11 KiB

Raw Blame History

name	description
chart-drawing	技術分析圖表繪製知識庫。用 Python matplotlib 繪製各種技術型態圖，每種型態分開畫，輸出 PNG 圖片。

技術分析圖表繪製

環境需求

pip install yfinance matplotlib mplfinance pandas numpy

⚠️ 繪圖必讀規則（每次畫圖前必須遵守）

以下 5 條規則缺一不可，否則圖片會壞掉或看不到：

規則 1：必須在最開頭設定 Agg backend（無 GUI 環境）

import matplotlib
matplotlib.use('Agg')  # 必須在 import pyplot 之前！
import matplotlib.pyplot as plt

規則 2：必須設定中文字體（否則中文標題變方框）

import matplotlib.pyplot as plt

# macOS 中文字體設定
plt.rcParams['font.sans-serif'] = ['Arial Unicode MS', 'Heiti TC', 'PingFang TC', 'STHeiti']
plt.rcParams['axes.unicode_minus'] = False  # 負號正常顯示

規則 3：禁止使用 plt.show()（會卡住或報錯）

# ❌ 錯誤
plt.show()

# ✅ 正確 — 只用 savefig
plt.savefig('docs/fin/charts/NVDA-kline.png', dpi=150, bbox_inches='tight')
plt.close('all')  # 必須關閉，釋放記憶體

規則 4：每張圖結尾必須 plt.close('all')

plt.savefig(output_path, dpi=150, bbox_inches='tight')
plt.close('all')  # 不加這行，下一張圖會疊在上面

規則 5：繪圖前必須建立目錄

import os
os.makedirs('docs/fin/charts', exist_ok=True)

完整繪圖模板（通用前置碼）

每次繪圖都必須以這段開頭：

import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
import yfinance as yf
import pandas as pd
import numpy as np
import os

# 中文字體
plt.rcParams['font.sans-serif'] = ['Arial Unicode MS', 'Heiti TC', 'PingFang TC', 'STHeiti']
plt.rcParams['axes.unicode_minus'] = False

# 建立輸出目錄
os.makedirs('docs/fin/charts', exist_ok=True)

# 下載數據（美股）
ticker = "NVDA"
df = yf.download(ticker, period="6mo", interval="1d")
close = df['Close'].squeeze()
dates = df.index

數據取得

# 美股
df = yf.download("NVDA", period="1y", interval="1d")

# 台股（代號加 .TW）
df = yf.download("2330.TW", period="1y", interval="1d")

# 注意：yfinance 回傳的 DataFrame 可能是 MultiIndex
# 取單一欄位時用 .squeeze() 確保是 Series
close = df['Close'].squeeze()

圖表類型與範本

1. K 線圖 + 均線（基礎圖）

import matplotlib
matplotlib.use('Agg')
import mplfinance as mpf
import yfinance as yf
import os

os.makedirs('docs/fin/charts', exist_ok=True)
ticker = "NVDA"
df = yf.download(ticker, period="6mo", interval="1d")

# mplfinance 的 savefig 要用 dict 格式
save_config = dict(fname=f'docs/fin/charts/{ticker}-kline.png', dpi=150, bbox_inches='tight')

mpf.plot(df, type='candle', style='charles',
         mav=(20, 50, 200),
         volume=True,
         title=f'{ticker} K線圖 + 均線',
         figsize=(14, 8),
         savefig=save_config)
# mplfinance 會自動 close
print(f"✅ 圖表已儲存: docs/fin/charts/{ticker}-kline.png")

2. 支撐壓力圖

import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
import yfinance as yf
import os

plt.rcParams['font.sans-serif'] = ['Arial Unicode MS', 'Heiti TC', 'PingFang TC', 'STHeiti']
plt.rcParams['axes.unicode_minus'] = False
os.makedirs('docs/fin/charts', exist_ok=True)

ticker = "NVDA"
df = yf.download(ticker, period="6mo", interval="1d")
close = df['Close'].squeeze()

fig, ax = plt.subplots(figsize=(14, 8))
ax.plot(df.index, close, 'b-', linewidth=1.5, label='收盤價')

# 標註支撐壓力（由 technical-analyst 提供具體數值）
support = 120   # 替換為實際值
resistance = 150  # 替換為實際值
ax.axhline(y=support, color='green', linestyle='--', linewidth=2, label=f'支撐 ${support}')
ax.axhline(y=resistance, color='red', linestyle='--', linewidth=2, label=f'壓力 ${resistance}')

ax.set_title(f'{ticker} 支撐壓力圖', fontsize=16)
ax.set_ylabel('價格 (USD)', fontsize=12)
ax.legend(fontsize=12)
ax.grid(True, alpha=0.3)

output_path = f'docs/fin/charts/{ticker}-support-resistance.png'
plt.savefig(output_path, dpi=150, bbox_inches='tight')
plt.close('all')
print(f"✅ 圖表已儲存: {output_path}")

