对于回测结果，我们需要对其进行风险、收益分析，并把结果进行表格化，图形化的呈现。
matplotlib和seaborn的优点是与pandas天然结合，上手很容易。
缺点是不能绘表格，另外结果是静态的，不能动态看数据。
现代的数据分析都转向web js框架，常用的有bokeh和plotly，当然百度的echarts也可以。bokeh的python生态做得不错，上手比plotly也简单不少。
先看下简单的效果吧：
这是沪深300指数近十年“买入并持有”的可视化结果。
下图是“恒定市值定投”的结果：
年化收益率与最大回撤都有提升。
代码比较简单：
import pandas_bokeh
from bokeh.models.widgets import DataTable, TableColumn
from bokeh.models import ColumnDataSource
class BokehUtils:
def plot_line(self, df, y_col, **kwargs):
df.plot_bokeh(kind="line", y=[y_col, 'open'], **kwargs)
def show(self, df_ratio, df_equity):
table_ratio = DataTable(
columns=[TableColumn(field=Ci, title=Ci) for Ci in df_ratio.columns],
source=ColumnDataSource(df_ratio),
height=300,
)
# 创建散点图:
line_equity = df_equity.plot_bokeh.line(
# x="petal length(cm)",
y="equity",
# category="species",
title="000300_equity曲线",
show_figure=False,
rangetool=True,
)
pandas_bokeh.plot_grid([[table_ratio, line_equity], []], plot_width=400, plot_height=350)
代码已经更新到gitee上。
