trading-visualization

トレーディングの可視化

可視化は、トレーダーとデータをつなぐ主要なインターフェースです。チャートは、表や数値では見えてこないパターンを明らかにします。戦略の破綻、レジームの移行、損失の集中、リスクの形状などです。適切に設計されたチャートは、統計情報を1ページ見るよりも多くの情報をひと目で伝えます。

トレーディングチャートの3つの用途：

1. パターン認識 — 定量的なフィルターでは見逃される、価格、出来高、モメンタムの構造変化を見つけます。
2. 戦略の評価 — エクイティカーブ、ドローダウンプロット、リターン分布から、戦略の堅牢性やカーブフィッティングの有無を確認できます。
3. レポート — ステークホルダー、記録、または将来の自分に、出版品質のビジュアルでパフォーマンスを伝えます。

---

対象となるチャートの種類

チャートの種類	用途	ライブラリ
ローソク足	オーバーレイ付きのOHLCV価格推移	mplfinance
エクイティカーブ	時間経過に伴うポートフォリオ価値	matplotlib
ドローダウン	水中エクイティプロット	matplotlib
リターン分布	ヒストグラム＋正規分布フィット	matplotlib
相関ヒートマップ	複数資産の相関行列	matplotlib / seaborn
トレードマーカー	価格チャート上のエントリー／決済ポイント	mplfinance / matplotlib
インジケーターパネル	価格チャート下部のRSI、MACD	mplfinance
ポジションのタイムライン	ポジションを保有していた期間	matplotlib

---

ライブラリ

mplfinance

ローソク足チャートに最適です。matplotlibをベースに、金融向けのデフォルト設定が用意されています。

uv pip install mplfinance

import mplfinance as mpf

# Basic candlestick from a DataFrame with DatetimeIndex
# Columns: Open, High, Low, Close, Volume
mpf.plot(df, type="candle", volume=True, style="charles")

主な機能：

• ネイティブのOHLCVサポート — DataFrameを直接渡せます
• 組み込みの出来高バー
• オーバーレイ（移動平均、ボリンジャーバンド）用のaddplot
• mpf.make_mpf_style()によるカスタムスタイル

matplotlib

汎用性が高く、最も柔軟です。レイアウトを完全に制御する必要がある場合に使います。

uv pip install matplotlib

import matplotlib.pyplot as plt

fig, axes = plt.subplots(2, 1, figsize=(14, 8), height_ratios=[3, 1],
                         sharex=True)
axes[0].plot(dates, equity, color="#00ff88")
axes[1].fill_between(dates, drawdown, 0, color="#ff4444", alpha=0.5)

plotly

HTMLとしてレンダリングされるインタラクティブなチャートです。探索やダッシュボードに最適です。

uv pip install plotly

import plotly.graph_objects as go

fig = go.Figure(data=[go.Candlestick(
    x=df.index, open=df["Open"], high=df["High"],
    low=df["Low"], close=df["Close"]
)])
fig.update_layout(template="plotly_dark")
fig.write_html("chart.html")

---

スタイリング：デフォルトはダークテーマ

トレーディング端末では、デフォルトでダーク背景が使われます。このスキルのすべてのチャートも、その慣例に従います。

ダークテーマの簡単な設定

import matplotlib.pyplot as plt

plt.style.use("dark_background")
plt.rcParams.update({
    "figure.facecolor": "#1a1a2e",
    "axes.facecolor": "#1a1a2e",
    "axes.edgecolor": "#333333",
    "grid.color": "#333333",
    "grid.alpha": 0.4,
    "text.color": "#e0e0e0",
    "xtick.color": "#aaaaaa",
    "ytick.color": "#aaaaaa",
})

トレーディングの配色

要素	色	Hex
強気／利益	緑	#00ff88
弱気／損失	赤	#ff4444
中立／情報	青	#4488ff
警告	アンバー	#ffaa00
短期MA	オレンジ	#ff6600
長期MA	青	#3399ff
シグナルMA	黄	#ffcc00

