醉卧梦星河

V1

2022/10/02阅读:51主题:红绯

量化投资系列之《股票日行情数据可视化》

量化投资系列之《股票日行情数据可视化》

k 线图可视化很重要,中医有望闻问切,股票 k 线形态很重要,掌握可视化技术,为后续可视化报告打下基础。

安装

安装 matplotlib 库,数据可视化库

pip install -U matplotlib

安装 mplfinance 库,股票 k 线图可视化库

pip install --upgrade mplfinance

matplotlib 基础

matplotlib Python 2D-绘图领域使用最广泛的套件,它很轻松的将数据可视化,了解 matplotlib ,请学习教程1 链接[2],教程2 链接[3]

plt 函数

函数 描述 函数 描述
plt.plot(x,y) 画线 plt.title('title') 添加图标标题
plt.xlabel('x轴') x轴标签 plt.ylabel('y轴') y轴标签

中文问题

方法一

# 用来正常显示中文标签
plt.rcParams['font.sans-serif'] = ['SimHei']
# 解决负号显示方块问题
plt.rcParams['axes.unicode_minus'] = False

方法二

# 下载字体放在工程,例如'font/SourceHanSansSC-Bold.otf',然后引用
zhfont1 = mpl.font_manager.FontProperties(fname='字体路径')
# 标题格式,字体为中文字体,颜色为黑色,粗体,水平中心对齐
title_font = {'fontproperties': zhfont1,
              'size''16',
              'color''black',
              'weight''bold',
              'va''bottom',
              'ha''center'}
plt.title('测试', **title_font)

多图绘制

画布和多张子图概念,在画布 figure 上绘制多张子图 axes . 常采用 subplot() 函数或 subplots() 函数进行绘制。

figure 对象

参数 类型 默认值 描述
num int 1 图像数量
figsize tuple figure.figsize 图像的长和宽(英寸)
dpi int figure.dpi 分辨率(点/英寸)
facecolor tuple figure.facecolor 绘制区域背景色
edgecolor tuple figure.edgecolor 绘图区域边缘的颜色
frameon bool True 是否绘制图像边缘

Axes 对象

plt.axes([left, bottom, width, height])

axes 对象是个列表,四个数值分别是相对于 figure 对象左下角坐标的左距离、底部距离、宽、高。

示例代码

fig = plt.figure(figsize=(10, 8), dpi=80,
                 facecolor=(0.82, 0.83, 0.85),
                 edgecolor=(1, 1, 1),
                 frameon=True)
# 设置图片边缘距离
plt.subplots_adjust(left=0.08, right=0.92, top=0.92, bottom=0.08)

# 用来正常显示中文标签
plt.rcParams['font.sans-serif'] = ['SimHei']
# 解决负号显示方块问题
plt.rcParams['axes.unicode_minus'] = False
plt.title('绘制多子图')
plt.xlabel('x 轴')
plt.ylabel('y 轴')
plt.grid(color='r', linestyle='--', linewidth=0.5)

plt.axes([0.1, 0.1, .5, .5])
# 设置横轴记号 设置纵轴记号
plt.xticks([]), plt.yticks([])
plt.text(0.1, 0.1, 'axes([0.1,0.1,.5,.5])', ha='left', va='center', size=16, alpha=.5)

plt.axes([0.2, 0.2, .5, .5])
plt.xticks([]), plt.yticks([])
plt.text(0.1, 0.1, 'axes([0.2,0.2,.5,.5])', ha='left', va='center', size=16, alpha=.5)

plt.axes([0.3, 0.3, .5, .5])
plt.xticks([]), plt.yticks([])
plt.text(0.1, 0.1, 'axes([0.3,0.3,.5,.5])', ha='left', va='center', size=16, alpha=.5)

plt.axes([0.4, 0.4, .5, .5])
plt.xticks([]), plt.yticks([])
plt.text(0.1, 0.1, 'axes([0.4,0.4,.5,.5])', ha='left', va='center', size=16, alpha=.5)
plt.show()

