Skip to content

可视化与时间序列

日 K 存成 CSV 之后，先画出来再往下算。日期是否排序、价格有没有跳空、均线从哪一天才有值，图上都能看见。这一章安装 Matplotlib，用平安银行 80 个交易日的前复权行情画出收盘价、成交量、均线和收益率分布。

数据文件是 examples/fintech/sz000001_dayk.csv，从 2026-06-11 到 2026-10-09，列名是 date,open,high,low,close,volume。它由 腾讯日 K 保存而来，成交量单位是手。下面的四张图由 examples/fintech/plot_prices.py 写入 docs/fintech/images/。按本章代码在自己的目录里运行时，图片则写在当前目录。

安装 Matplotlib

画图用 matplotlib，读表仍用 pandas，对数收益用 numpy。在项目目录里建虚拟环境再安装，不要用 sudo pip install。

python -m venv .venv

激活：

  • Windows：.venv\Scripts\activate
  • macOS / Linux：source .venv/bin/activate

激活后，命令行前面通常出现 (.venv)。然后安装：

python -m pip install matplotlib pandas numpy

安装结束时，pip 会列出这几个包和它们的版本号。版本号以自己机器上的打印为准。确认能导入：

python -c "import matplotlib; print(matplotlib.__version__)"

能打印出版本号，就说明库已经装进当前环境。本书生成下面几张图时，这条命令打印的是 3.10.0。

在程序里引用的是：

import matplotlib.pyplot as plt

这行是 Python 代码，不是命令行。

没有图形桌面时，plt.show() 打不开窗口。作业要交的是图片文件，所以在导入 pyplot 之前指定只写文件、不弹窗口：

import matplotlib
matplotlib.use("Agg")
import matplotlib.pyplot as plt

use("Agg") 必须写在 import matplotlib.pyplot 之前。有桌面时可以再调用 plt.show() 看一眼，交作业仍以 savefig 写出的文件为准。

图中的中文使用本机字体。本书的图用的是 Noto Sans CJK。若标题变成方框，安装一种中文字体，或把标题改成英文。坐标上的曲线不受字体影响。

先读表、再排序

在 examples/fintech/ 目录下运行：

from pathlib import Path

import pandas as pd

csv_path = Path("sz000001_dayk.csv")
df = pd.read_csv(csv_path, parse_dates=["date"]).sort_values("date")
print(len(df), df["date"].iloc[0].date(), df["date"].iloc[-1].date())

80 2026-06-11 2026-10-09

sort_values("date") 放在收益率和均线之前。没有排序时，pct_change() 减到的就不是前一个交易日。

收盘价

fig, ax = plt.subplots(figsize=(8, 4))
ax.plot(df["date"], df["close"], label="收盘价")
ax.set_title("平安银行前复权收盘价")
ax.set_xlabel("日期")
ax.set_ylabel("价格")
ax.legend()
fig.autofmt_xdate()
fig.tight_layout()
fig.savefig("close.png", dpi=120)

plot 的第一个参数是横轴，第二个是纵轴。autofmt_xdate() 把日期标签斜着放下，避免挤在一起。tight_layout() 留出边距，避免标题被切掉。savefig 把图写成当前目录下的 close.png。

平安银行 2026-06-11 至 2026-10-09 的前复权收盘价

这段行情从 6 月中旬的约 10.7 元附近下跌，7 月初接近 9.8 元，之后上升到 10 月上旬的约 11.7 元。最后一天 2026-10-09 的收盘价是 11.59。横轴按真实日期展开，周末和假期没有点，所以有的区间看起来疏一些。

