TWO TOOLKITS · REUSABLE CODE
QuantsPlaybook 自带工具包：两个目录，四类信号，一份回测模板
除了 58 个案例目录，仓库里还有两个不是「案例」而是「工具」的目录。它们的依赖面比案例小得多，README 里还给了可直接复制的 import 示例——这是仓库里上手成本最低的部分。
- QuantsPlaybook
hugos_toolkit：12 个.py，三个子模块（回测报告 / 回测模板 / 绘图样式）。 SignalMaker：7 个.py，四类择时信号 + 一个工具模块。- 两者合计约 1,500 行有效代码（不含
__pycache__缓存）。 - 依赖面小：
SignalMaker只需 10 个包，比 Qlib 系案例轻得多。
两个工具包各有哪些模块？
SignalMaker/README.md 绘制的模块结构示意图；非官方模块图。HUGOS_TOOLKIT
hugos_toolkit 有哪些模块？三个子模块各管什么
这个工具包不产出信号，它产出的是一份能给人看的回测结果。三个子模块职责分明。
| 子模块 | 文件 | 职责 | 你能怎么用 | 依赖 |
|---|---|---|---|---|
BackTestReport | performance.py、tear.py、timeseries.py、utils.py | 绩效指标计算 + 回测报告（tear sheet）绘制 | 把任意净值序列喂进去，得到标准绩效表与图表；tear.py 是报告层入口 | pandas + 绘图库 |
BackTestTemplate | backtest_engine.py、bt_strategy.py | 回测引擎骨架与策略基类 | 作为自己写回测的起点：策略只实现信号，引擎负责撮合与统计 | backtrader 生态（案例里常见） |
VectorbtStylePlotting | plotting.py（约 37 KB，仓库里体积居前的单文件脚本之一）、utils.py | vectorbt 风格的绘图样式与工具 | 让自己的图表风格与案例保持一致；也可单独借用其中的样式函数 | 绘图库 |
核对方式：QuantsPlaybook 固定 commit 文件树列出全部 12 个 .py 与行数；上表职责按文件名与公开命名约定整理。本站未运行这两个模块，因此不评价其输出质量。
SIGNALMAKER
QuantsPlaybook 的 SignalMaker 提供哪些信号？四类模块
这是仓库里最有「库感」的部分：信号被抽成独立函数，输入是 DataFrame，输出是信号 DataFrame。
| 信号模块 | 文件 | 对外函数 / 类 | 输入契约 | 对应案例 |
|---|---|---|---|---|
| HHT 信号 | hht_signal.py | get_ht_signal(df, …)、get_hht_signal(df, …, "EMD"|"VMD") | 必须有 close，且为 DataFrame 类型（宽表：index=日期, columns=代码） | 结合改进HHT模型和分类算法的交易策略 |
| NoiseArea 信号 | noise_area.py | NoiseArea(index_price).fit(14) | 需要 OHLCV（案例用分钟级指数数据） | 另类ETF交易策略：日内动量 |
| QRS 信号 | qrs.py | QRSCreator(low_df, high_df).fit(18, 600) | 需要 low / high 两个宽表（index=日期, columns=代码） | QRS择时信号 |
| 鳄鱼线 / AO / MACD | alligator_indicator_timing.py（约 21 KB） | get_alligator_signal(close_df)、get_ao_indicator_signal(high_df, low_df)、get_macd_signal(close_df) | close 或 high/low 宽表 | 基于鳄鱼线的指数择时及轮动策略 |
| 工具模块 | utils.py | 若干辅助函数 | — | 被上面四个模块共用 |
# 可直接复制的调用示例（来自 SignalMaker/README.md 原文，本站未运行）
from SignalMaker.hht_signal import get_ht_signal, get_hht_signal
from SignalMaker.noise_area import NoiseArea
from SignalMaker.qrs import QRSCreator
