드리프트 포함 랜덤 워크

이전 연습 문제에서는 랜덤 워크를 따르는 주가를 시뮬레이션했어요. 이번에는 두 가지를 확장해 보겠습니다.

드리프트가 있는 랜덤 워크를 살펴보겠습니다. 주가처럼 많은 시계열은 랜덤 워크이지만 시간이 지나면서 위로 조금씩 이동(드리프트)하는 경향이 있어요.
이전 연습 문제에서는 랜덤 워크의 잡음이 가법적이었어요. 즉, 무작위 정규 분포의 가격 변화가 이전 가격에 더해졌죠. 하지만 이렇게 더하면 이론적으로 가격이 음수가 될 수 있어요. 이제는 잡음을 곱셈형으로 바꿔 보겠습니다. 무작위 정규 분포의 변화를 총수익률이 되도록 1을 더한 뒤, 이를 이전 가격에 곱해요.

평균 0.1%, 표준편차 1%인 정규분포에서 500개의 곱셈형 "steps"(수익률)를 np.random.normal()로 생성하고, 총수익률을 얻기 위해 1을 더하세요.
주가 P를 시뮬레이션하세요:
- numpy의 .cumprod() 메서드로 steps의 누적곱을 구하세요.
- 총수익률의 누적곱에 100을 곱해 시작값이 100이 되도록 하세요.
드리프트가 있는 랜덤 워크를 그래프로 그리세요.