Les cours boursiers suivent-ils une marche aléatoire ?
La plupart des cours boursiers suivent une marche aléatoire (éventuellement avec dérive). Vous allez examiner une série temporelle des cours d’Amazon, déjà chargée dans le DataFrame AMZN, et exécuter le « test de Dickey-Fuller augmenté » depuis la bibliothèque statsmodels pour montrer qu’elle suit bien une marche aléatoire.
Avec le test ADF, « l’hypothèse nulle » (celle que l’on rejette ou non) est que la série suit une marche aléatoire. Par conséquent, une p-valeur faible (disons inférieure à 5 %) signifie que l’on peut rejeter l’hypothèse nulle selon laquelle la série est une marche aléatoire.
Cet exercice fait partie du cours
<cours>Analyse des séries temporelles en Python</cours>Instructions de l’exercice
- Importez le module
adfullerdepuis statsmodels. - Exécutez le test de Dickey-Fuller augmenté sur la série des cours de clôture, qui correspond à la colonne
'Adj Close'du DataFrameAMZN. - Affichez la sortie complète, qui inclut la statistique de test, la p-valeur et les valeurs critiques pour des seuils de 1 %, 10 % et 5 %.
- Affichez uniquement la p-valeur du test (
results[0]est la statistique de test, etresults[1]est la p-valeur).
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Import the adfuller module from statsmodels
from statsmodels.tsa.stattools import adfuller
# Run the ADF test on the price series and print out the results
results = adfuller(___)
print(results)
# Just print out the p-value
print('The p-value of the test on prices is: ' + str(results[___]))