Registro público
Informe de salud del softwareesquema 0.34.0 · métricas 2.10.0 · 2026-09-17 13:13 UTC

ml4t / backtest

Event-driven backtesting for quantitative strategies with configurable execution, accounting, risk, and framework-parity validation.

PythonMIT★ 26 estrellas⑂ 21 forksdesde nov 2025Ver en GitHub ↗
TipoBibliotecacómo se determina
#algorithmic-trading#backtesting#event-driven#execution-modeling#finance#machine-learning-for-trading#ml4t#portfolio#python#quantitative-finance#risk-management#trading

ml4t/backtest tiene un índice de salud de 87 sobre 100, lo que lo sitúa en la banda Excelente. Su puntuación más alta es Engineering Quality (92/100) y la más baja, Community & Adoption (51/100). Se actualizó por última vez hace 1 día. Una sola persona concentra la mayor parte del trabajo reciente.

87
global / 100
Excelente

Índice de salud del software

Las métricas se agrupan en categorías ponderadas sobre una escala estandarizada de 1 a 100. El resultado global parte de su media ponderada, calibrada contra la distribución del registro público para que las bandas tengan significado percentil; cuando la evidencia pública activa la Política de Jurisdicciones de Alto Riesgo, la calificación se ajusta y recibe un límite «En riesgo» de 34.

87
Excepcional93-100El nivel más alto del registro (≈ el 5% superior); cumple prácticamente todos los criterios evaluados
Excelente80-92Sólido en todos los frentes; carencias menores
Bueno65-79Saludable; carencias limitadas y manejables
Moderado50-64Aceptable con carencias notables; se recomienda revisión
Débil35-49Debilidades sustanciales en varias áreas
En riesgo20-34Debilidades significativas; su adopción exige cautela
Crítico1-19Problemas graves (proyecto abandonado, un solo mantenedor, sin higiene)
VitalidadComunidad yAdopciónSostenibilidady GobernanzaCalidad deIngenieríaSeguridadPreparaciónpara IA

Perfil de puntuación

Cada eje es una categoría. La forma importa más que la media: un proyecto sano llena toda la figura, mientras que un perfil de picos y cráteres indica que la fortaleza en una dimensión enmascara el riesgo en otra.

El resultado global ponderado 73 se calibra a 87 en la escala publicada del índice (calibración del registro 2026-08-02).

Titularidad

ML for TradingOrganización
130 seguidores11 repositorios públicosdesde mar 2017

Este repositorio está respaldado por una organización: una custodia compartida y responsable que puede sobrevivir a cualquier mantenedor individual.

Ecosistemas de paquetes

RegistroPaqueteVersiónDescargas / mesVersionesÚltima publicaciónEtiquetas
PyPIml4t-backtest0.1.711.12839hace 5 díasalgorithmic-tradingbacktestingevent-drivenexecutionfinancepolarsportfolioquantitative-financerisk-managementsimulationtrading

Métricas por categoría

Vitalidad

¿Está vivo el proyecto: se escribe código y se publican versiones?

85Excelente · 21% del índice global

Actividad de desarrollo

81Excelente
Cómo se puntúa
36/36Recencia de push — último push hace 1 días
17.3/36Cadencia de commits — 25/52 semanas con commits
18/18Volumen de commits — 174 commits en el último año
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 10
Datos de entrada utilizados
commits_last_year174
human_commit_share0,97
days_since_last_push1
active_weeks_last_year25

Disciplina de publicación

90Excelente
Cómo se puntúa
27/27Publica versiones — 33 versiones publicadas
36/36Recencia de las versiones — última versión hace 5 días
27/27Cadencia de publicación — una versión cada ~13,1 días
0/10OpenSSF Scorecard: Signed-Releases — Project has not signed or included provenance with any releases.
Datos de entrada utilizados
releases_count33
latest_release_tagv0.1.7
releases_from_tagsno
days_since_latest_release5
mean_days_between_releases13,1

Comunidad y Adopción

¿Tiene el proyecto usuarios, descargas, atención y unas condiciones acogedoras para quienes contribuyen?

