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

Fixez la graine aléatoire à 42.
Appliquez .pct_change() pour générer les rendements quotidiens de Facebook, supprimez les valeurs manquantes et affectez le résultat à daily_returns.
Créez une variable n_obs qui contient le .count() de daily_returns de Facebook.
Utilisez choice() pour sélectionner aléatoirement n_obs échantillons à partir de daily_returns, et affectez-les 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.

Relations entre séries temporelles : corrélation

Create Your Free Account