Python for Financial Analysis Series - Python Tools วันที่ 6

Matplotlib กันเถอะ! นี่เป็นช่วงสุดท้ายของซีรีส์ เราจะสร้างภาพข้อมูลที่จำเป็นด้วย Matplotlib เราจะพล็อตเส้น , กระจายและบาร์

เคล็ดลับก่อนเริ่ม

การแสดงภาพเป็นสิ่งที่ยอดเยี่ยม แต่สำหรับการวิเคราะห์มันเป็นเครื่องมือ

ค่ามาจาก STATS และ METRICS ลองนึกภาพว่าเราทำการทดสอบย้อนหลังของกลยุทธ์การซื้อขาย เป็นเรื่องดีถ้าเราสามารถพล็อต PnL (การสูญเสียกำไร) แต่เป็นตัวชี้วัดเช่นผลตอบแทนความถี่ในการซื้อขายและการเบิกสูงสุดที่บอกเล่าเรื่องราวที่แท้จริง เรามีแนวโน้มที่จะประเมินกลยุทธ์โดยการเปรียบเทียบเมตริกมากกว่าการหยิบแผนภูมิด้วยสายตา

เป้าหมายของเซสชันนี้คือการให้ตัวอย่างแผนภูมิที่สำคัญด้วยวิธีง่ายๆซึ่งเป็นส่วนเสริมของการวิเคราะห์ข้อมูลหลัก

การอัปเดตที่สำคัญ

เนื่องจาก Microsoft Azure Notebooks ได้ย้ายไปใช้ GitHub ซึ่งอาจเป็นเรื่องท้าทายสำหรับผู้เริ่มต้นในการเริ่มต้น ฉันใส่เนื้อหาทั้งหมดไว้ใน Google Colab แล้ว มันเป็นสภาพแวดล้อมที่ Jupyter โน๊ตบุ๊คที่คล้ายกันมากและคุณอาจตรวจสอบได้โดยคลิกที่นี่

รหัสและไฟล์ทั้งหมดของฉันถูกแชร์และคุณสามารถคลิกที่นี่เพื่อเปิด

รับข้อมูลจริง

หากคุณยังไม่ได้อ่านเซสชันสุดท้ายและยังไม่มีคีย์ APIเพื่อดึงราคาหุ้นจากIEX Cloudโปรดดูรายการสุดท้ายด้านล่าง

Python for Financial Analysis Series - Python Tools วันที่ 5

เราจะทำงานกับข้อมูลของหุ้นสองตัวคือ MSFT และ IBM ดังนั้นเรามาดาวน์โหลดราคาย้อนหลังหนึ่งปีสำหรับทั้งสองอย่างด้วย IEX Cloud

เช่นเดียวกับเซสชันที่แล้วเราติดตั้ง IEX Cloud SDK ก่อนด้วยคำสั่ง“ ! pip install ” จากนั้นจึงนำเข้าแพ็คเกจทั้งหมดรวมถึง Matplotlib เมื่อนำเข้าแพ็คเกจทั้งหมดแล้วเราจะเริ่มต้นการเชื่อมต่อกับ IEX Cloud ด้วยโทเค็นการทดสอบแซนด์บ็อกซ์ของเรา สุดท้ายเราสามารถดาวน์โหลดราคาย้อนหลังด้วยฟังก์ชัน“ chartDF ”

แผนภูมิเส้นอย่างง่าย

ตอนนี้เราสามารถเริ่มพล็อต ข่าวดีก็คือ Pandas ได้รวมเข้ากับ Matplotlib เพื่อให้เราสามารถวางแผนโดยตรงกับ DataFrame โดยใช้ฟังก์ชัน " plot " นี่คือตัวอย่างง่ายๆของกราฟเส้นสำหรับราคาประจำวันของ Microsoft

มันไม่ง่ายไปกว่านั้น รับคอลัมน์ที่คุณต้องการและใช้ฟังก์ชัน " พล็อต " จากนั้นเราจะได้แผนภูมิ! ที่นี่เราใช้พารามิเตอร์สามตัว

figsize : เป็น Python tuple กำหนดความกว้างและความสูงของแผนภูมิ

ชื่อเรื่อง : ส่วนหัวที่อยู่ตรงกลางด้านบนของแผนภูมิ

ตำนาน : แสดง / ซ่อนตำนาน

จะเป็นอย่างไรถ้าเราต้องการพล็อต IBM ด้วย? เพียงเพิ่มบรรทัดที่คล้ายกันสำหรับ IBM

อย่างที่เราเห็นการพล็อตเริ่มต้นจะอยู่ในแผนภูมิเดียวกัน (ตัวเลขเดียวกันอย่างแม่นยำยิ่งขึ้น) และจะใช้สเกลแกน x และแกน y เดียวกันโดยอัตโนมัติ

อีกวิธีหนึ่งในการลงจุดเส้นในแผนภูมิเดียวกันคือการลงจุด DataFrame ที่มีหลายคอลัมน์ ลองทำตัวอย่างหนึ่ง ลองนึกภาพว่าเราต้องการเปรียบเทียบผลตอบแทนจากการบันทึกสะสมของหุ้นทั้งสอง

