Náhodná procházka II

V předchozím videu jsi viděl/a, jak vytvořit náhodnou procházku výnosů pomocí vzorkování ze skutečných výnosů a jak z tohoto náhodného vzorku sestavit náhodný průběh ceny akcie.

V tomto cvičení sestavíš náhodnou procházku na základě historických výnosů akcie Facebooku od IPO do konce 31. května 2017. V dalším cvičení pak nasimulujeme alternativní náhodný cenový průběh.

Toto cvičení je součástí kurzu

Manipulace s časovými řadami v Pythonu

Zobrazit kurz

Pokyny k cvičení

Knihovna pandas je již naimportována jako pd, z numpy.random jsou k dispozici choice a seed, seaborn je naimportován jako sns a matplotlib.pyplot jako plt. Datová řada ceny akcie FB od IPO v květnu 2012 je uložená v proměnné fb. Prohlédni si ji pomocí .head().

Nastav seed na hodnotu 42.
Pomocí .pct_change() vypočítej denní výnosy Facebooku, odstraň chybějící hodnoty a výsledek ulož do daily_returns.
Vytvoř proměnnou n_obs, která bude obsahovat počet záznamů z .count() pro daily_returns.
Pomocí choice() náhodně vyber n_obs vzorků z daily_returns a výsledek ulož do random_walk.
Převeď random_walk na pd.Series a přiřaď zpět do stejné proměnné.
Pomocí sns.distplot() vykresli distribuci random_walk.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Set seed here


# Calculate daily_returns here
daily_returns = ____

# Get n_obs
n_obs = ____

# Create random_walk
random_walk = ____

# Convert random_walk to pd.series
random_walk = ____

# Plot random_walk distribution

Upravit a spustit kód