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
图形观察心得：
图中展示了工业镍的工前持仓、工后持仓、强平持仓、中间持仓及成交量、持仓量变化。工前持仓和成交量在某时段（如11月）出现显著高峰，反映市场活跃；工后持仓和强平持仓波动较小，中位持仓整体平稳。蓝色高亮区域可能表示特定关注时段，需结合数据分析市场趋势。代码编写心得：
绘制此类多图时，需使用绘图库（如Matplotlib）创建子图，合理分配布局，确保每张图的坐标轴和颜色（如红、绿、青）区分清晰。代码应包含数据清洗、图表参数设置（如标题、图例），并通过循环或函数提高复用性，注释需详细以便后续调整。
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
- 这张地平线图展示了2024年不同指标（ypos和yneg系列）的成交额变化。颜色深浅反映成交额偏离中位数的程度，红色（ypos05）表示正向极端值，蓝色（yneg05）表示负向极端值。成交额在年中（6-8月）波动较大，11月后趋于平稳，ypos05和yneg05在年中表现出明显的高峰和低谷。
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
- 从图中可以看出，工业镍价格K线图显示了价格波动趋势，结合MA5、MA10、MA20三条均线，短期均线（MA5）波动较快，反应价格短期变化；长期均线（MA20）更平稳，反映总体趋势。均线交叉点常预示价格反转或趋势延续，例如9月中旬MA5上穿MA20后价格上涨，11月中旬均线纠缠后价格震荡。