51Moderado · 17% del índice global

Popularidad y adopción

34En riesgo
Cómo se puntúa
22.7/60Estrellas — 26 estrellas
10.8/25Forks — 21 forks
0/15Observadores — 1 observadores
Datos de entrada utilizados
forks21
stars26
watchers1
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Salud de la comunidad

57Moderado
Cómo se puntúa
22.5/22.5README
22.5/22.5Licencia — licencia reconocida (MIT)
0/18Guía CONTRIBUTING
0/13.5Código de conducta
0/7.2Plantilla de issues
6.3/6.3Plantilla de PR
Datos de entrada utilizados
has_readmesí
has_licensesí
readme_badges3
has_contributingno
has_issue_templateno
has_code_of_conductno
readme_badge_servicesshields.io
has_pull_request_templatesí

Adopción en el ecosistema (descargas)

68Bueno
Cómo se puntúa
54/80Descargas mensuales — 11.128 descargas/mes en pypi
0/20Dependientes en el registro — no lo informa este ecosistema
Datos de entrada utilizados
packagesml4t-backtest
dependents—
ecosystemspypi
total_downloads—
monthly_downloads11.128
unverified_packages_excluded—
Excluidos de la puntuación (sin datos o no aplicable): Dependientes en el registro. Los pesos restantes se han renormalizado.

Sostenibilidad y Gobernanza

¿Sobrevivirá el proyecto a sus personas: factor bus, capacidad de respuesta, quién lo respalda y mantenimiento del paquete?

59Moderado · 23% del índice global

Resiliencia de mantenedores (factor bus)

13Crítico
Cómo se puntúa
9/54Factor bus — la mitad de los commits recae en 1 contribuyente(s)
0/22.5Distribución de commits — el principal contribuyente firma el 100% de los commits
1.4/13.5Amplitud de contribuyentes — 1 contribuyentes
3/10OpenSSF Scorecard: Contributors — project has 1 contributing companies or organizations -- score normalized to 3
Datos de entrada utilizados
bus_factor1
contributors_sampled1
top_contributor_share1

Capacidad de respuesta a issues y PR

76Bueno
Cómo se puntúa
40.7/42Resolución de issues — 97% de issues cerradas
25.7/30Aceptación de PR — 54/63 PR decididos fusionados
0/13Newcomer PR acceptance — ningún PR de un contribuyente primerizo decidido en 30 d
0/15OpenSSF Scorecard: Code-Review — Found 0/28 approved changesets -- score normalized to 0
Datos de entrada utilizados
merged_prs54
open_issues1
closed_issues32
prs_merged_7d3
prs_decided_7d4
prs_merged_30d10
prs_decided_30d12
issue_closed_ratio0,97
closed_unmerged_prs9
first_time_authors_30d0
first_time_prs_merged_30d0
first_time_prs_decided_30d0
Excluidos de la puntuación (sin datos o no aplicable): Newcomer PR acceptance. Los pesos restantes se han renormalizado.

Propiedad y custodia

65Bueno
Cómo se puntúa
30/30Respaldo de la propiedad — propiedad de una organización
0/20Dominio verificado
15.2/25Alcance del propietario — 130 seguidores de ml4t
19.9/25Trayectoria — 11 repos públicos, cuenta de ~9 años
Datos de entrada utilizados
followers130
owner_typeOrganization
is_verifiedno
owner_loginml4t
public_repos11
account_age_days3484

Mantenimiento de paquetes

100Excepcional
Cómo se puntúa
25/25Publicado y resoluble — 1 paquete(s) en pypi
35/35Recencia de publicación — última publicación hace 5 días
20/20Historial de versiones — 39 versiones en el registro
20/20No obsoleto — activo, ni obsoleto ni retirado
Datos de entrada utilizados
packagesml4t-backtest
ecosystemspypi
any_deprecatedno
min_days_since_publish5

Calidad de Ingeniería

¿Existen unas prácticas mínimas de ingeniería y documentación?

