Eine Random-Walk-Simulation

Stochastische bzw. zufällige Bewegungen werden in der Physik genutzt, um Partikel- und Strömungsbewegungen zu beschreiben, in der Mathematik für fraktales Verhalten und in der Finanzwelt für Kursbewegungen an den Märkten.

Verwende die Funktion np.random.normal(), um Random-Walk-Bewegungen des USO Oil ETF mit einer konstanten durchschnittlichen Tagesrendite (mu) und einer durchschnittlichen täglichen Volatilität (vol) über T Handelstage zu modellieren.

Diese Übung ist Teil des Kurses

Einführung in das Portfoliorisikomanagement mit Python

Kurs anzeigen

Anleitung zur Übung

Setze die Anzahl der simulierten Tage (T) auf 252 und den Anfangskurs (S0) auf 10.
Berechne T normalverteilte Zufallswerte mit np.random.normal(); übergib mu, vol und T als Parameter, addiere anschließend 1 zu den Werten und weise das Ergebnis rand_rets zu.
Berechne den Random Walk, indem du rand_rets.cumprod() mit dem Anfangskurs multiplizierst, und weise das Ergebnis forecasted_values zu.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Set the simulation parameters
mu = np.mean(StockReturns)
vol = np.std(StockReturns)
T = ____
S0 = ____

# Add one to the random returns
rand_rets = ____ + 1

# Forecasted random walk
forecasted_values = ____

# Plot the random walk
plt.plot(range(0, T), forecasted_values)
plt.show()

Code bearbeiten und ausführen