数据可视化

数据可视化是量化研究里非常重要的一环。一张图胜过千行 print —— 价格走势、信号触发、收益曲线，看一眼就明白。这一篇我们用三种工具搞定常见的金融图表。

工具对比

工具	适用场景	优点	缺点
matplotlib	通用绘图、收益曲线	灵活、可定制	API 啰嗦
mplfinance	专业 K 线图	一行画 K 线	只能画 K 线
plotly	交互式图表	可缩放、悬停	文件大

实战中三个一起用：研究阶段用 matplotlib + mplfinance，给别人展示用 plotly。

准备工作

bash复制
uv pip install matplotlib mplfinance plotly

中文字体配置（避免方块）：

python复制
import matplotlib.pyplot as plt

# macOS
plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']
# Windows / Linux 用下面这行
# plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

继续用上一篇的苹果数据：

python复制
import akshare as ak
import pandas as pd

df = ak.stock_us_daily(symbol="AAPL", adjust="qfq")
df['date'] = pd.to_datetime(df['date'])
df = df[df['date'] >= '2024-01-01'].set_index('date')

matplotlib：基础绘图

收盘价折线

python复制
plt.figure(figsize=(12, 5))
plt.plot(df.index, df['close'], label='AAPL 收盘价', color='#3b82f6')
plt.title('苹果 2024 年走势')
plt.xlabel('日期')
plt.ylabel('价格 (USD)')
plt.legend()
plt.grid(True, alpha=0.3)
plt.tight_layout()
plt.show()

多线对比

python复制
df['MA5']  = df['close'].rolling(5).mean()
df['MA20'] = df['close'].rolling(20).mean()
df['MA60'] = df['close'].rolling(60).mean()

plt.figure(figsize=(12, 5))
plt.plot(df['close'], label='收盘价', color='black', linewidth=1.5)
plt.plot(df['MA5'],   label='MA5',  color='#ef4444', linewidth=1)
plt.plot(df['MA20'],  label='MA20', color='#3b82f6', linewidth=1)
plt.plot(df['MA60'],  label='MA60', color='#8b5cf6', linewidth=1)
plt.title('AAPL 价格 + 均线')
plt.legend()
plt.grid(True, alpha=0.3)
plt.tight_layout()
plt.show()

双 Y 轴：价格 + 成交量

python复制
fig, ax1 = plt.subplots(figsize=(12, 5))

# 左 Y 轴：价格
ax1.plot(df['close'], color='#3b82f6', label='收盘价')
ax1.set_xlabel('日期')
ax1.set_ylabel('价格', color='#3b82f6')
ax1.tick_params(axis='y', labelcolor='#3b82f6')

# 右 Y 轴：成交量
ax2 = ax1.twinx()
ax2.bar(df.index, df['volume'], alpha=0.3, color='gray', label='成交量')
ax2.set_ylabel('成交量', color='gray')
ax2.tick_params(axis='y', labelcolor='gray')

plt.title('AAPL 价格与成交量')
plt.tight_layout()
plt.show()

mplfinance：专业 K 线图

matplotlib 画 K 线很麻烦，专门有个库叫 mplfinance，一行就能搞定。

最简 K 线

python复制
import mplfinance as mpf

# mplfinance 要求列名是 Open / High / Low / Close / Volume
df_mpf = df.rename(columns={
    'open':'Open', 'high':'High', 'low':'Low',
    'close':'Close', 'volume':'Volume'
})

mpf.plot(df_mpf, type='candle', style='yahoo', title='AAPL', volume=True)

K 线 + 均线 + 成交量

python复制
mpf.plot(
    df_mpf,
    type='candle',
    style='yahoo',
    title='AAPL 2024',
    volume=True,
    mav=(5, 20, 60),           # 5/20/60 日均线
    figratio=(16, 9),
    figscale=1.2,
)

自定义颜色（红涨绿跌，A 股风格）

mplfinance 默认是欧美风格（绿涨红跌），改成 A 股风格：

python复制
mc = mpf.make_marketcolors(
    up='red', down='green',
    edge='inherit',
    wick='inherit',
    volume='inherit'
)
s = mpf.make_mpf_style(marketcolors=mc, base_mpf_style='yahoo')

mpf.plot(df_mpf, type='candle', style=s, mav=(5, 20), volume=True)

在 K 线上标记买卖点

python复制
# 假设有这样一个信号 DataFrame
df_mpf['MA5']  = df_mpf['Close'].rolling(5).mean()
df_mpf['MA20'] = df_mpf['Close'].rolling(20).mean()

# 金叉点（MA5 上穿 MA20）
buy = df_mpf['Close'].where(
    (df_mpf['MA5'] > df_mpf['MA20']) & (df_mpf['MA5'].shift(1) <= df_mpf['MA20'].shift(1))
)

# 死叉点
sell = df_mpf['Close'].where(
    (df_mpf['MA5'] < df_mpf['MA20']) & (df_mpf['MA5'].shift(1) >= df_mpf['MA20'].shift(1))
)

apds = [
    mpf.make_addplot(buy,  type='scatter', marker='^', color='red',   markersize=100),
    mpf.make_addplot(sell, type='scatter', marker='v', color='green', markersize=100),
]

mpf.plot(df_mpf, type='candle', addplot=apds, mav=(5, 20), volume=True, style='yahoo')

收益曲线对比

策略回测最常画的图就是收益曲线对比（策略 vs 基准）。

python复制
import numpy as np

# 计算策略收益（双均线为例）
df['signal'] = np.where(df['MA5'] > df['MA20'], 1, 0)
df['return'] = df['close'].pct_change()
df['strategy_return'] = df['signal'].shift(1) * df['return']