3. RSI 圖

import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
import yfinance as yf
import os

plt.rcParams['font.sans-serif'] = ['Arial Unicode MS', 'Heiti TC', 'PingFang TC', 'STHeiti']
plt.rcParams['axes.unicode_minus'] = False
os.makedirs('docs/fin/charts', exist_ok=True)

ticker = "NVDA"
df = yf.download(ticker, period="6mo", interval="1d")
close = df['Close'].squeeze()
delta = close.diff()
gain = delta.where(delta > 0, 0).rolling(14).mean()
loss = (-delta.where(delta < 0, 0)).rolling(14).mean()
rs = gain / loss
rsi = 100 - (100 / (1 + rs))

fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(14, 10), height_ratios=[3, 1])
ax1.plot(df.index, close, 'b-', linewidth=1.5)
ax1.set_title(f'{ticker} 股價', fontsize=14)
ax1.set_ylabel('價格 (USD)', fontsize=12)
ax1.grid(True, alpha=0.3)

ax2.plot(df.index, rsi, 'purple', linewidth=1.5)
ax2.axhline(y=70, color='red', linestyle='--', alpha=0.7, label='超買 70')
ax2.axhline(y=30, color='green', linestyle='--', alpha=0.7, label='超賣 30')
ax2.fill_between(df.index, 70, 100, alpha=0.1, color='red')
ax2.fill_between(df.index, 0, 30, alpha=0.1, color='green')
ax2.set_title('RSI(14)', fontsize=14)
ax2.set_ylim(0, 100)
ax2.legend(fontsize=10)
ax2.grid(True, alpha=0.3)

output_path = f'docs/fin/charts/{ticker}-rsi.png'
plt.tight_layout()
plt.savefig(output_path, dpi=150, bbox_inches='tight')
plt.close('all')
print(f"✅ 圖表已儲存: {output_path}")

4. MACD 圖

import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
import yfinance as yf
import os

plt.rcParams['font.sans-serif'] = ['Arial Unicode MS', 'Heiti TC', 'PingFang TC', 'STHeiti']
plt.rcParams['axes.unicode_minus'] = False
os.makedirs('docs/fin/charts', exist_ok=True)

ticker = "NVDA"
df = yf.download(ticker, period="6mo", interval="1d")
close = df['Close'].squeeze()
ema12 = close.ewm(span=12).mean()
ema26 = close.ewm(span=26).mean()
macd_line = ema12 - ema26
signal = macd_line.ewm(span=9).mean()
histogram = macd_line - signal

fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(14, 10), height_ratios=[3, 1])
ax1.plot(df.index, close, 'b-', linewidth=1.5)
ax1.set_title(f'{ticker} 股價', fontsize=14)
ax1.set_ylabel('價格 (USD)', fontsize=12)
ax1.grid(True, alpha=0.3)

ax2.plot(df.index, macd_line, 'b-', label='MACD', linewidth=1.5)
ax2.plot(df.index, signal, 'r-', label='Signal', linewidth=1.5)
colors = ['green' if v >= 0 else 'red' for v in histogram]
ax2.bar(df.index, histogram, color=colors, alpha=0.5, label='Histogram')
ax2.set_title('MACD (12, 26, 9)', fontsize=14)
ax2.legend(fontsize=10)
ax2.grid(True, alpha=0.3)

output_path = f'docs/fin/charts/{ticker}-macd.png'
plt.tight_layout()
plt.savefig(output_path, dpi=150, bbox_inches='tight')
plt.close('all')
print(f"✅ 圖表已儲存: {output_path}")

5. 布林通道圖

import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
import yfinance as yf
import os

plt.rcParams['font.sans-serif'] = ['Arial Unicode MS', 'Heiti TC', 'PingFang TC', 'STHeiti']
plt.rcParams['axes.unicode_minus'] = False
os.makedirs('docs/fin/charts', exist_ok=True)

ticker = "NVDA"
df = yf.download(ticker, period="6mo", interval="1d")
close = df['Close'].squeeze()
sma20 = close.rolling(20).mean()
std20 = close.rolling(20).std()
upper = sma20 + 2 * std20
lower = sma20 - 2 * std20

fig, ax = plt.subplots(figsize=(14, 8))
ax.plot(df.index, close, 'b-', linewidth=1.5, label='收盤價')
ax.plot(df.index, sma20, 'orange', linewidth=1, label='SMA(20)')
ax.plot(df.index, upper, 'red', linewidth=0.8, linestyle='--', label='上軌')
ax.plot(df.index, lower, 'green', linewidth=0.8, linestyle='--', label='下軌')
ax.fill_between(df.index, upper, lower, alpha=0.1, color='gray')

ax.set_title(f'{ticker} 布林通道 (20, 2)', fontsize=16)
ax.set_ylabel('價格 (USD)', fontsize=12)
ax.legend(fontsize=12)
ax.grid(True, alpha=0.3)

output_path = f'docs/fin/charts/{ticker}-bollinger.png'
plt.tight_layout()
plt.savefig(output_path, dpi=150, bbox_inches='tight')
plt.close('all')
print(f"✅ 圖表已儲存: {output_path}")

