量化交易可视化（8）-箱型图

箱型图的含义

箱型图（Box plot）是一种用于展示数据分布的可视化图形。它由五个统计量组成：最小值、第一四分位数（Q1）、中位数（Q2）、第三四分位数（Q3）和最大值。在箱线图中，数据的分布范围被表示为一个箱子，箱子的上边界是第三四分位数（Q3），下边界是第一四分位数（Q1），箱子内部的中线表示中位数（Q2）。
箱线图还可以包括异常值的表示，异常值通常是指偏离数据整体分布较远的数值。在箱线图中，异常值以圆点或者星号等符号表示。

箱型图的绘制方法

matplotlib.pyplot.boxplot(x, notch=None, sym=None, vert=None, whis=None, positions=None, widths=None, patch_artist=None, bootstrap=None, usermedians=None, conf_intervals=None, meanline=None, showmeans=None, showcaps=None, showbox=None, showfliers=None, boxprops=None, labels=None, flierprops=None, medianprops=None, meanprops=None, capprops=None, whiskerprops=None, manage_ticks=True, autorange=False, zorder=None)

参数解释：

x：输入数据，可以是单个数组或多个数组组成的列表。

notch：是否绘制盒形图的缺口，默认为None。

sym：异常值的表示符号，默认为None。

vert：盒形图的方向，True为垂直方向，False为水平方向，默认为True。

whis：须与内部的长度，默认为1.5。

positions：盒形图的位置，默认为None。

widths：盒形图的宽度，默认为0.5。

patch_artist：是否为盒形图使用填充，默认为None。

bootstrap：是否启用自助法计算置信区间，默认为None。

usermedians：自定义中位数，默认为None。

conf_intervals：自定义置信区间，默认为None。

meanline：是否绘制均值线，默认为None。

showmeans：是否显示均值，默认为None。

showcaps：是否显示须的边界线，默认为None。

showbox：是否显示箱子，默认为None。

showfliers：是否显示异常值，默认为None。

boxprops：盒子的属性设置，默认为None。

labels：x轴上的标签，默认为None。

flierprops：异常值的属性设置，默认为None。

medianprops：中位数的属性设置，默认为None。

meanprops：均值线的属性设置，默认为None。

capprops：须的边界线的属性设置，默认为None。

whiskerprops：须的属性设置，默认为None。

manage_ticks：是否自动管理刻度，默认为True。

autorange：自动调整轴范围，默认为False。

zorder：图层顺序，默认为None。

箱型图在量化交易中的应用

异常值检测：箱型图可以帮助识别价格或其他金融指标的异常值。通过观察箱型图中的离群点，交易者可以发现价格的异常波动或者异常交易活动，从而作出相应的决策。例如，如果箱型图中存在异常值，可能表明市场出现了非正常的价格波动，交易者可以考虑调整策略或者采取其他措施。

趋势分析：箱型图可以用于分析价格的趋势和波动情况。通过观察箱型图中的箱子和须，交易者可以了解价格的中位数、上下四分位数以及价格的波动范围。这有助于判断价格的稳定性和趋势，从而指导交易策略的制定。例如，如果箱子较窄，须较短，表明价格波动较小，可能是一个稳定的趋势；而如果箱子较宽，须较长，表明价格波动较大，可能是一个不稳定的趋势。

统计分析：箱型图可以用于统计分析，如数据的分布情况、中位数、四分位数等。通过观察箱型图，交易者可以对市场的行情进行分析和比较。例如，可以比较不同时间段或不同品种的价格分布情况，找出价格的统计特征，从而帮助做出更准确的预测和决策。

风险管理：箱型图可以用于风险管理，帮助交易者识别和控制风险。通过观察箱型图中的须和异常值，交易者可以了解价格的波动范围和潜在的风险。例如，如果价格突破了箱型图中的上须，可能表明价格有进一步上涨的潜力，交易者可以相应地调整仓位或者采取避险措施。

箱型图在量化交易中的应用案例

在这个案例中，使用箱线图分别显示平安银行的开盘价、收盘价、最高价和最低价的分布情况

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
# 设置为默认字体
plt.rcParams['font.family'] = 'SimHei'
# 显示负数
plt.rcParams['axes.unicode_minus'] = False

# 导入数据
df = pd.read_excel("2023年一季度A股日线行情.xlsx")

# 将日期列转化为日期格式
df["trade_date"] = df["trade_date"].astype("str").apply(lambda x:x[:4]+"-"+x[4:6]+"-"+x[6:])
# 将日期列转换为日期类型，并设置为索引列
df['trade_date'] = pd.to_datetime(df['trade_date'])
df.set_index('trade_date', inplace=True)

# 筛选出股票代码是"000001.SZ"平安的股票
stock = df[df['ts_code'] == '000001.SZ']

# 绘制开盘价、收盘价、最高价、最低价的箱型图
# 设置各个子图的标题
titles = ['开盘价', '收盘价', '最高价', '最低价']
# 设置各个子图的数据集
datas = [stock['open'],stock['close'],stock['high'],stock['low']]

# 创建一个2x2的子图布局
fig, ax = plt.subplots(2, 2, figsize=(10, 10))

# 依次创建各个子图
for i in range(4):
    prices = datas[i]
    ax[i//2][i%2].boxplot(prices)
    ax[i//2][i%2].set_title(titles[i])
    ax[i//2][i%2].set_xlabel("Price")
    ax[i//2][i%2].set_ylabel("Frequency")
plt.show()

最终效果图如下：

从开盘价和收盘价来看，波动较大；从最高价和最低价来看，波动较小。这种波形适合短线投资。