Random Walk II

Im letzten Video hast du gesehen, wie man einen Random Walk der Renditen erstellt, indem man aus tatsächlichen Renditen sampelt, und wie man dieses Zufallsstichprobe nutzt, um einen zufälligen Aktienpreispfad zu erzeugen.

In dieser Übung baust du einen Random Walk mit historischen Renditen der Facebook-Aktie seit dem IPO bis zum 31. Mai 2017. In der nächsten Übung simulierst du dann einen alternativen zufälligen Preispfad.

Diese Übung ist Teil des Kurses

Zeitreihen in Python bearbeiten

Kurs anzeigen

Anleitung zur Übung

Wir haben pandas als pd, choice und seed aus numpy.random, seaborn als sns sowie matplotlib.pyplot als plt bereits importiert. Außerdem haben wir die FB-Kursreihe seit dem IPO im Mai 2012 als Variable fb importiert. Schau sie dir mit .head() an.

Setze den Seed auf 42.
Wende .pct_change() an, um tägliche Facebook-Renditen zu erzeugen, entferne fehlende Werte und weise das Ergebnis daily_returns zu.
Erzeuge eine Variable n_obs, die die .count() der Facebook-daily_returns enthält.
Verwende choice(), um zufällig n_obs Stichproben aus daily_returns auszuwählen, und weise sie random_walk zu.
Konvertiere random_walk in eine pd.Series und weise sie wieder sich selbst zu.
Verwende sns.distplot(), um die Verteilung von random_walk zu plotten.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# 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

Code bearbeiten und ausführen