Qu’est-ce que VeighNa (vn.py) ?
VeighNa, toujours publié sous le nom vn.py, est un cadre open source en Python pour construire et exploiter des systèmes de trading quantitatif. Né en 2015, il sert surtout avec des courtiers chinois en futures, options et actions A. Il réunit un moteur d'événements, un terminal de bureau PySide6, des moteurs de stratégie pour le CTA, les spreads, les options, les portefeuilles et l'exécution algorithmique, ainsi que des adaptateurs pour 15 passerelles nationales et trois étrangères, dont Interactive Brokers.
La version 4.0, sortie en mars 2025, a ajouté vnpy.alpha : un module d'ingénierie de facteurs, d'entraînement de modèles et de backtesting pour les stratégies de machine learning. Il fournit des modèles Lasso, LightGBM et MLP ainsi que le jeu de facteurs Alpha158 repris de Qlib, de Microsoft.
Le dépôt compte environ 46 400 étoiles et une licence MIT. La version 4.5.0 est sortie sur GitHub et PyPI en octobre 2026 et prend en charge Python 3.10 ou plus, 3.13 étant recommandé.
VeighNa (vn.py) vaut-il le coup ?
vn.py compte pour ce qui manque à Qlib : il se connecte aux courtiers et passe des ordres. CTP, l'interface standard des futures chinois, XTP et TORA pour les actions A, et Interactive Brokers pour les marchés étrangers se trouvent derrière une même API événementielle, avec un gestionnaire de risque qui plafonne le flux d'ordres, leur taille et les annulations avant que rien n'atteigne la bourse. La version 4.0 a marqué les dix ans du projet, et l'étendue des passerelles reflète une décennie d'usage par des fonds privés, des sociétés de bourse et des courtiers en futures.
La partie IA est vnpy.alpha, ajoutée en 4.0. Il transforme les données de prix en variables d'entraînement avec un moteur d'expressions, entraîne des modèles Lasso, LightGBM ou MLP à partir d'un même gabarit et backteste des stratégies transversales ou temporelles sur les signaux. La version 4.5.0 a refondu l'analyse des facteurs et des signaux, ajouté les exécutions au VWAP dans le backtest et corrigé des indicateurs qui mélangeaient les données entre contrats. Il est volontairement plus petit que Qlib, et le README crédite Qlib pour la conception comme pour les variables Alpha158.
Le hic : la portée. Le README principal, la documentation et le forum sont en chinois, le README anglais est une traduction, et la plupart des passerelles n'ont de sens qu'avec un compte chez un courtier chinois. Les systèmes pris en charge sont Windows 11, Windows Server 2022 et Ubuntu 22.04 ou plus récent, et l'interface de bureau suppose un poste de travail plutôt qu'un serveur sans écran. VeighNa Fusion, un produit de recherche assistée qui transforme des descriptions de stratégies en code, n'est proposé que via des courtiers de futures partenaires et sans prix publié.
La maintenance est régulière : cinq versions depuis la 4.0 et seulement environ 20 tickets et pull requests ouverts. Pour un trader sur les marchés chinois qui veut relier des signaux ML à une exécution réelle, c'est la base open source naturelle ; ailleurs, l'API d'un courtier occidental associée à Qlib pour la recherche est le couple le plus évident.
Là où il fait la différence
Un desk CTA de deux traders dans un fonds privé chinois
Exécuter des stratégies sur futures en réel avec des limites de risque strictes
Ils connectent la passerelle CTP, chargent les stratégies dans le moteur CTA et règlent les plafonds de flux d'ordres et d'annulations du gestionnaire de risque ; le terminal de bureau affiche positions et résultat quotidien. Le logiciel est gratuit ; les coûts sont le compte courtier et les données.
Un chercheur quant dans une société de bourse chinoise
Entraîner un signal ML de sélection d'actions et le trader depuis le même code
Il télécharge les données d'actions A via RQData ou XtQuant, construit les variables Alpha158 et entraîne LightGBM dans le lab de vnpy.alpha, puis confie le signal au moteur de stratégies de portefeuille pour un test en simulation avant le passage en réel.
Un développeur dans une petite société de trading pour compte propre à l'étranger
Prototyper une stratégie événementielle sur Interactive Brokers
Il utilise la passerelle ib avec le script trader en session de type REPL, tandis que paper_account apparie les ordres localement sur les cours en direct, afin que rien n'atteigne le marché avant que la logique soit validée.
