siat 3.8.1__py3-none-any.whl → 3.8.10__py3-none-any.whl

siat/grafix.py

@@ -30,7 +30,8 @@ plt.rcParams['xtick.direction'] = 'inout'  # 将x轴的刻度线方向设置向
 plt.rcParams['ytick.direction'] = 'inout'  # 将y轴的刻度方向设置向内内
 
 #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
@@ -124,7 +125,7 @@ def plot_line(df0,colname,collabel,ylabeltxt,titletxt,footnote,datatag=False, \
               resample_freq='H',loc='best', \
               date_range=False,date_freq=False,date_fmt='%Y-%m-%d', \
               mark_top=True,mark_bottom=True,mark_end=True, \
-              facecolor='whitesmoke',maxticks=10,translate=False):
+              facecolor='whitesmoke',maxticks=15,translate=False):
     """
     功能：绘制折线图。如果power=0不绘制趋势图，否则绘制多项式趋势图
     假定：数据表有索引，且已经按照索引排序
@@ -421,7 +422,8 @@ def plot_line2(df1,ticker1,colname1,label1, \
                    yline=999,attention_value_area='', \
                    xline=999,attention_point_area='', \
                resample_freq='H',loc1='best',loc2='best', \
-               color1='red',color2='blue',facecolor='whitesmoke'):
+               color1='red',color2='blue',facecolor='whitesmoke', \
+                   maxticks=20):
     """
     功能：绘制两个证券的折线图。如果power=0不绘制趋势图，否则绘制多项式趋势图
     假定：数据表有索引，且已经按照索引排序
@@ -456,7 +458,8 @@ def plot_line2(df1,ticker1,colname1,label1, \
                     xline=xline,attention_point_area=attention_point_area, \
                 resample_freq=resample_freq, \
                 loc1=loc1,loc2=loc2, \
-                color1=color1,color2=color2,facecolor=facecolor)
+                color1=color1,color2=color2,facecolor=facecolor, \
+                    maxticks=maxticks)
     else:
         plot_line2_twinx(df1,ticker1,colname1,label1, \
                          df2,ticker2,colname2,label2, \
@@ -464,7 +467,8 @@ def plot_line2(df1,ticker1,colname1,label1, \
                          resample_freq=resample_freq, \
                              xline=xline,attention_point_area=attention_point_area, \
                          loc1=loc1,loc2=loc2, \
-                         color1=color1,color2=color2,facecolor=facecolor)
+                         color1=color1,color2=color2,facecolor=facecolor, \
+                             maxticks=maxticks)
     return
 
 
@@ -478,7 +482,8 @@ def plot2_line2(df1,ticker1,colname1,label1, \
                    xline=999,attention_point_area='', \
                resample_freq='H',loc1='best',loc2='best', \
                date_range=False,date_freq=False,date_fmt='%Y-%m-%d', \
-               color1='red',color2='blue',facecolor='whitesmoke'):
+               color1='red',color2='blue',facecolor='whitesmoke', \
+                   maxticks=20):
     """
     注意：可能有bug，twinx=True时左纵坐标轴和横坐标轴标记可能发生重叠！!!暂不建议使用
     facecolor不起作用
@@ -517,7 +522,8 @@ def plot2_line2(df1,ticker1,colname1,label1, \
                 resample_freq=resample_freq, \
                 loc1=loc1,loc2=loc2, \
                 date_range=date_range,date_freq=date_freq,date_fmt=date_fmt, \
-                color1=color1,color2=color2,facecolor=facecolor)
+                color1=color1,color2=color2,facecolor=facecolor, \
+                    maxticks=maxticks)
     else:
         plot_line2_twinx2(df1,ticker1,colname1,label1, \
                          df2,ticker2,colname2,label2, \
@@ -526,7 +532,9 @@ def plot2_line2(df1,ticker1,colname1,label1, \
                          resample_freq=resample_freq, \
                          loc1=loc1,loc2=loc2, \
                          date_range=date_range,date_freq=date_freq,date_fmt=date_fmt, \
-                         color1=color1,color2=color2,facecolor=facecolor)
+                         color1=color1,color2=color2,facecolor=facecolor, \
+                             maxticks=maxticks)
+            
     return
 
