Eine interaktive Anwendung zur Visualisierung und Analyse von Zeitreihen-Finanzdaten mit Unterstützung für mehrere Zeiteinheiten und zukünftiger Live-Daten-Integration.

++ Quelle: Bild mit Microsoft Ki-Bildgenerator ++

• Übersicht
• Funktionen
• Installation
  • Voraussetzungen
  • Setup mit virtueller Umgebung
  • Manuelle Installation
  • Hinweis zu tkinter
• Verwendung
• Datenformat
  • Eingabedaten (CSV)
  • Datenstruktur
• UI-Komponenten
  • Hauptfenster
  • Steuerungspanel
  • Zeiteinheiten-Panel
  • Chart-Bereich
  • Statusleiste
• Farbschemata
• Live-Daten-Integration
• Projektstruktur
• Entwicklungsplan
• Fehlerbehebung und FAQ
• Ablaufvorschau

Diese App ermöglicht die Visualisierung von Finanz-Zeitreihen (M1 bis M30) in einem interaktiven Liniendiagramm. Daten werden aus tab-getrennten CSV-Dateien eingelesen, transformiert und in einem konfigurierbaren Cache gespeichert. Mit der optionalen Live-Daten-Funktionalität können auch Echtzeit-Updates angezeigt werden.

• Visualisierung mehrerer Zeiteinheiten: Gleichzeitige Darstellung von M1, M2, M3, M4, M5, M6, M10, M12, M15, M20 und M30 (weitere sollten möglich sein) Zeitreihen in einem Chart
• Interaktive Charts: Zoomen, Schwenken und Hover-Informationen mittels Plotly
• Flexible Datumsfilterung: Auswahl beliebiger Zeiträume innerhalb der Datenverfügbarkeit
• Anpassbare Farbschemata: Drei vordefinierte Farbschemata zur visuellen Unterscheidung der Zeitreihen
• Intelligentes Caching: Speicherung transformierter Daten mit automatischer Bereinigung
• Live-Daten-Option: Erweiterbarkeit für Echtzeit-Datenstreams aus verschiedenen Quellen
• Exportfunktionen: Export der Diagramme als Bild oder interaktives HTML

• Python 3.8 oder höher
• Betriebssystem: Windows, macOS oder Linux

Die einfachste Methode zur Installation ist die Verwendung unseres Setup-Skripts, das automatisch eine virtuelle Umgebung erstellt und alle Abhängigkeiten installiert:

1. Klonen oder laden Sie das Repository herunter
2. Öffnen Sie ein Terminal/Kommandozeile im Projektverzeichnis
3. Führen Sie folgenden Befehl aus:
4. Unter Window starten Sie die setup.bat Datei für eine automatische Installation

python setup/app_setup_environment.py

5. Nach Abschluss der Installation können Sie die Anwendung mit einem der generierten Startskripte starten:

• Windows: Doppelklick auf start_app.bat oder im Terminal: start_app.bat
• macOS/Linux: Im Terminal: ./start_app.sh

Falls Sie die Abhängigkeiten manuell installieren möchten:

pip install -r setup/requirements.txt

oder:

python setup/app_install_dependencies.py

Danach können Sie die Anwendung direkt starten:

python StartApplication.py

Diese Anwendung verwendet tkinter, das Standard-GUI-Toolkit für Python. Tkinter ist normalerweise Teil der Python-Standardinstallation, in einigen Fällen muss es jedoch separat installiert werden.

Wenn Sie eine Fehlermeldung wie ModuleNotFoundError: No module named 'tkinter' erhalten, müssen Sie tkinter für Ihr Betriebssystem installieren:

Windows
Auf Windows ist tkinter normalerweise in der Standard-Python-Installation enthalten. Wenn es fehlt:

1. Deinstallieren Sie Python
2. Laden Sie Python erneut herunter und installieren Sie es
3. Stellen Sie sicher, dass Sie während der Installation "Alle Optionalen Features" auswählen

Ubuntu/Debian Linux

sudo apt-get update
sudo apt-get install python3-tk

Fedora Linux

sudo dnf install python3-tkinter

macOS mit Homebrew

brew install python-tk

Um zu prüfen, ob tkinter korrekt installiert ist, führen Sie in Ihrer Kommandozeile aus:

python -c "import tkinter; tkinter._test()"

Nach dem Start der Anwendung:

1. Laden Sie über den Datei-Upload ihre Zeitreihen-Daten hoch - Schema weiter unten beachten
2. Setzen Sie nach dem Upload Ihrer Daten den gewünschten Zeitraum mit dem Datumsfilter
3. Aktivieren Sie die Zeiteinheiten, die Sie visualisieren möchten (M1-M30)
4. Wählen Sie ein Farbschema über den Button Einstellungen für Ihre persönliche Darstellung
5. Nutzen Sie die interaktiven Funktionen des Charts wird im Browser angezeigt (Zoomen, Schwenken, Hover)
6. Bei Bedarf exportieren Sie das Diagramm als Bild oder HTML

