用于分析的绘图：带指标的价格图、资金曲线与回撤图、收益率分布以及导出图表

你将学到什么

• fig, ax = plt.subplots() 模式，以及为什么对于任何需要复用的图表，它都优于快捷的 series.plot()。
• 如何堆叠共享同一时间轴的价格、指标和资金面板，以及何时把资金轴切换为对数刻度。
• 如何绘制回撤图和收益率直方图，以及在每种图中应该关注什么。
• 图形尺寸、DPI 和文件格式如何决定导出图像的效果。

讲解

研究中的图表不是装饰；它们是检查数字是否正确的最快方法。一条在一天内跳升 30% 的资金曲线，通常意味着数据错误，而不是一笔绝佳的交易。本课通过 matplotlib（pandas 在底层调用的绘图库）的面向对象接口来使用它。

图形、坐标轴与共享时间轴

图形（figure）是整块画布；坐标轴（axes）对象是其中的一个绘图区域。fig, axes = plt.subplots(3, 1, figsize=(10, 8), sharex=True, height_ratios=[3, 1, 1]) 会创建三个高度不同、上下堆叠并能同步缩放的面板。每个面板的套路都相同：调用 ax.plot(x, y, label=...)，然后调用 ax.set_ylabel、ax.legend() 和 ax.grid(True, alpha=0.3)。为每个面板加一个简短的标题，并标注单位（€、%、点）。

带指标的价格图

• fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(10, 6), sharex=True, height_ratios=[3, 1])
• ax1.plot(df.index, df.close, lw=1, label='Close')
• ax1.plot(df.index, df.sma50, lw=1, label='SMA 50')
• ax1.fill_between(df.index, df.bb_lo, df.bb_hi, alpha=0.15, label='Bollinger')
• ax1.legend(loc='upper left'); ax1.set_ylabel('Price (€)')
• ax2.plot(df.index, df.rsi, lw=1); ax2.axhline(70, ls='--'); ax2.axhline(30, ls='--')
• ax2.set_ylabel('RSI'); fig.autofmt_xdate(); fig.tight_layout()

fill_between为一个区间着色；axhline 绘制参考水平线；autofmt_xdate 旋转日期标签，使它们不会重叠。若要标出第 8 课交易清单中的交易，入场用 ax1.scatter(entries.index, entries.price, marker='^')，离场则用向下的三角形。

资金曲线与回撤

只要账户在整个期间内增长超过一倍，就请用 ax.set_yscale('log') 绘制资金曲线。在线性坐标轴上，从 €10,000 到 €11,000 的变动与后来从 €40,000 到 €44,000 的变动相比显得微不足道，尽管两者都是 +10%。回撤面板绘制 dd = equity / equity.cummax() - 1 并为其填色：ax.fill_between(dd.index, dd, 0, alpha=0.4)。解读时关注三点：最深处（最大回撤）、低于零的最长时段（水下时间，往往比深度更令人痛苦），以及回撤是否集中在某一种市场状态中。

收益率分布

ax.hist(returns, bins=50, density=True) 显示日收益率或每笔交易收益率的分布形状。叠加一条均值和标准差相同的正态曲线，就能看到肥尾：真实收益率中的极端日子比钟形曲线预测的更多。对于交易清单，请改为绘制 R 倍数：一个健康的趋势系统会显示出大量接近 −1R 的小额亏损和一条长长的右尾；一个做空波动率的系统则呈现镜像形态，这是一个警示信号。用 returns.skew() 和 returns.kurt() 报告偏度和峰度（pandas 返回的是超额峰度，因此 0 表示尾部接近正态）。

导出

fig.savefig('equity.png', dpi=150, bbox_inches='tight') 写出一张栅格图像；像素尺寸 = 英寸 × DPI，因此一张 10 × 6 英寸、150 DPI 的图形为 1,500 × 900 像素。若要在报告中保持清晰，请使用 .svg 或 .pdf 矢量格式输出，并使用 bbox_inches='tight' 裁掉白边。在循环中保存后务必调用 plt.close(fig)，否则一个生成 40 张观察列表图表的脚本（第 12 课）会在内存中保留 40 个图形。用 plt.rcParams['figure.dpi'] = 110 一次性设定默认值，而不是在每次调用中设定。

实例演算

假设示例：一个回测资金序列（以欧元计，数字为编造）及其图表。资金数值中不计手续费和税费。

1. 各年末资金：€10,000、€13,000、€11,700、€16,000、€24,000。回撤序列：峰值为 10,000；13,000；13,000；16,000；24,000 → 回撤为 0；0；11,700 / 13,000 − 1 = −10.0%；0；0。最大回撤 −10%，水下时间约一年。
2. 在线性坐标轴上，最后一段（+€8,000）主导了整个画面；在对数坐标轴上，+30%、−10%、+36.8%、+50% 这几步以其真实的相对大小显示，−10% 的那一年也清晰可见，而不会被压平。
3. 日收益率：均值 0.06%，标准差 1.1%，超额峰度 4.2。在具有该标准差的正态分布下，−3.3% 的一天（三个标准差）大约每 740 天才出现一次；而直方图显示在 1,000 天中出现了七次。这一差距就是肥尾，也是止损可能被跳空越过的原因（第 8 课）。
4. 导出：figsize=(8, 5)、dpi=200 得到 1,600 × 1,000 像素，足以用于幻灯片；同一图形保存为 SVG 后与分辨率无关，文件通常小于 100 kB。

常见错误

练习活动

在纸上完成：(a) 一条资金曲线依次为 20,000 → 26,000 → 19,500 → 28,000（以欧元计，四个点）。计算每个点的回撤。(b) 你想要一张在 100 DPI 下恰好为 1,200 × 800 像素的图形；应传入什么 figsize？(c) 某策略 R 倍数直方图的最高柱位于 +0.2R 到 +0.4R 之间，而一条细长的左尾延伸到 −6R。用一句话说明这种形态暗示了该策略的什么特点，以及夏普比率无法显示的风险。

要点回顾

• 为价格、指标、资金和回撤面板使用共享 x 轴的 plt.subplots；标注单位。
• 对数刻度的资金曲线能诚实地显示百分比变动；回撤图显示深度和水下时间。
• 收益率或 R 倍数的直方图能揭示汇总统计量所掩盖的肥尾和不对称性。
• 像素 = 英寸 × DPI；报告优先使用 SVG 或 PDF，并在循环中关闭图形。

下一步

第 11 课从单一品种扩展到多个品种：相关系数矩阵和协方差矩阵、由权重计算投资组合波动率，以及在 pandas 中进行再平衡模拟。