 
@@ -542,7 +550,7 @@ def plot_line2_coaxial(df01,ticker1,colname1,label1, \
                        resample_freq='H', \
                        loc1='best',loc2='best', \
                        color1='red',color2='blue',facecolor='whitesmoke', \
-                       ticker_type='auto'):
+                       ticker_type='auto',maxticks=15):
     """
     功能：绘制两个证券的折线图。如果power=0不绘制趋势图，否则绘制多项式趋势图
     假定：数据表有索引，且已经按照索引排序
@@ -749,6 +757,11 @@ def plot_line2_coaxial(df01,ticker1,colname1,label1, \
     
     # 同轴绘图时，loc1/loc2未用上！
     plt.legend(loc=loc1,fontsize=legend_txt_size)
+    
+    # 使用 AutoDateLocator 自动选择最佳间隔，目的是显示最后一个日期，亲测有效！！！
+    import matplotlib.dates as mdates
+    ax.xaxis.set_major_locator(mdates.AutoDateLocator(maxticks=maxticks))    
+    
     plt.gcf().autofmt_xdate(ha="center") # 优化标注（自动倾斜）
     try:
         plt.gca().set_facecolor(facecolor)
@@ -793,7 +806,8 @@ def plot_line2_coaxial2(df01,ticker1,colname1,label1, \
                        loc1='best',loc2='best', \
                        date_range=False,date_freq=False,date_fmt='%Y-%m-%d', \
                        color1='red',color2='blue',facecolor='whitesmoke', \
-                       ticker_type='auto'):
+                       ticker_type='auto', \
+                           maxticks=15):
     """
     功能：绘制两个证券的折线图。如果power=0不绘制趋势图，否则绘制多项式趋势图
     假定：数据表有索引，且已经按照索引排序
@@ -1022,6 +1036,11 @@ def plot_line2_coaxial2(df01,ticker1,colname1,label1, \
     
     # 同轴绘图时，loc1/loc2未用上！
     plt.legend(loc=loc1,fontsize=legend_txt_size)
+    
+    # 使用 AutoDateLocator 自动选择最佳间隔，目的是显示最后一个日期，亲测有效！！！
+    import matplotlib.dates as mdates
+    ax.xaxis.set_major_locator(mdates.AutoDateLocator(maxticks=maxticks))    
+    
     plt.gcf().autofmt_xdate(ha="center") # 优化标注（自动倾斜）
     try:
         plt.gca().set_facecolor(facecolor)
@@ -1045,7 +1064,8 @@ def plot_line2_twinx(df01,ticker1,colname1,label1, \
                          xline=999,attention_point_area='', \
                      loc1='upper left',loc2='lower left', \
                      color1='red',color2='blue',facecolor='whitesmoke', \
-                     ticker_type='auto'):
+                     ticker_type='auto', \
+                         maxticks=15):
     """
     功能：绘制两个证券的折线图。如果power=0不绘制趋势图，否则绘制多项式趋势图
     假定：数据表有索引，且已经按照索引排序
@@ -1234,6 +1254,11 @@ def plot_line2_twinx(df01,ticker1,colname1,label1, \
             label2txt=label2+'('+ticker_name(ticker2,ticker_type_list[1])+')'
     ax2.set_ylabel(label2txt,fontsize=ylabel_txt_size)
     ax2.legend(loc=loc2,fontsize=legend_txt_size)
+
+    # 使用 AutoDateLocator 自动选择最佳间隔，目的是显示最后一个日期，亲测有效！！！
+    import matplotlib.dates as mdates
+    ax.xaxis.set_major_locator(mdates.AutoDateLocator(maxticks=maxticks))
+    ax2.xaxis.set_major_locator(mdates.AutoDateLocator(maxticks=maxticks))
     