92Excelente · 19% del índice global

Prácticas de ingeniería

94Excepcional
Cómo se puntúa
24/24Flujos de trabajo de CI — 7 flujo(s) de trabajo
24/24Pruebas presentes
16/16Configuración de linter — pyproject.toml ([tool.ruff])
9.6/9.6Hooks de pre-commit
0/6.4.editorconfig
20/20OpenSSF Scorecard: CI-Tests — 30 out of 30 merged PRs checked by a CI test -- score normalized to 10
Datos de entrada utilizados
has_cisí
has_testssí
has_editorconfigno
has_linter_configsí
has_precommit_configsí

Documentación

90Excelente
Cómo se puntúa
30/30README
25/25Directorio de documentación
15/15Sitio de documentación / página del proyecto — https://www.ml4trading.io/docs/backtest/
10/10Descripción del repositorio
10/10Topics — 12 topics
0/10Wiki
Datos de entrada utilizados
topicsalgorithmic-trading, backtesting, event-driven, execution-modeling, finance, machine-learning-for-trading, ml4t, portfolio, python, quantitative-finance, risk-management, trading
has_wikino
homepagehttps://www.ml4trading.io/docs/backtest/
docs_sitehttps://www.ml4trading.io/docs/backtest/
has_readmesí
has_docs_dirsí
has_descriptionsí

Seguridad

¿Son sólidas las prácticas visibles de seguridad y de cadena de suministro, sin exposición jurisdiccional de alto riesgo sin resolver?

77Bueno · 16% del índice global

Postura de seguridad

71Bueno
Cómo se puntúa
7.5/7.5Binary-Artifacts — no binaries found in the repo
0/7.5Branch-Protection — sin datos
2.5/2.5CI-Tests — 30 out of 30 merged PRs checked by a CI test -- score normalized to 10
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
0/7.5Code-Review — Found 0/28 approved changesets -- score normalized to 0
0.8/2.5Contributors — project has 1 contributing companies or organizations -- score normalized to 3
10/10Dangerous-Workflow — no dangerous workflow patterns detected
7.5/7.5Dependency-Update-Tool — update tool detected
0/5Fuzzing — project is not fuzzed
2.5/2.5Licencia — license file detected
7.5/7.5Maintained — 30 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 10
5/5Packaging — packaging workflow detected
5/5Pinned-Dependencies — all dependencies are pinned
1/5SAST — SAST tool is not run on all commits -- score normalized to 2
5/5Security-Policy — security policy file detected
0/7.5Signed-Releases — Project has not signed or included provenance with any releases.
7.5/7.5Token-Permissions — GitHub workflow tokens follow principle of least privilege
7.5/7.5Vulnerabilities — 0 existing vulnerabilities detected
Datos de entrada utilizados
sourceopenssf_scorecard
checks_evaluated17
scorecard_versionv5.5.0
checks_inconclusive1
scorecard_aggregate7,1
Excluidos de la puntuación (sin datos o no aplicable): Branch-Protection. Los pesos restantes se han renormalizado.

Avisos de dependencias

100Excepcional
Cómo se puntúa
35/35Dependencias directas libres de avisos conocidos — ninguna dependencia directa tiene un aviso conocido
25/25Dependencias indirectas libres de avisos conocidos — ninguna dependencia indirecta tiene un aviso conocido
0/40Sin avisos pendientes — ningún aviso tiene fecha de publicación
Datos de entrada utilizados
sourceosv
advisories0
affected_packages0
assessed_packages14
unassessed_packages0
affected_by_severitynone
direct_affected_packages0
Excluidos de la puntuación (sin datos o no aplicable): Sin avisos pendientes. Los pesos restantes se han renormalizado. Se cotejó el cierre de dependencias en tiempo de ejecución de pypi:ml4t-backtest@0.1.7 —lo que arrastra la instalación del paquete publicado—: 14 paquetes. No se analiza la alcanzabilidad.

Preparación para IA

¿Hasta qué punto está el repositorio preparado para desarrollarse y mantenerse con agentes de codificación de IA? Tiene un peso deliberadamente pequeño (4%): las herramientas para agentes son una señal real de mantenimiento, pero un repositorio sin ninguna puede alcanzar igualmente 100/100.

