Marche aléatoire III

Dans cet exercice, vous allez terminer votre simulation de marche aléatoire à partir des rendements de l'action Facebook des cinq dernières années. Vous commencerez par un échantillon aléatoire de rendements comme celui généré à l'exercice précédent et vous l'utiliserez pour créer une trajectoire de prix boursier aléatoire.

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, ainsi que matplotlib.pyplot sous le nom plt. Nous avons chargé le prix de Facebook comme pd.DataFrame dans la variable fb et un échantillon aléatoire des rendements quotidiens de FB comme pd.Series dans la variable random_walk.

Sélectionnez le premier prix de Facebook en appliquant .first('D') à fb.price, et assignez-le à start.
Ajoutez 1 à random_walk et réaffectez-le à lui-même, puis utilisez .append() pour ajouter random_walk à start et assignez le tout à random_price.
Appliquez .cumprod() à random_price et réaffectez-le à lui-même.
Insérez random_price comme nouvelle colonne nommée random dans fb et tracez le résultat.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Select fb start price here
start = ____

# Add 1 to random walk and append to start
random_walk = ____
random_price = ____

# Calculate cumulative product here
random_price = ____

# Insert into fb and plot
fb['random'] = ____

Modifier et exécuter le code