Une simulation de marche aléatoire

Les mouvements stochastiques ou aléatoires sont utilisés en physique pour représenter les mouvements des particules et des fluides, en mathématiques pour décrire les comportements fractals, et en finance pour décrire les mouvements boursiers.

Utilisez la fonction np.random.normal() pour modéliser la marche aléatoire de l'ETF pétrolier USO avec un rendement moyen quotidien constant (mu) et une volatilité moyenne quotidienne (vol) sur T jours de bourse.

Cet exercice fait partie du cours

Introduction à la gestion du risque de portefeuille en Python

Afficher le cours

Instructions

Définissez le nombre de jours simulés (T) à 252 et le cours initial (S0) à 10.
Calculez T valeurs normales aléatoires à l'aide de np.random.normal() en passant mu, vol et T comme paramètres, puis ajoutez 1 aux valeurs et affectez le résultat à rand_rets.
Calculez la marche aléatoire en multipliant rand_rets.cumprod() par le cours initial et affectez le résultat à forecasted_values.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Set the simulation parameters
mu = np.mean(StockReturns)
vol = np.std(StockReturns)
T = ____
S0 = ____

# Add one to the random returns
rand_rets = ____ + 1

# Forecasted random walk
forecasted_values = ____

# Plot the random walk
plt.plot(range(0, T), forecasted_values)
plt.show()

Modifier et exécuter le code