06-liquidity-sweep
bracket 出場
PineForge
極佳 (88 / 88)
PyneCore
中等 (91)
視窗內 93 筆 TV 成交。PineForge 88 筆在嚴格容忍內匹配。PyneCore 產生 91 筆 — 筆數 +3 漂移，且 bracket 停損出場價漂移。
引擎比較 · v0.8.0 · 100 支策略標竿
PineForge 對 PyneCore。 可重現，不靠嘴炮。
本頁數字皆由開源 pineforge-engine 內
bash benchmarks/run_all.sh 產生，資料為同一組 53,930 根 Binance ETH/USDT 15 分鐘 K 線。乾淨 clone 約 ~5 分鐘可重現，零外部 API 呼叫。並排對照
各引擎實際給你什麼。
| 能力 | PineForge | TradingView | PyneCore |
|---|---|---|---|
| 位元級可重現回測 | ✓ | — | ◐ |
| 原生編譯 runtime | ✓ | — | — |
| 251/252 嚴格 TV 對齊 | ✓ | ✓ | ◐ |
| 以編譯二進位出售策略 | ✓ | — | — |
| 賣家授權（時效） | ✓ | — | — |
| 賣家授權（綁機器） | ✓ | — | — |
| 可稽核的開源 runtime | ✓ | — | ✓ |
| 自備資料、自有機器執行 | ✓ | — | ✓ |
| 合規級可重現性 | ✓ | — | ◐ |
| 原生實盤券商整合 | ◐ | ✓ | ✓ |
100 支策略的對齊程度
100 支中有幾支達 極佳 （對 TradingView）。
benchmark receipt
162xmedian
PF / PC
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
極佳100強0中等0偏弱0
Python (PyneSys cloud-compiled)
PyneCore
85 / 100
median_ms1,100throughput38k bars/ssample99 strategies
極佳85強2中等10偏弱3
TypeScript (LuxAlgo)
PineTS
僅指標
canonical_ms486throughput85k bars/sscope10 indicators
策略回測器-逐棒指標✓10/10 指標相符
分級依 PineForge 標準對齊掃描：極佳 = 四個維度（筆數差、進場 p90、出場 p90、損益 p90）皆在嚴格門檻內且 ≥95% 成交匹配；強 為嚴格的 5 倍寬鬆；中等／偏弱／極弱 依序遞減。使用 TradingView trail_* 出場的策略套用 production 門檻組合（出場與損益容忍較寬）。
落差的 3 支策略
三支策略就把 差距 全拉開。
100 支參考策略中，85 支 PineForge 與 PyneCore 都達極佳。剩下 15 支的差距並非偶然 — 分歧全落在同一類：bracket 出場、移動停損、或部位分批平倉。PyneCore 券商模擬器在此與 TV 不同；PineForge 逐筆貼合 TV。
07-scalping-strategy
移動停損（production 門檻）
PineForge
極佳 (412 / 429)
PyneCore
中等 (412)
視窗內 429 筆 TV 成交。PineForge：412 筆匹配，四維對齊皆在 production 門檻內。PyneCore：匹配筆數相同但出場價 p90 超出門檻 — 券商模擬器的 trail_offset 運算與 TV 分歧。
49-partial-exit-qty-percent
部分平倉（qty_percent）
PineForge
極佳 (683 / 725)
PyneCore
偏弱 (2,671)
題庫中最清晰的分歧。725 筆 TV 成交，PineForge 嚴格對齊匹配 683 筆。PyneCore 產生 2,671 筆 — 正確筆數的 3.7 倍。根因：PyneCore 的
strategy.close(qty_percent=…) 把每筆進場拆成逐百分比子出場，而非單次部分平倉。截至本 commit 仍有 upstream issue。何時選哪個引擎
我們不藏短； 對手 也不該藏。
PineForge/PyneCore
選 PINEFORGE 若你…
需要位元級可重現的決定性（CI 門檻、稽核軌跡、對客戶付費級對齊聲明）。
需要 bracket 出場、移動停損、部分平倉都貼 TV 語意；上文三支策略把差異講得很白。
需要原生編譯速度跑參數掃描（Optuna × 上千組參數 × 50k 棒資料）。
之後想要託管 Studio UI — 程式碼 · 回測 · 最佳化 · 比較 · 報告分頁預計 2026 Q4。
最終想 出售 編譯策略給其他交易者。加密分發 + 授權伺服器設計已在公開 engine repo。
選 PYNECORE 若你…
現在就要 前瞻測試或實盤券商執行。PineForge 這些在 2026 Q3–Q4；PyneCore 現成就有。
策略執行路徑要純 Python（更深 NumPy／Pandas 回測工具鏈、Jupyter 原生迭代）。
能接受 bracket／trail／部分平倉的注意事項（100 支裡 85 支仍達極佳）。
對你而言，端到端全程 OSI 開源比「原始碼公開」更重要。PyneCore 全程都是 OSI 授權；PineForge 的 engine 是 Apache-2.0，但 codegen 是原始碼公開（PolyForm Noncommercial，個人交易免費）— 並非 OSI 認可。
你是重度貢獻者，希望 PR 直接進策略執行路徑。
別信表格， 自己重跑 。
本頁數字皆由公開 benchmark 套件產生。無隱藏設定、無 API key、無 snapshot 花招。乾淨 clone 約 ~5 分鐘。
# 1. Clone 開源 engine + benchmark git clone https://github.com/pineforge-4pass/pineforge-engine cd pineforge-engine # 2. 拉 LFS 追蹤的 OHLCV（2.3 MB） git lfs install && git lfs pull # 3. 跑完整三引擎掃描（約 ~5 分鐘） bash benchmarks/run_all.sh # 4. 看結果 — 與本頁表格相同 cat benchmarks/results/summary.md