如何使用Python程式碼建立複雜的財務圖表？

介紹

程式設計和科技應用於金融領域的激增是不可避免的，成長似乎從未下降。應用程式設計的最有趣的部分之一是歷史或即時股票數據的解釋和視覺化。

現在，為了在python 中可視化一般數據，matplotlib、seaborn 等模組開始發揮作用，但是，當談到可視化財務數據時，Plotly 將成為首選，因為它提供了具有交互式視覺效果的內建函數。在這裡我想介紹一個無名英雄，它只不過是 mplfinance 函式庫 matplotlib 的兄弟函式庫。

我們都知道 matplotlib 套件的多功能性，並且可以方便地繪製任何類型的資料。即使像燭台這樣的金融圖表也可以使用 matplotlib 套件繪製，但我們必須從頭開始。

最近，我開始知道有一個名為 mplfinance 的單獨模組，專門用於創建高級金融視覺化。在本文中，我們將深入研究這個 Python 函式庫，並探索其產生不同類型圖表的功能。

導入套件

將所需的套件導入到我們的 python 環境中是一個必不可少的步驟。在本文中，我們需要三個包，它們是處理資料幀的 Pandas、呼叫 API 和提取股票資料的requests，以及創建金融圖表的 mplfinance。對於尚未安裝這些軟體包的人，請將此程式碼複製到你的終端機中：

pip install pandas
pip install requests
pip install mplfinance

完成安裝套件後，是時候將它們匯入到我們的python 環境中了。

import pandas as pd
import requests
import mplfinance as mf

提取股票資料

現在，我們已經導入了所有必要的套件。讓我們使用12data.com[1]提供的 API 端點拉取亞馬遜的歷史股票資料。在此之前，12data.com上的一條說明：12data是領先的市場資料提供者之一，擁有適用於所有類型市場資料的大量 API 端點。與十二資料提供的 API 互動非常容易，並且擁有有史以來最好的文件之一。此外，請確保你在12data.com上擁有一個帳戶，只有這樣，你才能存取你的 API 金鑰（使用 API 提取資料的重要元素）。

Python實作

def get_historical_data(symbol, start_date):
api_key = 'YOUR API KEY'
api_url = f'https://api.twelvedata.com/time_series?symbol={symbol}&interval=1day&outputsize=5000&apikey={api_key}'
raw_df = requests. get(api_url).json()
df = pd.DataFrame(raw_df['values']).iloc[::-1].set_index('datetime').astype(float)
df = df[df.index >= start_date]
df.index = pd.to_datetime(df.index)
return df
amzn = get_historical_data('AMZN', '2021-01-01')
amzn.tail()

輸出：

##程式碼說明

我們做的第一件事是定義一個名為'get_historical_data'的函數，該函數以股票代碼（'symbol'）和歷史資料的開始日期（'start_date'）為參數。

在函數內部，我們定義了 API 金鑰和 URL，並將它們儲存到各自的變數中。

接下來，我們使用'get'函數以 JSON 格式提取歷史資料並將其儲存到 'raw_df'變數中。在對原始 JSON 資料進行一些清理和格式化處理之後，我們以一個空的 Pandas DataFrame 的形式傳回它。

最後，我們呼叫 created 函數來拉取亞馬遜從 2021 年初開始的歷史數據，並將其儲存到"amzn"變數中。

OHLC圖

OHLC 圖表是一種長條圖，顯示每個時期的開盤價、最高價、最低價和收盤價。

OHLC 圖表很有用，因為它們顯示了一段時間內的四個主要數據點，許多交易者認為收盤價是最重要的。它也有助於顯示增加或減少的動量。開合相距較遠時表現強勁，開合相近時則表現優柔寡斷或動能弱。

最高價和最低價顯示了該時期的完整價格範圍，有助於評估波動性1[2]。現在要使用mplfinance 建立一個OHLC 圖表，只需一行程式碼：

mf.plot(amzn.iloc[:-50,:])

在上面的程式碼中，我們首先呼叫該plot函數，並在其中將我們之前提取的Amazon OHLC資料切片為最後50 個讀數，這樣做的目的只是使圖表更清晰，以便元素可見。上面的單行程式碼將產生如下所示的輸出：

OHLC圖表

燭台圖

交易者使用燭台圖根據過去的模式決定可能的價格變動。燭台在交易時很有用，因為它們在交易者指定的整個時間段內顯示四個價格點（開盤價、收盤價、最高價和最低價）。

這種類型的圖表最有趣的部分是它還可以幫助交易者閱讀情緒，這是市場本身的首要驅動因素 2[3]。要使用 mplfinance 產生燭台圖，我們只需新增另一個參數，即函數的type參數plot並candle在其中提及。程式碼如下所示：

mf.plot(amzn.iloc[:-50,:], type = 'candle')

上面的程式碼將產生一個如下所示的燭台圖表：

烛台图

砖形图

砖形图( Renko chart)是一种使用价格变动构建的图表，而不是像大多数图表那样同时使用价格和标准化时间间隔。该图表看起来像一系列砖块，当价格移动指定的价格金额时会创建一个新砖块，并且每个块都与前一个砖块成 45 度角（向上或向下）。Renko 图表的主要用途是过滤掉噪音并帮助交易者更清楚地看到趋势，因为所有小于框大小的运动都被过滤掉 3[4] 。

据我所知，mplfinance 是唯一提供 Renko 图表的 Python 库，也是我们接下来要看到的，这就是为什么这个包在金融可视化方面具有强大优势的原因。现在要创建一个 Renko，我们只需要在函数renko的type参数中指定plot。Renko 图表的代码如下所示：

mf.plot(amzn, type = 'renko')

