【Python做研究报告】股价趋势图绘制

券商研报股价趋势图绘制

首先先要导入各种包和数据，定好画图的时间区间：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from scipy import stats

import warnings
warnings.filterwarnings("ignore")

import tushare as ts
ts.set_token('587c7ae5acfd0f08717963e1b4d6eff0c2dc33c5954f15e4074dd122')
pro = ts.pro_api()

start_time = '20200101'
end_time = '20220501'
raw_data_path = r'' #这里填写文件路径
ts_code = '' # 这里填写股票代码

从tushare获取数据

因为用的是MacOS，不能从Wind导出数据，所以使用Tushare代替。
地址：https://tushare.pro/
注意需要注册，获得一个token。

下载沪深300股票数据

csi300 = pro.index_daily(ts_code = '000300.SH', start_date=start_time, end_date=end_time)
csi300.to_csv(raw_data_path + '沪深300股票数据.csv')

下载前复权数据

ts_code = '' #这里填写需要的股票代码
df = ts.pro_bar(ts_code=ts_code, adj='qfq', start_date=start_time, end_date=end_time) 

下载结果如下：

画图部分

import matplotlib.pyplot as plt
import seaborn as sns
# plt.style.use('seaborn-darkgrid') 

close_price = df[['trade_date', 'close']]
import datetime
close_price['trade_date'] = pd.to_datetime(close_price['trade_date']) 
close_price.set_index("trade_date", inplace=True) # 加时间索引
close_price

股价频率分布直方图

sns.set_style('whitegrid') # 图要贴在报告中，所以改成白底的主题
color_zt = '#BE002E'
plt.figure(figsize=(24,15))
p = sns.distplot(close_price['close'], color=color_zt)
p.set_xlabel("Close_Price", fontsize = 30)
p.set_ylabel("Density", fontsize = 30)
plt.xticks(fontsize=50)
plt.yticks(fontsize=50)

股票累计收益与指数累计收益对比图

• 样例股票是2019年上市的，所以以计算2020年以来的股票累计收益为例，与沪深300进行比较。

处理数据：

df['whole'] = df['close']/36.9781 - 1 
df['CSI300_whole'] = csi300['close']/4152.2408 - 1

accumulated = df[['whole', 'CSI300_whole']]
accumulated['close'] = df['close']
accumulated['pct_chg'] = df['pct_chg']
accumulated

数据长这样：

这样就得到了画图所需的数据。四列分别是股票的累计收益，沪深300的累计收益，

color_zt = '#BE002E' # zt红
color_zt1 = '#C0C0C0' # 灰色
color_zt2 = '#DC3400' # zt橙
color_zt3 = '#FFAA96' # 灰色

x = accumulated.index
y1 = accumulated.close.values # 股票收盘价
y2 = accumulated.whole.values # 股票累计收益
y3 = accumulated.CSI300_whole.values # CSI300累计收益

fig, ax1 = plt.subplots(figsize=(20, 4), dpi=300)
# plt.xticks(rotation=60) 如想旋转横轴标签可以加上这句
ax2 = ax1.twinx() # 复制一份坐标轴

# ===================== 这里只画了目标公司和沪深300的累计股票收益 ===================== #

# lns1 = ax2.plot(x, y1, color=color_zt, ms=10, label='Close_Price') # 股价
lns2 = ax1.plot(x, y2, color=color_zt, ms=10, label='Stock_Accumulated_Return') # 累计收益
lns3 = ax2.plot(x, y3, color=color_zt1, ms=10, label='CSI300_Return') # CSI300累计收益

ax1.legend(loc='upper left')
ax2.legend(loc='upper right')

ax1.grid(False)
ax2.grid(False)
plt.grid(axis="y")

近一年股票累计收益图

# 2021.5.1数据 股票价格是34.8458，指数是5123.489
accumulated['one_year_whole'] = df['close']/34.8458 -1
accumulated['one_year_csi300'] = csi300['close']/5123.489 -1
accumulated['excess'] = accumulated['one_year_whole'] - accumulated['one_year_csi300']

accumulated1 = accumulated.truncate(before='2021-05-01 16:00:00') # 这里去掉了2021.5.1以前的数据
accumulated1

增加后三列数据，分别是股票1年累计收益，沪深300一年累计收益，超额收益

x = accumulated1.index
y2 = accumulated1.excess.values

fig, ax1 = plt.subplots(figsize=(10.5, 4), dpi=300)
# plt.xticks(rotation=60)  

lns = ax1.plot(x, y2, color=color_zt, ms=10, label='Stock_Excess_Return') # 累计收益

ax1.legend(loc='upper left')
ax2.legend(loc='upper right')

ax1.fill_between(x, y2, 0, where=(y1>0), facecolor=color_zt, alpha=0.2)
ax1.fill_between(x, y2, 0, where=(y1<0), facecolor=color_zt1, alpha=0.5)
# 填充色块：累计收益大于0填红色，小于0填灰色

ax1.grid(False)
ax2.grid(False)
plt.grid(axis="y")

画行业指数趋势图

这里以计算机行业为例，原数据来自Wind的申万行业指数和中信行业指数。数据长这样👇

x = industry.index
y1 = industry.SW_Computer.values
y2 = industry.ZX_Computer.values

fig, ax1 = plt.subplots(figsize=(20, 4), dpi=300)
ax2 = ax1.twinx() 

lns1 = ax1.plot(x, y1, color=color_zt, ms=10, label='SW_Computer_Index')
lns1 = ax2.plot(x, y2, color=color_zt1, ms=10, label='ZX_Computer_Index')

ax1.legend(loc='upper left')
ax2.legend(loc='upper right')

ax1.grid(False)
ax2.grid(False)
plt.grid(axis="y")

plt.axhline(y=4418, color=color_zt3, ms=10) # 画平行线：4418是收盘日2022.5.1的申万行业指数数据