Plotly 応用 — リターン分布・相関行列・ドローダウンの可視化 | 生成AIxPythonで始める株式分析|Python×J-Quants

定量分析の結果は「チャートで触れる」状態になると、数字だけ眺めるよりも理解が深まります。本記事はリターン分布のヒストグラム、相関行列のヒートマップ、ドローダウンの面チャートを Plotly で作る実例集です。

サンプルデータ

5 銘柄の日次終値を持つ CSV を想定します。

Date,Code,C
2025-01-06,7203,2840
2025-01-06,9984,8210
...

ロング形式から、リターンと相関の計算用にワイド形式に変換します。

1
import pandas as pd
2

3
prices = pd.read_csv("prices.csv", parse_dates=["Date"])
4
wide = prices.pivot(index="Date", columns="Code", values="C").sort_index()
5
returns = wide.pct_change().dropna()

検証バージョン: Python 3.12.5 / pandas 2.2.3 / numpy 2.0 / plotly 5.20

1. リターン分布のヒストグラム

リターンの形(分布の歪み・裾の厚み)を見るには重ね合わせヒストグラムが向きます。

1
import plotly.graph_objects as go
2

3
fig = go.Figure()
4
for code in returns.columns:
5
    fig.add_trace(go.Histogram(
6
        x=returns[code] * 100,
7
        name=str(code),
8
        opacity=0.55,
9
        nbinsx=60,
10
    ))
11
fig.update_layout(
12
    barmode="overlay",                # 重ねる
13
    title="Daily return distribution (%)",
14
    xaxis_title="Daily return (%)",
15
    yaxis_title="Frequency",
16
    template="plotly_white",
17
)
18
fig.write_html("returns_hist.html")

barmode="overlay" で重ねる
opacity=0.55 で奥側のバーも見える
nbinsx はサンプル数に応じて 30 〜 80 程度

平均がほぼ 0 で対称、しかし裾が厚い、というリターンの典型的な形が観察しやすくなります。

2. 相関行列のヒートマップ

複数銘柄の相関を見るときはヒートマップが定番です。

1
import plotly.graph_objects as go
2

3
corr = returns.corr().round(3)
4

5
fig = go.Figure(go.Heatmap(
6
    z=corr.values,
7
    x=corr.columns.astype(str),
8
    y=corr.index.astype(str),
9
    zmin=-1, zmax=1,
10
    colorscale="RdBu",
11
    reversescale=True,
12
    colorbar=dict(title="ρ"),
13
    text=corr.values,
14
    texttemplate="%{text:.2f}",
15
    hovertemplate="x=%{x}<br>y=%{y}<br>corr=%{z:.3f}<extra></extra>",
16
))
17
fig.update_layout(
18
    title="Correlation matrix — daily returns",
19
    template="plotly_white",
20
)
21
fig.write_html("corr_heatmap.html")

zmin=-1, zmax=1 を必ず固定する。これを忘れるとデータごとに色が変わって比較できない
RdBu の色は中央が 0、両端が ±1。視認性が高い
texttemplate でセル内に数値を直接書ける

セル内に数値を表示するため、何銘柄並べても色だけで判断せずに済みます。

3. ドローダウンの面チャート

ドローダウンは「直近のピークからの下落率」を時系列で見る指標です。リターンの累積から計算できます。

\text{DD}_t = \frac{\text{eq}_t}{\max_{s \le t} \text{eq}_s} - 1

1
import plotly.graph_objects as go
2

3
equity = (1 + returns).cumprod()
4
peak = equity.cummax()
5
drawdown = (equity / peak - 1) * 100   # %
6

7
fig = go.Figure()
8
for code in drawdown.columns:
9
    fig.add_trace(go.Scatter(
10
        x=drawdown.index,
11
        y=drawdown[code],
12
        name=str(code),
13
        mode="lines",
14
        fill="tozeroy",                 # 0 ラインまで塗る
15
        opacity=0.4,
16
    ))
17
fig.update_layout(
18
    title="Drawdown — daily, %",
19
    yaxis_title="Drawdown (%)",
20
    template="plotly_white",
21
    hovermode="x unified",
22
)
23
fig.write_html("drawdown.html")

fill="tozeroy" で 0 ラインまで塗ると深さの感覚が掴みやすい
hovermode="x unified" で同じ日付の全銘柄を一括表示
単位は %(0.1 ではなく 10 と表示)が読みやすい

最大ドローダウンは数値で 1 度確認したうえで、面チャートで「どの局面で下げたか」を視覚的に確かめる、という二段構えが定番です。

4. リスク・リターン散布図(ホバー付き)

実践ケース記事で使ったような散布図も、Plotly ならホバーで銘柄名を出せます。

1
import numpy as np
2
import plotly.graph_objects as go
3

4
stats = pd.DataFrame({
5
    "ret_annual": returns.mean() * 252,
6
    "vol_annual": returns.std(ddof=1) * np.sqrt(252),
7
})
8
stats = stats.reset_index().rename(columns={"Code": "Code"})
9

10
fig = go.Figure(go.Scatter(
11
    x=stats["vol_annual"] * 100,
12
    y=stats["ret_annual"] * 100,
13
    mode="markers+text",
14
    text=stats["Code"].astype(str),
15
    textposition="top center",
16
    marker=dict(size=10),
17
    hovertemplate="code=%{text}<br>vol=%{x:.2f}%<br>ret=%{y:.2f}%<extra></extra>",
18
))
19
fig.update_layout(
20
    title="Annualized risk vs return",
21
    xaxis_title="Volatility (%)",
22
    yaxis_title="Return (%)",
23
    template="plotly_white",
24
)
25
fig.write_html("risk_return.html")

リスト中の銘柄名を点の上に直接書きつつ、ホバーで詳細値を出します。情報量と読みやすさのバランスが取れます。

落とし穴

対数 vs 単純リターン: ヒストグラムでは対数リターンの方が対称に見えやすい
計算窓のサイズ: 60 日 / 252 日 / 504 日で結果は大きく変わる。複数の窓で並行して見る
欠損データ: pivot 直後の wide には NaN が混じる。dropna() をどこで打つかで結果が変わる
相関の安定性: 短期間ではノイズで相関が変動する。期間を分けて 2 度計算して比較する
ヒストグラムのビン: ビン数を変えると形が変わる。固定したい場合は xbins=dict(start=..., end=..., size=...) を指定

生成AI へのプロンプト例

目的:
複数銘柄の日次リターン DataFrame を入力に、Plotly で次の 3 種類の図を作る関数を書く。

入力:
returns(行: 日付, 列: 銘柄コード, 値: 単純リターン)

要件:
- plot_returns_hist(returns) → 重ね合わせヒストグラム(opacity 0.55)
- plot_corr(returns) → ヒートマップ(zmin=-1, zmax=1, RdBu)
- plot_drawdown(returns) → 0 ラインまで塗りつぶした面チャート

制約:
- plotly 5.20 系
- 各関数は go.Figure を返す
- write_html はメイン側で行う
- xaxis/yaxis の単位は % で表示

まとめ

分布はヒストグラム、関係はヒートマップ、変化は面チャートで見せる
色のレンジ(zmin/zmax)は手で固定する。データ依存にしない
ホバー設定(hovertemplate、hovermode="x unified")で「触って探る」体験になる
ファイルは HTML 出力にして、ノートブックや Streamlit に流用する

目次