siat 3.7.28__py3-none-any.whl → 3.8.10__py3-none-any.whl

siat/holding_risk.py

@@ -40,7 +40,8 @@ if czxt in ['linux']: #website Jupyter
 plt.rcParams['axes.unicode_minus'] = False 
 #==============================================================================
 #统一设定绘制的图片大小：数值为英寸，1英寸=100像素
-plt.rcParams['figure.figsize']=(12.8,7.2)
+#plt.rcParams['figure.figsize']=(12.8,7.2)
+plt.rcParams['figure.figsize']=(12.8,6.4)
 plt.rcParams['figure.dpi']=300
 plt.rcParams['font.size'] = 13
 plt.rcParams['xtick.labelsize']=11 #横轴字体大小
@@ -821,7 +822,8 @@ def portfolio_rets_curve(portfolio,fromdate,todate):
     import numpy as np
     x=mu+sigma*np.random.randn(10000)    
             
-    plt.figure(figsize=(8,4))
+    #plt.figure(figsize=(8,4))
+    plt.figure(figsize=(12.8,6.4))
     import seaborn as sns
     #绘制曲线：股票收益率
     sns.kdeplot(data=rets,shade=True,color='blue',legend=True,label='投资组合',lw=4) 

siat/market_china.py

@@ -702,7 +702,10 @@ if __name__=='__main__':
     df1=market_detail_china(category='price')
 
 def market_detail_china(category='price',prettytab=True,plttab=False, \
-                        colWidth=0.3,tabScale=2,figsize=(10,6),fontsize=13,cellLoc='center'):
+                        colWidth=0.3,tabScale=2, \
+                       #figsize=(10,6), \
+                        figsize=(12.8,6.4), \
+                        fontsize=13,cellLoc='center'):
     """
     功能：给出中国当前最新的三大股票交易所的更多细节，合成
     输出：构造表格型数据框df，直接利用Jupyter Notebook格式输出

siat/markowitz.py

@@ -30,7 +30,8 @@ import datetime
 import seaborn as sns
 import matplotlib.pyplot as plt
 #统一设定绘制的图片大小：数值为英寸，1英寸=100像素
-plt.rcParams['figure.figsize']=(12.8,7.2)
+#plt.rcParams['figure.figsize']=(12.8,7.2)
+plt.rcParams['figure.figsize']=(12.8,6.4)
 plt.rcParams['figure.dpi']=300
 plt.rcParams['font.size'] = 13
 plt.rcParams['xtick.labelsize']=11 #横轴字体大小
@@ -991,7 +992,7 @@ def portfolio_es(pf_info,simulation=50000):
     pf_volatilities = np.array(RandomPortfolios['Volatility'])
 
     #plt.style.use('seaborn-dark') #不支持中文
-    #plt.figure(figsize=(9, 5))
+    #plt.figure(figsize=(12.8,6.4))
     plt.scatter(pf_volatilities, pf_returns, c=pf_ratio,cmap='RdYlGn', edgecolors='black',marker='o') 
     #plt.grid(True)
     
@@ -1444,7 +1445,7 @@ def RandomPortfolios_plot(RandomPortfolios,col_x,col_y,colorbartxt,title_ext, \
     pf_returns = np.array(RandomPortfolios['Risk premium'])
     pf_volatilities = np.array(RandomPortfolios['beta'])
 
-    plt.figure(figsize=(9, 5))
+    plt.figure(figsize=(12.8,6.4))
     plt.scatter(pf_volatilities, pf_returns, c=pf_ratio,cmap='RdYlGn', edgecolors='black',marker='o') 
     plt.colorbar(label='特雷诺比率')
 
@@ -1466,7 +1467,7 @@ def RandomPortfolios_plot(RandomPortfolios,col_x,col_y,colorbartxt,title_ext, \
     pf_returns = np.array(RandomPortfolios[col_y])
     pf_volatilities = np.array(RandomPortfolios[col_x])
 
-    #plt.figure(figsize=(9, 5))
+    #plt.figure(figsize=(12.8,6.4))
     plt.scatter(pf_volatilities, pf_returns, c=pf_ratio,cmap='RdYlGn', edgecolors='black',marker='o') 
     plt.colorbar(label=colorbartxt)
 
