Błądzenie losowe III

W tym ćwiczeniu dokończysz symulację błądzenia losowego, korzystając ze zwrotów akcji Facebooka z ostatnich pięciu lat. Zaczniesz od losowej próbki zwrotów – podobnej do tej, którą wygenerowałeś w poprzednim ćwiczeniu – i użyjesz jej do stworzenia losowej ścieżki ceny akcji.

To ćwiczenie jest częścią kursu

Manipulowanie danymi szeregów czasowych w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Biblioteka pandas została już zaimportowana jako pd, funkcje choice i seed z numpy.random oraz matplotlib.pyplot jako plt. Cena akcji Facebooka jest dostępna jako pd.DataFrame w zmiennej fb, a losowa próbka dziennych zwrotów FB jako pd.Series w zmiennej random_walk.

Wybierz pierwszą cenę akcji Facebooka, stosując .first('D') do fb.price, i przypisz wynik do zmiennej start.
Dodaj 1 do random_walk i przypisz wynik z powrotem do tej zmiennej, a następnie użyj .append(), aby dołączyć random_walk do start – wynik przypisz do random_price.
Zastosuj .cumprod() do random_price i przypisz wynik z powrotem do tej zmiennej.
Wstaw random_price jako nową kolumnę o nazwie random do fb i wykreśl wynik.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Select fb start price here
start = ____

# Add 1 to random walk and append to start
random_walk = ____
random_price = ____

# Calculate cumulative product here
random_price = ____

# Insert into fb and plot
fb['random'] = ____

Edytuj i uruchom kod