“可視化”

まとめ

この章では、金融データに特有の「何と何を比べたいか」に合わせてグラフの形を選び、matplotlib と mplfinance で描く方法を 6 つ扱います。7 か国のカントリーリスクプレミアムは平均線を重ねた棒グラフ、3 銘柄 × 8 四半期の EPS と売上の前期比は TwoSlopeNorm で色付けしたサークルマトリクス、6 つの財務指標は polar=True のレーダーチャートで比べます。時系列の構造変化には、peak_valley_pivots による ZigZag、ローリング β の imshow ヒートマップ、複数時点のイールドカーブの重ね描きを使います。読み終えると、「比較の軸が国か・銘柄か・時間か」を決めた時点でグラフの形が決まる、という選び方が身につきます。

直感 #

金融データの可視化では「何を比較したいか」を明確にすることが出発点です。国別のリスク比較なら ax.bar の棒グラフ、複数銘柄の総合力比較なら極座標のレーダーチャート、時系列の構造変化なら imshow のヒートマップといったように、分析目的に応じたグラフ選択が重要です。同じ 7 か国のリスクプレミアムでも、棒グラフなら「トルコが 5.5% で最大」が、地域色分けなら「Americas の 3 か国が 1.8〜3.8% に散らばる」が見えるように、形を変えると読める情報が変わります。このセクションでは、matplotlibとmplfinanceを使い、金融実務で頻出するグラフパターンをひととおり作成します。

詳細な解説 #

学べること #

棒グラフ比較: 7 か国のカントリーリスクプレミアムを ax.bar で並べ、axhline の平均線を重ねる
サークルマトリクス: EPS・売上の前期比を銘柄×四半期の2軸で一望する
レーダーチャート: 6 つの財務指標を polar=True の正多角形上にプロットし、企業の総合力を面積で比較する
ZigZag: peak_valley_pivots で株価の転換点を検出して描く
ヒートマップ: 60 日ローリングβの時間変化を imshow の色で表現し、市場連動性の変化を把握する
イールドカーブ: 3 時点の利回り曲線を重ねて、金融政策の影響を読み取る

進め方 #

まずカントリーリスクとイールドカーブで、ax.bar や ax.plot に axhline の平均線や fill_between の帯を重ねる基本の作図を練習します。次にサークルマトリクスとレーダーチャートに進み、TwoSlopeNorm による色の中心合わせや set_theta_offset による極座標の向き調整など、多次元の比較に必要な設定を身につけます。最後に ZigZag とローリング β のヒートマップで時系列の構造変化を描いたら、DataFrame の列名を自分のデータに置き換えて、レポートやダッシュボードに組み込みます。