vn.py（现名 VeighNa）是一套基于 Python 的开源量化交易系统开发框架，2015 年正式发布，遵循 MIT 开源协议，永久免费，提供从数据获取、策略开发、回测分析到实盘交易的全流程解决方案，核心采用事件驱动引擎设计，支持 Windows、Linux、macOS 跨平台运行。 它和 Backtrader 最大的区别是，Backtrader 偏回测研究，vn.py 从诞生起就是冲着实盘去的，对国内期货、股票、期权的底层细节处理非常细致，CTP 接口支持深度在各类框架里很少对手。

核心架构

整体是分层的事件驱动设计，主要包含用户界面层、应用层、核心引擎层和基础设施层，关键组件有 MainEngine 负责组件生命周期管理，EventEngine 基于发布订阅实现模块解耦和异步通信，Gateway 用适配器模式统一对接不同交易所 API，还有 Database 管理历史行情和交易记录、Datafeed 统一接入多源数据。

这种设计的好处是换交易通道不用改策略代码，只要写一个符合规范的 Gateway 注册到主引擎即可，模块之间靠事件解耦，扩展比较灵活。

主要功能模块

• CTA策略与回测：支持 K 线和 Tick 回测，以及多进程参数优化
• 算法交易：提供 TWAP、Sniper、Iceberg、BestLimit、Stop 等智能算法
• 价差套利：支持主动腿与被动腿组合及自动价差计算
• 期权策略：内置波动率曲面计算、组合 Greeks 风控和自动 Delta 对冲
• 风险管理：提供交易流控、下单数量限制等事前风控
• 本地仿真：基于实盘行情进行委托撮合，适合上实盘前验证
• 数据相关：历史数据管理、行情录制、Excel 实时数据对接、Web 服务
• AI量化：4.0 版本新增 vnpy.alpha 模块，集成 Lasso、LightGBM、MLP 等算法，提供因子特征工程、模型训练和投研流程管理

交易接口与数据源

国内覆盖 CTP、CTP Mini、飞马、易盛、中泰 XTP、华鑫奇点、东证 OST、东方财富 EMT、金仕达黄金、飞鼠等，支持期货、期权、股票、ETF 期权、黄金 T+d 等品种，海外包括盈透证券、易盛9.0外盘、直达期货等。数据服务可对接 RQData、Wind、TuShare、iFinD 等，数据库支持 SQLite、MySQL、PostgreSQL、MongoDB、DolphinDB、TDengine 等。

版本演进关键点

v2.0 是 Python 3 首个版本，重构核心框架，引入 BaseGateway、BaseEngine、BaseApp 抽象类，GUI 基于 PyQt5 重写并改为非默认加载。v2.8.0 完成约 90% 模块剥离，核心库只保留通用组件，交易接口、数据库适配器、策略应用都作为扩展插件独立管理。这一点很重要，现在装 vn.py 不等于装齐所有功能，需要单独装 vnpy_ctp、vnpy_ctastrategy、vnpy_sqlite、vnpy_rqdata 等扩展。v4.0.0 核心支持升级到 Python 3.13，日志改用 loguru，构建采用 pyproject.toml，用 uv 管理开发环境，交易接口 C++ 封装改用 meson-python 编译。v4.4.0 重构通知系统新增微信消息推送，修复 CTP 拒单状态映射问题。

安装与上手路径

推荐用官方 VeighNa Studio 一键安装包，或者 pip install vnpy 源码安装，Windows 源码安装可能需要 C++ 编译环境，AI 功能额外装 vnpy_alpha。基础环境一般要求 Python 3.10 及以上、至少 8GB 内存。

上手建议顺序：

1. 注册 CTP 仿真账号，拿到交易服务器地址
2. 用 VeighNa Station 登录，启动 VeighNa Trader，连接网关看行情和持仓
3. 跑通官方双均线 CTA 策略，理解 CtaTemplate 和回调
4. 用 cta_backtester 配置合约、周期、资金、滑点、手续费做回测
5. 用 data_recorder 自己录行情入库，避免依赖外部数据质量
6. 配置 risk_manager 事前风控，再考虑小资金实盘

策略开发核心是继承 CtaTemplate，定义 parameters 和 variables，实现 on_init、on_start、on_stop、on_tick、on_bar、on_order、on_trade 等回调，用 BarGenerator 合成 K 线，用 ArrayManager 算指标。

优点

• 国内实盘链路最完整，CTP 等接口成熟，省掉大量自己封装底层的工作
• 模块齐全，风控、算法交易、价差、期权都有现成方案
• 生态和中文资料相对丰富，社区遇到问题比较容易找到答案
• MIT 协议，商用集成相对友好，没有 GPL 那种传染性

局限和坑

• 学习曲线陡，概念多模块多，文档更新有时跟不上代码速度，新手直接上手容易懵
• 回测性能一般，相比 VectorBT 这类向量化框架慢不少，但优势是能无缝切实盘
• 多因子选股不顺手，原生更偏单标的 CTA，多因子需要自己扩展，机器学习集成早期也较弱
• Windows 下要留意内存问题，有经验建议每日重启引擎，避免长时间运行累积异常
• 数据质量决定一切，最好自己录行情，外部数据缺漏会直接污染回测和信号
• 实盘必须加熔断，单日亏损超阈值自动停机，别完全依赖策略自身逻辑

和 Backtrader、Qlib 怎么搭配

三者定位互补，比较常见的路径是 Backtrader 学事件驱动机制和验证策略逻辑，Qlib 做 AI 因子挖掘和机器学习策略研究，vn.py 负责实盘交易和全流程落地。混合使用要解决 Qlib 到 vn.py 的信号传递、两边数据格式对齐以及 Python 版本兼容等工程问题。

如果目标是国内期货 CTA 自动交易，vn.py 基本是首选。如果只是想快速验证一个想法，用 Backtrader 或 vectorbt 更省事，别一上来就啃全栈平台。

另外提醒一句，框架再完善也解决不了策略本身不赚钱的问题，行情没清洗干净、复权没处理好、滑点手续费没模拟真实，回测再漂亮实盘都会打回原形。