vectorbt

解決的問題

VectorBT 解決了傳統回測的效能瓶頸。不再逐個策略地遍歷價格條形，而是允許研究人員同時測試數千種不同的策略配置、資產和時間框架，將網格搜尋所需時間從數小時縮短至數秒。

工作原理

該庫採用向量化方法，將數千個配置打包到 NumPy 數組中。它使用 Numba 和可選的 Rust 引擎加速執行的「熱點路徑」，避免 JIT 開銷。它與 pandas 深度整合，提供原生 API，並利用靈活的廣播機制處理多資產分析和大規模參數掃描。

適用對象

專為需要在金融市場上進行大規模實驗和策略研究的人類量化研究人員及 AI 代理設計。

主要亮點

• 高效率執行：利用 NumPy、Numba 和 Rust 實現向量化回測。
• 廣播支援：可同時對多個資產進行數千種參數組合的測試。
• 全面分析：包含投資組合績效指標、回撤分析以及與 QuantStats 的整合。
• 機器學習就緒：提供穩健性測試、向前滾動最佳化和機器學習工作流程所需的標籤產生。
• 互動式視覺化：內建對 Plotly、Jupyter 小工具和動畫金融圖表的支援。