型態辨識圖（手動標註）

當 technical-analyst 識別出型態時，用以下模板繪製：

頭肩頂/底、雙頂/底、三角收斂等

import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
import yfinance as yf
import numpy as np
import os

plt.rcParams['font.sans-serif'] = ['Arial Unicode MS', 'Heiti TC', 'PingFang TC', 'STHeiti']
plt.rcParams['axes.unicode_minus'] = False
os.makedirs('docs/fin/charts', exist_ok=True)

ticker = "NVDA"
pattern_name = "double-bottom"  # 替換為實際型態名
pattern_label = "雙底"  # 替換為中文名

df = yf.download(ticker, period="6mo", interval="1d")
close = df['Close'].squeeze()

fig, ax = plt.subplots(figsize=(14, 8))
ax.plot(df.index, close, 'b-', linewidth=1.5)

# 標註型態關鍵點（由 technical-analyst 提供具體座標）
# 範例：雙底
# bottom1_date = df.index[50]
# bottom2_date = df.index[80]
# bottom1_price = close.iloc[50]
# bottom2_price = close.iloc[80]
# neckline = 150
#
# ax.scatter([bottom1_date, bottom2_date],
#            [bottom1_price, bottom2_price],
#            color='green', s=150, zorder=5, marker='^', label=f'{pattern_label}底部')
# ax.axhline(y=neckline, color='orange', linestyle='--', linewidth=2, label=f'頸線 ${neckline}')

ax.set_title(f'{ticker} 型態辨識 — {pattern_label}', fontsize=16)
ax.set_ylabel('價格 (USD)', fontsize=12)
ax.legend(fontsize=12)
ax.grid(True, alpha=0.3)

output_path = f'docs/fin/charts/{ticker}-pattern-{pattern_name}.png'
plt.tight_layout()
plt.savefig(output_path, dpi=150, bbox_inches='tight')
plt.close('all')
print(f"✅ 圖表已儲存: {output_path}")

圖表命名規則

docs/fin/charts/
├── [TICKER]-kline.png              # K 線 + 均線
├── [TICKER]-support-resistance.png # 支撐壓力
├── [TICKER]-rsi.png                # RSI
├── [TICKER]-macd.png               # MACD
├── [TICKER]-bollinger.png          # 布林通道
├── [TICKER]-pattern-[型態名].png    # 型態辨識
└── [TICKER]-volume.png             # 量能分析

注意事項（必讀 Checklist）

每次繪圖前，確認以下 checklist 全部打勾：

matplotlib.use('Agg') 在最開頭（import pyplot 之前）
plt.rcParams['font.sans-serif'] 已設定中文字體
plt.rcParams['axes.unicode_minus'] = False
os.makedirs('docs/fin/charts', exist_ok=True)
使用 df['Close'].squeeze() 取得 Series（避免 MultiIndex 問題）
plt.savefig(path, dpi=150, bbox_inches='tight') 而非 plt.show()
plt.close('all') 在 savefig 之後
print(f"✅ 圖表已儲存: {output_path}") 確認輸出
台股代號用數字（如 2330-kline.png）
每種型態獨立一張圖，不要混在一起

11 KiB Raw Blame History Unescape Escape

技術分析圖表繪製

環境需求

⚠️ 繪圖必讀規則（每次畫圖前必須遵守）

規則 1：必須在最開頭設定 Agg backend（無 GUI 環境）

規則 2：必須設定中文字體（否則中文標題變方框）

規則 3：禁止使用 plt.show()（會卡住或報錯）

規則 4：每張圖結尾必須 plt.close('all')

規則 5：繪圖前必須建立目錄

完整繪圖模板（通用前置碼）

數據取得

圖表類型與範本

1. K 線圖 + 均線（基礎圖）

2. 支撐壓力圖

3. RSI 圖

4. MACD 圖

5. 布林通道圖

型態辨識圖（手動標註）

頭肩頂/底、雙頂/底、三角收斂等

圖表命名規則

注意事項（必讀 Checklist）

11 KiB

Raw Blame History