我们还可以向plot函数添加一个额外的参数，该参数是根据renko_params我们的需要和其他类似类型修改砖块大小的参数，但我更喜欢默认的。上面的代码生成了一个看起来像这样的砖形图：

砖形图

点数图

点数图，简称 P&F 图，类似于 Renko 图，它在不考虑时间流逝的情况下绘制资产的价格走势。与其他一些类型的图表（例如烛台）相反，烛台标志着资产在设定的时间段内的变动程度，而 P&F 图表使用由堆叠的 X 或 O 组成的列，每个列代表一定数量的价格变动。X 代表价格上涨，而 O 代表价格下跌。当价格反转反转量 4[5] 时，会在 O 之后形成新的 X 列或在 X 之后形成新的 O 列。

支持点数图的函数在其他地方找不到，只能在 mplfinance 库中找到，而且它还使我们可以通过仅pnf在函数的type参数中指定来创建图表的过程更容易plot。代码如下所示：

mf.plot(amzn, type = 'pnf')

点数图

添加更多信息

mplfinance 包不仅限于生成不同类型的图表，还使我们能够通过添加简单移动平均线 (SMA) 和交易量等附加指标使这些图表更具洞察力。对于那些不知道这两者的人来说，成交量是交易者在特定时间范围内买卖的股票数量，而简单移动平均线 (SMA) 只不过是特定时间段的平均价格。它是一种技术指标，广泛用于创建交易策略。

用 matplotlib 绘制这些数据需要一千年，而 mplfinance 允许我们只用一行代码就可以完成这项任务。除了type参数之外，我们只需要引入另外两个参数，一个是mav我们必须指定每个 SMA 的回溯期的参数，另一个是volume我们必须提到的参数，True 如果我们想将成交量图添加到我们的图表中，或者False 我们不想。这两个指标的代码如下所示：

mf.plot(amzn, mav = (10, 20), type = 'candle', volume = True)

可以通过两种方式修改和试验上述代码。第一种方法显然是尝试不同类型的图表。在上述代码中，我们提到我们的图表类型是烛台，但你可以将其更改为 OHLC、Renko 甚至 P&F 图表，并观察每个图表及其两个附加指标的外观。下一个方法是使用mav我们可以添加任意数量的具有不同回顾期的 SMA的参数。上述代码的输出如下所示：

保存图片

如果你想知道如何保存这些财务可视化中的任何一个，只需添加另一个参数，savefig即你只需提及其文件名的参数，其余部分将被处理。假设你想保存上面的图，那么你必须遵循的代码如下所示：

mf.plot(amzn,
mav = (10, 20),
type = 'candle',
volume = True,
savefig = 'amzn.png')

这就是你为保存精彩的财务可视化所需要做的全部工作。很容易，对吧？

写在最后

在我看来，与Plotly或Altair等库相比，mplfinance是绘制金融数据最强大的库。本文只是简单介绍了使用mplfinance可以实现的功能，但是这个了不起的库附带了许多新特性。它允许我们添加自定义的技术指标数据，并与实际的图表一起绘制，我们可以自定义整个模板，甚至图表中的每一个元素，添加趋势线，等等。

这个库最好的部分是它的易用性，并帮助我们用一行代码生成高级的财务可视化。虽然像Plotly这样的包有创建这些图表的内置函数，但不可能在一行代码中完成。

mplfinance现在唯一的缺点是它糟糕的文档，这使得人们甚至不知道这个包是关于什么的。文档是一个至关重要的方面，当涉及到开源项目时，文档应该被认为是至关重要的。特别像mplfinance这样的关键和有用的项目必须有清晰文档，对其提供的工具和功能有明确的解释。

到这里，你看完了这篇文章。如果你忘记了图表的代码，不要担心，最后我提供了完整的源代码。你也可以收藏本文，等需要用到的时候再查看。

完整代码

import pandas as pd
import requests
import mplfinance as mf
# Extracting stock data
def get_historical_data(symbol, start_date):
api_key = 'YOUR API KEY'
api_url = f'https://api.twelvedata.com/time_series?symbol={symbol}&interval=1day&outputsize=5000&apikey={api_key}'
raw_df = requests.get(api_url).json()
df = pd.DataFrame(raw_df['values']).iloc[::-1].set_index('datetime').astype(float)
df = df[df.index >= start_date]
df.index = pd.to_datetime(df.index)
return df
amzn = get_historical_data('AMZN', '2021-01-01')
amzn.tail()
# 1. OHLC Chart
mf.plot(amzn.iloc[:-50,:])
# 2. Candlestick Chart
mf.plot(amzn.iloc[:-50,:], type = 'candle')
# 3. Renko Chart
mf.plot(amzn, type = 'renko')
# 4. Point and Figure Chart
mf.plot(amzn, type = 'pnf')
# 5. Technical chart
mf.plot(amzn, mav = (10, 20), type = 'candle', volume = True)
# 6. Plot customization
mf.plot(amzn, mav = (5, 10, 20), type = 'candle',
volume = True, figratio = (10,5),
style = 'binance', title = 'AMZN STOCK PRICE',
tight_layout = True)
# 7. Saving the plot
mf.plot(amzn, mav = (5, 10, 20), type = 'candle',
volume = True, figratio = (10,5),
style = 'binance', title = 'AMZN STOCK PRICE',
tight_layout = True, savefig = 'amzn.png')

以上是如何使用Python程式碼建立複雜的財務圖表？的詳細內容。更多資訊請關注PHP中文網其他相關文章！