绘图工程:让数据的问题自己跳出来

一、坐标陷阱:线性 vs 对数

同一条后复权净值曲线,两种坐标:

原因很简单:线性坐标衡量的是绝对差值,而收益是乘法的。当价格从 1 涨到 200,早期从 1 到 2 的那次翻倍(+100%),在纵轴上只占 0.5%,而后期从 150 到 160 的一次小波动(+6.7%)却占 5%。

长周期曲线一律用对数坐标。这不是审美偏好,是让"相同的百分比变化,在图上占相同的高度"——否则你的眼睛会系统性地低估早期风险。

二、五联诊断图:一张图看完这一章所有的坑

diagnostic.png 把 P1 章的坑逐个可视化,每一联对应一节:

实测输出:

图上自己暴露出来的问题:除权嫌疑日 26 个、停牌占位 68 天
这两个数字与 p1.3 的实测一致 —— 区别只在于:那时要靠代码去数,现在一眼就能看见

热力图那一联值得多说

第五联是我最喜欢的一个面板,因为它不需要你事先知道要找什么:

• 2026 年 8–12 月整片深色 → 数据到 7 月底为止,一眼确认覆盖区间
• 每年 2 月都比其他月份浅 → 春节长假,符合预期
• 如果某个月突然变深 → 那里有缺口,而你原本可能永远发现不了

好的诊断图不是用来展示结论的,是用来发现你没想到要找的问题的。

meta = f"{SAMPLE} | baostock | {start}~{end} | {rows} rows | fetched 2026-07-31"
fig.text(0.005, 0.002, meta, fontsize=7, color="#666")

🔧 动手做:一次坐标切换,让 -62.5% 的回撤消失(4 分钟)

跑 python diagnostic_plot.py 生成五联诊断图,看第一联净值曲线(对数纵轴)。然后把它改成线性纵轴重新生成。

你会看到(实测):线性坐标下,2015 年之前的整段行情被压成只占纵轴高度的 7.2%——那个区间里一次 -62.5% 的最大回撤,在图上几乎看不见了。

想明白:同一条净值曲线,线性坐标会把早期的剧烈波动压扁成一条平线,一次腰斩级的回撤就这样被藏了起来。长周期净值一律用对数纵轴,否则你会对早期风险毫无感觉。图不会撒谎,但坐标轴的选择决定了你看得见什么。

三、三条绘图纪律

1. 长周期用对数坐标 —— 否则早期风险被系统性低估(本节实测:7.2% vs -62.5%)
2. 异常点必须标注 —— 不要指望人眼在 5238 个散点里找出那 26 个;让代码标红
3. 每张图带血缘水印 —— 标的、数据源、区间、行数、拉取时间

再加一条给 ECS/服务器环境的实务提醒:服务器通常没有中文字体。本课所有图一律用英文标签,中文解读写在课文里——这比在服务器上折腾字体配置省事得多,也避免了图上出现方块乱码。

📌 免责:本课为技术教学,样本股仅因分红多、有停牌而被选作诊断演示,与其投资价值无关,不构成投资建议。