效果:

mplfinance 库使用

mplfinance 里面提供的函数,其实封装了 pyplot 库,本质上是 pyplot 库 k 线的定制版。

蜡烛图

画图之前,先了解下蜡烛图概念,蜡烛线将各种股票每日、每周、每月开盘价、收盘价、最高价、最低价等涨跌变化状况,用图形方式表现出来,即蜡烛图。如下图所示,K线最上方细线称为上影线,中间条粗线为实体。下面的细线为下影线。

如图所示:

绘制

自定义风格

关键函数 mpf.make_mpf_style() 和 mpf.make_marketcolors()

# 设置marketcolors
 # up:设置K线线柱颜色,up意为收盘价大于等于开盘价
 # down:与up相反,这样设置与国内K线颜色标准相符
 # edge:K线线柱边缘颜色(i代表继承自up和down的颜色),下同。详见官方文档)
 # wick:灯芯(上下影线)颜色
 # volume:成交量直方图的颜色
 # inherit:是否继承,选填
 mc = mpf.make_marketcolors(
     up='red',
     down='green',
     edge='in',
     wick='in',
     volume='in',
     inherit=True)

 # 设置图形风格
 # gridaxis:设置网格线位置
 # gridstyle:设置网格线线型
 # y_on_right:设置y轴位置是否在右
 m_style = mpf.make_mpf_style(
     gridaxis='both',
     gridstyle='-.',
     figcolor='(0.82, 0.83, 0.85)',
     gridcolor='(0.82, 0.83, 0.85)',
     y_on_right=False,
     marketcolors=mc)

简单绘制

mpf.plot(df.iloc[20:147], style=m_style, type='candle', volume=True)

进阶绘制

按自定义风格,已经可以得到了一张简单包含 k 线和成交量的图,但还想显示更多指标,例如 KDJ,MACD 等,表格顶部区域预留空白显示价格等指标。所以需要用到库的 External Axes Mode 模式绘制。

在 External Axes Mode 模式下,可以更自由画布上的每个图标和文字元素,获得更大的绘制自由。

定制对象

为了能更大的获取绘制自由度,需要获取画布对象 figure、子图 Axes 、文字 Text。文字和图表的位置、大小、格式完全自定义。参数使用解析,请查看上面的 matplotlib 多图绘制。

生成主画布 fig,日行情 k 线子图 ax1,成交量子图 ax2,macd 子图 ax3。

# 获取figure对象,以便对Axes对象和figure对象的自由控制
fig = mpf.figure(style=m_style, figsize=(12, 8),
                 facecolor=(0.82, 0.83, 0.85))
# 主图相对figure 底部 0.06,0.25,宽(0.88)、高(0.60)
ax1 = fig.add_axes([0.06, 0.25, 0.88, 0.60])
# 指标图 sharex 关键字指明与ax1在x轴上对齐,且共用x轴
ax2 = fig.add_axes([0.06, 0.15, 0.88, 0.10], sharex=ax1)
# macd
ax3 = fig.add_axes([0.06, 0.05, 0.88, 0.10], sharex=ax1)
# 设置y轴标签
ax1.set_ylabel('price')
ax2.set_ylabel('volume')
ax3.set_ylabel('macd')

