Aller au contenu

Quand deux moteurs Pine divergent : recoupement PineForge vs PyneCore

9 min de lecture

Comment nous utilisons PyneCore comme moteur de seconde source aux côtés de TradingView, ce qu’a montré la campagne de mai 2026, et pourquoi un second moteur « ami » est le plus utile de nos outils de débogage.

Les chiffres de cet article ont été mesurés le 5 mai 2026 et sont conservés tels quels. Pour les résultats actuels, consultez notre protocole de mesure de la parité.

En mai 2026, nous connaissions deux moteurs capables de backtester des stratégies Pine en dehors de TradingView : le nôtre, et PyneCore. PyneComp, de PyneSys, transpile le Pine en Python ; PyneCore est le runtime Python open source qui exécute le résultat. Langage différent, runtime différent, même matériau de départ, mêmes définitions d’API à respecter.

Nous traitons PyneCore comme un oracle de seconde source. En mai 2026, nous avons fait tourner la campagne de parité à la fois contre les exports « List of Trades » de TradingView et contre la sortie exécutée par PyneCore. Quand les trois concordent sur les trades d’une stratégie, nous tenons le résultat pour fiable. Quand deux concordent et que le troisième diverge, c’est vers celui qui diverge que nous regardons en premier.

Ce billet présente les chiffres de cette campagne. La comparaison actuelle, le comparatif du dépôt du moteur daté du 2026-09-29 (mesuré au commit 35db01c8 du moteur, inclus dans la v1.0.0), se trouve sur la page de comparaison.

Le corpus

La campagne publique portait sur 50 stratégies de référence (le corpus plus large de 162 stratégies était alors privé ; ce sous-ensemble est celui que nous avons publié dans le rapport de comparaison des trades, benchmarks/results/trade_comparison.md au commit 7e526c1a du moteur). Chaque stratégie a été :

  • compilée en Python par PyneComp, puis exécutée par PyneCore sur l’OHLCV canonique ;
  • compilée en C++ par le codegen PineForge, puis exécutée par pineforge-engine sur le même OHLCV ;
  • comparée, pour les deux moteurs, à l’export CSV de TradingView, sur une fenêtre restreinte à [OHLCV span] ∩ [TV entry span] ∩ [engine entry span] ;
  • notée selon l’échelle de correspondance à 5 niveaux (excellent / strong / moderate / weak / minimal).

Le résultat principal

Sur les 50 stratégies de la campagne, 47 atteignent le même niveau dans PineForge et dans PyneCore : les deux moteurs obtiennent excellent sur 45 d’entre elles et strong sur 2. Sur ces 2 stratégies, 13-parabolic-asr et 17-bos-curv, les deux moteurs ont produit les mêmes trades, dont le nombre s’écartait de celui de TV de 1,8 à 2,8 %. Selon la grille de l’époque, excellent signifiait un écart de nombre de trades inférieur à 1 %, un p90 d’entrée et de sortie inférieur à 0,01 %, un p90 de P&L inférieur à 1 % (avec des seuils de sortie et de P&L plus souples pour les sorties trail_*) et l’appariement d’au moins 95 % des trades de TV compris dans la fenêtre.

Les 3 stratégies dont le niveau diffère sont des cas intéressants. Dans les 3 cas, PineForge est au-dessus.

StratégiePineForgePyneCoreRemarques
49-partial-exit-qty-percentexcellentweakPyneCore émet trop d’exécutions de sortie
06-liquidity-sweepexcellentmoderateDérive du timing des sorties côté Pyne
07-scalping-strategyexcellentmoderatePnL p90 élevé côté Pyne ; les entrées concordent

Le cas intéressant

49-partial-exit-qty-percent présente le plus grand écart. La stratégie utilise strategy.exit(qty_percent=...) pour alléger la position par tranches lors des prises de bénéfices, et le cycle se répète : sortie complète, nouvelle entrée, nouvelle sortie partielle. Sur la fenêtre de test :

TV trades (raw, in-window):  725
PineForge engine trades:     852  →  725 in-window  →  725 matched (100% of TV)
PyneCore  engine trades:    3297  →  2805 in-window →  582 matched (80.3% of TV)

Sur cette stratégie, l’écart de nombre de trades de PyneCore est de 74 % : le harnais divise la différence par le plus grand des deux nombres, soit 2 805 trades dans la fenêtre contre 725 pour TV. Pour PineForge, il est de 0 %. Du côté des métriques p90 :

PineForge: count_delta 0.0000% · entry p90 0.0000% · exit p90 0.0004% · PnL p90 0.1321%
PyneCore : count_delta 74.1533% · entry p90 0.0000% · exit p90 1.0376% · PnL p90 (high)

Autrement dit : sur les trades appariés à ceux de TV, les deux moteurs entrent aux prix de TV (le p90 d’entrée est de 0 % pour les deux), même si PyneCore n’apparie que 582 des 725 trades de TV. Le désaccord porte sur les sorties. PyneCore génère environ 4× plus de trades que TradingView sur la même stratégie (2 805 contre 725 dans la fenêtre), très probablement parce que les cycles de sortie partielle se déclenchent trop souvent : la même clause qty_percent se réarme avant que le processeur d’ordres de TV ne la considère comme terminée.

