Błądzenie losowe II

W ostatnim filmie pokazaliśmy, jak tworzyć błądzenie losowe stóp zwrotu przez losowanie próbek z rzeczywistych zwrotów oraz jak na tej podstawie budować losową ścieżkę ceny akcji.

W tym ćwiczeniu zbudujesz błądzenie losowe na podstawie historycznych stóp zwrotu ceny akcji Facebooka – od dnia IPO do końca 31 maja 2017 roku. W kolejnym ćwiczeniu zasymulujemy alternatywną losową ścieżkę ceny.

To ćwiczenie jest częścią kursu

Manipulowanie danymi szeregów czasowych w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Zaimportowaliśmy już pandas jako pd, funkcje choice i seed z numpy.random, seaborn jako sns oraz matplotlib.pyplot jako plt. Wczytaliśmy też serię cen akcji FB od IPO w maju 2012 roku jako zmienną fb. Sprawdź jej zawartość za pomocą .head().

Ustaw ziarno losowości na 42.
Zastosuj .pct_change(), aby wyliczyć dzienne stopy zwrotu Facebooka, usuń brakujące wartości i przypisz wynik do daily_returns.
Utwórz zmienną n_obs zawierającą wynik .count() dla daily_returns.
Użyj choice(), aby losowo wybrać n_obs próbek z daily_returns, i przypisz wynik do random_walk.
Przekonwertuj random_walk na pd.Series i przypisz wynik z powrotem do tej samej zmiennej.
Użyj sns.distplot(), aby narysować rozkład random_walk.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Set seed here


# Calculate daily_returns here
daily_returns = ____

# Get n_obs
n_obs = ____

# Create random_walk
random_walk = ____

# Convert random_walk to pd.series
random_walk = ____

# Plot random_walk distribution

Edytuj i uruchom kod