# 累计收益
df['cum_market']   = (1 + df['return']).cumprod()
df['cum_strategy'] = (1 + df['strategy_return']).cumprod()

plt.figure(figsize=(12, 5))
plt.plot(df['cum_market'],   label='Buy & Hold', color='#94a3b8', linewidth=1.5)
plt.plot(df['cum_strategy'], label='双均线策略', color='#3b82f6', linewidth=2)
plt.title('策略 vs 基准')
plt.ylabel('累计净值')
plt.legend()
plt.grid(True, alpha=0.3)
plt.axhline(y=1, color='black', linestyle='--', alpha=0.3)
plt.tight_layout()
plt.show()

回撤图

最大回撤是衡量风险的关键指标，常和收益曲线一起画。

python复制
def drawdown(returns):
    cum = (1 + returns).cumprod()
    peak = cum.cummax()
    return (cum - peak) / peak

df['drawdown'] = drawdown(df['strategy_return'])

fig, axes = plt.subplots(2, 1, figsize=(12, 7), sharex=True,
                          gridspec_kw={'height_ratios': [3, 1]})

# 上方：净值曲线
axes[0].plot(df['cum_strategy'], color='#3b82f6', linewidth=2)
axes[0].set_title('策略表现')
axes[0].set_ylabel('净值')
axes[0].grid(True, alpha=0.3)

# 下方：回撤
axes[1].fill_between(df.index, df['drawdown'], 0, color='#ef4444', alpha=0.4)
axes[1].set_ylabel('回撤')
axes[1].grid(True, alpha=0.3)

plt.tight_layout()
plt.show()

plotly：交互式图表

plotly 画的图可以缩放、悬停查看数据，特别适合在 Jupyter 里探索数据，或者放到网页上展示。

交互式 K 线

python复制
import plotly.graph_objects as go

fig = go.Figure(data=[go.Candlestick(
    x=df.index,
    open=df['open'],
    high=df['high'],
    low=df['low'],
    close=df['close'],
    name='AAPL'
)])

fig.update_layout(
    title='AAPL 交互式 K 线',
    xaxis_title='日期',
    yaxis_title='价格',
    xaxis_rangeslider_visible=False,  # 隐藏底部缩略图
    template='plotly_white',
)

fig.show()

鼠标悬停在 K 线上会显示当天的开高低收，可以拖动缩放。

K 线 + 均线 + 成交量子图

python复制
from plotly.subplots import make_subplots

fig = make_subplots(
    rows=2, cols=1,
    shared_xaxes=True,
    vertical_spacing=0.03,
    row_heights=[0.7, 0.3],
    subplot_titles=('AAPL', '成交量')
)

# K 线
fig.add_trace(go.Candlestick(
    x=df.index, open=df['open'], high=df['high'],
    low=df['low'], close=df['close'], name='K线'
), row=1, col=1)

# 均线
fig.add_trace(go.Scatter(x=df.index, y=df['MA5'],  name='MA5',  line=dict(color='red',  width=1)), row=1, col=1)
fig.add_trace(go.Scatter(x=df.index, y=df['MA20'], name='MA20', line=dict(color='blue', width=1)), row=1, col=1)

# 成交量
colors = ['red' if c >= o else 'green' for o, c in zip(df['open'], df['close'])]
fig.add_trace(go.Bar(x=df.index, y=df['volume'], marker_color=colors, name='成交量'), row=2, col=1)

fig.update_layout(
    height=700,
    showlegend=True,
    xaxis_rangeslider_visible=False,
    template='plotly_white',
)

fig.show()

保存图片

python复制
# matplotlib
plt.savefig('output.png', dpi=150, bbox_inches='tight')

# mplfinance
mpf.plot(df_mpf, type='candle', savefig='kline.png')

# plotly
fig.write_image('plotly.png')   # 需要安装 kaleido: uv pip install kaleido
fig.write_html('plotly.html')   # HTML 文件可以双击打开看交互

一个完整的策略可视化函数

把上面学的封装成一个常用函数：

python复制
def plot_strategy(df, title='Strategy'):
    """
    画策略表现：净值曲线 + 回撤
    df 需要包含: cum_market, cum_strategy, drawdown 列
    """
    fig, axes = plt.subplots(2, 1, figsize=(12, 8), sharex=True,
                              gridspec_kw={'height_ratios': [3, 1]})

    # 净值对比
    axes[0].plot(df['cum_market'],   label='Buy & Hold', color='#94a3b8', linewidth=1.5)
    axes[0].plot(df['cum_strategy'], label='策略',        color='#3b82f6', linewidth=2)
    axes[0].set_title(title, fontsize=14, fontweight='bold')
    axes[0].set_ylabel('净值')
    axes[0].legend(loc='upper left')
    axes[0].grid(True, alpha=0.3)
    axes[0].axhline(y=1, color='black', linestyle='--', alpha=0.3)

    # 回撤
    axes[1].fill_between(df.index, df['drawdown'] * 100, 0, color='#ef4444', alpha=0.4)
    axes[1].set_ylabel('回撤 (%)')
    axes[1].set_xlabel('日期')
    axes[1].grid(True, alpha=0.3)

    plt.tight_layout()
    plt.show()

后面写策略时直接调用这个函数就行。

小结

这一篇覆盖了量化研究 90% 的可视化需求：

• ✅ matplotlib 基础绘图
• ✅ mplfinance 专业 K 线图（含买卖点标注）
• ✅ 收益曲线 + 回撤双图布局
• ✅ plotly 交互式图表
• ✅ 图表保存

下一篇我们手撕 常用技术指标，把 MA、MACD、RSI、KDJ 这些指标的原理和实现都搞清楚。

📌 画图建议

• 探索阶段：用 plotly，方便缩放对比
• 正式输出：用 matplotlib 控制细节，导出高清图
• K 线相关：直接上 mplfinance，省心