11 Min. Lesezeit · Python · Mai 2026

vectorbt Pro: Features, Performance, Praxis.

vectorbt ist in der Open-Source-Version bereits eines der schnellsten Backtest- Frameworks für Python. vectorbt Pro geht deutlich weiter — Portfolio-Optimierung auf Tausenden Asset-Kombinationen, Parameter-Sweeps mit Multi-Objective-Search, Tick-Daten-Support. Aber lohnt sich die Lizenz? Ein Praxisblick.

vectorbt in Kurzform.

vectorbt löst Backtests vollständig vektorisiert. Statt einer Schleife über Bars werden Signale, Positionen, Returns als NumPy-Matrizen verarbeitet. Das macht das Framework brutal schnell: Tausende Parameter-Kombinationen in wenigen Sekunden, wo backtrader Stunden bräuchte. Die Open-Source-Version reicht für 80 % aller Use Cases. Die Pro-Version öffnet die restlichen 20 %, die meist die anspruchsvollen sind.

Was Pro zusätzlich bringt.

1. Multi-Asset-Portfolio-Backtests

Open-Source-vectorbt unterstützt Multi-Asset, aber jedes Asset wird unabhängig simuliert. Pro bietet ein echtes Portfolio-Modell mit gemeinsamer Cash-Verwaltung, Konstrukten wie Cash-Sweeps, dynamischer Allokation und Inter-Asset-Constraints (z. B. „nie mehr als 30 % Exposure pro Sektor").

2. Erweiterte Order-Typen

Limit-Orders mit realistischer Fill-Probability, Stop-Orders mit Slippage-Modellen, TWAP/VWAP-Execution-Simulation. In der OSS-Version baut man das manuell — in Pro ist es eingebaut und konsistent.

3. Tick-Daten und Sub-Bar-Logik

Pro kann auf Tick-Ebene simulieren, was für Intraday-Strategien entscheidend ist. Ein OSS-Backtest auf Minuten-Bars sagt nichts über die Slippage einer Strategie aus, die innerhalb einer Minute mehrfach handelt. Pro löst das mit einem Tick-Level- Simulator, der trotzdem performant bleibt.

4. Knowledge Assets und Doku-Komfort

Klingt banal, ist aber wertvoll: Pro kommt mit umfangreichen, durchsuchbaren Beispielen direkt als Python-Objekte. Sie können in einem Jupyter-Notebook nach Pattern suchen, statt die Doku auf der Website durchzuscrollen.

Beispiel: Multi-Asset-Momentum-Portfolio.

import vectorbtpro as vbt
import numpy as np

# Daten laden (50 Aktien, 10 Jahre Daily)
data = vbt.YFData.fetch(
    ['AAPL', 'MSFT', 'NVDA', 'GOOGL', 'META', 'AMZN', 'TSLA', 'JPM',
     'V', 'JNJ', 'WMT', 'PG', 'XOM', 'HD', 'CVX', 'KO', 'MRK',
     'PFE', 'BAC', 'ABBV'],
    start='2015-01-01',
    end='2025-01-01',
)
close = data.get('Close')

# 12-Monats-Momentum, monatliches Rebalancing
returns_12m = close.pct_change(252)
top_n = 5

# Signal: jeden Monat die Top-5-Momentum-Aktien halten
rank = returns_12m.rank(axis=1, ascending=False)
holdings = (rank <= top_n).astype(float)
holdings = holdings.div(holdings.sum(axis=1), axis=0)

# Portfolio mit gleichgewichtetem Rebalancing
pf = vbt.Portfolio.from_orders(
    close=close,
    size=holdings,
    size_type='targetpercent',
    group_by=True,        # Portfolio statt einzelne Assets
    cash_sharing=True,
    fees=0.001,
    slippage=0.0005,
)
print(pf.stats())

Dieses Setup — Multi-Asset, Portfolio-Mode, gemeinsame Cash — ist in OSS-vectorbt möglich, aber umständlicher. In Pro ist es ein Einzeiler bei Portfolio.from_orders.

Parameter-Sweeps mit vectorbt Pro.

