第七章 时间序列可视化课堂练习

1 案例数据

1.1 all_stock_2024：工商银行、招商应用、中信证券和贵州茅台四个股票2024各天交易数据

• data为为日期变量，但该日期变量不规则（不连续），周末和公众假期没有交易数据；

• 编码和名称用于识别不同股票，注意不同股票有交易数据日期不一定一致，但本例种各股票均有242个交易日数据；

• 开盘价到换手率 均为数值变量，开盘价到成交量与每股资产有关，不同股票间不可比；

• 交易量的单位为手（百股）、成交额的单位为元，振幅等四个变量均为相对指标。

2 折线图和面积图

2.1 合并折线图

• 将四只股票的涨跌幅 做作折线图，将四条折线在同一个图形输出；

• 日期截取2024-9-1到2024-10-31 ；

• 添加一条纵轴为0的参考线，采用twodash 的线型；

• 将图标题改为“合并涨跌幅折线图”。

2.2 分面折线图

• 将四只股票的收盘 价格做作折线图，将四条折线图分面输出；

• 日期截取一整年；

• 并使用ggpol::geom_tshighlight 将2024-9-1到2024-10-31 时间段高亮显示

2.3 面积图

• 将四只股票的成交量价格做作面积图，将四个

• 将成交量的单位改为万手

2.4 图形观察和代码编写的心得体会

2.4.0.1 一、图形观察心得

1. 合并折线图（涨跌幅）

   • 通过设置多支股票的涨跌幅合并于一张图中，便于横向比较不同股票在同一时间段内的波动情况。

   • 添加基准线（0涨跌幅）直观区分了上涨和下跌的走势，有助于快速定位关键波动区间。

   分面折线图（收盘价）

   • 使用facet_wrap实现按股票名称分面，展示每支股票在全年内的收盘价走势。

   • 设置X轴按月份分隔、标签旋转，有效提升了图形的可读性，便于发现趋势和异常波动。

   • 特别添加时间窗口高亮（如2024年9月~10月），进一步强化了重点时间段的视觉聚焦。

   面积图（成交量）

   • 采用面积图展示成交量数据，能够更直观表现出各股票在一年内市场活跃程度的变化。

   • 通过fill=名称和分面展示，使得各支股票的交易活跃程度对比更加清晰。

2.4.0.2 二、代码编写心得

1. 灵活使用dplyr进行数据筛选与整理

   • 使用select()和filter()配合日期条件精准提取分析所需的字段与时间段，提高了代码的可维护性和通用性。

   ggplot2图层叠加思想清晰

   • 各图形通过逐步添加geom_line()、geom_area()、geom_hline()等图层构建，配合主题设置（如theme()和自定义图例位置）形成清晰美观的图表。

   格式标准化处理

   • 日期格式统一处理、坐标轴标签优化、图例移除/调整等细节优化，使图形更加专业，具备较强的展示和汇报价值。

3 流线图和地平线图

3.1 流线图

• 将四只股票的成交额 做作流线图，将四个面积图分面输出；

• 将交易额的单位改为亿元

3.2 地平线图

• 采用ggHoriPlot::geom_horizon函数，对四只股票的交易额 做作地平线图
• 设置原点为均值origin='mean'，输出配色图例

3.3 图形观察和代码编写的心得体会

• 一、图形观察心得

  流线图（Stream Graph）

  利用ggstream绘制的图形呈现出一种类似“河流”的走势，可以同时展示多个类别（四只股票）随时间变化的成交额体量。

  色块面积表示成交额规模，直观表达了个股在各时间段内的市场参与度。

  图形具有较强的艺术感和视觉吸引力，适合用于呈现宏观走势和交替趋势。

  地平线图（Horizon Plot）

  借助ggHoriPlot对成交额数据按平均值为中心进行切割和分层填色，使得时间序列的微小波动得以放大显示。

  使用facet_grid分面后，每只股票的走势变化更为清晰，适合对比它们的活跃区间。

  颜色越深代表成交额越远离平均值，有助于迅速定位高峰与低谷。

  二、代码编写心得

  ggstream绘图技巧

  geom_stream()通过group=名称, fill=名称绑定类别变量，简化多时间序列的对比。

  合理设置参数如bw=0.3能有效平滑走势，图例优化使得整体布局更整洁美观。

  ggHoriPlot中的细节处理

  设置origin=“mean”和horizonscale=10合理划分色带，展示数据的偏离程度。

  搭配scale_fill_hcl设定调色板，使图形色彩更易区分。

  使用facet_grid分面展示每个股票的细节，便于个别分析。

4 不规则时间序列图

4.1 数据准备

• 通过zoo::rollmean 时间收盘价的5天、10天和20天的移动平均

• 将日期变量转化为id变量

4.2 平滑曲线图

• 将四只股票收盘价和3种移动平均的折线图分面输出；

• 横轴的每隔30天一个刻度，只显示月/日；

4.3 K线图

• 选择工商银行数据作出，2024年的K线图

• scale_x_continuous 将横轴坐标刻度转化回日期型

4.4 图形观察和代码编写的心得体会

• 一、图形观察心得

  平滑曲线图（含MA5/10/20）

  将原始收盘价与3条移动平均线（MA5、MA10、MA20）合并绘制，可以直观比较短期与中长期趋势之间的差异。

  分面展示使每支股票的走势更加清晰，色彩区分了不同的指标线，方便趋势追踪。

  设置X轴显示格式为每30日一个刻度，并使用日期格式%m-%d提升了时间可读性。

  K线图（以工商银行为例）

  利用geom_segment和geom_rect还原了经典蜡烛图形态，直观展现每个交易日的开盘、收盘、最高与最低价。

  颜色填充表示涨跌（红涨绿跌），有助于快速识别连续上涨或下跌的区间。

  叠加三条均线（MA5、MA10、MA20）提供更丰富的技术分析视角，用以判断趋势反转或支撑阻力。

  二、代码编写心得

  数据转换与整合

  在平滑图中通过gather()函数将收盘与三条均线整合为“长格式”数据，便于ggplot绘图。

  通过facet_wrap(~名称)轻松实现多股分面展示，scale=“free”参数确保每支股票使用自身的Y轴刻度，避免数据对比失真。

  K线图构造技巧

  精准使用pmin()和pmax()处理开收盘的上下边界，使K线图准确反映价格区间。

  scale_fill_manual 和 scale_color_manual 分别用于蜡烛图颜色和均线颜色自定义，提高图表表达力。

  用 date_index 替代 日期，并统一设置X轴刻度，有效控制图形密度，防止日期标签重叠。