Marche aléatoire II

Dans la dernière vidéo, vous avez aussi vu comment créer une marche aléatoire de rendements en échantillonnant des rendements réels, et comment utiliser cet échantillon aléatoire pour générer une trajectoire de prix boursiers aléatoire.

Dans cet exercice, vous allez construire une marche aléatoire à partir des rendements historiques de l'action Facebook depuis son PAPE jusqu'à la fin du 31 mai 2017. Vous simulerez ensuite une autre trajectoire de prix aléatoire dans l'exercice suivant.

Cette activité fait partie du cours

Manipuler des séries chronologiques en Python

Voir le cours

Instructions de l’exercice

Nous avons déjà importé pandas sous le nom pd, choice et seed de numpy.random, seaborn sous le nom sns, et matplotlib.pyplot sous le nom plt. Nous avons aussi importé la série de prix de l'action FB depuis son PAPE en mai 2012 dans la variable fb. Inspectez-la avec .head().

Définissez la graine aléatoire à 42.
Appliquez .pct_change() pour calculer les rendements quotidiens de Facebook, supprimez les valeurs manquantes et assignez le résultat à daily_returns.
Créez une variable n_obs qui contient le .count() des daily_returns de Facebook.
Utilisez choice() pour sélectionner aléatoirement n_obs échantillons de daily_returns, et assignez le résultat à random_walk.
Convertissez random_walk en pd.Series et réassignez-le à lui-même.
Utilisez sns.distplot() pour tracer la distribution de random_walk.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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

Modifier et exécuter le code