83Excelente · 4% del índice global

Contexto y guía para agentes

85Excelente
Cómo se puntúa
45/45Instrucciones para agentes — AGENTS.md, src/ml4t/backtest/AGENTS.md, src/ml4t/backtest/accounting/AGENTS.md, src/ml4t/backtest/analytics/AGENTS.md, src/ml4t/backtest/core/AGENTS.md, src/ml4t/backtest/execution/AGENTS.md, src/ml4t/backtest/risk/AGENTS.md, src/ml4t/backtest/risk/portfolio/AGENTS.md, src/ml4t/backtest/risk/position/AGENTS.md, src/ml4t/backtest/strategies/AGENTS.md
0/15Documentación legible por máquinas (llms.txt)
40/40Historial de commits legible — 97 de 97 commits humanos declaran su intención (asunto estructurado o cuerpo explicativo)
Datos de entrada utilizados
has_llms_txtno
llms_txt_url—
legible_history_share1
agent_instruction_filesAGENTS.md, src/ml4t/backtest/AGENTS.md, src/ml4t/backtest/accounting/AGENTS.md, src/ml4t/backtest/analytics/AGENTS.md, src/ml4t/backtest/core/AGENTS.md, src/ml4t/backtest/execution/AGENTS.md, src/ml4t/backtest/risk/AGENTS.md, src/ml4t/backtest/risk/portfolio/AGENTS.md, src/ml4t/backtest/risk/position/AGENTS.md, src/ml4t/backtest/strategies/AGENTS.md
agent_instruction_max_bytes2529

Bucle de verificación (compilación / pruebas / verificación de tipos)

76Bueno
Cómo se puntúa
0/18Arranque con un solo comando
22/22Pruebas automatizadas
11/11Configuración de lint / formato — pyproject.toml ([tool.ruff])
11/11Verificación estática de tipos — src/ml4t/backtest/py.typed
10/10Entorno reproducible — lockfile
4/10Práctica demostrada con agentes — 2 de los últimos 100 commits con autoría o crédito de agente
8/8Mantenimiento automatizado — 3 de los últimos 100 commits son actualizaciones automáticas de dependencias
10/10OpenSSF Scorecard: Pinned-Dependencies — all dependencies are pinned
Datos de entrada utilizados
has_nixno
has_testssí
lockfilesuv.lock
has_dockerfileno
typed_languageno
bootstrap_files—
has_devcontainerno
has_linter_configsí
typecheck_configssrc/ml4t/backtest/py.typed
agent_commit_share0,02
toolchain_manifests—
dependency_bot_commit_share0,03

Legibilidad del código para modelos

81Excelente
Cómo se puntúa
27/45Código verificable por tipos — Python con configuración de verificación de tipos (src/ml4t/backtest/py.typed)
53.7/55Tamaños de archivo manejables — 6/257 archivos fuente de más de 60 KB
Datos de entrada utilizados
primary_languagePython
largest_source_bytes133.459
source_files_sampled257
oversized_source_files6

Interfaces legibles por máquina

100Excepcional
Cómo se puntúa
0/40Esquema de API (OpenAPI/GraphQL/proto) — no aplicable a este tipo de software
0/20Servidor MCP — no aplicable a este tipo de software
40/40Ejemplos ejecutables — examples, notebooks
Datos de entrada utilizados
example_dirsexamples, notebooks
has_mcp_signalno
api_schema_files—
interfaces_expected_of—
Excluidos de la puntuación (sin datos o no aplicable): Esquema de API (OpenAPI/GraphQL/proto), Servidor MCP. Los pesos restantes se han renormalizado.

Datos clave

26estrellas de GitHub
1contribuidores
174commits en los últimos 12 meses
1días desde el último push
33versiones publicadas
1factor bus
1issues abiertas
PyPIecosistemas de paquetes

Advertencias de recopilación de datos

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token

Más detalle

Historial de estrellas y forks 0 ★ / 21 ⇿
0Estrellas
21Forks
13Versiones

Cuándo se añadió cada estrella y fork, recopilado de GitHub y agrupado por día. El crecimiento acumulado se sitúa justo encima de las adiciones diarias que lo componen, de modo que ambos se leen en conjunto: la acumulación orgánica sostenida no se parece en nada a un pico abrupto y efímero. Cuando esa diferencia es medible, se informa como autenticidad del crecimiento.