字体自定义

# 下载的字体路径
zhfont = mpl.font_manager.FontProperties(fname=sc.text_font)
# 标题格式,字体为中文字体,颜色为黑色,粗体,水平中心对齐
title_font = {'fontproperties': zhfont,
              'size''16',
              'color''black',
              'weight''bold',
              'va''bottom',
              'ha''center'}
# 红色数字格式(显示开盘收盘价)粗体红色24号字
large_red_font = {'fontproperties': zhfont,
                  'size''24',
                  'color''red',
                  'weight''bold',
                  'va''bottom'}
# 绿色数字格式(显示开盘收盘价)粗体绿色24号字
large_green_font = {'fontproperties': zhfont,
                    'size''24',
                    'color''green',
                    'weight''bold',
                    'va''bottom'}
# 小数字格式(显示其他价格信息)粗体红色12号字
small_red_font = {'fontproperties': zhfont,
                  'size''12',
                  'color''red',
                  'weight''bold',
                  'va''bottom'}
# 小数字格式(显示其他价格信息)粗体绿色12号字
small_green_font = {'fontproperties': zhfont,
                    'size''12',
                    'color''green',
                    'weight''bold',
                    'va''bottom'}
# 标签格式,可以显示中文,普通黑色12号字
normal_label_font = {'fontproperties': zhfont,
                     'size''12',
                     'color''black',
                     'va''bottom',
                     'ha''right'}
# 普通文本格式,普通黑色12号字
normal_font = {'fontproperties': zhfont,
               'size''12',
               'color''black',
               'va''bottom',
               'ha''left'}

Ta-lib 获取金融指标 MA ,MACD

talib 是一个金融指标库,包含 150 种常用金融指标,github 地址[5]

计算5日、10日、20日、60日均线

N = [5, 10, 20, 60]
  for i in N:
      df['MA' + str(i)] = ta.EMA(df['Close'], timeperiod=i)

计算 macd 指标

# 通过金融库 talib 生成MACD指标,
short_win = 12  # 短期EMA平滑天数
long_win = 26  # 长期EMA平滑天数
macd_win = 9  # DEA线平滑天数
macd_tmp = ta.MACD(df['Close'], fastperiod=short_win, slowperiod=long_win, signalperiod=macd_win)
DIF = macd_tmp[0][start_index:end_index]
DEA = macd_tmp[1][start_index:end_index]
MACD = macd_tmp[2][start_index:end_index]

添加指标到子图

注意,最后 mpf.plot 绘制是需要添加指标参数 addplot=ap

ap = []
ap.append(mpf.make_addplot(df[['MA5''MA10''MA20''MA60']].iloc[start_index:end_index], ax=ax1))

mpf.plot(df_data,
            ax=ax1,
            volume=ax2,
            addplot=ap,
            style=m_style,
            type='candle')

完整示例

绘制平安银行 2022-01-01 到 2022-09-30,完整的日行情 k 线图,添加头部股票简述、均线指标、成交量指标、macd 指标。

代码

"""
用于绘制股票k线
"
""
import matplotlib as mpl
import matplotlib.pyplot as plt
import mplfinance as mpf
import numpy as np
import talib as ta

import stock_constant as sc
import stock_db as sdb

# 下载的字体路径
zhfont = mpl.font_manager.FontProperties(fname=sc.text_font)
# 标题格式,字体为中文字体,颜色为黑色,粗体,水平中心对齐
title_font = {'fontproperties': zhfont,
              'size''16',
              'color''black',
              'weight''bold',
              'va''bottom',
              'ha''center'}
# 红色数字格式(显示开盘收盘价)粗体红色24号字
large_red_font = {'fontproperties': zhfont,
                  'size''24',
                  'color''red',
                  'weight''bold',
                  'va''bottom'}
# 绿色数字格式(显示开盘收盘价)粗体绿色24号字
large_green_font = {'fontproperties': zhfont,
                    'size''24',
                    'color''green',
                    'weight''bold',
                    'va''bottom'}
# 小数字格式(显示其他价格信息)粗体红色12号字
small_red_font = {'fontproperties': zhfont,
                  'size''12',
                  'color''red',
                  'weight''bold',
                  'va''bottom'}
# 小数字格式(显示其他价格信息)粗体绿色12号字
small_green_font = {'fontproperties': zhfont,
                    'size''12',
                    'color''green',
                    'weight''bold',
                    'va''bottom'}
# 标签格式,可以显示中文,普通黑色12号字
normal_label_font = {'fontproperties': zhfont,
                     'size''12',
                     'color''black',
                     'va''bottom',
                     'ha''right'}
# 普通文本格式,普通黑色12号字
normal_font = {'fontproperties': zhfont,
               'size''12',
               'color''black',
               'va''bottom',
               'ha''left'}