from SignalMaker.alligator_indicator_timing import (
get_alligator_signal, get_ao_indicator_signal, get_macd_signal,
)
# 1) HT 信号 / HHT 信号（EMD 与 VMD 两种分解）
get_ht_signal(hs300_df, 60, 30)
get_hht_signal(hs300_df, 60, 2, 9, "EMD")
get_hht_signal(hs300_df, 60, 2, 9, "VMD")
# 2) NoiseArea：需要分钟级 OHLCV
index_signal = NoiseArea(index_price).fit(14) # 返回 ubound / signal / lbound
# 3) QRS：需要 low / high 两个宽表
qrs = QRSCreator(low_df, high_df)
signal_df = qrs.fit(18, 600)
# 4) 鳄鱼线三件套
alligator_signal = get_alligator_signal(close_df)
ao_signal = get_ao_indicator_signal(high_df, low_df)
macd_signal = get_macd_signal(close_df)上面代码块逐行来自 SignalMaker/README.md，本站未运行。参数（如 60, 30、18, 600、fit(14)）的具体含义 README 未逐一说明，建议对照对应案例的 Notebook 确认。
DEPENDENCIES
SignalMaker 要装什么？只要 10 个包
这是本页最实用的一条：如果你只想用信号函数，不必碰 Qlib 那一整套。
| 对比项 | SignalMaker | 典型 Qlib 因子案例（如筹码因子） | 说明 |
|---|---|---|---|
| 声明的包数 | 10 个 | 13–17 个 | 两者都是 == 精确钉版本 |
| 核心重依赖 | PyEMD、vmdpy、EMD_signal、TA_Lib、statsmodels、scipy | qlib + pyqlib、numba、alphalens、empyrical、statsmodels | Qlib 系案例需要整套因子流水线 |
| 本机 Python 3.11.9 实测 | 通过（允许源码包时） | 失败（numba 版本上限） | 信号类工具包的可安装性明显更好 |
| 无 wheel 的依赖 | TA_Lib==0.4.32（需编译） | alphalens==0.4.0、empyrical==0.5.5、pyqlib==0.9.1 等 | 两者都需要编译环境，但量级不同 |
| 数据要求 | 只要日线或分钟线的宽表 | 需要 Qlib 数据格式 + 因子数据 | 工具包不负责取数，这反而是优点 |
仓库体积约 1.36 GB（文件树合计），其中大头是案例数据与 mlruns 产物。如果只想要工具包，可以只下载 SignalMaker/ 与 hugos_toolkit/ 两个目录。预期结果：几十 KB 级代码 + 一份 requirements.txt。
python -m pip install --dry-run -r requirements.txt。预期输出：若报 Could not find a version，多半是 TA_Lib 需要编译；先装好 TA-Lib 的 C 库再重试。
所有信号函数的输入都是 index=日期、columns=代码、values=价格 的宽表。预期输出：同样是宽表的信号 DataFrame（取值通常是 −1 / 0 / 1 或连续的信号强度）。
不要一上来就全市场十年。先用单标的、单年数据确认函数的输出形状与取值分布符合预期，再扩规模。
实测依据：本机对 SignalMaker/requirements.txt 执行 pip install --dry-run 在 Python 3.11.9 上通过；筹码因子那套在同一环境下失败。完整矩阵见环境与依赖页。
HOW THEY RELATE
QuantsPlaybook 的工具包与案例是什么关系？谁调用谁
理解这层关系，你就知道改动会影响什么。
| 关系 | 具体表现 | 对你的意义 |
|---|---|---|
| 案例调用工具包 | SignalMaker 的 README 直接标注了每个信号模块对应哪个案例 Notebook；hugos_toolkit 被多个案例用于出回测报告 | 改工具包的函数签名会同时影响多个案例；反过来说，读工具包能一次看懂多个案例的信号层 |