048121620242132026-042026-062026-09
Mayor 0Menor 1Parche 4
OpenSSF Scorecard 7.1 / 10
7.1agregado

Evaluación de seguridad independiente y agnóstica en cuanto a herramientas, procedente del proyecto de código abierto OpenSSF Scorecard. Cada comprobación premia una práctica de seguridad, no la herramienta de un proveedor concreto. Las comprobaciones que Scorecard no pudo determinar se marcan como n/d y se excluyen de la puntuación de seguridad (nunca se cuentan como cero).Scorecard v5.5.0 · 2026-09-17 13:13 UTC

10Binary-Artifactsno binaries found in the repo
n/dBranch-Protectioninternal error: error during branchesHandler.setup: internal error: some github tokens can't read classic branch protection rules: https://github.com/ossf/scorecard-action/blob/main/docs/authentication/fine-grained-auth-token.md
10CI-Tests30 out of 30 merged PRs checked by a CI test -- score normalized to 10
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
0Code-ReviewFound 0/28 approved changesets -- score normalized to 0
3Contributorsproject has 1 contributing companies or organizations -- score normalized to 3
10Dangerous-Workflowno dangerous workflow patterns detected
10Dependency-Update-Toolupdate tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
10Maintained30 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 10
10Packagingpackaging workflow detected
10Pinned-Dependenciesall dependencies are pinned
2SASTSAST tool is not run on all commits -- score normalized to 2
10Security-Policysecurity policy file detected
0Signed-ReleasesProject has not signed or included provenance with any releases.
10Token-PermissionsGitHub workflow tokens follow principle of least privilege
10Vulnerabilities0 existing vulnerabilities detected
Dependencias directas 7
RegistroPaqueteRestricción de versiónManifiesto
PyPIml4t-specs>=0.1.4,<0.2pyproject.toml
PyPIpolars>=1.36.1pyproject.toml
PyPIpandas>=2.3.3pyproject.toml
PyPIpandas>=3.0.5pyproject.toml
PyPInumpy>=2.3.2pyproject.toml
PyPIPyYAML>=6.0.3pyproject.toml
PyPIpandas-market-calendars>=5.4.0pyproject.toml
Todas las dependencias 251

Conjunto completo de dependencias resueltas según el grafo de dependencias de GitHub: 10 paquetes directos y 241 indirectos (transitivos). El cierre transitivo es completo cuando el repositorio incluye un lockfile.

