Python数字货币量化交易开发——绘图优化回测结果的可读性

前言

为验证回测的有效性和增强可读性，所以需要在完成回测时生成如matlab一样的图表。
_
_

Episode 3. 绘图优化回测结果的可读性

用到的库是数据分析常用的matplotlib库。

构思一下，应当分为2个子表，1个显示在时间轴中的买卖点，1个显示随时间推移的收益率曲线，所以在之前的main()函数中加入图表的生成部分。

	time_x=[]price_y=[]rate_y=[]for i in range(begin_progress,max_step+1):time_x.append(step_dict[i]['time'])price_y.append(step_dict[i]['close'])rate_y.append((plot_data[i]['market_value']/ini_market_value-1)*100)plt.subplots_adjust(left=0.08,right=0.95,bottom=0.1,top=0.95)plt.figure(figsize=(18,9))#数据图1 买卖标注plt.subplot(211)plt.grid(axis='y')plt.xlabel('Time')plt.ylabel('Price')plt.title('Trade History')plt.xticks([])plt.plot(time_x,price_y,color='c')for k,v in order_history.items():if v[0] == 'buy':plt.plot(k, v[1]-1, '^', c ='red',label='买入点',markersize=10)plt.text(k, v[1]-6, 'buy')if v[0] == 'sell':	plt.plot(k, v[1]+1, 'v', c ='green',label='卖出点',markersize=10)plt.text(k, v[1]+3, 'sell')#数据图2 收益曲线plt.subplot(212)plt.grid(axis='y')plt.xlabel('Time')plt.ylabel('Rate')plt.title('Profit Rate')plt.gca().yaxis.set_major_formatter(mtick.FormatStrFormatter('%.2f%%'))plt.xticks([])plt.plot(time_x,rate_y)plt.text(time_x[rate_y.index(max(rate_y))], max(rate_y), str(cutpoint(max(rate_y),2))+'%')plt.text(time_x[rate_y.index(min(rate_y))], min(rate_y), str(cutpoint(min(rate_y),2))+'%')plt.text(time_x[-1], rate_y[-1], str(cutpoint(rate_y[-1],2))+'%')plt.show()

这个库的各种逻辑和调用还是比较繁琐的，如果日后有优化的机会再深入学习一下。导出的表格效果如下，最近3日的买卖效果图：

其中明确的可以随时间看到我们的买入点卖出点，收益率曲线的最低点最高点和最终收益率，当然这只是个测试用例，一定还要根据实际情况优化显示方式。

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！