ก่อนอื่นเราจะคำนวณผลตอบแทนบันทึกประจำวันและรวมสอง DataFrames เข้าด้วยกัน โปรดตรวจสอบวันที่ 5 สำหรับคำอธิบายรายละเอียด

ด้วยการส่งคืนบันทึกประจำวันเราสามารถคำนวณทางคณิตศาสตร์อย่างง่ายเพื่อคำนวณผลตอบแทนสะสม

การเงินเป็นเรื่องของผลตอบแทนทบต้นดังนั้นเราจึงใช้ฟังก์ชัน“ cumprod” เริ่มต้นจากแถวที่สองและสำหรับแต่ละแถวจะทำการคูณกับแถวก่อนหน้าทั้งหมด ใน Excel เรามักจะต้องมีสองคอลัมน์ที่มีการคูณซ้ำ ตอนนี้เราสามารถพล็อตแผนภูมิด้วย DataFrame ได้โดยตรง

สังเกตความแตกต่างคือในตัวอย่างแรกเราเลือกคอลัมน์ก่อนจากนั้นจึงลงจุดคอลัมน์ ที่นี่เราใช้ฟังก์ชัน " พล็อต " กับ DataFrame ทั้งหมด

กระจาย

Scatter เป็นหนึ่งในแผนภูมิที่คนทั่วไปใช้ใน Finance ลองดูตัวอย่างอื่น เราสามารถใช้เพื่อแสดงภาพความสัมพันธ์ระหว่างหุ้นสองตัวคือ MSFT และ IBM

ตามค่าเริ่มต้นฟังก์ชัน " พล็อต " จะทำแผนภูมิเส้น หากเราต้องการแผนภูมิประเภทอื่นเราสามารถใช้พารามิเตอร์ " kind " สำหรับแผนภูมิกระจายเราจำเป็นต้องระบุชื่อคอลัมน์ของxและyซึ่งควรตรงกับชื่อคอลัมน์กับ DataFrame

บาร์

คนทั่วไปทำแผนภูมิอื่น ๆ และลองทำอีกตัวอย่างง่ายๆ สมมติว่าเราต้องการเปรียบเทียบผลตอบแทนหนึ่งปีระหว่างหุ้นสองตัวด้วยกราฟแท่ง

ขั้นแรกเรานำแถวสุดท้ายจาก DataFrame“ cum_return_df ” จากนั้นเพื่อตั้งชื่อให้ดีขึ้นเราจึงแทนที่ค่าของดัชนีด้วย“ 1Y ” สุดท้ายเราวางแผนแผนภูมิโดยบอกว่าเราต้องการ " ใจดี " เป็น " บาร์ " ให้ดีขึ้นเห็นภาพบาร์เราจะแสดงเส้นตารางเกินไปโดยการตั้งค่าพารามิเตอร์“ ตาราง ” ให้เป็นจริง

สองแกนสองเครื่องชั่ง

หนึ่งในความต้องการที่พบบ่อยในการวิเคราะห์ทางการเงินคือการมีสองแกนที่มีสองเครื่องชั่ง ตัวอย่างเช่นหากเราต้องการพล็อตราคาด้วยปริมาณเราไม่สามารถวางลงในมาตราส่วนเดียวได้เนื่องจากปริมาณมีตัวเลขมากกว่าราคามาก ลองทำตัวอย่างนี้

อันดับแรกเราจะวาดกราฟราคาแบบเส้นปกติเช่นเดียวกับที่เราทำก่อนหน้านี้

ประการที่สองเราเพิ่มพล็อต "พื้นที่" อีกอัน (โดยทั่วไปคือเส้นที่มีพื้นที่ด้านล่างเต็มไปด้วยสี)

สังเกตครั้งนี้เราใช้พารามิเตอร์อีกสองตัว:

Secondary_y : มีพล็อตโดยใช้แกน y ทุติยภูมิ (แฮนด์ด้านขวา)

อัลฟา : เพื่อทำให้พื้นที่โปร่งใสค่าระหว่าง 0 ถึง 1 โดย 0 หมายถึงโปร่งใสเต็มที่

มีหลายสิ่งที่เราสามารถปรับปรุงได้ ขั้นแรกมีการทับซ้อนกันระหว่างเส้นราคาและพื้นที่ปริมาณ เราสามารถดันระดับเสียงลงเล็กน้อยโดยเพิ่มค่าสูงสุดของแกน y ทางด้านขวา ประการที่สองเราสามารถสร้างสีของแกน y ที่ถูกต้องและขีดสีส้มเพื่อให้เข้ากับสีของพล็อตพื้นที่ มาปรับปรุงโค้ดของเรากัน

