Python量化交易

在上一篇文章《投资组合的评价和可视化（上）》中，我们了解了几种常见的投资组合评价指标的计算方法，并且通过一个实例，一步步根据这个投资组合在过去十年的模拟交易结果，计算出了它的各项指标，接下来，我们将一步步实现所有指标的可视化。

在这篇文章里，我们使用matplotlib和mplfinance来实现可视化。我们使用前一篇文章里计算完成的数据，把他们组合显示在一张图表中（如下图）:

看上去图表比较复杂，但是我们会一步步将它们实现。图表中的原始数据可以在这里下载，原始数据包含一个大小盘轮动策略在过去十年里的模拟交易结果。在上一篇文章中，我们在原始数据的基础上一步步计算了投资组合的所有相关评价指标，包括：

下面，我们就来一步步把上面的信息通过matplotlib可视化出来。不过，本文所有代码都是基于上一篇文章的结果，因此，还没有读上一篇文章的同学，需要复制完整代码以确保上述的计算都已经完成。

由于需要显示的内容非常多，一张简单的图表是无法表现所有内容的，因此我们需要一张组合图表。在Matplotlib中，一张图表被称为一个figure，在一个figure上可以放置若干个绘图区域Axes，每个绘图区域内都有自己独立的数据、网格、标题等等元素，我们要在一个figure上有计划第放置多个Axes来制作组合图表。

我们首先需要加载matplotlib模块：

我们希望整张图表既能够展现所有的内容，但是又主次分明，因此需要对图表的格式做出一个大致的规划： 首先，图表应该表现三大类内容：

根据上面的规划，我们可以按下面的格式在一个figure上创建九张图表，并调整它们的位置。留出最大的一张表，位于视觉重心处，用于显示最重要的收益率曲线。

使用plt.show()或者fig.show()即可看到图表的外观如下。

同学们可以自行微调add_axes()里列表中的四个数字，来调整每个表的位置大小，这四个数字分别代表： [图表左下角X坐标，图表左下角Y坐标，图表的宽度，图表的高度] 每个数字都是一个小数，单位为整个figure的高度或宽度，例如，[0.64, 0.04, 0.29, 0.16]表示图> 表的左下角位于figure宽度的64%处、高度的4%处，宽度为figure的29%，高度为figure的16%

为了图表的美观起见，我们还可以调整一下各个图表的格式，例如，前六张图表可以共享一个X轴，因此图表的X轴坐标便可以隐藏，另外，我们希望在图表左边放置名称或说明，那么Y轴坐标就可以放在右边，等等。

这部分代码可以放置在最后。

图表的格式设置完毕后，我们可以先把所有文字信息输出到图表上的空白处。 在这里，我们需要计算出需要显示的所有数据：

使用fig.suptitle()设置图表的大标题 而其他所有的文字都可以通过fig.text()来输出。fig.text()的头两个参数是文字的坐标，需要注意，文字的坐标是以文字块左下角的位置来定义的，因此如果文字中包含换行符，第一行文字就会被“顶到”上面去。

请注意，下面的代码中使用了fontname='pingfang HK'以使用中文字体，否则中文会显示为乱码

如果输入的文字正常，显示效果应该如下图所示：

有的朋友在运行上述代码时，可能会遇到错误说使用的中文字体不存在，因而中文显示为乱码，这里给出一个解决方案供大家参考：

为了显示系统中有哪些中文字体，可以先导入matplotlib的FontManager类，调用这个类的ttflist属性，就可以看到系统中已经存在的所有可以被matplotlib使用的字体了，选择其中的中文字体即可（中文字体名称中一般都带有拼音，或者含有TC、SC之类的关键字：

清单中的字体可能会比较多，也有多种中文字体，比如上面例子中的PingFang HK就是中文字体，将字体名称PingFang HK用于font就可以了：font_name='PingFang HK'

接下来进入重头戏，各个图表的绘制。由于每张图表数据区别甚大，因此我们分别来看。

收益率曲线图是整张图表的视觉重心，也是一张颇为复杂的复合图表，我们希望它能体现出最重要的关键信息，因此信息集成度比较高。

这张图表由三部分组成：

上面三部分我们逐步绘制。

收益率曲线用最简单的axex.plot()函数即可实现，传入必要的参数如颜色color，线形linestyle、透明度alpha等即可：

用axes.fill_between()在参考收益率的正负区间分别填充红色和绿色，使它更显眼。