對於以定投指數的方式理財的朋友，最需要關注的指標便是各個指數的估值，在指數低估時買入，高估時賣出，那如何製作一張估值圖來跟蹤指數的估值情況呢？本文就從0到1介紹如何用Matplotlib畫一張漂亮的指數估值圖。
作者 | 易執
準備數據
首先，準備我們需要的數據，一般來說，經歷了一輪牛熊週期的歷史估值更具比較意義，所以，這裡以上證指數2013年到目前為止的行情數據為例進行演示，同時，採用滾動市盈率為估值指標。數據來源為tushare。
<code>import
pandasas
pdimport
numpyas
npimport
matplotlib.pyplotas
pltimport
tushareas
tsfrom
datetimeimport
* %matplotlib inline plt.rcParams['font.sans-serif'
] ='FangSong'
pro = ts.pro_api() index_df = pro.index_dailybasic(ts_code ="000001.SH"
,start_date ="20130101"
, end_date ="20200311"
,fields="trade_date,pe_ttm"
) index_df.sort_values(by
="trade_date"
,inplace=True) x = pd.to_datetime(index_df["trade_date"
]).values y = index_df["pe_ttm"
].values/<code>
根據得到的數據，可以繪製出上證指數市盈率的走勢圖：
<code>fig,ax = plt.subplots(figsize=(12,8)) ax.plot(x,y)/<code>
接下來便需要根據一定的規則，將估值劃分為高估區、正常區以及低估區。
估值區間劃分
參照比較常見的劃分方法，本文將大於80%分位數的區域視為高估區間，低於20%分位數的區域視為低估區間，位於兩者之間的，則為正常區間。下面的代碼算出了這幾個關鍵數據點
<code>max
= np.max(y)pe_80
= np.percentile(y,80
)pe_20
= np.percentile(y,20
)min
= np.min(y)now
= y[-1
] /<code>
繪圖
根據分割的數據點，就可以進行繪圖了，這裡主要用到fill_between函數繪製各區域的顏色分割，將高估區域用紅色塊填充，正常區間用黃色塊填充，低估值區域用綠色塊填充。同時為了顯示效果，將圖的上下限分別設置為最大值+1和最小值-1。
<code>fig,ax = plt.subplots(figsize=(12
,8
)) ax.plot(x,y,linewidth=3
) ax.fill_between(x,min
-1
,pe_20,facecolor ="#00ff80"
,alpha=0.2
) ax.fill_between(x,pe_20,pe_80,facecolor ="#ffff4d"
,alpha=0.2
) ax.fill_between(x,pe_80,max
+1
,facecolor ="#ff69b4"
,alpha=0.2
)/<code>
整個圖形的大致輪廓已經出來了，為了更好的顯示效果，接下來還需要對圖形進行微調。比如：
- 去掉座標軸的刻度並將相應字體放大-->ax.tick_params()
- 去掉圖形與座標軸之間的空白-->ax.margins()
- 在圖中標出當日市盈率-->ax.text()
- 將圖形的方框去掉-->plt.box()
- 為圖標添加標題-->plt.title
所以，在之前代碼的基礎上，加入下面的調整代碼，就可以得到最終的成品圖
<code>fig,ax = plt.subplots(figsize=(12
,8
)) ax.plot(x,y,linewidth=3
) ax.fill_between(x,min
-1
,pe_20,facecolor ="#00ff80"
,alpha=0.2
) ax.fill_between(x,pe_20,pe_80,facecolor ="#ffff4d"
,alpha=0.2
) ax.fill_between(x,pe_80,max
+1
,facecolor ="#ff69b4"
,alpha=0.2
) ax.tick_params(axis='both'
, which='both'
,length=0
) ax.tick_params(axis='both'
, which='major'
, labelsize=16
) ax.margins(0.01
,0
) ax.text(0.75
,0.9
,"市盈率 = {}"
.format
(now),transform=ax.transAxes,fontdict={'size'
:18
}) plt.xticks(rotation=45
) plt.box(False) plt.title("上證指數估值圖"
,fontdict={'size'
:24
})/<code>
函數封裝
進一步地，為了將上面的代碼複用，可以將所有繪圖的代碼封裝成函數，之後只需要輸入相應的指數代碼（可以值寬基指數、行業板塊指數）和時間範圍，即可快速生成一張估值圖。
<code>def pe_plot(ts_code = "",name="",period=5):
now = datetime.now()
end_date = str(now.date()).replace("-"
,""
)
start_date = str
(now.year-period
)+end_date[4
:]
index_df = pro.index_dailybasic(ts_code = ts_code,start_date = start_date,
end_date = end_date,fields
="trade_date,pe_ttm"
)
index_df.sort_values(by
="trade_date"
,inplace=True
)
x = pd.to_datetime(index_df["trade_date"
]).values
y = index_df["pe_ttm"
].values
max
= np.max(y)
pe_80 = np.percentile(y,80
)
pe_20 = np.percentile(y,20
)
min
= np.min(y)
now
= y[-1
]
fig,ax = plt.subplots(figsize=(12
,8
))
ax.plot(x,y,linewidth=3
)
ax.fill_between(x,min
-1
,pe_20,facecolor = "#00ff80"
,alpha=0.2
)
ax.fill_between(x,pe_20,pe_80,facecolor = "#ffff4d"
,alpha=0.2
)
ax.fill_between(x,pe_80,max
+1
,facecolor = "#ff69b4"
,alpha=0.2
)
ax.tick_params(axis='both'
, which='both'
,length
=0
)
ax.tick_params(axis='both'
, which='major'
, labelsize=16
)
ax.margins(0.01
,0
)
ax.text(0.75
,0.9
,"市盈率 = {}"
.format(now
),
transform=ax.transAxes,fontdict={'size'
:18
})
plt.xticks(rotation=45
)
plt.box(False
)
plt.title("{}估值圖"
.format(name
),fontdict={'size'
:24
})
plt.show()/<code>比如，生成一張創業板指數近5年的估值圖
<code>pe_plot
(ts_code="399006.SZ"
,name="創業板指"
,period=5
)/<code>
【五一感恩回饋大放送】
CDA數據科學研究院也隆重推出五一小長假幸運狂歡周活動，回饋廣大的莘莘學子，回饋一直不斷學習、不斷進取的每一個行路人！
【活動時間】
4月30--5月6日
【豐厚獎品】
一等獎：iphone11
二等獎：5折萬元優惠
三等獎：CDA系列圖書
51幸運獎：天貓精靈
數量有限，先到先得，抽完為止！！
掃描下方海報二維碼參與抽獎吧↓↓↓