@@ -2204,9 +2205,8 @@ def security_correlation(tickers,start='L5Y',end='today',info_type='Close'):
     df_coor = df.corr()
 
 
-    #fig = plt.figure(figsize=(cm2inch(16,12)))
-    #fig = plt.figure(figsize=(cm2inch(12,6)))
-    fig = plt.figure(figsize=(12.8,7.2))
+    #fig = plt.figure(figsize=(12.8,7.2))
+    fig = plt.figure(figsize=(12.8,6.4))
     ax1 = plt.gca()
     
     #构造mask，去除重复数据显示

siat/markowitz2.py

@@ -30,7 +30,8 @@ import datetime
 import seaborn as sns
 import matplotlib.pyplot as plt
 #统一设定绘制的图片大小：数值为英寸，1英寸=100像素
-plt.rcParams['figure.figsize']=(12.8,7.2)
+#plt.rcParams['figure.figsize']=(12.8,7.2)
+plt.rcParams['figure.figsize']=(12.8,6.4)
 plt.rcParams['figure.dpi']=300
 plt.rcParams['font.size'] = 13
 plt.rcParams['xtick.labelsize']=11 #横轴字体大小
@@ -1216,7 +1217,7 @@ def portfolio_eset(pf_info,simulation=50000,convex_hull=False,frontier="both",fa
     pf_volatilities = np.array(RandomPortfolios['Volatility'])
 
     #plt.style.use('seaborn-dark') #不支持中文
-    #plt.figure(figsize=(9, 5))
+    #plt.figure(figsize=(12.8,6.4))
     plt.scatter(pf_volatilities,pf_returns,c=pf_ratio,cmap='RdYlGn',edgecolors='black',marker='o') 
     #plt.grid(True)
     
@@ -1799,7 +1800,7 @@ def RandomPortfolios_plot(RandomPortfolios,col_x,col_y,colorbartxt,title_ext, \
     pf_returns = np.array(RandomPortfolios['Risk premium'])
     pf_volatilities = np.array(RandomPortfolios['beta'])
 
-    plt.figure(figsize=(9, 5))
+    plt.figure(figsize=(12.8,6.4))
     plt.scatter(pf_volatilities, pf_returns, c=pf_ratio,cmap='RdYlGn', edgecolors='black',marker='o') 
     plt.colorbar(label='特雷诺比率')
 
@@ -1822,7 +1823,7 @@ def RandomPortfolios_plot(RandomPortfolios,col_x,col_y,colorbartxt,title_ext, \
     pf_returns = np.array(RandomPortfolios[col_y])
     pf_volatilities = np.array(RandomPortfolios[col_x])
 
-    #plt.figure(figsize=(9, 5))
+    #plt.figure(figsize=(12.8,6.4))
     plt.scatter(pf_volatilities, pf_returns, c=pf_ratio,cmap='RdYlGn', edgecolors='black',marker='o') 
     plt.colorbar(label=colorbartxt)
 
@@ -2720,7 +2721,7 @@ def security_correlation(tickers,start='L5Y',end='today',info_type='Close', \
     #fig = plt.figure(figsize=(cm2inch(16,12)))
     #fig = plt.figure(figsize=(cm2inch(12,8)))
     #fig = plt.figure(figsize=(12.8,7.2))
-    fig = plt.figure(figsize=(12,6))
+    fig = plt.figure(figsize=(12.8,6.4))
     ax1 = plt.gca()
     
     #构造mask，去除重复数据显示

siat/option_china.py

@@ -2273,10 +2273,11 @@ def fin_option_risk_sse2(option,maturity,exercise,trade_date, \
 
     #fig = plt.figure()
     import matplotlib.pyplot as plt
-    plt.rcParams['figure.figsize']=(12.8,7.2)
+    #plt.rcParams['figure.figsize']=(12.8,7.2)
+    plt.rcParams['figure.figsize']=(12.8,6.4)
     plt.rcParams['figure.dpi']=300
     """
-    c=dfg.plot(kind='bar', y=['看涨期权','看跌期权'],figsize=(16, 8),width=0.8,
+    c=dfg.plot(kind='bar', y=['看涨期权','看跌期权'],figsize=(12.8,6.4),width=0.8,
                color=['green','red'],fontsize=16)
     """
     #柱状图填充图案

siat/risk_adjusted_return.py

@@ -476,7 +476,7 @@ def draw_rar_ratio(rars,portfolio,ratio_name):
     rars2=rars1.interpolate(method='cubic')
     """
         