| 工具包依赖更少 | SignalMaker/requirements.txt 只有 10 个包，不涉及 Qlib | 想快速验证信号效果时，只装工具包是最短路径 |
| 工具包不负责取数 | 它们只接受已经准备好的宽表 | 你可以把任何来源的数据（含本机技能取到的数据）喂进去，这是它最实用的地方 |
| 工具包无独立版本号 | 仓库 0 tag、0 release，工具包也没有单独发布到 PyPI | 引用时必须记 commit；不要写「SignalMaker v1.x」这类不存在的版本 |
最短上手路径
取 SignalMaker/ 两个文件（alligator_indicator_timing.py + utils.py）→ 装 TA-Lib 与 numpy/pandas → 喂一份指数日线宽表 → 拿到鳄鱼线信号。这是全仓库依赖最少的一条可执行路径。
第二短的路径
hugos_toolkit/BackTestReport 接受任意净值序列并输出绩效报告，不依赖案例数据。适合用来给你自己已有的策略结果补一份标准化报告。
别忘了许可问题
仓库没有 LICENSE 文件，只有 3 个案例 README 写了「仅供学习和研究使用」。复制这些代码进自己的项目之前，请先看许可与再复用页。
FAQ
QuantsPlaybook 自带工具包常见问题
QuantsPlaybook hugos_toolkit 和 SignalMaker 是什么？
它们是 QuantsPlaybook 仓库根目录下的两个工具目录（不是案例）。hugos_toolkit 负责「回测跑完之后的事」：绩效指标、回测报告、vectorbt 风格绘图，共 12 个 .py；SignalMaker 负责「信号怎么算」：HHT、NoiseArea、QRS、鳄鱼线四类信号，共 7 个 .py，README 里有可直接复制的 import 示例。
QuantsPlaybook 我只想要信号函数，不想装 Qlib，可以吗？
可以。这正是这对工具包的价值：SignalMaker/requirements.txt 只有 10 个包（PyEMD、vmdpy、EMD_signal、TA_Lib、statsmodels 等），不含 Qlib；本站实测该清单在本机 Python 3.11.9 上可以解析（允许源码包时），而 Qlib 系案例的依赖会失败。
QuantsPlaybook 这些信号函数的输入是什么格式？
都是宽表 DataFrame：index 为日期、columns 为标的代码、values 为价格。具体到每个函数：get_alligator_signal / get_macd_signal 要 close；get_ao_indicator_signal 要 high 与 low；QRSCreator 要 low / high 两个宽表；NoiseArea 要分钟级 OHLCV。
QuantsPlaybook 工具包的代码可以直接用到我的项目里吗？
技术上可以（都是普通 Python 文件，无编译依赖），但许可状态不明确：仓库没有 LICENSE 文件，GitHub 的 license 字段为空，只有 3 个案例 README 写了「仅供学习和研究使用」。本站因此只做「读法与用途」介绍，不提供代码镜像；引用时请注明来源仓库与 commit，商用前请自行确认授权。
QuantsPlaybook SignalMaker 的参数（如 fit(18, 600)）是什么意思？
README 只给了调用示例，没有逐一解释每个数字的含义。从可读信息看，QRSCreator(low_df, high_df).fit(18, 600) 的两个参数与回归/标准化窗口有关，NoiseArea(...).fit(14) 与噪声区间的平滑窗口有关。精确含义请对照 qrs.py / noise_area.py 源码或对应案例 Notebook——本站未运行，不做推测性断言。
QuantsPlaybook 这两个工具包有版本号吗？
没有。仓库 0 tag、0 release，工具包也没有单独发布到 PyPI，因此不存在「SignalMaker v1.0」这类版本号。引用时可靠的定位方式是 commit（本站固定在 1e4a2310）。
QuantsPlaybook 工具包和案例哪个先看？
建议先看工具包：代码量小、依赖少、README 有示例，能在几十分钟内跑出一个信号序列，建立对整个项目代码风格的直观感受。之后再按择时案例册或因子案例册挑一个完整案例，去理解「信号 → 组合 → 回测 → 报告」的全链路。