Warum wurde StratForge in C++23 statt in Python entwickelt?
Python-Backtesting-Frameworks sind bequem, aber langsam und nicht deterministisch. Für Forschung über Millionen von Bars und Parameter-Sweeps liefert C++23 um Größenordnungen schnellere Iteration mit bitgenauer Reproduzierbarkeit.
Für wen ist StratForge gedacht?
Quantitative Forscher, systematische Trader und Ingenieure, die schnelle, reproduzierbare Backtests im großen Maßstab benötigen. Besonders nützlich für Parameter-Sweeps, Walk-Forward-Analysen und große Indikatorbibliotheken.
Wie erreicht StratForge Zero-Allocation auf dem Hot Path?
Indikatorzustand, Bar-Puffer und Trade-Journale werden vorallokiert. Strategie-Schrittfunktionen verwenden std::span-Views statt Kopien. std::pmr::monotonic_buffer_resource bietet Arena-Allokation für jeden Durchlauf-Scratch.
Welche C++23-Features nutzt StratForge?
std::expected für Fehlerpfade, std::span für Zero-Copy-Views, Concepts für Strategie-/Indikator-Interfaces, consteval für Compile-Time-Parameterspezialisierung und [[likely]] / [[unlikely]]-Hinweise in Hot Loops.
Wie viele Indikatoren sind enthalten?
138 Indikatoren in den Kategorien Trend, Momentum, Volatilität, Volumen und Statistik. Alle Header-Only und komponierbar.
Ist StratForge produktionsreif?
StratForge befindet sich in aktiver Entwicklung. Die Architektur ist stabil; v1.0 wird mit vollständigen Benchmarks, Dokumentation und einer Regressionssuite veröffentlicht.
Kann ich eigene Indikatoren einbinden?
Ja. Indikatoren sind concept-beschränkte Typen. Jede Klasse, die das Indicator-Concept erfüllt, fügt sich ohne Änderung in die Engine ein.
Wie schneidet StratForge im Vergleich zu backtrader / vectorbt ab?
backtrader und vectorbt sind großartige Python-Tools. StratForge zielt auf denselben Problembereich ab, aber in kompiliertem C++23 mit deterministischer Numerik und vorallokiertem Zustand für HFT-taugliche Performance.