ความแตกต่างที่สำคัญประการหนึ่งคือตอนนี้เรากำหนดพล็อตเป็นตัวแปร " ขวาน " จากนั้นตัวแปรนี้สามารถใช้เพื่อแก้ไขส่วนประกอบของแผนภูมิ เพื่อทำความเข้าใจส่วนประกอบของแผนภูมิเราสามารถตรวจสอบการสอนอย่างเป็นทางการของ Matplotlib ด้านล่าง

https://matplotlib.org/3.1.1/tutorials/introductory/usage.html

เติมระหว่างบรรทัด

ตัวบ่งชี้ทางเทคนิคจำนวนมากต้องการการเน้นขอบเขตบนและล่าง ตัวอย่างเช่น Bollinger Band เป็นแบบทั่วไป เราสามารถดูวิธีทำได้ด้วยตัวอย่างง่ายๆของแถบค่าเบี่ยงเบนมาตรฐานแบบหมุน

เราเริ่มต้นตัวอย่างด้วยการคำนวณค่าเบี่ยงเบนมาตรฐานการหมุนและแถบบน / ล่าง

อีกครั้งโปรดตรวจสอบวันที่ 5 เพื่อดูรายละเอียดของฟังก์ชัน "กลิ้ง"

จากนั้นเราสามารถพล็อตแผนภูมิเส้นอย่างง่ายเหมือนเดิมและเพิ่มไฮไลต์ของวงดนตรีด้วยฟังก์ชัน“ fill_between ”

จำไว้ว่าเรานำเข้า“ plt” จาก Matplotlib ในตอนเริ่มต้น มีฟังก์ชัน“ fill_between ” ซึ่งเราต้องให้อินพุตต่อไปนี้:

x : ค่าแกน x

y1 : หนึ่งในซีรีส์วงดนตรี

y2 : อีกชุดของวง

สี : สีของวงดนตรี

อัลฟา : ระดับความโปร่งใสของวงดนตรี

ทำไมไม่เป็นแท่งเทียน?

แผนภูมิอันดับหนึ่งที่ผู้คนทำในด้านการเงิน แต่จะไม่เหมาะสมที่จะพล็อตใน Jupyter แท่งเทียนใช้สำหรับเราเพื่อเพิ่มคำอธิบายประกอบแบบโต้ตอบเพื่อวิเคราะห์แนวโน้มของตลาด เราจะต้องมีแพลตฟอร์มการวิเคราะห์ทางเทคนิคที่ดีและ Jupyter ก็ไม่ดีสำหรับการวิเคราะห์นั้น คุณอาจพบแพลตฟอร์มการวิเคราะห์ทางเทคนิคมากมายทางออนไลน์เช่น TradingView

การใช้ Jupyter และ Python ที่สำคัญคือการวิเคราะห์เชิงระบบและเชิงปริมาณเพื่อให้เราสามารถนำไปใช้ได้อย่างแม่นยำ การพล็อตเชิงเทียนที่นี่อาจไม่เป็นประโยชน์ อย่างไรก็ตามหากเราต้องการพล็อตแผนภูมิดังกล่าวก็ยังตรงไปตรงมา ตรวจสอบลิงค์ต่อไปนี้สำหรับ Plotly

ยินดีด้วย! เราได้ทำหลามสำหรับชุดการวิเคราะห์ทางการเงิน - เครื่องมือหลาม ถ้าคุณยังใหม่กับงูหลามหรือต้องการที่จะฟื้นฟูความรู้พื้นฐานหลามโปรดตรวจสอบชุดแรก, งูหลามหลัก

Python for Financial Analysis Series - Python Core วันที่ 1

ขั้นตอนต่อไป

นี่เป็นครั้งแรกที่ฉันเขียนบล็อกบทเรียนเกี่ยวกับ Medium ในช่วงสามเดือนที่ผ่านมาฉันเขียนซีรีส์สองเรื่อง 12 บทความ นับเป็นความสำเร็จครั้งสำคัญสำหรับฉันในฐานะที่ไม่ใช่เจ้าของภาษาอังกฤษ ฉันหวังว่ามันจะช่วยให้ผู้เชี่ยวชาญด้านการเงินพัฒนางานประจำวันด้วยทักษะ Python ใหม่ ๆ

จากที่นี่ฉันวางแผนที่จะเริ่มเขียนเกี่ยวกับกรณีศึกษาที่ใช้ได้จริง สิ่งหนึ่งที่ฉันสังเกตเห็นคือหลาย ๆ คนใน Medium เขียนเกี่ยวกับหัวข้อที่ล้ำยุคเช่น AI และ ML อย่างไรก็ตามผู้คนส่วนใหญ่ในตลาดการเงินยังคงต้องใช้ Python พื้นฐานในการแก้งานประจำวันธรรมดา ๆ ฉันหวังว่าการเขียนกรณีศึกษาที่เป็นประโยชน์มากขึ้นอาจช่วยให้ผู้คนจำนวนมากขึ้นในการปรับปรุงขั้นตอนการทำงานประจำวัน

ลาก่อนและฉันจะคุยกับคุณเร็ว ๆ นี้!

การทดสอบกลยุทธ์การซื้อขายย้อนหลังด้วยตัวบ่งชี้ทางเทคนิค # 1