-    #plt.figure(figsize=(8,5))
+    #plt.figure(figsize=(12.8,6.4))
  
     labeltxt=ratio_name.capitalize()+'指标'    
     plt.plot(rars['RAR'],label=labeltxt,color='red',lw=1)
@@ -510,7 +510,7 @@ def draw_rar_ratio(rars,portfolio,ratio_name):
     """
     import seaborn as sns
     with sns.axes_style("whitegrid"):
-        fig, ax = plt.subplots(figsize=(8,5))
+        fig, ax = plt.subplots(figsize=(12.8,6.4))
         ax.plot(rars['RAR'],label=labeltxt,color='red',lw=3)
         #ax.plot(rars['Mean(Ret)'],label='Stock(s) return(%)',color='blue',lw=1)
         plt.axhline(y=0.0,label='Zero return',color='black',linestyle=':')

siat/risk_evaluation.py

@@ -40,7 +40,8 @@ if czxt in ['linux']: #website Jupyter
 plt.rcParams['axes.unicode_minus'] = False 
 #==============================================================================
 #统一设定绘制的图片大小：数值为英寸，1英寸=100像素
-plt.rcParams['figure.figsize']=(12.8,7.2)
+#plt.rcParams['figure.figsize']=(12.8,7.2)
+plt.rcParams['figure.figsize']=(12.8,6.4)
 plt.rcParams['figure.dpi']=300
 plt.rcParams['font.size'] = 13
 plt.rcParams['xtick.labelsize']=11 #横轴字体大小
@@ -742,7 +743,8 @@ def plot_rets_histogram(ticker,start,end,num_bins=20):
     sigma=rets.std()
     
     #绘制股票收益率直方图
-    plt.figure(figsize=(8,4))
+    #plt.figure(figsize=(8,4))
+    plt.figure(figsize=(12.8,6.4))
     n,bins,patches=plt.hist(rets,num_bins,facecolor='blue',alpha=0.5,label=ticker_name(ticker))
     
     #生成与直方图柱子对应的正态分布概率密度
@@ -789,7 +791,7 @@ def plot_rets_curve(ticker,start,end):
     import numpy as np
     x=mu+sigma*np.random.randn(1000000)    
         
-    #plt.figure(figsize=(8,4))
+    #plt.figure(figsize=(12.8,6.4))
     import seaborn as sns
     #绘制曲线：股票收益率
     sns.kdeplot(data=rets,shade=True,color='blue',legend=True,label=ticker_name(ticker),lw=2) 
@@ -1435,7 +1437,7 @@ def series_VaR_tlcp(tickerlist,today,alpha=0.99,pastyears=1,model="montecarlo"):
     #tlcpdf.reset_index(drop=True)    
     tlcpdf.set_index('Ticker',drop=True,inplace=True)
     """
-    #ax=plt.figure(figsize=(8,4))
+    #ax=plt.figure(figsize=(12.8,6.4))
     tlcpdf.plot.barh(x='Ticker',y='TLCP',color='r',grid=True)
     plt.ylabel('股票')
     titlel1="VaR全损临界点(TLCP)"
@@ -1516,7 +1518,8 @@ def plot_VaR_days_changes(ticker,shares,today,dayslist,alpha=0.99, \
 
     #绘图
     if printout == True:
-        plt.figure(figsize=(8,4))
+        #plt.figure(figsize=(8,4))
+        plt.figure(figsize=(12.8,6.4))
         #绘制曲线：ratio
         plt.plot(vardf['ratio%'],color='red',lw=2,label=ticker_name(ticker),marker=markertype)
         #设置标题、图例、坐标轴标签
@@ -1564,7 +1567,8 @@ def compare_VaR_days_changes(tickerlist,shares,today,dayslist,alpha=0.99, \
         return
     
