pineforge
Engine-Vergleich · v0.8.0 · 100-Strategien-Benchmark

PineForge vs. PyneCore. Reproduzierbar, nicht rhetorisch.

Jede Zahl auf dieser Seite wird von bash benchmarks/run_all.sh im Open-Source-Repo pineforge-engine erzeugt — gegen den gleichen 53.930-Bar-Feed von Binance ETH/USDT 15m. Reproduktion in ~5 Minuten aus einem frischen Clone, ohne externe API-Calls.
Seite an Seite

Was jede Engine wirklich liefert.

CapabilityPineForgeTradingViewPyneCore
Byte-reproduzierbare Backtests✓—◐
Nativ kompilierte Runtime✓——
251/252 strikte TV-Parität✓✓◐
Strategien als kompilierte Binaries verkaufen✓——
Zeitlich begrenzte Verkäufer-Lizenzen✓——
An Maschine gebundene Verkäufer-Lizenzen✓——
Open-Source-Runtime, auditierbar✓—✓
Auf eigenen Daten, eigener Maschine ausführen✓—✓
Audit-grade Reproduzierbarkeit für Compliance✓—◐
Native Live-Broker-Integrationen◐✓✓
100-Strategien-Match-Grad

Wie viele von 100 Strategien erreichen die Excellent -Stufe gegenüber TradingView.

benchmark receipt
162xmedian
PF / PC
speed.md
2026-06-11
PF/PC set
99 strategies
PF/vbt set
65 strategies
hot loop
41,307 bars
vbt scope
replicas
sample
N=20
PineForge
C++ / GBench
median_ms
6.35 ms
throughput
6.5M bars/s
sweep
1K trials ~6.4s
6.35 ms
PyneCore
Python / subprocess
median_ms
1,100 ms
throughput
38k bars/s
sweep
1K trials ~18m
1,100 ms
vectorbt
Pandas / Numba replicas
median_ms
71.2 ms
throughput
580k bars/s
sweep
1K trials ~71s
71.2 ms
PineTS
Node / indicators
median_ms
486 ms
throughput
85k bars/s
sweep
strategy: -
486 ms
C++ static lib
PineForge
100 / 100
median_ms6.35throughput6.5M bars/svs PyneCore162xvs vectorbt10.5x
Excellent100Stark0Moderat0Schwach0
Python (PyneSys cloud-compiled)
PyneCore
85 / 100
median_ms1,100throughput38k bars/ssample99 strategies
Excellent85Stark2Moderat10Schwach3
TypeScript (LuxAlgo)
PineTS
nur Indikatoren
canonical_ms486throughput85k bars/sscope10 indicators
Strategy-Backtester-Per-Bar-Indikatoren✓10/10 IndikatorenMatch

Die Stufen folgen dem kanonischen PineForge-Parity-Sweep: Excellent = alle vier Dimensionen (Count-Delta, Entry p90, Exit p90, P&L p90) innerhalb strikter Schwellen und ≥95% gematchte Trades; Stark innerhalb 5× strikt; Moderat / Schwach / Minimal jeweils eine Stufe darunter. Strategien mit TradingViews trail_*-Exits laufen mit dem Production-Threshold-Profil (lockerere Exit- und P&L-Toleranzen).

Die 3-Strategien-Lücke

Drei Strategien machen den ganzen Unterschied.

Auf 85 von 100 Referenzstrategien erreichen PineForge und PyneCore beide Excellent. Die 15-Strategien-Lücke ist nicht zufällig — jede Divergenz fällt in dieselbe Kategorie: Bracket-Exits, Trailing-Stops oder Partial Closes. PyneCores Broker-Emulator weicht dort von TV ab; PineForge spiegelt TV Trade für Trade.