Avant de vous engager
- Mise en route
- Sous Windows, on peut installer VeighNa Studio, une distribution Python empaquetée ; sinon, décompresser la version et lancer install.bat, install.sh ou install_osx.sh avec Python 3.10+. vnpy.alpha requiert les extras alpha : polars, scikit-learn, LightGBM et PyTorch.
- Intégrations
- 15 passerelles de courtiers chinois plus Interactive Brokers, Esunny 9.0 et Direct Futures ; flux de données RQData et XtQuant ; SQLite, MySQL, PostgreSQL, QuestDB, DolphinDB, TDengine et MongoDB ; un web trader REST et WebSocket ; Excel RTD.
- Données et confidentialité
- S'exécute en local, détient les identifiants du courtier et peut passer de vrais ordres : configurez le gestionnaire de risque et le compte simulé avant tout usage réel. Le module web_trader ouvre des points d'accès REST et WebSocket à sécuriser s'il est activé.
- Coût à grande échelle
- Le cadre est gratuit sous MIT. Les vrais coûts sont les comptes courtiers et les abonnements aux données comme RQData ; les conditions de Fusion sont fixées par le courtier partenaire et non publiées.
- Limites
- La documentation en anglais est mince ; les passerelles qui enveloppent des API C++ doivent être mises à jour avant usage avec la 4.x ; macOS dispose d'un script d'installation mais ne figure pas parmi les systèmes pris en charge ; script_trader ne fait pas de backtest.
Les points forts
- Trading réel via 15 passerelles chinoises plus Interactive Brokers
- Gestionnaire de risque en amont qui plafonne flux, taille et annulations d'ordres
- vnpy.alpha ajoute recherche de facteurs ML et backtests dans le même cadre
- Licence MIT et versions régulières
Les points faibles
- Documentation et communauté surtout en chinois
- Le module ML propose trois types de modèles ; une recherche poussée exige Qlib ou votre propre code
- Interface PySide6 pensée pour le poste de travail
- La recherche assistée par IA de Fusion dépend du courtier et n'a pas de prix
Idéal pour
Traders quantitatifs sur les marchés chinois de futures et d'actions qui veulent des stratégies pilotées par ML reliées à de vrais courtiers dans un seul code Python.
Alternatives à VeighNa (vn.py)
VeighNa (vn.py) : questions fréquentes
- VeighNa (vn.py) vaut-il le coup ?
- Un cadre de trading mûr et relié aux courtiers, dont le module de machine learning est un ajout sensé mais modeste, avec une documentation et une communauté surtout en chinois. Nous lui donnons 3.8 sur 5.
- Combien coûte VeighNa (vn.py) ?
- Gratuit et open source sous MIT. VeighNa Fusion, le produit de recherche assistée, n'est proposé que via des courtiers de futures partenaires ; aucun prix publié.
- Quels sont les inconvénients de VeighNa (vn.py) ?
- Documentation et communauté surtout en chinois; le module ML propose trois types de modèles ; une recherche poussée exige Qlib ou votre propre code; interface PySide6 pensée pour le poste de travail; la recherche assistée par IA de Fusion dépend du courtier et n'a pas de prix.
- À qui s’adresse VeighNa (vn.py) ?
- Traders quantitatifs sur les marchés chinois de futures et d'actions qui veulent des stratégies pilotées par ML reliées à de vrais courtiers dans un seul code Python.
- Combien coûte VeighNa (vn.py) pour une équipe ou en production ?
- Le cadre est gratuit sous MIT. Les vrais coûts sont les comptes courtiers et les abonnements aux données comme RQData ; les conditions de Fusion sont fixées par le courtier partenaire et non publiées.
- VeighNa (vn.py) est-il sûr pour les données de l’entreprise ?
- S'exécute en local, détient les identifiants du courtier et peut passer de vrais ordres : configurez le gestionnaire de risque et le compte simulé avant tout usage réel. Le module web_trader ouvre des points d'accès REST et WebSocket à sécuriser s'il est activé.
- Quelles sont les meilleures alternatives à VeighNa (vn.py) ?
- Les alternatives les plus proches que nous avons testées sont Qlib, Vibe-Trading et Fincept Terminal.
Réponses vérifiées le 16 nov. 2026.