     #依次绘图tickerlist中的各个股票
-    plt.figure(figsize=(8,4))
+    #plt.figure(figsize=(8,4))
+    plt.figure(figsize=(12.8,6.4))
     
     markerlist=['.','o','s','*','+','x','1','2']
     for t in tickerlist:

siat/sector_china.py

@@ -889,9 +889,17 @@ def display_industry_sw(sw_level='1',numberPerLine=4,colalign='left'):
     """
     按照类别打印申万行业列表，名称(代码)，每行5个, 套壳函数
     """
-    itype_list=['1','2','3','F','S','B','C']
-    sw_level_list=['1','2','3','F','S','B','C']
-    pos=sw_level_list.index(sw_level)
+    #itype_list=['1','2','3','F','S','B','C']
+    itype_list=['1','2','3','F','S','B']
+    #sw_level_list=['1','2','3','F','S','B','C']
+    sw_level_list=['1','2','3','F','S','B']
+    
+    try:
+        pos=sw_level_list.index(sw_level)
+    except:
+        print(f"  #Warning(display_industry_sw): no such level in Shenwan system {sw_level}")
+        print(f"  Supported Shenwan system: {sw_level_list}")
+        
     itype=itype_list[pos]
 
     print_industry_sw(itype=itype,numberPerLine=numberPerLine,colalign=colalign) 
@@ -2721,7 +2729,8 @@ def industry_correlation_sw(df,tickers,start,end, \
     import seaborn as sns
     sns.set(font='SimHei')  # 解决Seaborn中文显示问题
 
-    fig = plt.figure(figsize=(cm2inch(12,8)))
+    #fig = plt.figure(figsize=(cm2inch(12,8)))
+    fig = plt.figure(figsize=(12.8,6.4))
     ax1 = plt.gca()
     
     #构造mask，去除重复数据显示
@@ -2884,6 +2893,7 @@ if __name__=='__main__':
     
 def find_peers_china(industry='',top=20,rank=20,sw_level='2'):
     """
+    ===========================================================================
     功能：找出一个申万行业的上市公司排名
     主要参数：
     industry：申万行业名称。当industry = ''，显示的内容由sw_level控制。申万二级行业分类
@@ -3480,18 +3490,22 @@ def contains_chinese(text):
 #==============================================================================
 if __name__=='__main__':
     ticker='600791.SS'
+    ticker='689009.SS'
     
     ticker=['600791.SS','东阿阿胶']
     level='1'
     
-    find_industry_sw(ticker)
+    find_industry_sw(ticker,level='1')
     
 def find_industry_sw(ticker,level='1',ticker_order=True,max_sleep=30):
     """
+    ===========================================================================
     功能：寻找一只或一组股票所属的申万行业，支持股票代码和股票名称。
-    level='1'：默认只查找申万1级行业,以便节省时间
-    ticker_order=True：默认输出结果按照ticker中的顺序,而非按照所属行业排序
-    max_sleep：为防止反爬虫，默认每次爬虫后睡眠最多几秒钟
+    level='1'：默认只查找申万1级行业；查找2/3级行业时间较久，可能触发反爬虫机制。
+    ticker_order=True：默认输出结果按照ticker中的顺序,而非按照所属行业排序。
+    max_sleep：为防止触发反爬虫机制，默认每次爬虫后睡眠最多30秒钟。
+    
+    返回值：查找结果df。
     """
     print("  Searching shenwan industries for securities ... ...")
     
@@ -3620,21 +3634,24 @@ if __name__=='__main__':
     
     peers=stock_industry_peer_em(ticker,indicator="市盈率",rank=10)
 
