Een random-walk-simulatie

Stochastische of willekeurige bewegingen worden in de natuurkunde gebruikt om de beweging van deeltjes en vloeistoffen te beschrijven, in de wiskunde om fractaal gedrag te modelleren, en in de financiële wereld om beursbewegingen te verklaren.

Gebruik de functie np.random.normal() om een random walk van de USO oil ETF te modelleren met een constante gemiddelde dagelijkse rendement (mu) en gemiddelde dagelijkse volatiliteit (vol) over T handelsdagen.

Deze oefening maakt deel uit van de cursus

Introductie tot portefeuillerisicobeheer in Python

Cursus bekijken

Oefeninstructies

Stel het aantal gesimuleerde dagen (T) in op 252 en de initiële aandelenkoers (S0) op 10.
Bereken T willekeurige normale waarden met np.random.normal() door mu, vol en T als parameters door te geven, tel vervolgens 1 bij de waarden op en ken dit toe aan rand_rets.
Bereken de random walk door rand_rets.cumprod() te vermenigvuldigen met de initiële aandelenkoers en ken dit toe aan forecasted_values.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# 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()

Code bewerken en uitvoeren