RegistroPaqueteVersiónRelación
PyPIml4t-specs0.1.3directa
PyPIml4t-specs0.1.4directa
PyPInumpy2.5.2directa
PyPInumpy2.5.3directa
PyPIpandas2.3.3directa
PyPIpandas3.0.5directa
PyPIpandas-market-calendars5.4.0directa
PyPIpolars1.43.2directa
PyPIpolars1.44.1directa
PyPIpyyaml6.0.3directa
PyPIalembic1.19.1indirecta
PyPIalembic1.19.2indirecta
PyPIannotated-doc0.0.5indirecta
PyPIannotated-types0.8.0indirecta
PyPIanyio4.14.2indirecta
PyPIanyio4.15.1indirecta
PyPIanywidget0.11.0indirecta
PyPIarch8.0.0indirecta
PyPIasttokens3.0.2indirecta
PyPIattrs26.1.0indirecta
PyPIbabel2.18.0indirecta
PyPIbackrefs8.0indirecta
PyPIbacktrader1.9.78.123indirecta
PyPIbcolz-zipline1.13.0indirecta
PyPIblinker1.9.0indirecta
PyPIblosc24.11.0indirecta
PyPIblosc24.12.0indirecta
PyPIbottleneck1.6.0indirecta
PyPIcertifi2026.7.22indirecta
PyPIcffi2.1.1indirecta
PyPIcfgv3.5.0indirecta
PyPIcharset-normalizer3.5.0indirecta
PyPIcharset-normalizer3.5.1indirecta
PyPIclarabel0.11.1indirecta
PyPIclick8.4.2indirecta
PyPIclick8.5.0indirecta
PyPIcloudpickle3.1.2indirecta
PyPIcolorama0.4.6indirecta
PyPIcomm0.2.3indirecta
PyPIcontourpy1.3.3indirecta
PyPIcoverage7.16.0indirecta
PyPIcryptography50.0.0indirecta
PyPIcryptography50.0.1indirecta
PyPIcvxpy1.9.2indirecta
PyPIcycler0.12.1indirecta
PyPIdash4.4.1indirecta
PyPIdateparser1.4.2indirecta
PyPIdateparser1.4.3indirecta
PyPIdill0.4.1indirecta
PyPIdistlib0.4.3indirecta
PyPIdocker7.2.0indirecta
PyPIdocutils0.23indirecta
PyPIempyrical-reloaded0.5.12indirecta
PyPIexchange-calendars4.13.2indirecta
PyPIexecnet2.1.2indirecta
PyPIexecuting2.2.1indirecta
PyPIfilelock3.32.5indirecta
PyPIflask3.1.3indirecta
PyPIfonttools4.63.0indirecta
PyPIfonttools4.64.0indirecta
PyPIformulaic1.2.2indirecta
PyPIghp-import2.1.0indirecta
PyPIgreenlet3.5.5indirecta
PyPIgriffelib2.3.0indirecta
PyPIh110.16.0indirecta
PyPIh24.4.1indirecta
PyPIh5py3.16.0indirecta
PyPIhighspy1.15.1indirecta
PyPIhpack4.2.0indirecta
PyPIhttpcore1.0.9indirecta
PyPIhttpx0.28.1indirecta
PyPIhumanize4.16.0indirecta
PyPIhyperframe6.1.0indirecta
PyPIhypothesis6.168.0indirecta
PyPIid1.6.1indirecta
PyPIidentify2.6.19indirecta
PyPIidna3.18indirecta
PyPIidna3.19indirecta
PyPIimageio2.37.4indirecta
PyPIimportlib-metadata9.0.1indirecta
PyPIiniconfig2.3.0indirecta
PyPIinterface-meta2.0.1indirecta
PyPIintervaltree3.2.1indirecta
PyPIipython9.16.1indirecta
PyPIipython9.17.1indirecta
PyPIipython-pygments-lexers1.1.1indirecta
PyPIipywidgets8.1.8indirecta
PyPIipywidgets8.1.9indirecta
PyPIiso31662.1.1indirecta
PyPIiso31663.0.0indirecta
PyPIiso42171.16.20260101indirecta
PyPIitsdangerous2.2.0indirecta
PyPIjanus2.0.0indirecta
PyPIjaraco-classes3.4.0indirecta
PyPIjaraco-context6.1.2indirecta
PyPIjaraco-functools4.6.0indirecta
PyPIjedi0.20.0indirecta
PyPIjeepney0.9.0indirecta
PyPIjinja23.1.6indirecta
PyPIjoblib1.5.3indirecta
PyPIjoblib1.6.0indirecta
PyPIjson50.15.0indirecta
PyPIjupyterlab-widgets3.0.16indirecta
PyPIjupyterlab-widgets3.0.17indirecta
PyPIkeyring25.7.0indirecta
PyPIkiwisolver1.5.0indirecta
PyPIkiwisolver1.5.1indirecta
PyPIkorean-lunar-calendar0.4.0indirecta
PyPIlean1.0.228indirecta
PyPIllvmlite0.49.0indirecta
PyPIlru-dict1.4.1indirecta
PyPIlxml6.1.1indirecta
PyPImako1.4.1indirecta
PyPImarkdown3.10.3indirecta
PyPImarkdown-it-py4.2.0indirecta
PyPImarkupsafe3.0.3indirecta
PyPImatplotlib3.11.1indirecta
PyPImatplotlib-inline0.2.2indirecta
PyPImdurl0.1.2indirecta
PyPImergedeep1.3.4indirecta
PyPImkdocs1.6.1indirecta
PyPImkdocs-autorefs1.4.4indirecta
PyPImkdocs-get-deps0.2.2indirecta
PyPImkdocs-material9.7.7indirecta
PyPImkdocs-material-extensions1.3.1indirecta
PyPImkdocstrings1.0.6indirecta
PyPImkdocstrings-python2.0.8indirecta
PyPIml4t-backtest-validation-backtrader0.0.0indirecta
PyPIml4t-backtest-validation-lean0.0.0indirecta
