年化收益198%，回撤仅12% | lightweight-charts：基于 TradingView 的轻量级金融图表库-CSDN博客

本文链接：https://blog.csdn.net/weixin_38175458/article/details/147437247

原创内容第865篇，专注智能量化投资、个人成长与财富自由。

近期工作计划：

策略管理功能，未运行成功的策略标记为下架，新增官方策略列表。

本地可以读取相应的列表，不过相应的策略，需要权限查看源代码和参数。调用回测引擎回测，并显示在quantstats中。

这是本周的核心工作。非必要指标下架。

是否需要传统技术指标更说，应该使用时间序列函数，用Deap进行排序因子的挖掘。然后使用lightgbm整合多个因子进行排序建模。

基于polars的新因子引擎后的策略效果（http://ailabx.com/mall查看自策略细节）。

代码与策略下载：AI量化实验室——2025量化投资的星辰大海

lightweight-charts-python 是一个基于 TradingView 的轻量级金融图表库 Lightweight Charts 的 Python 封装。它允许开发者通过 Python 快速生成交互式的金融图表（如 K 线图、成交量图等），适用于股票、加密货币、外汇等市场数据的可视化分析。

主要特性

轻量高效
- 基于 JavaScript 的 Lightweight Charts，性能优异，渲染速度快。
- 对大数据量的金融时间序列数据（如 OHLC 数据）处理流畅。
交互式图表
- 支持缩放、平移、十字光标（显示坐标点信息）。
- 图表元素（如指标线、标记点）可动态交互。
金融专属功能
- 支持 K 线图（蜡烛图）、面积图、柱状图等。
- 内置常见技术指标（如 SMA、EMA、布林带等）。
- 可添加自定义标记（如买卖信号、趋势线）。
简单易用
- 通过 Python API 即可生成复杂图表，无需前端开发经验。
- 支持 Jupyter Notebook 内嵌显示，适合数据分析场景。
可扩展性
- 支持多图表联动（例如主图与成交量副图联动）。
- 可自定义主题颜色、字体、坐标轴格式等。
  
  应用场景

量化交易：可视化策略回测结果（如买卖信号、持仓点）。
数据分析：在 Jupyter 中快速探索金融数据分布。
研究报告：生成专业的图表嵌入报告或演示文稿。
实时监控：结合 WebSocket 动态更新实时行情（需自行集成数据流）。

注意事项

数据格式
输入数据需为 Pandas DataFrame，且包含 time（时间戳）、open、high、low、close 列。时间列建议转换为 Unix 时间戳（秒级或毫秒级）。
依赖环境
- 在 Jupyter Notebook 中使用时需启用 Widget 支持。
- 若需保存为 HTML，需依赖 ipywidgets 和 bokeh 库。
局限性
- 与 JavaScript 原版库相比，部分高级功能可能尚未完全实现。
- 复杂定制（如自定义指标计算）需结合 Python 数据处理。

对比其他库

mplfinance：基于 Matplotlib，静态图表，交互性弱。
Plotly：交互性强，但配置复杂，体积较大。
PyQtGraph：适合实时数据，但默认样式不够金融专业化。

import pandas as pdfrom lightweight_charts import Chart
# 示例数据（需包含 time, open, high, low, close 列）data = pd.read_csv('ohlc_data.csv')
# 创建图表对象chart = Chart()
# 添加 K 线数据chart.set(data)
# 添加移动平均线（SMA）sma = chart.create_line('SMA20', color='blue', width=1)sma.set(pd.Series(data['close'].rolling(20).mean(), name='value'))
# 显示图表（在 Jupyter 中直接展示，或生成 HTML）chart.show(block=True)  # 窗口模式# chart.show()         # Jupyter 模式