PTrade 可视化指南：在研究环境中使用 Matplotlib 绘制策略收益曲线

在 PTrade 的研究环境（Jupyter Notebook）中，您可以使用 Python 标准库 matplotlib 来绘制策略收益图。

与回测环境自动生成图表不同，在研究环境中，您需要手动获取数据、计算策略逻辑产生的每日收益率，并计算累计净值，最后进行绘图。

以下是详细的步骤和完整的代码示例。

核心步骤

1. 获取数据：使用 PTrade 内置的 get_price 接口获取标的历史行情。
2. 计算指标与信号：编写策略逻辑（例如双均线策略），生成持仓信号。
3. 计算收益：根据信号和标的涨跌幅，计算策略的每日收益和累计净值。
4. 绘图：使用 matplotlib.pyplot 绘制累计收益曲线。

完整代码示例

以下代码演示了一个简单的双均线策略（5日均线上穿20日均线买入，下穿卖出），并将其收益率与基准（买入持有）进行对比绘图。

您可以直接将此代码复制到 PTrade 研究环境的单元格中运行。

import pandas as pd
import matplotlib.pyplot as plt

# 魔法命令，确保图表在 Notebook 中直接显示
%matplotlib inline

# 1. 获取数据
# ----------------------------------------------------------------
stock_code = '600519.SS'  # 示例：贵州茅台
start_date = '20220101'
end_date = '20231231'

# 调用 PTrade 内置接口获取收盘价
# 注意：get_price 是 PTrade 环境内置函数，无需 import
df = get_price(stock_code, start_date=start_date, end_date=end_date, fields=['close'])

# 2. 策略逻辑实现 (示例：双均线策略)
# ----------------------------------------------------------------
# 计算均线
df['MA5'] = df['close'].rolling(window=5).mean()
df['MA20'] = df['close'].rolling(window=20).mean()

# 生成信号：MA5 > MA20 时持仓(1)，否则空仓(0)
df['signal'] = 0
# 注意：这里使用 loc 进行赋值，避免 SettingWithCopyWarning
df.loc[df['MA5'] > df['MA20'], 'signal'] = 1

# 3. 计算收益率
# ----------------------------------------------------------------
# 计算标的每日涨跌幅
df['pct_change'] = df['close'].pct_change()

# 计算策略每日收益
# 逻辑：今天的信号决定明天的持仓，所以信号需要 shift(1) 下移一天
df['strategy_ret'] = df['signal'].shift(1) * df['pct_change']

# 填充 NaN 值（通常前几天因为计算均线没有数据）
df['strategy_ret'].fillna(0, inplace=True)
df['pct_change'].fillna(0, inplace=True)

# 计算累计净值 (Cumulative Returns)
# 初始资金设为 1
df['strategy_cum'] = (1 + df['strategy_ret']).cumprod()
df['benchmark_cum'] = (1 + df['pct_change']).cumprod()

# 4. 使用 Matplotlib 绘图
# ----------------------------------------------------------------
# 设置画布大小
plt.figure(figsize=(15, 7))

# 绘制基准收益曲线
plt.plot(df.index, df['benchmark_cum'], label='Benchmark (Buy & Hold)', color='gray', linestyle='--', alpha=0.6)

# 绘制策略收益曲线
plt.plot(df.index, df['strategy_cum'], label='Strategy (MA5 vs MA20)', color='red', linewidth=2)

# 设置标题和标签
plt.title('Strategy Backtest Result: {}'.format(stock_code), fontsize=16)
plt.xlabel('Date', fontsize=12)
plt.ylabel('Cumulative Net Value', fontsize=12)

# 添加图例
plt.legend(loc='best')

# 添加网格
plt.grid(True, which='both', linestyle='--', linewidth=0.5)

# 显示图表
plt.show()

代码关键点解析

1. %matplotlib inline:
   这是 Jupyter Notebook 的专用命令，必须添加在代码开头，否则生成的图表可能无法直接在网页中显示。

2. df['signal'].shift(1):
   非常重要。在回测计算中，如果今天（T日）收盘后计算出买入信号，实际上只能在明天（T+1日）开盘买入，因此享受的是 T+1 日的涨跌幅。如果不进行 shift(1)，就会引入“未来函数”，导致回测结果虚高。

3. 累计净值计算:
   使用 (1 + daily_return).cumprod() 是计算复利收益的标准方法。

4. 中文显示问题:
   PTrade 的服务器环境通常是 Linux，可能缺失中文字体。如果直接在 plt.title 中使用中文，可能会显示为方框（乱码）。建议在图表标题和标签中使用英文，或者需要额外配置字体文件（较为繁琐，通常建议直接用英文）。

常见问题 Q&A

Q: 为什么运行代码后报错 NameError: name 'get_price' is not defined？
A: 请确认您是在 PTrade 客户端的“研究”模块中运行代码。get_price 是 PTrade 平台特有的内置函数。如果您是在本地电脑的 Python 环境（如 Anaconda）中运行，是没有这个函数的。

Q: 如何将两条曲线画在两个子图中？
A: 可以使用 plt.subplot。例如：

plt.figure(figsize=(15, 10))

# 上图：净值曲线
plt.subplot(2, 1, 1)
plt.plot(df.index, df['strategy_cum'], color='red')
plt.title('Equity Curve')
plt.grid(True)

# 下图：每日收益波动
plt.subplot(2, 1, 2)
plt.bar(df.index, df['strategy_ret'], color='blue')
plt.title('Daily Returns')
plt.grid(True)

plt.show()

Q: 数据量太大，图表挤在一起怎么办？
A: 可以通过调整 plt.figure(figsize=(宽, 高)) 中的参数来拉长图表。例如设置 figsize=(20, 8) 可以让横轴更宽，时间显示更清晰。