Benchmark moteurs · v0.8.0 · 100 stratégies

PineForge vs PyneCore. Reproductible, pas de posture.

Toutes les métriques viennent de bash benchmarks/run_all.sh dans pineforge-engine, sur le même fichier ETH/USDT 15m Binance (53 930 bougies). ~5 minutes depuis un clone propre, zéro API tierce.

Face à face

Ce que vous embarquez réellement.

Capacité	PineForge	TradingView	PyneCore
Backtests reproductibles à l'octet près	✓	—	◐
Runtime natif compilé	✓	—	—
251/252 en parité stricte avec TV	✓	✓	◐
Vendre des stratégies sous forme de binaires compilés	✓	—	—
Licences vendeur à durée limitée	✓	—	—
Licences vendeur liées à la machine	✓	—	—
Runtime open source auditable	✓	—	✓
Exécution sur vos données, votre machine	✓	—	✓
Reproductibilité audit / conformité	✓	—	◐
Bridges courtiers natifs	◐	✓	✓

Score sur 100 stratégies

Combien touchent le palier sur 100 stratégies excellent contre 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

Excellent100Fort0Modéré0Faible0

Python (PyneSys cloud-compiled)

PyneCore

85 / 100

median_ms1,100throughput38k bars/ssample99 strategies

Excellent85Fort2Modéré10Faible3

TypeScript (LuxAlgo)

PineTS

indicateurs uniquement

canonical_ms486throughput85k bars/sscope10 indicators

Moteur de stratégie-Indicateurs barre par barre✓10/10 indicateursalignées

Échelle officielle PineForge : excellent si les quatre axes (delta de nombre de trades, p90 entrée/sortie, p90 P&L) restent sous les seuils stricts et ≥ 95 % des trades sont appariés ; fort jusqu'à 5× ces seuils ; modéré / faible / minimal au-delà. Les scripts avec sorties trail_* TradingView utilisent le profil « production » (tolérances sortie et P&L élargies).

L'écart de 3 stratégies

Trois stratégies concentrent tout l'écart.

Sur 85 des 100 stratégies de référence, PineForge et PyneCore atteignent tous deux le palier « excellent ». Les 15 autres ne divergent pas au hasard — même famille : sorties en bracket, trailing stops, sorties partielles. L'émulateur de courtier PyneCore n'est pas fidèle à TradingView ici ; PineForge l'est — trade pour trade.

06-liquidity-sweep

sortie en bracket

PineForge

excellent (88 / 88)

PyneCore

modéré (91)

93 trades TV dans la fenêtre : PineForge en aligne 88 dans les tolérances strictes. PyneCore produit 91 trades (+3 sur le nombre) avec dérive du prix de sortie sur les sorties en bracket.

07-scalping-strategy

trailing stop (profil production)

PineForge

excellent (412 / 429)

PyneCore

modéré (412)

429 trades TV : PineForge aligne 412 trades, les quatre dimensions de parité restant dans les seuils « production ». PyneCore aligne aussi 412 trades mais le p90 du prix de sortie dépasse le seuil — l'arithmétique trail_offset de l'émulateur de courtier diverge de TradingView.

49-partial-exit-qty-percent

sortie partielle (qty_percent)

PineForge

excellent (683 / 725)

PyneCore

faible (2 671)

Le cas le plus parlant : 725 trades TV, PineForge en aligne 683 en parité stricte. PyneCore monte à 2 671 trades (~×3,7). Pourquoi ? strategy.close(qty_percent=…) éclate chaque entrée en micropartiels au lieu d'une sortie partielle unique. Issue ouverte en amont sur ce commit.

Quand choisir quoi

Nos angles morts sont publics. Les autres devraient en faire autant.

PineForge/PyneCore

PINEFORGE SI…

Le déterminisme bit-à-bit est non négociable (CI, audit, SLA clients sur la parité TV).

Les brackets, trails et partiels doivent calquer TV — les trois stratégies ci-dessus sont les preuves.

Vous bombardez Optuna sur des milliers de configs et 50 k barres : il vous faut du natif compilé.

Vous visez un Studio web — Code · Backtest · Optimize · Compare · Reports au Q4 2026.

Vous comptez monétiser du Pine compilé : design chiffrement + licensing déjà documenté dans le repo moteur.

PYNECORE SI…

Il vous faut forward-test ou exécution courtier maintenant — PineForge arrive Q3-Q4 2026, PyneCore est déjà là.

Vous vivez dans NumPy/Pandas/Jupyter et refusez de quitter Python pour la boucle stratégie.

Les angles brackets/trails/partiels sont acceptables (85 / 100 stratégies atteignent tout de même le palier excellent malgré ces écarts).

L'open source OSI intégral, de bout en bout, compte plus pour vous que le source-available. PyneCore est sous licence OSI sur toute la chaîne ; chez PineForge, le moteur est en Apache-2.0 mais le codegen est source-available (PolyForm Noncommercial, gratuit pour le trading personnel) — sans approbation OSI.

Vous voulez contribuer dans le cœur d'exécution stratégie avec des PR qui touchent le métier.

Ne vous fiez pas au tableau. Relancez le benchmark.

Tous les chiffres de cette page sont produits par la suite de benchmarks publique. Pas de config secrète, pas d'API payante, pas de snapshot magique. ~5 minutes depuis un clone vierge.

# 1. Cloner le moteur OSS + benchmarks
git clone https://github.com/pineforge-4pass/pineforge-engine
cd pineforge-engine

# 2. Récupérer l'OHLCV LFS (2,3 Mo)
git lfs install && git lfs pull

# 3. Lancer le sweep triple moteur (~5 min)
bash benchmarks/run_all.sh

# 4. Lire les résultats — le même tableau que sur cette page
cat benchmarks/results/summary.md

Repo benchmarks →Rejoindre la liste d'attente