     #自动优化x轴标签
     plt.gcf().autofmt_xdate(ha="center") # 优化标注（自动倾斜）
@@ -1267,7 +1292,8 @@ def plot_line2_twinx2(df01,ticker1,colname1,label1, \
                       resample_freq='H',loc1='upper left',loc2='lower left', \
                       date_range=False,date_freq=False,date_fmt='%Y-%m-%d', \
                       color1='red',color2='blue',facecolor='whitesmoke', \
-                      ticker_type='auto'):
+                      ticker_type='auto', \
+                          maxticks=15):
     """
     功能：绘制两个证券的折线图。如果power=0不绘制趋势图，否则绘制多项式趋势图
     假定：数据表有索引，且已经按照索引排序
@@ -1482,6 +1508,11 @@ def plot_line2_twinx2(df01,ticker1,colname1,label1, \
             label2txt=label2+'('+ticker_name(ticker2,ticker_type_list[1])+')'
     ax2.set_ylabel(label2txt,fontsize=ylabel_txt_size)
     ax2.legend(loc=loc2,fontsize=legend_txt_size)
+
+    # 使用 AutoDateLocator 自动选择最佳间隔，目的是显示最后一个日期，亲测有效！！！
+    import matplotlib.dates as mdates
+    ax.xaxis.set_major_locator(mdates.AutoDateLocator(maxticks=maxticks))
+    ax2.xaxis.set_major_locator(mdates.AutoDateLocator(maxticks=maxticks))
     
     #自动优化x轴标签
     #格式化时间轴标注
@@ -1520,7 +1551,9 @@ def draw_lines(df0,y_label,x_label,axhline_value,axhline_label,title_txt, \
                 attention_value='',attention_value_area='', \
                 attention_point='',attention_point_area='', \
                mark_top=False,mark_bottom=False,mark_end=False, \
-               ticker_type='auto',facecolor='whitesmoke',maxticks=10,translate=False):
+               ticker_type='auto',facecolor='whitesmoke', \
+                   maxticks_enable=True,maxticks=15, \
+               translate=False):
     """
     函数功能：根据df的内容绘制折线图
     输入参数：
@@ -1658,7 +1691,7 @@ def draw_lines(df0,y_label,x_label,axhline_value,axhline_label,title_txt, \
             if annotate_value: #在标记曲线名称的同时标记其末端数值
                 #y1=str(int(y_end)) if y_end >= 100 else str(round(y_end,2))
                 y1=str(round(y_end,2)) if abs(y_end) >= 100 else str(round(y_end,2)) if abs(y_end) >= 1 else str(round(y_end,3))
-                plt.annotate(text=' '+auto_translate2(c,translate)+':'+y1, 
+                plt.annotate(text=' '+auto_translate2(c,translate)+': '+y1, 
                              xy=(x_end, y_end),
                              xytext=(x_end, y_end),fontsize=annotate_size,
                              color=last_line_color)
@@ -1838,7 +1871,11 @@ def draw_lines(df0,y_label,x_label,axhline_value,axhline_label,title_txt, \
     if axhline_label !="":
         if '零线' in axhline_label:
             axhline_label=''
-        plt.axhline(y=axhline_value,label=auto_translate2(axhline_label,translate),color='black',linestyle=':',linewidth=2)  
+            
+        max_values = df2.max(numeric_only=True); global_max_values=max_values.max()
+        min_values = df2.min(numeric_only=True); global_min_values=min_values.min()
+        if global_max_values >= axhline_value and global_min_values <= axhline_value:
+            plt.axhline(y=axhline_value,label=auto_translate2(axhline_label,translate),color='black',linestyle=':',linewidth=2)  
         #plt.axhline(y=axhline_value,color='purple',linestyle=':',linewidth=1.5)
     
     #坐标轴标记
@@ -1851,9 +1888,10 @@ def draw_lines(df0,y_label,x_label,axhline_value,axhline_label,title_txt, \
     #图示标题
     plt.title(auto_translate2(title_txt,translate),fontweight='bold',fontsize=title_txt_size)
     