Die App verarbeitet tab-getrennte CSV-Dateien mit folgendem Namensformat: Symbol_Zeiteinheit_Startdatum_Enddatum.csv

Beispiel-Dateiname: DE40_M1_202410010102_202503272358.csv

• Symbol: DE40 (Deutscher Aktienindex)
• Zeiteinheit: M1 (1-Minuten-Intervall)
• Startdatum/-zeit: 2024-10-01 01:02
• Enddatum/-zeit: 2025-03-27 23:58

• DATE: Datumsinformation
• TIME: Zeitinformation
• OPEN: Eröffnungskurs
• HIGH: Höchstkurs im Intervall
• LOW: Tiefstkurs im Intervall
• CLOSE: Schlusskurs
• TICKVOL: Tick-Volumen
• VOL: Handelsvolumen
• SPREAD: Spread

• date: Datum (entspricht DATE)
• time: Zeit (entspricht TIME)
• open: Eröffnungskurs
• high: Höchstkurs
• low: Tiefstkurs
• close: Schlusskurs
• direction: Richtungsindikator (buy=grün, sell=rot)
  • Berechnet aus Vergleich von 'open' und 'close'
  • buy (grün): wenn close > open
  • sell (rot): wenn close < open
• daytime: Kombiniertes Datums-/Zeitfeld aus DATE und TIME

• Größe: 1200x800 Pixel (skalierbar)
• Können Sie über die Einstellungen anpassen
• Layout: Grid-System

• Dateiauswahl-Upload
• Datumsauswahl mit Zeitfiltern
• Einstellungen für den Importvorgang und die Farben

• Checkboxen für M1, M2, M3, M4, M5, M6, M10, M12, M15, M20, M30 Zeiteinheiten
• Farblich kodierte Labels
• Auswahl/Abwahl-alle Optionen

• Anzeige der erstellten Charts zum Öffnen über den Browser
• Dynamische Legende über die erstellten Charts

Die App bietet drei verschiedene Farbschemata zur klaren Unterscheidung der Zeitreihen:

• M1: Dunkelrot (#8B0000)
• M2: Rotbraun (#A52A2A)
• M3: Lachsrot (#CD5C5C)
• M4: Rot (#FF0000)
• M5: Orange-Rot (#FF4500)
• M6: Tomatenrot (#FF6347)
• M10: Orange (#FFA500)
• M12: Goldgelb (#FFD700)
• M15: Grün (#00A000)
• M20: Blau (#0000FF)
• M30: Violett (#800080)

• M1: Hellstes Blau (#E6F3FF)
• M2: Sehr helles Blau (#CCE7FF)
• M3: Helles Blau (#B3DBFF)
• M4: Mittleres helles Blau (#99CFFF)
• M5: Mittleres Blau (#80C3FF)
• M6: Kräftiges Blau (#66B7FF)
• M10: Königsblau (#4169E1)
• M12: Dunkelblau (#0000CD)
• M15: Hellgrün (#90EE90)
• M20: Mittelgrün (#2E8B57)
• M30: Dunkelgrün (#006400)

• M1: Sehr helles Türkis (#E0FFFF)
• M2: Helles Türkis (#AFEEEE)
• M3: Mittleres Türkis (#40E0D0)
• M4: Türkis (#00CED1)
• M5: Mitteldunkles Türkis (#20B2AA)
• M6: Dunkles Türkis (#008B8B)
• M10: Koralle (#FF7F50)
• M12: Tomatenrot (#FF6347)
• M15: Karmesinrot (#DC143C)
• M20: Indischrot (#CD5C5C)
• M30: Burgunderrot (#800000)

Die Farbschemata sind in der Datei resources/color_schemes.json definiert und können bei Bedarf angepasst werden.

Die App unterstützt die Integration von Live-Daten, wodurch Echtzeit-Updates zu den visualisierten Zeitreihen möglich sind.

• Lokaler Datei-Watcher
• Websocket-Verbindung zukünftige Entwicklung
• REST API-Polling zukünftige Entwicklung

• Verbindungstyp
• Aktualisierungsrate (1s, 5s, 10s, 30s, 60s) zukünftige Entwicklung
• Quellspezifische Einstellungen zukünftige Entwicklung

• Statistische Daten
• Live-Daten zukünftige Entwicklung
• Automatisches Scrolling für neueste Daten - (Dateiwatcher als erste Entwicklungsstufe)

Für eine effiziente Datenverarbeitung implementiert die App ein intelligentes Cache-System:

Für jede CSV-Datei wird eine entsprechende JSON-Metadatendatei erstellt:

{
  "filename": "DE40_M1_202410010102_202503272358.csv",
  "symbol": "DE40",
  "timeframe": "M1",
  "start_datetime": "2024-10-01T01:02:00",
  "end_datetime": "2025-03-27T23:58:00",
  "last_accessed": "2023-11-20T15:30:00",
  "cache_expiry": "2023-12-20T15:30:00",
  "stats": {
    "min_value": 15678.5,
    "max_value": 16982.3,
    "avg_value": 16245.7,
    "buy_count": 3542,
    "sell_count": 3245
  },
  "color_settings": {
    "line_color": "#FF0000",
    "scheme_name": "spectrum"
  }
}

zeitreihen-app/
├── README.md                         # Diese Dokumentation
├── StartApplication.py               # Hauptanwendungsdatei
├── start_app.bat                     # Startskript für Windows (generiert)
├── start_app.sh                      # Startskript für macOS/Linux (generiert)
├── config/
│   ├── metaplot.json                 # Speicherung der Plotdaten
│   └── config.json                   # Allgemeine App-Einstellungen
├── modules/
│   ├── ConfigWindow.py               # CSV-Einlesung, Caching, Datentransformation
│   ├── DataImporter.py               # Verarbeitung der CSV-Dateien
│   ├── MetadataManager.py            # Handling von spezifischen Metadaten
│   ├── PlotChartline.py              # Plotly-Integration, Chart-Erstellung
│   └── UIComponents.py               # Tkinter-UI-Komponenten
├── setup/
│   ├── app_install_dependencies.py   # Hilfsskript zur Installation von Abhängigkeiten
│   ├── app_setup_environment.py      # Einrichtungsskript (virtuelle Umgebung)
│   └── requirements.txt              # Abhängigkeiten
├── cache/
│   ├── data/                         # Gespeicherte CSV-Dateien
│   └── meta/                         # Metadaten-JSON-Dateien
└── resources/
    └── color_schemes.json            # Vordefinierte Farbschemata

• Projektstruktur aufsetzen
• Daten-Einlesungs-Funktionen implementieren (CSV-Einlesung, Caching)
• Bestenfalls Ordner auswahl und Liste der CSV Dateien verarbeiten (Batch)
• Basis-UI mit Tkinter erstellen

• Plotly-Visualisierungsmodul implementieren
• Integration in Tkinter-Oberfläche
• Interaktivität und Farbschemata

• Datenverarbeitungs-Pipeline implementieren
• Datumsfilterung und -auswahl
• Cache-Management

• Live-Daten-Handler-Modul implementieren
• Verbindungseinstellungen-Dialog
• Integration in die Hauptanwendung

• Fehlerbehandlung und Robustheit
• Performance-Optimierungen
• Benutzerfreundlichkeit und Dokumentation

F: Die Anwendung startet nicht und zeigt einen ImportError
A: Stellen Sie sicher, dass alle Abhängigkeiten korrekt installiert sind. Führen Sie python setup/app_install_dependencies.py aus oder verwenden Sie das Setup-Skript erneut.

F: Die Charts werden nicht angezeigt
A: Prüfen Sie, ob die ausgewählte CSV-Datei dem erwarteten Format entspricht und gültige Daten enthält.

F: Änderungen der Farbschemata werden nicht angewendet
A: Nachdem Sie Änderungen an resources/color_schemes.json vorgenommen haben, starten Sie die Anwendung neu.

F: Das Setup-Skript schlägt fehl
A: Stellen Sie sicher, dass Sie Python 3.8 oder höher installiert haben und ausreichende Berechtigungen für die Installation besitzen.

F: Wie aktiviere ich die virtuelle Umgebung manuell?
A:

• Windows: zeitreihen_venv\Scripts\activate
• macOS/Linux: source zeitreihen_venv/bin/activate

F: Meine CSV-Dateien werden nicht erkannt
A: Überprüfen Sie, ob der Dateiname dem Format Symbol_Zeiteinheit_Startdatum_Enddatum.csv entspricht und die Datei tab-getrennt ist.

F: Wie erstelle ich kompatible CSV-Dateien?
A: Stellen Sie sicher, dass Ihre Datei mindestens die Spalten DATE, TIME, OPEN, HIGH, LOW, CLOSE enthält und tab-getrennt ist.

F: Die Anwendung wird bei großen Datensätzen langsam
A:

• Reduzieren Sie den ausgewählten Zeitraum
• Deaktivieren Sie nicht benötigte Zeiteinheiten
• Stellen Sie sicher, dass die optionalen Leistungs-Abhängigkeiten (orjson, pyarrow) installiert sind

Hinweis: Dieses Projekt wird aktiv weiterentwickelt. Bei Fragen oder Problemen erstellen Sie bitte ein Issue im Repository oder kontaktieren Sie das Entwicklungsteam.