两个 Pine 引擎意见不一时：PineForge 与 PyneCore 交叉验证

我们如何在 TradingView 之外，把 PyneCore 当作第二来源引擎；2026 年 5 月那次扫描显示了什么；以及为什么一个友好的第二引擎，是我们手里最有用的调试工具。

本文中的数据测于 2026年5月5日，现保留原样。最新结果请参阅我们如何衡量一致性。

2026 年 5 月，我们所知道的、能在 TradingView 平台之外回测 Pine 策略的引擎有两个：我们自己的，以及 PyneCore。PyneSys 的 PyneComp 把 Pine 转译成 Python；PyneCore 则是执行转译结果的开源 Python 运行时。语言不同，运行时不同，但面对的是同样的源材料，要遵循的也是同样的 API 定义。

我们把 PyneCore 当作第二来源的参照（oracle）。2026 年 5 月，我们的一致性扫描同时对照了 TradingView 的「交易列表」导出和 PyneCore 的执行输出。三者对某个策略的交易结果一致时，我们就相信这个结果；两方一致、一方不同时，我们首先排查不同的那一方。

本文展示那次扫描的数字。当前的对比结果——引擎仓库 2026-09-29 的横评（在引擎 35db01c8 上测得，v1.0.0 已包含该提交）——见引擎对比页面。

语料库

公开扫描包含 50 个参照策略（更大的、包含 162 个策略的语料库当时并未公开；这个子集就是我们在交易对比报告中公布的部分，即引擎提交 7e526c1a 里的 benchmarks/results/trade_comparison.md）。每个策略都经过以下处理：

由 PyneComp 编译为 Python，再由 PyneCore 在标准 OHLCV 上执行
由 PineForge codegen 编译为 C++，再由 pineforge-engine 在同一份 OHLCV 上运行
两者都与 TradingView 的 CSV 导出做 diff，时间窗口裁剪为 [OHLCV span] ∩ [TV entry span] ∩ [engine entry span]
按 5 档评级确定匹配程度（excellent / strong / moderate / weak / minimal，即优秀 / 良好 / 中等 / 偏弱 / 最弱）

核心数字

扫描中的 50 个策略里，有 47 个在 PineForge 和 PyneCore 上落在同一等级：两个引擎都在 45 个策略上达到 excellent，在 2 个策略上达到 strong。这 2 个策略是 13-parabolic-asr 和 17-bos-curv：两个引擎给出的交易完全相同，交易笔数也都与 TV 相差 1.8%～2.8%。按当时的评级标准，excellent 意味着：交易笔数差异低于 1%，入场价和出场价的 p90 偏差均低于 0.01%，P&L p90 低于 1%（trail_* 类出场的出场和 P&L 阈值更宽松），并且 TV 在窗口内的交易至少有 95% 得到匹配。

等级不一致的 3 个策略都很有意思：3 个都是 PineForge 的等级更高。

策略	PineForge	PyneCore	备注
`49-partial-exit-qty-percent`	excellent	weak	PyneCore 多发了出场成交
`06-liquidity-sweep`	excellent	moderate	Pyne 一侧出场时机漂移
`07-scalping-strategy`	excellent	moderate	Pyne 一侧 PnL p90 偏高；入场一致

最有意思的一个

49-partial-exit-qty-percent 的差距最大。这个策略用 strategy.exit(qty_percent=...) 在止盈时分批减仓，并且循环往复——全部平仓、重新入场、再次部分平仓。在整个测试窗口内：

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)

在这个策略上，PyneCore 的交易笔数偏差是 74%：对比 harness 会用两者之差除以较大的那个笔数，也就是窗口内的 2,805 笔（TV 为 725 笔）。PineForge 的偏差是 0%。再看 p90 指标：

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)

换句话说：在能与 TV 配对上的交易里，两个引擎都以 TV 的价格入场（两者的 entry p90 都是 0%），只是 PyneCore 在 TV 的 725 笔中只配对上了 582 笔。分歧出在出场上。对同一个策略，PyneCore 产生的交易大约是 TradingView 的 4 倍（窗口内 2,805 笔对 725 笔）——最可能的原因是部分平仓循环触发过度：同一个 qty_percent 子句在 TV 的订单处理器认定其完成之前，就再次上膛了。

这并不是在评判 PyneCore 的质量——这是 Pine strategy.exit() 语义中的一个边角情况。这种对照是双向的：如果 PyneCore 与 TV 一致而 PineForge 不一致，那 bug 就出在我们这边。

另外两个

06-liquidity-sweep 和 07-scalping-strategy 是同一类问题的小幅度版本。两者的入场对齐率都是 100%；出场价的 p90 漂移在 PyneCore 上分别为 1.65%（06）和 0.48%（07），在 PineForge 上则分别只有 0.0005% 和 0.029%。移动止损类出场和部分成交语义，是 Pine 参考实现中文档最少的地方；两个引擎都只能从可观察的交易行为中反推。

调用 PyneCore 编译 API

PyneSys 通过 api.pynesys.io 以 HTTP 形式提供编译步骤，可以直接用 curl 调用：

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)'

返回的是一个面向开源 pynecore 运行时的 Python 文件。下面是它在 2026 年 5 月时的样子；较新的 PyneComp 版本会在文件头里写上各自的版本号，并把文件标记为 @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__)

把它存成一个 Python 文件，执行 pip install pynesys-pynecore，再指向你的 OHLCV，就能得到第二个引擎的输出，用来与 PineForge 做 diff。

为什么这很重要

单个回测引擎报告「你的策略在测试窗口内收益 12.4%」，只能告诉你一件事：这个引擎声称得到了这个结果。如果没有可以对照的东西，你就只能相信它的一面之词。

两个独立的引擎在同一个脚本上报告相同的结果，证据就强得多。当它们不一致时，不一致本身就是一个假设：要么其中一个有 bug，要么 Pine 语义在这个边角情况上本身有歧义，要么测试数据里有一个两个引擎都没处理的边界条件。这三种情况都值得知道。

我们就是这样使用 PyneCore 的：引擎仓库的基准测试如今在同样的 200 个策略上，对照 TradingView 为 PineForge 和 PyneCore 评级（PineForge 还多跑一个策略，它的源码会被 PyneSys 编译器拒绝）。如果你要上线一个愿意押上真金白银的策略，也应该用第二个引擎来验证。

本文没有涵盖的内容

指标层面的漂移。 另有一份报告，逐个指标比较 PineForge、PyneCore 和 PineTS 的数值：是引擎与引擎之间的对照，而不是与 TradingView 对照。报告位于引擎仓库的 benchmarks/results/indicator_comparison.md。
当时内部语料库中另外约 110 个策略，它们不在公开扫描之列。这些策略检验的是 Pine 的边角情况（UDT 方法、多周期取值、OCA 出场组）。相关方法后来已发布在评测方法页面上。

亲手试试交叉验证

在本地或通过 AI 助手运行 PineForge
获取 PyneSys API 密钥
挑一个 Pine 策略，在同一份 OHLCV CSV 上跑两条流水线，再对比生成的交易列表。

两个引擎，一份源码，三份输出可供比对。如果全部一致，就放心上线；如果不一致，你也在真金白银押上去之前，学到了有用的东西。

两个 Pine 引擎意见不一：把 PineForge 与 PyneCore 交叉验证

语料库