第一章問題

[04030403]

作者大大您好，我實作第一章的時候，一個因子會輸出一張空白圖檔，一張文字圖片重疊的圖檔，請問可以從哪裡調整，問題何在?程式碼都與您範例相同，我只有修改讀取檔案路徑

[arleigh418]

您好,
推測應該是因為資訊太多，輸出圖片會有點奇怪。
因此您可以考慮輸出成 pdf ，或者是有一位讀者 陳子揚，有分享的方式，可以將圖變成一張一張的去輸出 。
下面提供範本，或者是您也可以問 chatgpt 或其他 llm 方法：
使用 pyfolio 產生報告，太多資訊擠在同一張圖，請協助切分圖片
類似這樣的 prompt 應該也可以得到答案

[arleigh418]

`# -*- coding: utf-8 -*-
# 把 create_full_tear_sheet 的內容拆成多張圖：
# Returns（多張）+ Information（每個子圖各存一張）+ Turnover（每個子圖各存一張）
# 兼容不同 Alphalens 版本，並修正：空白 FULL、負號過粗、標題被裁掉等問題。

import os
os.environ["MPLBACKEND"] = "Agg"  # 無 GUI 後端

import inspect
import matplotlib.pyplot as plt
from matplotlib.transforms import Bbox

plt.ioff()

from alphalens.utils import get_clean_factor_and_forward_returns, rate_of_return
from alphalens import performance as perf
from alphalens import plotting as al_plot
from alphalens.tears import create_information_tear_sheet, create_turnover_tear_sheet

import stockmodule as chap1_utils  # 你現有的模組：登入/選股/抓價/抓因子

# ===== 參數（依你的設定）=====
ANALYSIS_START = "2017-05-16"
ANALYSIS_END   = "2021-05-15"
FACTOR_NAME    = "營業利益"
UNIT_DIVISOR   = 1          # 若要把「千元→億元」，改為 1e5
OUTDIR         = "alphalens_plots_split"
os.makedirs(OUTDIR, exist_ok=True)

# ===== 全域繪圖設定（修正負號過粗、標題裁切等）=====
plt.rcParams["figure.figsize"] = (9, 5)
plt.rcParams["font.size"] = 9
plt.rcParams["xtick.labelsize"] = 9
plt.rcParams["ytick.labelsize"] = 9
plt.rcParams["axes.unicode_minus"] = False  # 用一般 '-'，避免 Unicode 負號太粗

# ===== 小工具 =====
def _normalize_period_label(col):
    """把 period 標籤標準化成 '1D' 這種形式。"""
    if isinstance(col, int):
        return f"{col}D"
    s = str(col).upper()
    return s if s.endswith("D") else f"{s}D"

def to_rate_of_return(df):
    """把每個 period 欄位轉成 rate_of_return（新版需傳 base_period）。"""
    out = df.copy()
    for col in out.columns:
        p = _normalize_period_label(col)
        try:
            out[col] = rate_of_return(out[col], base_period=p)  # 新簽名
        except TypeError:
            out[col] = rate_of_return(out[col], p)              # 舊簽名相容
    return out

def save_new_figs(name_base: str) -> int:
    """一般情境：前後取差集，把新 Figures 各自存一張。"""
    before = set(plt.get_fignums())
    def finalize():
        plt.pause(0.05)
        after = set(plt.get_fignums())
        new_ids = sorted(after - before)
        if not new_ids:
            fig = plt.gcf()
            fig.savefig(os.path.join(OUTDIR, f"{name_base}.png"), dpi=300, bbox_inches="tight")
            plt.close(fig)
            return 1
        cnt = 0
        for i, fno in enumerate(new_ids, 1):
            fig = plt.figure(fno)
            fig.savefig(os.path.join(OUTDIR, f"{name_base}_{i}.png"), dpi=300, bbox_inches="tight")
            plt.close(fig)
            cnt += 1
        return cnt
    return finalize

def capture_tears_and_split_axes(prefix, func, *args, **kwargs):
    """
    給會在內部 close()/show() 的 tear sheets 用：
    - 暫停 plt.close/show，避免圖被關掉
    - 只對「有子圖」的 Figure 存 FULL（避免空白 FULL）
    - 每個 axes 另外裁切存檔，並加 padding 以免標題/負號被裁掉
    """
    sig = inspect.signature(func)
    allowed = {k: v for k, v in kwargs.items() if k in sig.parameters}

    before = set(plt.get_fignums())
    old_close, old_show = plt.close, plt.show
    plt.close = lambda *a, **k: None
    plt.show  = lambda *a, **k: None
    try:
        func(*args, **allowed)
        plt.pause(0.1)

        after = set(plt.get_fignums())
        new_ids = sorted(after - before)
        saved = 0

        for idx, fno in enumerate(new_ids, 1):
            fig = plt.figure(fno)
            fig.canvas.draw()  # 必須先 draw 才能取得正確 bbox
            renderer = fig.canvas.get_renderer()

            # 只有真的有子圖才存 FULL，避免空白 FULL
            if len(fig.axes) > 0:
                full_path = os.path.join(OUTDIR, f"{prefix}_{idx}_FULL.png")
                fig.savefig(full_path, dpi=300, bbox_inches="tight")
                saved += 1

