Brand LogoBrand Logo (Dark)
InicioAgentes IAKits de HerramientasSelección de GitHubEnviar AgenteBlog

Categorías

  • Generadores de Arte
  • Generadores de Audio
  • Herramientas de Automatización
  • Chatbots y Agentes IA
  • Herramientas de Código
  • Herramientas Financieras

Categorías

  • Modelos de Lenguaje
  • Herramientas de Marketing
  • No-Code y Low-Code
  • Investigación y Búsqueda
  • Video y Animación
  • Edición de Video

GitHub Selecciones

  • DeerFlow — arnés SuperAgent de código abierto de ByteDance

Últimos Blogs

  • OpenClaw frente a Composer 2 diferencias clave en automatización y codificación
  • Google AI Studio vs Anthropic Console diferencias clave para desarrolladores
  • Stitch 2.0 vs Lovable Cuál es la mejor opción en 2026
  • Guía práctica para monetizar la inteligencia artificial en 2026 como solopreneur o freelancer
  • OpenClaw vs MiniMax ¿Privacidad o comodidad en tu asistente?

Últimos Blogs

  • OpenClaw vs KiloClaw comparación de precios y facilidad de uso
  • OpenClaw vs Kimi Claw
  • GPT-5.4 vs Gemini 3.1 Pro
  • Perplexity Computer desafía a los terminales financieros: ¿El fin de una era en 2026?
  • Mejores prácticas de OpenClaw
LinkStartAI© 2026 LinkstartAI. Todos los derechos reservados.
ContáctanosAcerca de
  1. Inicio
  2. Selección de GitHub
  3. vn.py (VeighNa)
vn.py (VeighNa) logo

vn.py (VeighNa)

Framework open source en Python basado en eventos: gateways multi-mercado, apps de estrategia, backtesting, algos de ejecución, control de riesgo y ejecución por GUI o scripts con BD.
33.1kPythonMIT License
#python#event-driven#trading-cuantitativo#gateway-broker#motor-de-estrategia
#backtesting
#algo-execution
#risk-manager
#multi-account
#alternative-to-backtrader
#alternative-to-zipline
#alternative-to-quantconnect

¿Qué es?

vn.py (VeighNa) organiza el trading cuant con un núcleo por eventos y módulos enchufables. Ticks, órdenes, fills y cambios de cuenta/posición se normalizan como un flujo de eventos; la estrategia se centra en reaccionar y emitir intención, mientras la concurrencia queda contenida en el motor. Los gateways unifican conexión, autenticación, máquina de estados y reconexión, y las apps reutilizan el bus para backtesting, algos de ejecución, carteras, spreads/opciones y riesgo pre-trade. Adaptadores de persistencia guardan datos y logs en SQLite, MySQL o PostgreSQL, habilitando replay, regresión y reproducción de incidentes en vivo.

Problemas vs Innovación

✕Problemas Tradicionales✓Soluciones Innovadoras
Con scripts ad-hoc, reconexión, límites de tasa, concurrencia y máquina de estados de órdenes terminan dentro de la estrategia, y la ejecución se vuelve frágil y difícil de reproducir o depurar.vn.py fija límites claros con un bus de eventos: los gateways traducen el exterior a eventos y gestionan detalles de ejecución, y la estrategia se centra en mapear eventos a intención.
Si research y vivo usan pilas separadas, derivan convenciones de datos, supuestos y reglas de riesgo, y el gap entre backtest y producción se vuelve opaco.Objetos de dominio unificados y un ecosistema de apps enchufables integran backtesting, ejecución, riesgo y datos; el registro y replay de eventos hace la regresión y la reproducción de incidentes una rutina operativa.

Arquitectura en Profundidad

Núcleo por eventos y determinismo con replay
vn.py usa un diseño basado en eventos porque los cambios de estado en trading son discretos: ticks, actualizaciones de órdenes, fills y cambios de cuenta/posición se pueden serializar como un único flujo. El bus de eventos desacopla por suscripción y evita que la estrategia gestione reconexión, límites de tasa o una máquina de estados compleja. La concurrencia y el I/O se concentran en el motor y los gateways, manteniendo el código de estrategia testeable y auditable. Al registrar y reproducir el stream, backtests, regresión y reproducción de incidentes comparten la misma ruta de entrada.
Gateways, apps reutilizables y persistencia
Los gateways esconden diferencias entre venues tras interfaces estables e implementan lo imprescindible de ejecución: transiciones de estado, reintentos y recuperación tras desconexión. Encima, una capa de apps empaqueta backtesting, algos de ejecución, carteras, spreads/opciones, riesgo pre-trade y gestión de datos con objetos de dominio unificados. Adaptadores de persistencia guardan datos y logs en bases relacionales para consulta centralizada, permisos y replay a largo plazo. Con ejecución por GUI o scripts, es posible versionar configuración y despliegues para reducir deriva operativa.

