Paseo aleatorio II
En el último vídeo, también has visto cómo crear un paseo aleatorio de rendimientos mediante el muestreo de rendimientos reales, y cómo utilizar esta muestra aleatoria para crear una trayectoria aleatoria del precio de las acciones.
En este ejercicio, construirás un paseo aleatorio utilizando los rendimientos históricos del precio de las acciones de Facebook desde IPO hasta finales del 31 de mayo de 2017. A continuación, simulará una trayectoria de precios aleatoria alternativa en el siguiente ejercicio.
Este ejercicio forma parte del curso
Manipulación de datos de series temporales en Python
Instrucciones del ejercicio
Ya hemos importado pandas como pd, choice y seed de numpy.random, seaborn como sns, y matplotlib.pyplot como plt. También hemos importado la serie de cotizaciones bursátiles FB desde IPO en mayo de 2012 como la variable fb. Inspeccione esto usando .head().
- Pon la semilla a 42.
- Aplique
.pct_change()para generar los rendimientos diarios de Facebook, elimine los valores perdidos y asígnelos adaily_returns. - Cree una variable
n_obsque contenga el.count()de Facebookdaily_returns. - Utilice
choice()para seleccionar aleatoriamenten_obsmuestras dedaily_returns, y asignarlas arandom_walk. - Convertir
random_walkenpd.Seriesy reasignarlo a sí mismo. - Utilice
sns.distplot()para trazar la distribución derandom_walk.
Ejercicio interactivo práctico
Prueba este ejercicio completando el código de muestra.
# 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