《BackTrader量化交易图解》第8章：plot 绘制金融图

文章目录

8. plot 绘制金融图
- 8.1 金融分析曲线
- 8.2 多曲线金融指标
- 8.3 Observers 观测子模块
- 8.4 plot 绘图函数的常用参数
- 8.5 买卖点符号和色彩风格
- 8.6 vol 成交参数
- 8.7 多图拼接模式
- 8.8 绘制 HA 平均 K 线图

8. plot 绘制金融图

8.1 金融分析曲线

BackTrader内置的plot绘图函数，通过style参数变量控制不同风格的K线图，默认有以下几种风格：

line：线条图
candle：蜡烛图，标准 K 线图
ohlc：美式 K 线图，和 bar 参数一样
bar：ohlc 曲线图，美式 K 线图，和 ohlc 参数一样。

将style参数设置为bar或者ohlc，生成的图都是一样的。如果不设置 style ，默认是line线条图，或者上一次设置参数。下面使用代码生成四种风格的图表，文件名称为Plot.py。

line 线条图：

PlotLines

candle 图：

PlotCandle

OHLC 图：

PlotOHLC

Bar 图：

PlotBar

在K线图中，每天的图标信息都包含开盘价、最高价、最低价和收盘价四组价格数据，但曲线图通常只有收盘价一组价格。 ohlc美式价格曲线也称为美式K线，每天的图标也包含开盘价、最高价、最低价和收盘价四组价格数据，这种格式相对比较少见。

8.2 多曲线金融指标

常见的MACD指标及PivotPoint（支撑点）指标都是复杂的多曲线金融指标，包含多组指标曲线。

BackTrader支持复杂的多曲线金融指标曲线的绘制，而且绘制模式非常灵活。

8.3 Observers 观测子模块

在BackTrader量化程序中，自定义买卖点符号的修改调用都是在主流程中通过Observers观测子模块完成的，代码如下：

bt.observers.BuySell = MyBuySell

Observers观测子模块类似于传统的Log日志模块或者后台监控模块，主要用于记录后台交易数据及图信息。

8.4 plot 绘图函数的常用参数

下图为 plot 模块关系属性示意图：

btr_plot

从图中可以看出，plot 模块主要相关模块有：LineBuffer、Cerebro、Strategy 等。

在BackTrader的指标模块Indicators和观测模块Observers中内置了一个plotinfo绘图参数变量，用于控制指标和观测数据的绘制，调用模式如下：

sma = bt.indicators.SimpleMovingAverage(self.data,period=15)
sma.plotinfo.plotname 'mysma'

plotinfo变量采用的是dict字典格式，常用内置参数设置如下：

plotinfo = dict(plot=True,
                        subplot=True,
                        plotname='',
                        plotskip=False,
                        plotabove=False,
                        plotlinelabels=False,
                        plotlinevalues=True,
                        plotvaluetags=True,
                        plotymargin=0.0,
                        plotyhlines=[],
                        plotyticks=[],
                        plothlines=[],
                        plotforce=False,
                        plotmaster=None,
                        plotylimited=True,
                    )

通常， SMA均线指标、 vol成交量和主图价格曲线会叠加显示，其他指标（如rsi、 kdj等）都采用独立subplot子图模式，在主图下方显示。

8.5 买卖点符号和色彩风格

买卖点符号是可以自定义的，案例代码 PlotExt1.py 演示如何自定义买卖点符号，主要代码修改有：

class MyBuySell(bt.observers.BuySell):
    plotlines = dict(
        # buy=dict(marker='$\u21E7$', markersize=12.0),  #arrow
        # sell=dict(marker='$\u21E9$', markersize=12.0)
        #
        # buy=dict(marker='$++$', markersize=12.0),
        # sell=dict(marker='$--$', markersize=12.0)
        #
        buy=dict(marker="$✔$", markersize=12.0),
        sell=dict(marker="$✘$", markersize=12.0),
    )

 ... ...
bt.observers.BuySell = MyBuySell

本案例使用对勾符号（√）表示买入，使用叉符号（×）表示卖出，同时这两个符号的尺寸也更大一些。在源码中， “√”和“×”符号需要用两个“$”符号表示，并括住符号代码，因为需要使用UTF代码符号。自定义买卖点符号的修改调用，是在主流程中通过BackTrader的
Observers观测子模块完成的:

