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”。

  • 整体波动：4 只股票涨跌幅均有明显波动，中信证券（紫色）、贵州茅台（绿色）波动幅度相对更大，工商银行（红色）、招商银行（青色）相对平缓。

  • 极端值：10 月上旬，中信证券、贵州茅台等出现大幅涨跌（如中信证券涨超 10 、跌超 -5 ），或受市场事件、财报等影响。

  • 趋势对比：不同股票涨跌节奏不同，如 9 月中旬工商银行、招商银行走势较同步，10 月后分化明显，反映个股在市场环境中表现差异，可结合同期行业、大盘数据，探究波动背后的驱动因素（如金融政策、消费板块消息等 ） 。

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

  • 个股差异：工商银行（红）、中信证券（紫）量级以 “万” 计，贵州茅台（绿）、招商（青）相对低，反映股票流通盘、交易活跃度基础差异。

  • 峰值共性：4 股均在 10 月左右 出现明显成交量高峰（工商银行峰值超 1500 万、招商超 300 万等 ），或因市场季度节点（三季报、政策窗口）、行业事件驱动交易热情。

  • 常态波动：除峰值外，工商银行、贵州茅台成交量相对平稳，招商、中信证券波动更频繁，体现不同股票交易节奏（如券商股中信证券受市场情绪影响，波动天然更高 ）。

  • 趋势关联：结合前图涨跌幅，10 月成交量高峰常伴随价格波动放大，验证 “量在价先” 逻辑 —— 交易热度提升往往推动价格变化，可辅助判断行情持续性（放量异动需结合消息面，区分短期炒作与趋势反转 ）。

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

  • 整体趋势：全年成交额有波动，10 月左右出现明显峰值，多股成交额大幅增长，反映该时段交易热度高。

  • 个股表现：工商银行（红）、贵州茅台（绿）、招商银行（青）、中信证券（紫）各有特征，工商银行在峰值期表现突出，中信证券波动相对更显著，体现个股交易活跃度差异。

  • 关联对比：结合前期成交量、涨跌幅图，10 月成交额峰值与价格、成交量异动呼应，验证市场交易热度与行情变化的关联，可探究是否受行业政策、财报等事件驱动。

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

  • 整体布局：按个股分 4 个子图，横轴是日期（2024 年 1 月 - 2025 年 1 月 ），纵轴是成交额相对刻度，右侧图例用颜色区分不同 “成交额区间 / 类别”（ypos 为正、yneg 为负，数字越大代表程度越强 ）。

  • 共性特征：10 月左右，4 只股票均出现深蓝色（ypos5 ）等高亮度色块，说明该时段成交额显著放大，是交易热度高峰，与前期流线图、成交量图的 10 月峰值呼应。

  • 个股差异：工商银行、贵州茅台、招商银行在 10 月的高成交额（ypos5 ）表现更突出且持续；中信证券虽 10 月也有异动，但高亮度区间相对短，反映个股在行情热度中的参与度、资金聚焦度不同，可结合行业属性（银行股盘子大、券商股弹性高 ）辅助理解。

  • 日常波动：除 10 月外，多数时间以黄、浅绿等 “yneg / 低 ypos” 色系为主，说明成交额相对平稳，不同个股日常波动的颜色分布（如工商银行黄色块更密集，中信证券偶尔有浅绿 ），体现常态交易活跃度差异。

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；

  • 趋势差异：工商银行、招商银行整体呈震荡上涨（工行从～5 涨到～7 、招商从～28 涨到～40 ）；贵州茅台是高位震荡回落（从～1700 跌至～1500 - 1600 区间 ）；中信证券前低后高（下半年从～20 冲高至～35 ），反映个股基本面、市场预期分化。

  • 波动节奏：工商银行、招商银行波动相对 “稳”（斜率平缓、回撤小 ），契合 “蓝筹股” 属性；贵州茅台虽整体回落，但上半年波动小、趋势性强；中信证券弹性最大（下半年异动明显 ），符合券商股 “跟市场情绪强关联” 特征。

  • 关键节点：9 - 10 月是分化拐点 —— 工商银行、招商加速上行，贵州茅台延续回落，中信证券脉冲式冲高，或受 “三季报披露”“市场风格切换（低估值 vs 消费 / 成长 ）” 等事件驱动，可结合同期行业政策、宏观数据验证关联。

4 股走势反映不同板块（银行、消费、券商 ）特征：银行股 “稳增长”、茅台代表 “消费蓝筹波动”、券商体现 “市场情绪弹性” 。

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

  • 趋势：整体呈震荡上行，股价从 5.0 左右逐步攀升至 7.0 ，多头趋势明确。

  • 均线：短（MA5）、中（MA10）、长（MA20）均线多头排列（MA5 在上、MA10 居中、MA20 在下 ），且均线随股价抬升向上发散，支撑上涨逻辑。

  • 波动：虽有回撤（如 8 - 9 月、10 月小调整 ），但未破关键均线（MA20 基本为调整下限 ），回踩后均重拾升势，体现 “趋势性行情中回踩确认” 特征，反映市场对工行股价的做多共识较强 。

工行股价依托均线走震荡上涨，均线系统强化多头信号，回撤是趋势中的 “健康调整” 。