Guía de Despliegue

1. Clonar el repo y crear venv (Python 3.10+)

bash
1git clone https://github.com/vnpy/vnpy.git && cd vnpy && python -m venv .venv && . .venv/bin/activate

2. Ejecutar el script de instalación según el sistema

bash
1Windows: install.bat | Ubuntu: bash install.sh | macOS: bash install_osx.sh

3. (Opcional) Instalar core y apps comunes con pip

bash
1pip install -U pip && pip install vnpy vnpy_ctastrategy vnpy_ctabacktester vnpy_algotrading vnpy_riskmanager

4. (Opcional) Configurar adaptador de BD para datos/logs centralizados

bash
1export VNPY_DATABASE_DRIVER=postgresql && export VNPY_DATABASE_HOST=127.0.0.1 && export VNPY_DATABASE_PORT=5432 && export VNPY_DATABASE_DATABASE=vnpy

5. Arrancar por script y cargar gateways/apps

bash
1python run.py

Casos de Uso

Escenario PrincipalPúblico ObjetivoSoluciónResultado
Ejecución en vivo multi-mercadoequipos de tradingconectar venues con gateways unificados y activar algos y riesgomenos incidentes de integración y escalado estable
Backtests y regresión con replayquantsregistrar el stream de eventos y reproducirlo en el mismo motor para comparar cambiosresultados reproducibles y diagnóstico más rápido
Operación multi-cuenta y gobiernoops y riesgocentralizar logs y datos con políticas coherentesmás trazabilidad, menos deriva y despliegues más seguros

Limitaciones y Consideraciones

Limitaciones y Consideraciones
  • Conectar venues reales suele requerir paquetes de gateway y preparación de cuentas/red, y algunos dependen de SDKs del proveedor o restricciones del sistema.
  • La consistencia backtest/vivo depende de calidad de datos, reglas del contrato y modelado de comisiones/slippage; sin convenciones fijadas, la regresión deriva.
  • Arquitecturas multi-proceso mejoran rendimiento pero aumentan complejidad operativa, por lo que secretos, permisos y alertas son imprescindibles.

Preguntas Frecuentes

¿En qué se diferencia vn.py de Backtrader/Zipline/QuantConnect?▾
vn.py se parece más a un esqueleto de ingeniería para trading en vivo: gateways con reconexión y máquina de estados, y apps para backtesting, ejecución, riesgo y gestión de datos con persistencia. En cambio, Backtrader y Zipline suelen usarse como librerías de research/backtesting y llevarlas a vivo implica más integración y operación; QuantConnect es una plataforma cloud, con otro equilibrio entre control local e integración. Decide con tres restricciones duras: si necesitas gateways autoalojados, si requieres replay para reproducir incidentes y si debes persistir datos/logs en tu propio modelo de permisos.
¿Cómo operar gateways multi-mercado con estabilidad?▾
Valida primero un venue de extremo a extremo: conexión, auth, updates de órdenes, fills y recuperación tras desconexión. Luego añade riesgo y algos por fases, versiona configuración y persiste logs para hacer regresión con replay y detectar deriva antes de producción.
¿SQLite o PostgreSQL?▾
Para validar rápido en una sola máquina, SQLite es lo más simple. Si necesitas acceso compartido, logs centralizados y mejores controles de permisos/consultas, PostgreSQL es una base más sólida. En ambos casos, diseña tasa de escritura, índices y retención para evitar contención entre ingestión, replay y vivo.
Ver en GitHub

Métricas del Proyecto

Estrellas33.1 k
LenguajePython
LicenciaMIT License
Dificultad de DespliegueMedio

Table of Contents

  1. 01¿Qué es?
  2. 02Problemas vs Innovación
  3. 03Arquitectura en Profundidad
  4. 04Guía de Despliegue
  5. 05Casos de Uso
  6. 06Limitaciones y Consideraciones
  7. 07Preguntas Frecuentes

Proyectos Relacionados

nanobot
nanobot
22.5 k·Python
DeerFlow — arnés SuperAgent de código abierto de ByteDance
DeerFlow — arnés SuperAgent de código abierto de ByteDance
26.1 k·Python
gstack
gstack
0·TypeScript
Marketing for Founders
Marketing for Founders
2.2 k·Markdown