06-liquidity-sweep
Bracket-Exit
PineForge
excellent (88 / 88)
PyneCore
moderat (91)
93 TV-Trades im Fenster. PineForge matcht 88 innerhalb strikter Toleranzen. PyneCore generiert 91 Trades — +3 Count-Drift plus Exit-Price-Drift bei Bracket-Stop-Exits.
07-scalping-strategy
Trailing-Stop (Production-Thresholds)
PineForge
excellent (412 / 429)
PyneCore
moderat (412)
429 TV-Trades im Fenster. PineForge: 412 gematcht, alle vier Parity-Dimensionen innerhalb der Production-Thresholds. PyneCore: gleicher Match-Count, aber Exit-Price p90 außerhalb der Schwelle — die trail_offset-Arithmetik des Broker-Emulators weicht von TV ab.
49-partial-exit-qty-percent
Partial Close (qty_percent)
PineForge
excellent (683 / 725)
PyneCore
schwach (2.671)
Die deutlichste Divergenz im ganzen Korpus. 725 TV-Trades, PineForge matcht 683 auf strikter Parität. PyneCore generiert 2.671 Trades — das 3,7-fache des korrekten Counts. Ursache: strategy.close(qty_percent=…) spaltet in PyneCore jeden Entry in Sub-Exits pro Prozent auf, statt einen einzelnen Partial Close zu erzeugen. Offenes Upstream-Issue Stand dieses Commits.
Wo welche Engine gewinnt

Wir verstecken unsere Lücken nicht. Die anderen sollten es auch nicht.

WÄHLE PINEFORGE, WENN

Du byte-reproduzierbaren Determinismus brauchst (CI-Gates, Audit-Trails, vertraglich zugesicherte Parität gegenüber Kunden).
Du TV-treue Semantik bei Bracket-Exits, Trailing-Stops oder Partial Closes brauchst. Die drei oben genannten Strategien sprechen hier eine eindeutige Sprache.
Du nativ kompilierte Geschwindigkeit für Parameter-Sweeps brauchst (Optuna über Tausende Parameter-Kombinationen auf 50k-Bar-Feeds).
Du später eine gehostete Studio-UI willst — Code · Backtest · Optimize · Compare · Reports kommen Q4 2026.
Du irgendwann kompilierte Strategien an andere Trader verkaufen möchtest. Das Encrypted-Distribution- + License-Server-Design liegt offen im Public Engine Repo.

WÄHLE PYNECORE, WENN

Du heute schon Forward-Testing oder Live-Broker-Execution brauchst. PineForge liefert das Q3–Q4 2026; PyneCore hat es jetzt.
Du einen vollständig in Python implementierten Strategy-Execution-Path brauchst (tiefere Integration mit NumPy/Pandas-Backtesting-Tooling, Jupyter-native Iteration).
Du mit den Bracket-/Trail-/Partial-Exit-Caveats leben kannst (85/100 Strategien erreichen trotzdem Excellent).
Dir durchgängiges OSI-Open-Source von vorn bis hinten wichtiger ist als source-available. PyneCore ist durchweg OSI-lizenziert; PineForges Engine ist Apache-2.0, das Codegen aber source-available (PolyForm Noncommercial, kostenlos fürs eigene Trading) — nicht OSI-approved.
Du gerne Heavy-Contributor bist und ein Projekt willst, in dem deine PRs direkt im Strategy-Execution-Path landen.

Glaub der Tabelle nicht. Reproduziere sie.

Jede Zahl auf dieser Seite wird von der öffentlichen Benchmark-Suite erzeugt. Keine versteckte Config, keine API-Keys, keine eingecheckten Snapshots. ~5 Minuten aus einem frischen Clone.

# 1. Open-Source-Engine + Benchmark-Suite klonen
git clone https://github.com/pineforge-4pass/pineforge-engine
cd pineforge-engine

# 2. LFS-getrackte OHLCV pullen (2,3 MB)
git lfs install && git lfs pull

# 3. Vollständigen Drei-Engine-Sweep ausführen (~5 Min)
bash benchmarks/run_all.sh

# 4. Ergebnisse lesen — exakt die gleiche Tabelle wie auf dieser Seite
cat benchmarks/results/summary.md
Benchmarks-Repo ansehen →Auf die Warteliste