Ce n’est pas un jugement de valeur sur la qualité de PyneCore : c’est un cas limite de la sémantique de strategy.exit() dans Pine. La comparaison marche dans les deux sens : quand PyneCore concorde avec TV et que PineForge diverge, le bug est chez nous.

Les deux autres

06-liquidity-sweep et 07-scalping-strategy présentent le même profil, à plus petite échelle. Les deux ont des entrées alignées à 100 % ; la dérive p90 du prix de sortie atteint 1,65 % (06) et 0,48 % (07) côté PyneCore, contre 0,0005 % et 0,029 % côté PineForge. Les sorties de type trailing et la sémantique des exécutions partielles sont les points sur lesquels l’implémentation de référence de Pine est la moins documentée ; les deux moteurs doivent la reconstituer par rétro-ingénierie à partir du comportement observable des trades.

Appeler l’API de compilation PyneCore

PyneSys expose l’étape de compilation en HTTP sur api.pynesys.io. Vous pouvez l’appeler directement avec curl :

curl -X POST https://api.pynesys.io/compiler/compile \
  -H "Authorization: Bearer $PYNESYS_API_KEY" \
  --data-urlencode 'script=//@version=6
strategy("ma cross", overlay=true)
if ta.crossover(close, ta.sma(close, 20))
    strategy.entry("L", strategy.long)'

La réponse est un fichier Python qui cible le runtime open source pynecore. Voici à quoi il ressemblait en mai 2026 ; les versions plus récentes de PyneComp inscrivent leur propre numéro de version dans l’en-tête et marquent le fichier @pyne edge :

"""
@pyne
 
This code was compiled by PyneComp v6.0.31 — the Pine Script to Python compiler.
Run with open-source PyneCore: https://pynecore.org
Compile Pine Scripts online at PyneSys: https://pynesys.io
"""
from pynecore.lib import close, script, strategy, ta
 
 
@script.strategy("ma cross", overlay=True)
def main():
    if ta.crossover(close, ta.sma(close, 20)):
        strategy.entry('L', strategy.long)
 
 
if __name__ == "__main__":
    from pynecore.standalone import run
    run(__file__)

Enregistrez-le dans un fichier Python, lancez pip install pynesys-pynecore, pointez-le vers votre OHLCV : vous obtenez la sortie du second moteur, à comparer avec celle de PineForge.

Pourquoi c’est important

Un moteur de backtest isolé qui annonce « votre stratégie rapporte 12,4 % sur la fenêtre de test » ne vous apprend qu’une chose : ce moteur affirme ce résultat. Sans rien à quoi le comparer, vous devez le croire sur parole.

Deux moteurs indépendants qui annoncent le même résultat sur le même script, c’est une preuve bien plus solide. Quand ils divergent, la divergence est elle-même une hypothèse : l’un des deux a un bug, le cas limite de la sémantique Pine est ambigu, ou les données de test présentent une condition limite qu’aucun des deux moteurs ne gère. Dans les trois cas, c’est bon à savoir.

C’est ainsi que nous utilisons PyneCore : le benchmark du dépôt du moteur note désormais PineForge et PyneCore face à TradingView sur les mêmes 200 stratégies (PineForge en exécute une de plus, dont le code source est rejeté par le compilateur PyneSys). Si vous mettez en production une stratégie sur laquelle vous engageriez de l’argent réel, utilisez vous aussi un second moteur.

Ce que ce billet ne couvre pas

  • La dérive au niveau des indicateurs. Un rapport séparé compare les valeurs indicateur par indicateur entre PineForge, PyneCore et PineTS : moteur contre moteur, pas contre TradingView. Il se trouve dans benchmarks/results/indicator_comparison.md, dans le dépôt du moteur.
  • Les quelque 110 autres stratégies du corpus interne de l’époque, qui ne faisaient pas partie de la campagne publique. Elles exerçaient des cas limites de Pine (méthodes UDT, lectures multi-timeframes, groupes de sortie OCA). La méthode a depuis été publiée sur la page de méthodologie.

Essayez vous-même la validation croisée

Deux moteurs, une source, trois sorties à comparer. Si tout concorde, livrez. Si ça diverge, vous avez appris quelque chose d’utile avant que de l’argent réel ne soit en jeu.