PyPIml4t-backtest-validation-vectorbt-oss0.0.0indirecta
PyPIml4t-backtest-validation-vectorbt-pro0.0.0indirecta
PyPIml4t-backtest-validation-vectorbt-pro-2025-12-310.0.0indirecta
PyPIml4t-backtest-validation-zipline0.0.0indirecta
PyPIml4t-diagnostic0.1.4indirecta
PyPImore-itertools11.1.0indirecta
PyPImsgpack1.2.1indirecta
PyPImsgpack1.2.2indirecta
PyPImultipledispatch1.0.0indirecta
PyPImypy-extensions1.1.0indirecta
PyPInarwhals2.24.0indirecta
PyPInarwhals2.26.0indirecta
PyPIndindex1.10.1indirecta
PyPInest-asyncio1.6.0indirecta
PyPInetworkx3.6.1indirecta
PyPInh30.3.7indirecta
PyPInodeenv1.10.0indirecta
PyPInumba0.67.0indirecta
PyPInumexpr2.14.2indirecta
PyPIosqp1.1.3indirecta
PyPIpackaging26.3indirecta
PyPIpaginate0.5.7indirecta
PyPIparso0.8.7indirecta
PyPIpathspec1.1.1indirecta
PyPIpatsy1.0.2indirecta
PyPIpatsy1.0.3indirecta
PyPIpeewee3.17.3indirecta
PyPIpexpect4.9.0indirecta
PyPIpillow12.3.0indirecta
PyPIplatformdirs4.11.7indirecta
PyPIplotly6.9.0indirecta
PyPIplotly7.0.0indirecta
PyPIpluggy1.6.0indirecta
PyPIpolars-runtime-321.43.2indirecta
PyPIpolars-runtime-321.44.1indirecta
PyPIpre-commit4.6.2indirecta
PyPIprompt-toolkit3.0.53indirecta
PyPIpsutil7.2.2indirecta
PyPIpsygnal0.15.1indirecta
PyPIptyprocess0.7.0indirecta
PyPIpure-eval0.2.3indirecta
PyPIpy-cpuinfo9.0.0indirecta
PyPIpy-cpuinfo210.1.1indirecta
PyPIpyarrow25.0.1indirecta
PyPIpycparser3.0indirecta
PyPIpydantic2.13.4indirecta
PyPIpydantic2.13.5indirecta
PyPIpydantic-core2.46.4indirecta
PyPIpydantic-core2.46.5indirecta
PyPIpyfolio-reloaded0.9.9indirecta
PyPIpygments2.20.0indirecta
PyPIpygments2.21.0indirecta
PyPIpyluach2.3.0indirecta
PyPIpymdown-extensions11.0.2indirecta
PyPIpyparsing3.3.2indirecta
PyPIpytest9.1.1indirecta
PyPIpytest-asyncio1.4.0indirecta
PyPIpytest-benchmark5.3.0indirecta
PyPIpytest-cov7.1.0indirecta
PyPIpytest-timeout2.4.0indirecta
PyPIpytest-xdist3.8.0indirecta
PyPIpython-dateutil2.9.0.post0indirecta
PyPIpython-discovery1.6.0indirecta
PyPIpytz2026.3.post1indirecta
PyPIpywin32312indirecta
PyPIpywin32-ctypes0.2.3indirecta
PyPIpyyaml-env-tag1.1indirecta
PyPIqdldl0.1.9.post1indirecta
PyPIquantconnect-stubs18001indirecta
PyPIreadme-renderer46.0indirecta
PyPIregex2026.7.19indirecta
PyPIregex2026.9.3indirecta
PyPIrequests2.34.2indirecta
PyPIrequests-toolbelt1.0.0indirecta
PyPIretrying1.4.2indirecta
PyPIrfc39862.0.0indirecta
PyPIrich15.0.0indirecta
PyPIruff0.14.10indirecta
PyPIschedule1.2.2indirecta
PyPIscikit-learn1.9.0indirecta
PyPIscipy1.18.0indirecta
PyPIscipy1.18.1indirecta
PyPIscs3.3.1indirecta
PyPIseaborn0.13.2indirecta
PyPIsecretstorage3.5.0indirecta
PyPIsetuptools84.0.0indirecta
PyPIshellingham1.5.4indirecta
PyPIsix1.17.0indirecta
PyPIsortedcontainers2.4.0indirecta
PyPIsparsediffpy0.3.0indirecta
PyPIsqlalchemy2.0.52indirecta
PyPIstack-data0.6.3indirecta
PyPIstatsmodels0.14.6indirecta
PyPIstatsmodels0.15.0indirecta
PyPItables3.11.1indirecta
PyPIthreadpoolctl3.6.0indirecta
PyPItoolz1.1.0indirecta
PyPItqdm4.70.0indirecta
PyPItraitlets5.16.1indirecta
PyPItwine7.0.0indirecta
PyPIty0.0.18indirecta
PyPItyper0.27.1indirecta
PyPItyping-extensions4.16.0indirecta
PyPItyping-inspection0.4.4indirecta
PyPItzdata2026.3indirecta
PyPItzlocal5.4.4indirecta
PyPIurllib32.7.0indirecta
PyPIvectorbt1.0.0indirecta
PyPIvectorbt1.1.0indirecta
PyPIvectorbtpro2025.12.31indirecta
PyPIvectorbtpro2026.6.27indirecta
PyPIvirtualenv21.7.8indirecta
PyPIwatchdog6.0.0indirecta
PyPIwcwidth0.8.2indirecta
PyPIwcwidth0.8.3indirecta
PyPIwebsocket-client1.9.0indirecta
PyPIwerkzeug3.1.8indirecta
PyPIwidgetsnbextension4.0.15indirecta
PyPIwidgetsnbextension4.0.16indirecta
PyPIwrapt2.4.0indirecta
PyPIzipline-reloaded3.1.1indirecta
PyPIzipp4.1.0indirecta
Avisos de dependencias 0