def kline(code, start_time, end_time):
    """
    绘制某股票某时间段的日行情k线图
    :param code:
    :param start_time:
    :param end_time:
    :return:
    "
""
    # 数据库读取数据
    df = sdb.stock_daily(code=code, start_time=start_time, end_time=end_time)
    print(df)
    # 重命名列
    df.rename(
        columns={
            'date''Date''open''Open',
            'high''High''low''Low',
            'close''Close''volume''Volume'},
        inplace=True)
    start_index = 20
    end_index = 147
    df_data = df.iloc[start_index:end_index]
    # 读取显示区间最后一个交易日的数据
    last_data = df_data.iloc[-1]

    # 设置图片边缘距离
    plt.subplots_adjust(left=0.08, right=0.92, top=0.92, bottom=0.08)

    # 设置marketcolors
    # up:设置K线线柱颜色,up意为收盘价大于等于开盘价
    # down:与up相反,这样设置与国内K线颜色标准相符
    # edge:K线线柱边缘颜色(i代表继承自up和down的颜色),下同。详见官方文档)
    # wick:灯芯(上下影线)颜色
    # volume:成交量直方图的颜色
    # inherit:是否继承,选填
    mc = mpf.make_marketcolors(
        up='red',
        down='green',
        edge='in',
        wick='in',
        volume='in',
        inherit=True)

    # 设置图形风格
    # gridaxis:设置网格线位置
    # gridstyle:设置网格线线型
    # y_on_right:设置y轴位置是否在右
    m_style = mpf.make_mpf_style(
        gridaxis='both', gridstyle='-.',
        figcolor='(0.82, 0.83, 0.85)',
        gridcolor='(0.82, 0.83, 0.85)',
        y_on_right=False,
        marketcolors=mc)

    # 获取figure对象,以便对Axes对象和figure对象的自由控制
    fig = mpf.figure(style=m_style, figsize=(12, 8),
                     facecolor=(0.82, 0.83, 0.85))
    # 主图相对figure 底部 0.06,0.25,宽(0.88)、高(0.60)
    ax1 = fig.add_axes([0.06, 0.25, 0.88, 0.60])
    # 指标图 sharex 关键字指明与ax1在x轴上对齐,且共用x轴
    ax2 = fig.add_axes([0.06, 0.15, 0.88, 0.10], sharex=ax1)
    # macd
    ax3 = fig.add_axes([0.06, 0.05, 0.88, 0.10], sharex=ax1)
    # 设置y轴标签
    ax1.set_ylabel('price')
    ax2.set_ylabel('volume')
    ax3.set_ylabel('macd')

    # 在figure对象上添加文本对象,用于显示各种价格和标题
    fig.text(0.50, 0.94, '平安银行', **title_font)
    fig.text(0.12, 0.90, '开/收: ', **normal_label_font)
    fig.text(0.14, 0.89, '%.2f / %.2f' % (np.around(last_data["Open"], 2),
                                          np.round(last_data["Close"], 2)), **large_red_font)
    fig.text(0.12, 0.86, f'{last_data.name.date()}', **normal_label_font)
    change = last_data["Close"] - last_data["Open"]
    fig.text(0.14, 0.86, '%.2f' % change, **small_red_font)
    change_percent = (change / last_data["Open"]) * 100
    fig.text(0.22, 0.86, '%.2f%%' % change_percent, **small_red_font)
    fig.text(0.40, 0.90, '高: ', **normal_label_font)
    fig.text(0.40, 0.90, '%.2f' % (last_data["High"]), **small_red_font)
    fig.text(0.40, 0.86, '低: ', **normal_label_font)
    fig.text(0.40, 0.86, '%.2f' % (last_data["Low"]), **small_green_font)
    fig.text(0.55, 0.90, '量(万手): ', **normal_label_font)
    fig.text(0.55, 0.90, '%.2f' % (np.round(last_data["Volume"] / 10000, 3)), **normal_font)
    fig.text(0.55, 0.86, '额(亿元): ', **normal_label_font)
    fig.text(0.55, 0.86, '%.2f' % (last_data["amount"] / 100000000), **normal_font)