Wo Pro wirklich glänzt: Grid-Search über tausende Parameter-Kombinationen. Die Schlüssel-Funktion ist vbt.Param, die Parameter-Achsen elegant kombiniert.

import vectorbtpro as vbt
import numpy as np

close = vbt.YFData.fetch('SPY', start='2010-01-01').get('Close')

# Parameter-Achsen
fast = vbt.Param(np.arange(5, 50, 5), name='fast')
slow = vbt.Param(np.arange(20, 200, 10), name='slow')

# Indikatoren
fast_ma = vbt.MA.run(close, window=fast).ma
slow_ma = vbt.MA.run(close, window=slow).ma

# Signale
entries = fast_ma.vbt.crossed_above(slow_ma)
exits = fast_ma.vbt.crossed_below(slow_ma)

# Backtest über alle Kombinationen
pf = vbt.Portfolio.from_signals(
    close, entries, exits,
    fees=0.001, freq='D',
)

# Heatmap der Sharpe-Ratios
sharpe = pf.sharpe_ratio
print(sharpe.vbt.heatmap(
    x_level='slow', y_level='fast',
).show())

Das ergibt eine Heatmap aus 9 × 18 = 162 Kombinationen, fertig in unter einer Sekunde. In backtrader wäre das ein Skript, das über Nacht läuft.

Optionsdaten und Greeks.

Pro hat Module für Optionsdaten — IV-Surfaces, Greeks, Spread-Strategien. Wer in der Open-Source-Variante Optionen backtesten will, schreibt das Pricing-Modell selbst. Pro liefert es out-of-the-box mit Black-Scholes, Binomial und SABR- Implementierungen. Für institutionelle Options-Trader ist allein dieses Modul den Preis wert.

Live-Trading-Integration.

Pro bietet adapters für Interactive Brokers, Alpaca, Binance und einige andere Broker. Der Anspruch ist „gleiche Strategie-Klasse vom Backtest in Live" — ein Versprechen, das in der Praxis nur teilweise eingelöst wird. Für einfache Strategien funktioniert es; für komplexe Order-Logik schreiben Sie trotzdem einen eigenen Adapter.

Kosten und Lizenz-Modell.

vectorbt Pro ist eine kommerzielle Lizenz mit Subscription. Aktuell etwa 600 USD pro Jahr für Einzelnutzer, mehr für Teams. Für einen ernsthaften Quant-Trader, der täglich mit dem Framework arbeitet, ist das eine triviale Investition — eine einzige eingesparte Wochenstunde im Jahr zahlt die Lizenz. Für Hobby-Trader, die ein paar SMA-Crossover-Strategien testen, ist OSS-vectorbt mehr als ausreichend.

Wer sollte umsteigen?

Multi-Asset-Portfolio-Trader mit echten Allokations-Constraints.
Optionshändler, die ihre Greek-Modelle nicht selbst pflegen wollen.
Quant-Teams, die hunderte Strategien parallel testen.
Intraday-Trader, die Tick-Level-Realismus brauchen.

Nicht-Zielgruppe: wer einzelne Symbol-Strategien mit Daily-Bars testet — da reicht OSS-vectorbt vollständig. Auch wer maximale Kontrolle und Transparenz will, ist mit einem eigenen Numba-basierten Backtester besser bedient.

Schwachstellen.

vectorbt Pro hat eine steile Lernkurve. Die API ist mächtig, aber dicht — viele Konzepte (Wrapper, Records, Param-Index) brauchen Zeit. Die Doku ist umfangreich, aber gelegentlich unstrukturiert. Wer von backtrader kommt, muss umdenken: weniger OOP-Strategien, mehr Datenfluss-Denken.

Außerdem: Pro ist closed-source. Bei Bugs sind Sie auf den Maintainer angewiesen. Das ist in der Praxis selten ein Problem, weil der Support gut ist — aber für kritische Infrastruktur ist es ein Punkt zum Bedenken.

Fazit.

vectorbt Pro ist das mächtigste Python-Backtest-Framework, das ich kenne. Für ernsthafte Quant-Arbeit mit Multi-Asset, Optionen oder großen Parameter-Sweeps ist es konkurrenzlos schnell und ausgereift. Für simple Strategien überdimensioniert. Wer in der OSS-Version regelmäßig an Grenzen stößt, sollte den Schritt machen — die Investition zahlt sich nach wenigen Wochen aus.

Sie überlegen, vectorbt Pro für Ihr Trading-Setup einzuführen? Erstgespräch buchen — wir bewerten, ob die Investition zu Ihrem Workflow passt.