-def stock_peers_em(ticker='',indicator='',rank=10, \
-                   force_show_stock=False, \
+def stock_peers_em(ticker='',indicator='市盈率',rank=10, \
+                   force_show_stock=True, \
                    font_size="16px",facecolor="papayawhip", \
                    numberPerLine=5):
     """
-    功能：基于东方财富行业分类，查找股票所属的行业板块以及主要同行排名
-    特点：行业分类较粗糙，略胜于无
+    ===========================================================================
+    功能：基于东方财富行业分类，查找股票所属的行业板块以及主要同行排名。
+    特点：行业分类较粗糙，略胜于无。
     主要参数：
-    ticker：股票代码，默认''显示所有板块名称
-    indicator：排名指标，默认''。例如："股价"、"流动性"、"市净率"、"市盈率"
-    rank：排名数量，默认10前十名
-    force_show_stock：是否显示股票信息，默认False
-    font_size：表格字体大小，默认"16px"
-    facecolor：输出表格的背景颜色，默认"papayawhip",
-    numberPerLine：输出表格中的每行显示个数，默认5
+    ticker：股票代码，默认''显示所有板块名称。
+    indicator：排名指标，默认''。例如："股价"、"流动性"、"市净率"、"市盈率"。
+    rank：排名数量，默认10前十名。
+    force_show_stock：是否显示股票信息，默认False。
+    font_size：表格字体大小，默认"16px"。
+    facecolor：输出表格的背景颜色，默认"papayawhip"。
+    numberPerLine：输出表格中的每行显示个数，默认5。
+    
+    注意：若结果异常，可尝试升级插件akshare。
     
     示例：
     industries=stock_peers_em()     # 显示东方财富所有行业板块分类
@@ -3662,6 +3679,7 @@ def stock_peers_em(ticker='',indicator='',rank=10, \
     except:
         if not ticker=='':
             print("  #Warning(stock_peer_em): stock info not found for",ticker)
+            print("  Solution: if stock code is correct, upgrade akshare and try again")
             
         df_em=ak.stock_board_industry_name_em()
         #df_em.sort_values(by="板块名称",ascending=True,inplace=True)
@@ -3724,6 +3742,7 @@ def stock_peers_em(ticker='',indicator='',rank=10, \
         df_disp=cfg[collist].tail(abs(rank))
     
     #强制显示所选股票
+    #if force_show_stock and rank != 10:
     if force_show_stock:
         #所选股票是否在其中？
         if not ticker[:6] in list(df_disp["代码"]):
@@ -3779,8 +3798,22 @@ def concept_stocks_em(concept='',ticker='',indicator="市盈率",rank=10, \
                       force_show_stock=False, \
                       font_size="16px",facecolor="papayawhip",numberPerLine=5):
     """
-    功能：基于东方财富概念板块，查找关键字相关概念以及股票业绩
-    特点：概念板块划分细致，同一股票可能分属多个板块，与行业分类不同
+    ===========================================================================
+    功能：基于东方财富概念板块，查找关键字相关概念以及股票业绩。
+    特点：概念板块划分细致，同一股票可能分属多个板块，与行业分类不同。
+    参数：
+    concept：概念板块名称，或名称中的关键字，默认''输出所有概念板块名称；
+        若查找到多个名称，则优先输出查找到的名称；
+        若仅仅找到一个板块，则按indicator输出该板块的股票排行。
+    ticker：股票代码，默认''
+    indicator：指标名称，默认"市盈率"，还支持：股价，市净率，涨跌幅，流动性，换手率。
+    rank：排名，支持正负数，默认10。
+    force_show_stock：若ticker不为空，且不在rank范围内，是否强制显示该股票，默认False。
+    font_size：显示字体大小，默认"16px"。
+    facecolor：表格背景颜色，默认"papayawhip"。
+    numberPerLine：当显示板块名称时，每行显示个数，默认5。
+    
+    返回值：df
     """
     if indicator in ["股价","股票价格","价格","收盘价","价位"]:
         indicator="最新价"
@@ -4020,9 +4053,10 @@ def stock_peers_sw(ticker):
                 print("\n #Warning(stock_peers_sw): failed to search peers for",ticker)
                 print("  Possible solutions:")
                 print("  Try first: upgrade akshare, restart Jupyter and try again")
-                print("  If not working, uninstall anaconda and reinstall a newer version")
+                #print("  If not working, uninstall anaconda and reinstall a newer version")
 