    ap = []
    # 通过金融库 talib 生成移动平均线,为了生成没空白的,使用原数据
    N = [5, 10, 20, 60]
    for i in N:
        df['MA' + str(i)] = ta.EMA(df['Close'], timeperiod=i)
    # 通过ax=ax1参数指定把新的线条添加到ax1中,与K线图重叠
    # 通过ax=ax1参数指定把新的线条添加到ax1中,与K线图重叠,注意均线切片iloc[20:147]与ax1时间维度一样
    ap.append(mpf.make_addplot(df[['MA5''MA10''MA20''MA60']].iloc[start_index:end_index], ax=ax1))

    # 通过金融库 talib 生成MACD指标,
    short_win = 12  # 短期EMA平滑天数
    long_win = 26  # 长期EMA平滑天数
    macd_win = 9  # DEA线平滑天数
    macd_tmp = ta.MACD(df['Close'], fastperiod=short_win, slowperiod=long_win, signalperiod=macd_win)
    DIF = macd_tmp[0][start_index:end_index]
    DEA = macd_tmp[1][start_index:end_index]
    MACD = macd_tmp[2][start_index:end_index]

    # 生成一个空列表用于存储多个addplot
    # 在ax3图表中绘制 MACD指标中的快线和慢线
    ap.append(mpf.make_addplot(DIF, ax=ax3))
    ap.append(mpf.make_addplot(DEA, ax=ax3))
    # 使用柱状图绘制快线和慢线的差值,根据差值的数值大小,分别用红色和绿色填充
    # 红色和绿色部分需要分别填充,因此先生成两组数据,分别包含大于零和小于等于零的数据
    bar_r = np.where(MACD > 0, MACD, 0)
    bar_g = np.where(MACD <= 0, MACD, 0)
    # 使用柱状图填充(type='bar'),设置颜色分别为红色和绿色
    ap.append(mpf.make_addplot(bar_r, type='bar', color='red', ax=ax3))
    ap.append(mpf.make_addplot(bar_g, type='bar', color='green', ax=ax3))

    # 注意添加均线参数,macd, addplot=ap
    mpf.plot(df_data,
             ax=ax1,
             volume=ax2,
             addplot=ap,
             style=m_style,
             type='candle')
    fig.show()


if __name__ == '__main__':
    kline('000001''2022-01-01''2022-09-30')
    pass

效果图:

下篇预告

回测神器框架 backtrader 的使用

学习到现在,已经具备了股票代码本地化,k 线可视化,后面的重头戏是如何编写复利策略,并使用历史数据进行回测,检验策略是否有效。

调查了不少回测框架,最终选择 backtrader 这个框架。这框架模块划分很明确,虽然回测速度慢点,但是社区已经稳定齐全,全部由 python 编写,也方便后续的优化和接入机器学习。

就选它,就选它,就选它,回测神器 backtrader。

参考链接

[1] mplfinance 库地址: https://github.com/matplotlib/mplfinance [2] matplotlib 教程1: https://www.runoob.com/matplotlib/matplotlib-install.html [3] matplotlib 教程2: https://www.runoob.com/w3cnote/matplotlib-tutorial.html [4] k线可视化示例地址: https://blog.csdn.net/m0_67390379/article/details/125241356 [5] ta-lib 库地址: https://mrjbq7.github.io/ta-lib/

写于 2022 年 9 月 12 日 17:25:27

分类:

后端

标签:

Python

作者介绍

醉卧梦星河
V1

股票,程序技术,公众号:醉卧梦星河