文字体裁、レイアウト比率、エクスポート設定の詳細は、references/styling_guide.mdを参照してください。

---

チャート構成：マルチパネルレイアウト

多くのトレーディングチャートでは、価格を上部、出来高を中央、インジケーターを下部に配置し、複数のパネルを同期させる必要があります。

x軸を共有する積み重ねパネル

import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec

fig = plt.figure(figsize=(14, 10))
gs = gridspec.GridSpec(3, 1, height_ratios=[3, 1, 1], hspace=0.05)

ax_price = fig.add_subplot(gs[0])
ax_volume = fig.add_subplot(gs[1], sharex=ax_price)
ax_rsi = fig.add_subplot(gs[2], sharex=ax_price)

# Hide x-tick labels on upper panels
ax_price.tick_params(labelbottom=False)
ax_volume.tick_params(labelbottom=False)

パネルの高さの比率

レイアウト	比率	用途
価格＋出来高	[3, 1]	シンプルなOHLCVチャート
価格＋出来高＋インジケーター	[3, 1, 1]	標準的な分析ビュー
エクイティ＋ドローダウン	[2, 1]	パフォーマンスの確認
価格＋RSI＋MACD	[3, 1, 1]	インジケーターのフル構成

---

オーバーレイ付きローソク足チャート

import mplfinance as mpf
import pandas as pd

# df: DataFrame with DatetimeIndex, columns Open/High/Low/Close/Volume
ema20 = df["Close"].ewm(span=20).mean()
ema50 = df["Close"].ewm(span=50).mean()

ap = [
    mpf.make_addplot(ema20, color="#ff6600", width=1.2),
    mpf.make_addplot(ema50, color="#3399ff", width=1.2),
]

style = mpf.make_mpf_style(
    base_mpf_style="nightclouds",
    marketcolors=mpf.make_marketcolors(
        up="#00ff88", down="#ff4444",
        wick={"up": "#00ff88", "down": "#ff4444"},
        edge={"up": "#00ff88", "down": "#ff4444"},
        volume={"up": "#00ff88", "down": "#ff4444"},
    ),
    facecolor="#1a1a2e", figcolor="#1a1a2e",
    gridcolor="#333333", gridstyle="--",
)

mpf.plot(df, type="candle", style=style, addplot=ap,
         volume=True, figsize=(14, 8),
         title="Token / SOL — 15m", savefig="candles.png")

---

ドローダウンパネル付きエクイティカーブ

import numpy as np
import matplotlib.pyplot as plt

def plot_equity_drawdown(equity: pd.Series, title: str = "Portfolio") -> plt.Figure:
    """Plot equity curve with drawdown panel below."""
    peak = equity.cummax()
    drawdown = (equity - peak) / peak

    fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(14, 8),
                                    height_ratios=[2, 1], sharex=True)
    ax1.plot(equity.index, equity, color="#00ff88", linewidth=1.5)
    ax1.plot(equity.index, peak, color="#555555", linewidth=0.8,
             linestyle="--", label="Peak")
    ax1.set_title(title, fontsize=14, fontweight="bold", color="white")
    ax1.set_ylabel("Portfolio Value", fontsize=11)
    ax1.legend(loc="upper left")
    ax1.grid(True, alpha=0.3)

    ax2.fill_between(equity.index, drawdown, 0, color="#ff4444", alpha=0.5)
    ax2.set_ylabel("Drawdown", fontsize=11)
    ax2.set_xlabel("Date", fontsize=11)
    ax2.grid(True, alpha=0.3)

    fig.tight_layout()
    return fig

---

リターン分布

from scipy import stats

def plot_return_distribution(returns: pd.Series) -> plt.Figure:
    """Histogram of returns with normal fit and risk metrics."""
    fig, ax = plt.subplots(figsize=(10, 6))

    ax.hist(returns, bins=50, density=True, alpha=0.7,
            color="#4488ff", edgecolor="#333333")

    # Normal fit overlay
    mu, sigma = returns.mean(), returns.std()
    x = np.linspace(returns.min(), returns.max(), 200)
    ax.plot(x, stats.norm.pdf(x, mu, sigma), color="#ffaa00",
            linewidth=2, label=f"Normal(μ={mu:.4f}, σ={sigma:.4f})")

    # VaR line
    var_95 = returns.quantile(0.05)
    ax.axvline(var_95, color="#ff4444", linestyle="--",
               label=f"VaR 95%: {var_95:.4f}")

    ax.set_title("Return Distribution", fontsize=14, fontweight="bold")
    ax.set_xlabel("Return", fontsize=11)
    ax.legend()
    ax.grid(True, alpha=0.3)
    fig.tight_layout()
    return fig