-    # 使用 AutoDateLocator 自动选择最佳间隔，目的是显示最后一个日期，亲测有效！！！
-    import matplotlib.dates as mdates
-    ax.xaxis.set_major_locator(mdates.AutoDateLocator(maxticks=maxticks))   
+    if maxticks_enable:
+        # 使用 AutoDateLocator 自动选择最佳间隔，目的是显示最后一个日期，亲测有效！！！
+        import matplotlib.dates as mdates
+        ax.xaxis.set_major_locator(mdates.AutoDateLocator(maxticks=maxticks))   
 
     plt.gcf().autofmt_xdate(ha="center") # 优化标注（自动倾斜）
     try:
@@ -1913,7 +1951,7 @@ def draw_lines2(df0,y_label,x_label,axhline_value,axhline_label,title_txt, \
                     attention_point_area='', \
                 annotate=False,annotate_value=False, \
                 mark_top=False,mark_bottom=False,mark_end=False, \
-                facecolor='whitesmoke',maxticks=10,translate=False):
+                facecolor='whitesmoke',maxticks=20,translate=False):
     """
     函数功能：根据df的内容绘制折线图
     输入参数：
@@ -2068,7 +2106,7 @@ def draw_lines2(df0,y_label,x_label,axhline_value,axhline_label,title_txt, \
             if annotate_value: #在标记曲线名称的同时标记其末端数值
                 #y1=str(int(y_end)) if y_end >= 100 else str(round(y_end,2))
                 y1=str(int(y_end)) if abs(y_end) >= 100 else str(round(y_end,2)) if abs(y_end) >= 10 else str(round(y_end,4))
-                plt.annotate(text=auto_translate2(c,translate)+':'+y1, 
+                plt.annotate(text=auto_translate2(c,translate)+': '+y1, 
                              xy=(x_end, y_end),
                              xytext=(x_end, y_end),fontsize=annotate_size,
                              color=last_line_color)
@@ -2359,7 +2397,8 @@ def plot_2lines(df01,colname1,label1, \
                 df02,colname2,label2, \
                 ylabeltxt,titletxt,footnote,hline=0,vline=0,resample_freq='H', \
                 date_range=False,date_freq=False,date_fmt='%Y-%m-%d', \
-                facecolor='whitesmoke'):
+                facecolor='whitesmoke', \
+                    maxticks=15):
     """
     功能：绘制两个证券的折线图。如果hline=0不绘制水平虚线，vline=0不绘制垂直虚线
     假定：数据表有日期索引，且已经按照索引排序
@@ -2449,6 +2488,10 @@ def plot_2lines(df01,colname1,label1, \
     plt.xlabel(footnote,fontsize=xlabel_txt_size,ha='center')
     plt.legend(loc='best',fontsize=legend_txt_size)
     
+    # 使用 AutoDateLocator 自动选择最佳间隔，目的是显示最后一个日期，亲测有效！！！
+    import matplotlib.dates as mdates
+    ax.xaxis.set_major_locator(mdates.AutoDateLocator(maxticks=maxticks))
+    
     plt.gcf().autofmt_xdate(ha="center") # 优化标注（自动倾斜）
     try:
         plt.gca().set_facecolor(facecolor)
@@ -2717,7 +2760,7 @@ if __name__=='__main__':
     firstColSpecial=True
     colWidth=0.1
     tabScale=2
-    figsize=(10,6)
+    figsize=(12.8,6.4)
     cellLoc='right'
     fontsize=10
 
@@ -2729,7 +2772,7 @@ if __name__=='__main__':
     pandas2plttable(df)
 
 def pandas2plttable(df,titletxt,firstColSpecial=True,colWidth=0.1,tabScale=2,cellLoc='right', \
-                    figsize=(10,4),fontsize=13,auto_len=False,title_x=0.5):
+                    figsize=(12.8,6.4),fontsize=13,auto_len=False,title_x=0.5):
     """
     功能：将一个df转换为matplotlib表格格式，打印图形表格，适应性广
     firstColSpecial：第一列是否特殊处理，默认True
@@ -2781,7 +2824,6 @@ def pandas2plttable(df,titletxt,firstColSpecial=True,colWidth=0.1,tabScale=2,cel
     for i in range(0,len(df)): 
         vals=vals+[list(df.iloc[i])]
     
-    #plt.figure(figsize=figsize,dpi=figdpi)
     plt.figure(figsize=figsize)
     
     if not auto_len:

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
@@ -3489,10 +3499,13 @@ if __name__=='__main__':
     
 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 ... ...")
     
@@ -3621,21 +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, \
+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
@@ -3663,6 +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)
@@ -3725,7 +3742,8 @@ 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 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"]):
             ticker_seq=cfg[cfg["代码"]==ticker[:6]]["序号"].values[0]
@@ -3780,8 +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"