第七章 时间序列可视化课堂练习

Author

kaka

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”。

# A tibble: 148 × 3
   日期       名称     涨跌幅
   <date>     <chr>     <dbl>
 1 2024-09-02 中信证券  -1.92
 2 2024-09-03 中信证券   1.06
 3 2024-09-04 中信证券   0   
 4 2024-09-05 中信证券  -0.05
 5 2024-09-06 中信证券  -0.26
 6 2024-09-09 中信证券  -0.42
 7 2024-09-10 中信证券  -0.53
 8 2024-09-11 中信证券   0.64
 9 2024-09-12 中信证券  -0.63
10 2024-09-13 中信证券   0.21
# ℹ 138 more rows

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

  • 将四只股票的收盘 价格做作面积图，将四个面积图分面输出；

  • 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

  • 在本次金融数据可视化项目中，我深入实践了合并折线图与分面折线图的绘制，并进行了主题精调，收获颇丰。

    合并折线图：通过动态曲线，我直观展现了多股金融产品的涨跌幅波动轨迹。零基准线以twodash虚线清晰划分涨跌区域，使市场变化一目了然。色彩编码有效区分了不同金融产品的走势，图例内嵌设计提升了数据与图例的对应效率。无框背景避免了视觉干扰，而0.5的线宽则平衡了趋势辨识度与多重交叉的复杂性。曲线斜率映射了价格变化速率，峰值与谷值反映了市场情绪的转折，跨产品曲线间距则揭示了相对强弱关系。

    分面折线图：通过独立坐标系，我精准呈现了各金融产品的走势。自适应Y轴凸显了个体波动特征，90度旋转的标签解决了密集日期显示难题。高亮区域聚焦了关键分析时段，移除次要网格线净化了视觉焦点。双列分面布局构建了垂直阅读流，月度断点标记了时间节奏，紧凑边距则最大化利用了数据展示空间。

    面积图：在面积图中，我通过填充曲线下空间直观呈现了成交量累积效应。Y轴单位转换优化了数值可读性，分面隔离实现了个股独立坐标系与自适应Y轴缩放。这些实践不仅提升了我的R语言编程技能，更深化了我对金融数据可视化的理解与应用能力。

3 流线图和地平线图

3.1 流线图

  • 将四只股票的交易额 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

  • 通过本次地平线图的绘制实践，我深刻体会到数据可视化在金融分析中的重要性。使用 ggHoriPlot 包中的 geom_horizon 函数，我成功呈现了四只股票交易额的动态变化。地平线图通过色彩层次清晰展示了各股票的波动趋势，原点设置为均值使得涨跌对比更加直观。代码编写过程中，我学会了灵活运用主题和调色板来优化图形美观性，同时通过分面展示实现了多股票的并行对比。此次实践不仅提升了我的 R 语言编程技能，也让我对金融数据的可视化分析有了更深入的理解。

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

  • 4.4.0.1 平滑曲线图

    通过 zoo::rollmean 计算不同周期的移动平均，我们能够有效平滑收盘价的波动，便于观察长期趋势。将日期转化为索引变量，有助于数据管理和分析。在绘制分面折线图时，通过 facet_wrap 按股票名称分面，清晰地展示了各股票的收盘价及其移动平均趋势。横轴每隔30天一个刻度，并仅显示月/日，使得图形更加简洁易读。

    4.4.0.2 K线图

    K线图通过颜色区分了涨跌情况，直观展示了工商银行2024年的开盘价、收盘价、最高价和最低价。通过 scale_x_continuous 将横轴坐标刻度转换回日期型，确保了时间维度的准确性。K线图不仅提供了丰富的价格信息，还增强了图形的表现力。

    4.4.0.3 心得体会

    本次实践让我深刻认识到数据预处理在可视化中的重要性。通过移动平均平滑数据，可以更好地捕捉趋势；而合理的分面和坐标轴设置，则能显著提升图形的可读性。K线图的绘制则让我掌握了另一种有效的金融数据可视化方式。未来，我将继续探索更多可视化技巧，以更准确地传达数据背后的信息。