Marche aléatoire III

Dans cet exercice, vous allez terminer votre simulation de marche aléatoire à partir des rendements de l’action Facebook sur les cinq dernières années. Vous partirez d’un échantillon aléatoire de rendements similaire à celui généré dans l’exercice précédent et l’utiliserez pour créer une trajectoire de prix aléatoire.

Cet exercice fait partie du cours

Manipuler des séries temporelles en Python

Afficher le cours

Instructions

Nous avons déjà importé pandas sous le nom pd, choice et seed depuis numpy.random, ainsi que matplotlib.pyplot sous le nom plt. Nous avons chargé le prix de Facebook dans un pd.DataFrame nommé fb et un échantillon aléatoire de rendements quotidiens de FB dans un pd.Series nommé random_walk.

Sélectionnez le premier prix de Facebook en appliquant .first('D') à fb.price, et affectez le résultat à start.
Ajoutez 1 à random_walk et réaffectez-le à lui-même, puis utilisez .append() pour ajouter random_walk à start et affectez le résultat 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 affichez le graphique.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# 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