     #查找股票在行业板块中的位置
+    ticker_item=''
     if not ilist=='':
         ticker6=ticker[:6]
         for i in ilist:
@@ -4030,12 +4064,12 @@ def stock_peers_sw(ticker):
                 ticker_item=i
                 ticker_pos=ilist.index(i)+1
                 break
-        
-        footnote0="注："
-        footnote1=ticker_item+"在申万行业"+hangye_final+"指数中的权重排名为"+str(ticker_pos)+'/'+str(len(ilist))
-        footnote2="该指数的权重排名依据主要包括公司的市值规模、流动性以及市场代表性"
-        footnote=footnote0+'\n'+footnote1+'\n'+footnote2
-        print(footnote)
+        if ticker_item != '':
+            footnote0="注："
+            footnote1=ticker_item+"在申万行业"+hangye_final+"指数中的权重排名为"+str(ticker_pos)+'/'+str(len(ilist))
+            footnote2="该指数的权重排名依据主要包括公司的市值规模、流动性以及市场代表性"
+            footnote=footnote0+'\n'+footnote1+'\n'+footnote2
+            print(footnote)
     return
         
 #==============================================================================

siat/security_trend2.py

@@ -198,7 +198,7 @@ def security_trend(ticker,indicator='Close',adjust='', \
     注意：本参数需要特殊访问获取数据。
     
     ret_type、RF、regression_period和market_index：仅用于计算RAR指标和CAPM贝塔系数。
-    ret_type：指定计算RAR的收益率类型，支持滚动和扩展收益率，但不建议混合使用。
+    ret_type：指定计算RAR的收益率类型，支持滚动和扩展收益率，不同种类的计算结果之间不可比。
     RF：指定年化无风险利率，非百分比数值。
     regression_period：指定CAPM回归时的日期期间跨度，为日历日（自然日），默认一年。
     market_index：用于计算CAPM回归贝塔系数时的市场收益率。
@@ -523,6 +523,7 @@ def security_trend(ticker,indicator='Close',adjust='', \
                       axhline_value=axhline_value,axhline_label=axhline_label, \
                       preprocess=preprocess,linewidth=linewidth, \
                       scaling_option=scaling_option, \
+                        band_area=band_area, \
                       graph=graph,loc=loc1, \
                       annotate=annotate,annotate_value=annotate_value, \
                       smooth=smooth, \
@@ -539,7 +540,8 @@ def security_trend(ticker,indicator='Close',adjust='', \
             print("Scenario 6: indicator_group2 RAR")
             print("attention_value=",attention_value)
             print("attention_point=",attention_point)
-
+        
+        # ret_type要使用复权价
         df=compare_rar_security(ticker=tickers,start=fromdate,end=todate,rar=measures, \
                                  ret_type=ret_type,RF=RF,regression_period=regression_period, \
                                      attention_value=attention_value,attention_value_area=attention_value_area, \
@@ -556,11 +558,17 @@ def security_trend(ticker,indicator='Close',adjust='', \
     
     # 情形7：单个或多个证券，CAPM贝塔系数=========================================
     if indicator_group4:
+        #if 'adj' in ret_type.lower() and adjust == '':
+        if adjust == '':
+            # 使用前复权价
+            adjust='qfq'
+            
         df=compare_beta_security(ticker=tickers,start=fromdate,end=todate, \
                                  adjust=adjust, \
                                  RF=RF,regression_period=regression_period, \
                                      attention_value=attention_value,attention_value_area=attention_value_area, \
                                      attention_point=attention_point,attention_point_area=attention_point_area, \
+                                         band_area=band_area, \
                                  graph=graph,facecolor=facecolor,loc=loc1, \
                                  annotate=annotate,annotate_value=annotate_value, \
                                  mark_top=mark_top,mark_bottom=mark_bottom,mark_end=mark_end, \

siat/stock.py

@@ -24,7 +24,8 @@ from siat.security_price2 import *
 
 #==============================================================================
 import matplotlib.pyplot as plt
-plt.rcParams['figure.figsize']=(12.8,7.2)
+#plt.rcParams['figure.figsize']=(12.8,7.2)
+plt.rcParams['figure.figsize']=(12.8,6.4)
 plt.rcParams['figure.dpi']=300
 plt.rcParams['font.size'] = 13
 plt.rcParams['xtick.labelsize']=11 #横轴字体大小
@@ -71,7 +72,8 @@ def reset_plt():
     
