PyBroker
✨ 用Python做算法回测交易，内置机器学习建模，适合量化策略开发
🧭 AI 判断
值得关注开源ML回测框架定位实用,但热度与维护数据缺失,需自行验证
Python回测框架,内置机器学习模型训练与预测,适合ML驱动策略研究
- 7天热度 +34,处于持续上升期
📊 综合评分
📈 热度走势
GitHub star / HF 下载量每日快照 · 自 2026-09-16(上限 30 天)+71(现 3,612 · 断点=当日未采集)
📖 工具介绍
一款基于 Python 的算法交易回测框架，将机器学习融入量化策略开发流程。它支持训练 ML 模型并进行向量化回测，可高效验证策略表现。适合希望把机器学习应用于交易策略研究与回测的 Python 开发者和量化研究人员。
`Python` - Algorithmic Trading with Machine Learning.
📚 延伸阅读
站外优质教程,按从入门到进阶排列。内容版权归原作者所有,以下为本站人工摘要,点击标题前往原文阅读。
- PyBroker：为机器学习而生的量化回测框架
介绍该框架面向机器学习策略的设计、向前走步分析方法与主要特性，并给出规则与模型策略的代码示例。
- pybroker代码框架梳理与WFA算法
从源码角度梳理该框架的目录结构与回测主流程，并解释其向前走步分析算法的训练与评估机制。
- PyBroker-中文文档及 AKShare 数据类更新
介绍该框架中文文档的访问方式与数据类导入写法，并给出基于股票数据的简单策略回测代码示例。
⚖️ 同类对比
| 维度 | PyBroker | FinRL | backtrader | PyLOB |
|---|---|---|---|---|
| 结论 | 值得关注 | 值得关注 | 值得关注 | 仅供研究 |
| 热度 | 3.6k | 16.6k | 23.5k | 203 |
| 7日增长 | +34 | +61 | +57 | −1 |
| 适合人群 | 开发者 | 开发者 | 开发者 | 开发者 |
| 主要用途 | 回测 / 策略研究 | 回测 / 策略研究 | 回测 / 策略研究 | 回测 / 策略研究 |
| 支持市场 | 多市场 | 多市场 | 多市场 | 多市场 |
| 技术栈 | Python | Python | Python | Python |
| 上手难度 | 中等 | 中等 | 中等 | 中等 |
| 活跃度 | 中 | 高 | 高 | 低 |
💡 近7日 FinRL 势头最猛(+61)
🧩 更多同类工具
一款基于 Python 的深度强化学习量化交易库，曾发表于 NeurIPS 2020。它提供自动化交易的标准环境、算法与回测流程，支持股票、加密货币等多种市场场景。适合希望将 Deep Reinforcement Learning 应用于量化策略研究与开发的开发者和研究人员。
一款基于 Python 的开源回测框架，用于开发和测试交易策略。它支持多数据源、多品种回测，内置常用技术指标与 broker 模拟交易功能，也可对接实盘接口。适合量化研究者与策略开发者使用。
一个用 Python 实现的限价订单簿(Limit Order Book)库,功能完整且运行速度较快。它支持订单的提交、取消与撮合等核心机制,可用于模拟交易撮合过程。适合量化研究人员和开发者学习订单簿原理,或在高频交易策略回测中搭建撮合模拟环境。
一个开源的强化学习(Reinforcement Learning)框架,用于训练、评估和部署交易智能体。它采用模块化设计,支持自定义数据源、奖励函数和执行环境,便于构建稳健的交易策略。适合量化研究人员和开发者用于实验和验证基于 RL 的交易模型。
一款基于 Python 的开源回测模拟引擎，提供事件驱动的回测框架，支持组合构建、风险管理、交易成本与滑点模拟等功能。其代码结构清晰、易于扩展，适合量化研究者与开发者进行策略回测验证及二次开发。
一个用于交易与回测的开源环境，支持训练 reinforcement learning agent,也可运行简单的 rule base 策略。它提供交易模拟与回测功能，方便验证算法表现。适合量化研究者与强化学习开发者使用。