bt.observers.BuySell = MyBuySell

下面再看一下对图表颜色的修改。
相对于修改买卖点符号而言，对颜色进行修改更加简单。在调用plot绘图函数时，可以直接通过参数传递颜色参数：

tq10_corUp, tq10_corDown = ["#7F7F7F", "#17BECF"]  # plotly
tq09_corUp, tq09_corDown = ["#B61000", "#0061B3"]
tq08_corUp, tq08_corDown = ["#FB3320", "#020AF0"]
tq07_corUp, tq07_corDown = ["#B0F76D", "#E1440F"]
tq06_corUp, tq06_corDown = ["#FF3333", "#47D8D8"]
tq05_corUp, tq05_corDown = ["#FB0200", "#007E00"]
tq04_corUp, tq04_corDown = ["#18DEF5", "#E38323"]
tq03_corUp, tq03_corDown = ["black", "blue"]
tq02_corUp, tq02_corDown = ["red", "blue"]
tq01_corUp, tq01_corDown = ["red", "lime"]
#
tq_ksty01 = dict(
    volup=tq01_corUp, voldown=tq01_corDown, barup=tq01_corUp, bardown=tq01_corDown
)
tq_ksty02 = dict(
    volup=tq02_corUp, voldown=tq02_corDown, barup=tq02_corUp, bardown=tq02_corDown
)
tq_ksty03 = dict(
    volup=tq03_corUp, voldown=tq03_corDown, barup=tq03_corUp, bardown=tq03_corDown
)
tq_ksty04 = dict(
    volup=tq04_corUp, voldown=tq04_corDown, barup=tq04_corUp, bardown=tq04_corDown
)
tq_ksty05 = dict(
    volup=tq05_corUp, voldown=tq05_corDown, barup=tq05_corUp, bardown=tq05_corDown
)
tq_ksty06 = dict(
    volup=tq06_corUp, voldown=tq06_corDown, barup=tq06_corUp, bardown=tq06_corDown
)
tq_ksty07 = dict(
    volup=tq07_corUp, voldown=tq07_corDown, barup=tq07_corUp, bardown=tq07_corDown
)
tq_ksty08 = dict(
    volup=tq08_corUp, voldown=tq08_corDown, barup=tq08_corUp, bardown=tq08_corDown
)
tq_ksty09 = dict(
    volup=tq09_corUp, voldown=tq09_corDown, barup=tq09_corUp, bardown=tq09_corDown
)
tq_ksty10 = dict(
    volup=tq10_corUp, voldown=tq10_corDown, barup=tq10_corUp, bardown=tq10_corDown
)

......
cerebro.plot(style="candle", **tq_ksty10)

程序代码当中的**tq_ksty10变量参数，两个星号“**”变量是Python的特有语法中字典模式的多变量，这有些类似于C语言的“宏定义”.

barup和bardown是箭头符号颜色， volup和voldown是成交量曲线颜色。
up（上涨）、 down（下跌）表示价格/成交量的变化。
在K线图中有专门的规定，比如，当天的成交量或者价格超过昨天的，则使用up颜色。
在案例中预设了10种不同风格的颜色组合，大家还可以自己修改其他更多的颜色组合，看看不同参数的绘制效果，最终显示效果如下所示：

BuySellPointStyle

8.6 vol 成交参数

本示例代码为 PlotExt2vol.py 。

默认的绘图函数代码是：

cerebro.plot(style='candle')

这其中省略了两个和 volume 成交了相关的参数，这两个参数都是布尔类型：

volume：默认为 True，表示绘制成交量图形；若为 False，则不绘制成交量图形；
voloverlay：默认为 True，表示使用叠加绘制模式；若为 False，则表示非叠加模式，采用独立的 sub 子图绘制成交量。

看看下面代码生成的图片：

cerebro.plot(style="candle", volume=True)

VolumeTrueVoloverlayTrue

再看一下如下代码生成的图片：

cerebro.plot(style="candle", volume=True, voloverlay=False)  # volume成交量：采用subplot子图模式，默认为voloverlay=True叠加模式

VolumeTrueVoloverlayFalse

volume成交量曲线相对来说比较重要，所以BackTrader量化软件专门设计了一个plot_volume成交量曲线绘制子函数，其关系属性示意图如下所示：

btr_plot_vol

8.7 多图拼接模式

本实例代码为 PlotExt3.py 。

在调用 plot 绘图函数时，使用 numfigs 设置图形数目，本示例设置为 5，结果图被切分为 5 张独立图片，而不是一张图片：

# plot多图拼接，BT版的股市：《清明上河图》
# 注意修改其实日期参数为：空字符串
# numfigs，默认值为：1
cerebro.plot(numfigs=5)

生成如下 5 张图片：

MultiPics

注意，各图之间的时间指标是连续的，把图拼起来就是一张很长的图。当数据太多时，单张图片的部分细节会模糊，影响显示效果。可以使用这种多图拼接模式，使细节更清晰。

8.8 绘制 HA 平均 K 线图

本实例代码 PlotExt4hak.py

在 cerebro.adddata(data) 代码行上面添加如下代码设置过滤器：

# ----ha-k
data.addfilter(bt.filters.HeikinAshi)

生成图片如下所示：

HAFilter

HA平均K线图通过对数值进行平均化处理，更加容易发现买卖点信号，即平均价格的波动，更容易出现买卖的机会。一般买卖点信号出现在连续颜色的突变时，而单个交易日颜色的变化可以忽略。