Instalar pypi:ml4t-backtest@0.1.7 arrastra 14 paquetes, directos y transitivos: 0 tienen avisos conocidos, de los cuales 0 son dependencias directas.

Ningún aviso conocido afecta a las dependencias evaluadas.

Un aviso significa que la versión registrada en el grafo de dependencias cae dentro del rango afectado de un aviso. No se analiza la alcanzabilidad, y el grafo incluye fijaciones de desarrollo y prueba: un hallazgo puede referirse al utillaje y no al software distribuido.

Informe JSON sin procesar legible por máquina

Comentarios

¿Algo no cuadra en este informe, o hay ideas que compartir? Mediciones erróneas, herramientas no detectadas, ideas, preguntas: todo es bienvenido. Cada mensaje se lee y recibe respuesta.

El mensaje se conserva durante el inicio de sesión.

Registros relacionados

Repositorios inspeccionados que comparten etiquetas de catálogo o ecosistemas con ml4t/backtest. Leer en paralelo →

99nautechsystems/nautilus_traderProduction-grade Rust-native trading engine with deterministic event-driven architectureExcepcional99quantumlib/CirqPython framework for creating, editing, and running Noisy Intermediate-Scale Quantum (NISQ) circuits.Excepcional98pola-rs/polarsExtremely fast Query Engine for DataFrames, written in RustExcepcional98ansys/pymechanicalPythonic interface to Ansys Mechanical ™Excepcional98equinor/ertERT - Ensemble based Reservoir Tool - is designed for running ensembles of dynamical models such as reservoir models, in order to do sensitivity analysis and data assimilation. ERT supports data assimilation using the Ensemble Smoother (ES) and Ensemble Smoother with Multiple Data Assimilation (ES-MDA).Excepcional97plotly/dashData Apps & Dashboards for Python. No JavaScript Required.Excepcional

Las puntuaciones son señales, no garantías. Reflejan prácticas públicamente visibles en GitHub; no son una auditoría de código ni una garantía de seguridad.

Los datos ausentes se excluyen y los pesos se renormalizan; nunca se puntúan como cero. La metodología es versionada y abierta: métricas v2.10.0, esquema v0.34.0 — metodología completa · wiki de métricas.

Cómo se sitúa un resultado dentro del registro general: estadísticas agregadas — PyPI.