pineforge
Engine comparison · v0.8.0 · 100-strategy benchmark

PineForge vs PyneCore. Reproducible, बातें नहीं।

इस page का हर number open-source pineforge-engine repo में bash benchmarks/run_all.sh से generate होता है, उसी 53,930-bar Binance ETH/USDT 15-minute feed पर। Clean clone से ~5 minutes में reproduce करें, कोई external API call नहीं।
Side by side

हर engine actually आपको क्या देता है।

CapabilityPineForgeTradingViewPyneCore
Byte-reproducible backtests✓—◐
Native compiled runtime✓——
251/252 strict TV parity✓✓◐
Compiled binaries के रूप में strategies बेचें✓——
Time-bound seller licenses✓——
Machine-bound seller licenses✓——
Open-source runtime — audit-able✓—✓
अपने data, अपनी machine पर चलाएँ✓—✓
Compliance के लिए audit-grade reproducibility✓—◐
Native live broker integrations◐✓✓
100-strategy match degree

100 में से कितनी strategies TradingView के against excellent tier पर hit करती हैं।

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
Excellent100Strong0Moderate0Weak0
Python (PyneSys cloud-compiled)
PyneCore
85 / 100
median_ms1,100throughput38k bars/ssample99 strategies
Excellent85Strong2Moderate10Weak3
TypeScript (LuxAlgo)
PineTS
indicators only
canonical_ms486throughput85k bars/sscope10 indicators
Strategy backtester-Per-bar indicators✓10/10 indicatorsmatch

Tiers canonical PineForge parity sweep follow करते हैं: excellent = चारों dimensions (count delta, entry p90, exit p90, P&L p90) strict thresholds के अंदर और ≥95% trades matched; strong strict के 5× के अंदर; moderate / weak / minimal उससे नीचे step down करते हैं। जो strategies TradingView के trail_* exits use करती हैं उन्हें production threshold profile मिलता है (looser exit + P&L tolerances)।

वो 3-strategy delta

तीन strategies पूरी खाई खींच देती हैं।

100 में से 85 reference strategies पर PineForge और PyneCore दोनों excellent hit करते हैं। जो 15-strategy gap है वो random नहीं — हर divergence एक ही category में है: bracket exits, trailing stops, या partial position closes। यहाँ PyneCore का broker emulator TV से अलग है; PineForge TV को trade-for-trade mirror करता है।

06-liquidity-sweep
bracket exit
PineForge
excellent (88 / 88)
PyneCore
moderate (91)
Window में 93 TV trades। PineForge strict tolerances में 88 match करता है। PyneCore 91 trades generate करता है — +3 count drift, plus bracket-stopped exits पर exit-price drift।
07-scalping-strategy
trailing stop (production thresholds)
PineForge
excellent (412 / 429)
PyneCore
moderate (412)
Window में 429 TV trades। PineForge: 412 matched, चारों parity dimensions production thresholds के अंदर। PyneCore: same matched count लेकिन exit-price p90 threshold से बाहर — broker-emulator trail_offset arithmetic TV से diverge करती है।
49-partial-exit-qty-percent
partial close (qty_percent)
PineForge
excellent (683 / 725)
PyneCore
weak (2,671)
Corpus की सबसे clear divergence। 725 TV trades, PineForge strict parity पर 683 match करता है। PyneCore 2,671 trades generate करता है — सही count का 3.7×। मूल कारण: PyneCore में strategy.close(qty_percent=…) हर entry को per-percentage sub-exits में तोड़ देता है, single partial close की जगह। इस commit के समय upstream issue open है।
हर engine कहाँ जीतता है

हम अपनी कमज़ोरियाँ नहीं छिपाते। उन्हें भी नहीं चाहिए।

PINEFORGE तब चुनें जब

आपको byte-reproducible determinism चाहिए (CI gates, audit trails, clients को paid-parity claims)।
आपको bracket exits, trailing stops, या partial closes पर TV-faithful semantics चाहिए। ऊपर बताई गई तीन concrete strategies इस पर unambiguous हैं।
आपको parameter sweeps के लिए native compiled speed चाहिए (50k-bar feeds पर thousands of parameter combinations पर Optuna)।
आगे hosted Studio UI चाहिए — Code · Backtest · Optimize · Compare · Reports tabs Q4 2026 में आ रहे हैं।
आगे चलकर compiled strategies दूसरे traders को बेचना चाहते हैं। Encrypted-distribution + license-server design public engine repo में है।

PYNECORE तब चुनें जब

आपको आज ही forward-testing या live broker execution चाहिए। PineForge वो Q3-Q4 2026 में ship करता है; PyneCore के पास वो अभी है।
आपको fully-Python strategy execution path चाहिए (NumPy/Pandas backtesting tooling के साथ deeper integration, Jupyter-native iteration)।
आप bracket/trail/partial-exit caveats के साथ comfortable हैं (100 में से 85 strategies फिर भी excellent hit करती हैं)।
पूरा OSI open-source end-to-end आपके लिए source-available से ज़्यादा matter करता है। PyneCore पूरे तौर पर OSI-licensed है; PineForge का engine Apache-2.0 है पर codegen source-available है (PolyForm Noncommercial, personal trading के लिए free) — OSI-approved नहीं।
आप heavy contributor हैं और ऐसा project चाहते हैं जहाँ आपके PRs strategy execution path में directly land करें।

Table पर trust मत कीजिए। Reproduce कीजिए।

इस page का हर number public benchmark suite से generate होता है। कोई hidden config नहीं, API keys नहीं, committed-snapshot tricks नहीं। Clean clone से ~5 minutes।

# 1. Open-source engine + benchmark suite clone करें
git clone https://github.com/pineforge-4pass/pineforge-engine
cd pineforge-engine

# 2. LFS-tracked OHLCV (2.3 MB) pull करें
git lfs install && git lfs pull

# 3. पूरी three-engine sweep चलाएँ (~5 min)
bash benchmarks/run_all.sh

# 4. results पढ़ें — वही table जो इस page पर है
cat benchmarks/results/summary.md
Benchmarks repo देखें →Waitlist join करें