            # 每個 axes 各自裁切（上緣加大 padding，避免標題被吃掉）
            base_pad = max(24, plt.rcParams["font.size"] * 2.0)  # points
            pad_top  = base_pad * 1.6
            pad_side = base_pad
            pad_bot  = base_pad

            for j, ax in enumerate(fig.axes, 1):
                bbox = ax.get_tightbbox(renderer)
                bbox = Bbox.from_extents(
                    bbox.x0 - pad_side, bbox.y0 - pad_bot,
                    bbox.x1 + pad_side, bbox.y1 + pad_top
                )
                bbox_inches = bbox.transformed(fig.dpi_scale_trans.inverted())
                path = os.path.join(OUTDIR, f"{prefix}_{idx}_ax{j}.png")
                fig.savefig(path, dpi=300, bbox_inches=bbox_inches)
                saved += 1

        # 關掉剛新增的 Figures
        for fno in new_ids:
            old_close(plt.figure(fno))

        return saved
    finally:
        plt.close, plt.show = old_close, old_show

# ===== 主流程 =====
def main():
    # 1) 登入 / 取資料（沿用你的流程）
    chap1_utils.finlab_login()

    top_stocks = chap1_utils.get_top_stocks_by_market_value(
        excluded_industry=["金融業", "金融保險業", "存託憑證", "建材營造"],
        pre_list_date="2017-01-03",
    )

    prices = chap1_utils.get_daily_close_prices_data(
        stock_symbols=top_stocks,
        start_date=ANALYSIS_START,
        end_date=ANALYSIS_END,
    )

    factor_df = chap1_utils.get_factor_data(
        stock_symbols=top_stocks,
        factor_name=FACTOR_NAME,
        trading_days=sorted(list(prices.index)),
    ).dropna()

    if UNIT_DIVISOR != 1:
        factor_df = factor_df.copy()
        factor_df["value"] = factor_df["value"] / UNIT_DIVISOR

    factor_series = factor_df["value"].copy()
    factor_series.name = "factor"

    al_data = get_clean_factor_and_forward_returns(
        factor=factor_series, prices=prices, quantiles=5
    )

    # 2) Returns：與 full tear sheet 同內容，但逐張輸出
    mean_by_q_daily, std_by_q_daily = perf.mean_return_by_quantile(al_data, by_date=True)
    mean_by_q_overall, _           = perf.mean_return_by_quantile(al_data, by_date=False)

    mean_by_q_daily_ror   = to_rate_of_return(mean_by_q_daily)
    mean_by_q_overall_ror = to_rate_of_return(mean_by_q_overall)

    # (R1) Bar：Mean Period Wise Return By Factor Quantile
    fz = save_new_figs("01_mean_return_by_quantile")
    al_plot.plot_quantile_returns_bar(mean_by_q_overall_ror); fz()

    # (R2) Violin：Period Wise Return By Factor Quantile
    fz = save_new_figs("02_returns_violin")
    al_plot.plot_quantile_returns_violin(mean_by_q_daily_ror); fz()

    # (R3) Cumulative Return by Quantile（1D）
    fz = save_new_figs("03_cumret_by_quantile_1D")
    al_plot.plot_cumulative_returns_by_quantile(mean_by_q_daily, period="1D"); fz()

    # (R4) 因子加權 Long/Short 累積報酬（1D）
    fz = save_new_figs("04_factor_weighted_longshort_cumret_1D")
    ls_factor_returns = perf.factor_returns(al_data)  # 欄位通常含 '1D','5D','10D'
    al_plot.plot_cumulative_returns(ls_factor_returns["1D"], period="1D"); fz()

    # (R5) Top − Bottom quantile Mean Return 時序（1D/5D/10D 各一張）
    upper_q = int(al_data["factor_quantile"].max())
    lower_q = int(al_data["factor_quantile"].min())
    quant_spread, std_spread = perf.compute_mean_returns_spread(
        mean_by_q_daily_ror, upper_quant=upper_q, lower_quant=lower_q, std_err=std_by_q_daily
    )
    for col in mean_by_q_overall_ror.columns:  # 例如 '1D','5D','10D'
        period = _normalize_period_label(col)
        fz = save_new_figs(f"05_spread_timeseries_{period}")
        series = quant_spread[col] if hasattr(quant_spread, "__getitem__") else quant_spread
        stderr = std_spread[col]   if hasattr(std_spread, "__getitem__")   else None
        al_plot.plot_mean_quantile_returns_spread_time_series(series, std_err=stderr); fz()

    # 3) Information：官方 tear sheet + 每個子圖各自另存
    capture_tears_and_split_axes(
        prefix="06_information",
        func=create_information_tear_sheet,
        factor_data=al_data,
        set_context=False,      # 安全參數；其他參數視版本自動忽略
        group_neutral=False
    )

    # 4) Turnover：同理
    capture_tears_and_split_axes(
        prefix="07_turnover",
        func=create_turnover_tear_sheet,
        factor_data=al_data,
        set_context=False
    )

    print(f"[DONE] 圖片已輸出在資料夾：{OUTDIR}")

if __name__ == "__main__":
    main()