---

相関ヒートマップ

def plot_correlation_heatmap(returns_df: pd.DataFrame) -> plt.Figure:
    """Correlation matrix heatmap with annotations."""
    corr = returns_df.corr()
    fig, ax = plt.subplots(figsize=(10, 8))
    im = ax.imshow(corr, cmap="RdYlGn", vmin=-1, vmax=1, aspect="auto")

    ax.set_xticks(range(len(corr.columns)))
    ax.set_yticks(range(len(corr.columns)))
    ax.set_xticklabels(corr.columns, rotation=45, ha="right")
    ax.set_yticklabels(corr.columns)

    for i in range(len(corr)):
        for j in range(len(corr)):
            ax.text(j, i, f"{corr.iloc[i, j]:.2f}",
                    ha="center", va="center", fontsize=9,
                    color="black" if abs(corr.iloc[i, j]) < 0.5 else "white")

    fig.colorbar(im, ax=ax, shrink=0.8)
    ax.set_title("Correlation Matrix", fontsize=14, fontweight="bold")
    fig.tight_layout()
    return fig

---

価格チャート上のトレードマーカー

def plot_trades_on_price(
    price: pd.Series,
    entries: pd.DataFrame,  # columns: date, price, side
    exits: pd.DataFrame,    # columns: date, price, pnl
) -> plt.Figure:
    """Price chart with entry/exit markers."""
    fig, ax = plt.subplots(figsize=(14, 7))
    ax.plot(price.index, price, color="#aaaaaa", linewidth=1)

    # Entry markers
    buy_mask = entries["side"] == "long"
    ax.scatter(entries.loc[buy_mask, "date"], entries.loc[buy_mask, "price"],
               marker="^", color="#00ff88", s=100, zorder=5, label="Buy")
    ax.scatter(entries.loc[~buy_mask, "date"], entries.loc[~buy_mask, "price"],
               marker="v", color="#ff4444", s=100, zorder=5, label="Short")

    # Exit markers
    win_mask = exits["pnl"] > 0
    ax.scatter(exits.loc[win_mask, "date"], exits.loc[win_mask, "price"],
               marker="x", color="#00ff88", s=80, zorder=5)
    ax.scatter(exits.loc[~win_mask, "date"], exits.loc[~win_mask, "price"],
               marker="x", color="#ff4444", s=80, zorder=5)

    ax.set_title("Trades on Price", fontsize=14, fontweight="bold")
    ax.legend()
    ax.grid(True, alpha=0.3)
    fig.tight_layout()
    return fig

---

出力形式

形式	方法	用途
PNG	fig.savefig("chart.png", dpi=150)	共有、埋め込み
SVG	fig.savefig("chart.svg")	編集、拡大縮小
HTML	fig.write_html("chart.html") (plotly)	インタラクティブな探索
インライン	plt.show()	Jupyterノートブック

ダーク背景で保存する

fig.savefig("chart.png", dpi=150, facecolor=fig.get_facecolor(),
            edgecolor="none", bbox_inches="tight")

---

他のスキルとの連携

スキル	連携方法
pandas-ta	指標を計算し、オーバーレイ用に addplot に渡します
vectorbt	可視化用にエクイティカーブと取引リストを抽出します
portfolio-analytics	シャープレシオ、ドローダウン、リターン指標をプロットします
risk-management	ポジション上限とエクスポージャーの推移を可視化します
position-sizing	ポジションサイズと口座資産の推移をグラフ化します
regime-detection	検出された市場レジームに応じて背景色を変更します
correlation-analysis	リターンデータから相関ヒートマップを生成します

---

ファイル

リファレンス

• references/chart_recipes.md — よく使われる6種類のチャートのコードレシピ一式
• references/styling_guide.md — ダークテーマの設定、色、タイポグラフィ、レイアウト、エクスポート設定

スクリプト

• scripts/chart_generator.py — 合成データから4種類のチャート（ローソク足、エクイティ、リターン、取引）を生成します
• scripts/performance_report.py — 概要統計付きの複数チャートによるパフォーマンスレポート