成交量

fig, ax = plt.subplots(figsize=(8, 4))
ax.bar(df["date"], df["volume"], width=1.0)
ax.set_title("平安银行成交量（手）")
ax.set_xlabel("日期")
ax.set_ylabel("成交量")
fig.autofmt_xdate()
fig.tight_layout()
fig.savefig("volume.png", dpi=120)

bar 画的是柱，不是把成交量连成线。纵轴旁的 1e6 表示刻度要乘以一百万，柱高 1.5 就是约 150 万手。

平安银行同期成交量，单位是手

柱和柱之间的空白是非交易日。最高的一根出现在 8 月初，超过 250 万手。读这张图时同时看价格图：放量的日子，价格往往也在大幅变动。

简单收益和对数收益

import numpy as np

df["ret"] = df["close"].pct_change()
df["log_ret"] = np.log(df["close"]).diff()
print(df["ret"].describe())
print(df[["date", "close", "ret", "log_ret"]].tail(1))

pct_change() 是简单收益率 \((P_t / P_{t-1}) - 1\)。np.log(df["close"]).diff() 是对数收益率 \(\ln(P_t / P_{t-1})\)。第一行没有前一天，两个结果都是空值。80 个收盘价得到 79 个收益率。

这 79 天的简单收益率：

统计量 数值
均值 0.001093
标准差 0.011870
最小 −0.024691
最大 0.029918

最后一天收盘价从 11.78 到 11.59。简单收益率是 \(11.59 / 11.78 - 1 = -0.016129\)，对数收益率是 \(-0.016261\)。这一天跌了约 1.6%，两个数已经很接近。后面做波动率和蒙特卡洛时用对数收益，做净值曲线时用简单收益。

简单收益率的分布：

fig, ax = plt.subplots(figsize=(8, 4))
df["ret"].dropna().hist(bins=15, ax=ax)
ax.set_title("简单收益率分布")
ax.set_xlabel("简单收益率")
ax.set_ylabel("天数")
fig.tight_layout()
fig.savefig("ret_hist.png", dpi=120)

dropna() 去掉第一行的空值，否则直方图会把空值算进去。bins=15 把区间分成 15 格。

79 个交易日的简单收益率直方图

多数交易日的涨跌落在 0 附近。左边最低约 −2.5%，右边最高约 3.0%，和上表的最小、最大一致。

5 日和 20 日均线

df["ma5"] = df["close"].rolling(5).mean()
df["ma20"] = df["close"].rolling(20).mean()
print(df["ma5"].isna().sum(), df["ma20"].isna().sum())
print(df["ma5"].iloc[-1], df["ma20"].iloc[-1])

4 19
11.518 11.4885

rolling(5) 取最近 5 个交易日，含当天。前 4 行凑不满 5 天，ma5 是空值；前 19 行凑不满 20 天，ma20 是空值。最后一天的 5 日均线是 11.518，20 日均线是 11.4885。这里的「日」是交易日，不是日历日。

fig, ax = plt.subplots(figsize=(8, 4))
ax.plot(df["date"], df["close"], label="收盘价")
ax.plot(df["date"], df["ma5"], label="5 日均线")
ax.plot(df["date"], df["ma20"], label="20 日均线")
ax.set_title("收盘价与均线")
ax.set_xlabel("日期")
ax.set_ylabel("价格")
ax.legend()
fig.autofmt_xdate()
fig.tight_layout()
fig.savefig("ma.png", dpi=120)

收盘价、5 日均线与 20 日均线

5 日均线从第 5 个交易日才出现，贴着收盘价走。20 日均线更平滑，起点更晚。上涨段里，收盘价多在 20 日均线之上；急跌时，5 日均线先跟着掉下来。

画图之前要核对的三件事

日期必须先排序，再计算 pct_change 和 rolling。停牌和节假日会使日期不连续，横轴用真实日期，不要把缺失的日历日填成价格。两只股票放在一起比较时，按日期对齐，不要按行号对齐。

课堂练习

  1. 在虚拟环境里安装 Matplotlib，打印 matplotlib.__version__。
  2. 用自己的至少 60 个交易日，画出收盘价和成交量，横轴是日期，图片用 savefig 保存。
  3. 在同一张图上叠加 5 日、20 日均线，并写出两条均线开头各有多少个空值。
  4. 画出简单收益率的直方图，标出样本里的最大跌幅和最大涨幅。