Random walk II
En el último vídeo también viste cómo crear un camino aleatorio de rendimientos muestreando a partir de rendimientos reales, y cómo usar esta muestra aleatoria para crear una trayectoria de precio de una acción.
En este ejercicio, construirás un camino aleatorio usando rendimientos históricos del precio de la acción de Facebook desde su salida a bolsa hasta el 31 de mayo de 2017. Después simularás una trayectoria alternativa de precios en el próximo ejercicio.
Este ejercicio forma parte del curso
Manipulación 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 precios de FB desde su salida a bolsa en mayo de 2012 como la variable fb. Inspecciónala usando .head().
- Fija la semilla a 42.
- Aplica
.pct_change()para generar los rendimientos diarios de Facebook, elimina los valores faltantes y asígnalo adaily_returns. - Crea una variable
n_obsque contenga el.count()de losdaily_returnsde Facebook. - Usa
choice()para seleccionar aleatoriamenten_obsmuestras dedaily_returnsy asígnalas arandom_walk. - Convierte
random_walka unpd.Seriesy reasígnalo a sí mismo. - Usa
sns.distplot()para representar la distribución derandom_walk.
Ejercicio interactivo práctico
Prueba este ejercicio y completa 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