     #尝试恢复绘图尺寸
     #统一设定绘制的图片大小：数值为英寸，1英寸=100像素
-    plt.rcParams['figure.figsize']=(12.8,7.2)
+    #plt.rcParams['figure.figsize']=(12.8,7.2)
+    plt.rcParams['figure.figsize']=(12.8,6.4)
     plt.rcParams['figure.dpi']=300
     plt.rcParams['font.size'] = 13
     plt.rcParams['xtick.labelsize']=11 #横轴字体大小
@@ -987,7 +989,7 @@ def security_mindicators(ticker,measures,
         titletxt=text_lang("证券趋势分析：","Security Trend: ")+ticker_name(ticker,ticker_type=ticker_type)       
         
         draw_lines2(df,y_label,x_label,axhline_value,axhline_label,titletxt, \
-                   data_label=False,resample_freq='6H',smooth=smooth, \
+                   data_label=False,resample_freq='1D',smooth=smooth, \
                    date_range=date_range,date_freq=date_freq,date_fmt='%Y-%m-%d', \
                         attention_value=attention_value,attention_value_area=attention_value_area, \
                         attention_point=attention_point,attention_point_area=attention_point_area, \
@@ -1963,6 +1965,7 @@ def compare_msecurity(tickers,measure,start,end, \
                       preprocess='none',linewidth=1.5, \
                       scaling_option='start', \
                       plus_sign=False, \
+                        band_area='', \
                       graph=True,loc='best',facecolor='whitesmoke', \
                       annotate=False,annotate_value=False, \
                       smooth=True, \
@@ -2046,7 +2049,16 @@ def compare_msecurity(tickers,measure,start,end, \
             continue
         
         df_tmp1=pd.DataFrame(df_tmp[measure])
-        df_tmp1.rename(columns={measure:ticker_name(t,tt)},inplace=True)     
+        
+        tname=ticker_name(t,tt)
+        df_tmp1.rename(columns={measure:tname},inplace=True) 
+        
+        # 将band_area中的ticker替换为tname
+        if band_area != '':
+            for index, item in enumerate(band_area):
+                if item == t:
+                    band_area[index] = tname        
+        
         if len(dfs)==0:
             dfs=df_tmp1
         else:
@@ -2139,6 +2151,7 @@ def compare_msecurity(tickers,measure,start,end, \
                data_label=False,resample_freq='H',smooth=smooth,linewidth=linewidth,loc=loc, \
                     attention_value=attention_value,attention_value_area=attention_value_area, \
                     attention_point=attention_point,attention_point_area=attention_point_area, \
+               band_area=band_area, \
                annotate=annotate,annotate_value=annotate_value,plus_sign=plus_sign, \
                mark_top=mark_top,mark_bottom=mark_bottom,mark_end=mark_end,facecolor=facecolor)
 
@@ -2573,7 +2586,7 @@ def candlestick_demo(stkcd,fromdate,todate, \
     
     print('')
     #specify the size of the graph
-    #fig,ax=plt.subplots(figsize=(10,6))	
+    #fig,ax=plt.subplots(figsize=(12.8,6.4))	
     fig,ax=plt.subplots()
     
     #绘制各个价格的折线图

siat/stock_profile.py

@@ -515,7 +515,8 @@ def plot_sustainability(sustainability,option="ESG"):
     else: width=round(2.9/l,2)
     #print("Firms:",s.index,", Width:",width)
 
-    fig,ax=plt.subplots(figsize=(10,6))
+    #fig,ax=plt.subplots(figsize=(10,6))
+    fig,ax=plt.subplots(figsize=(12.8,6.4))
 
     #绘制分数和分位数图     
     if option=="ESG":

siat/stock_technical.py

@@ -25,7 +25,8 @@ from siat.stock import *
 from siat.valuation import *
 #==============================================================================
 import matplotlib.pyplot as plt
-plt.rcParams['figure.figsize']=(12.8,7.2)
+#plt.rcParams['figure.figsize']=(12.8,7.2)
+plt.rcParams['figure.figsize']=(12.8,6.4)
 plt.rcParams['figure.dpi']=300
 plt.rcParams['font.size'] = 13
 plt.rcParams['xtick.labelsize']=11 #横轴字体大小