Czy ceny akcji to błądzenie losowe?
Większość cen akcji podąża za błądzeniem losowym (niekiedy z dryfem). Przeanalizujesz szereg czasowy cen akcji Amazona, wczytany wcześniej do DataFrame AMZN, i uruchomisz test Augmented Dickey-Fullera z biblioteki statsmodels, aby potwierdzić, że rzeczywiście mamy do czynienia z błądzeniem losowym.
W teście ADF „hipoteza zerowa" (czyli hipoteza, którą albo odrzucamy, albo nie) zakłada, że szereg jest błądzeniem losowym. Niska p-wartość (np. poniżej 5%) oznacza zatem, że możemy odrzucić hipotezę zerową o błądzeniu losowym.
To ćwiczenie jest częścią kursu
Analiza szeregów czasowych w Pythonie
Instrukcje do ćwiczenia
- Zaimportuj moduł
adfullerz biblioteki statsmodels. - Uruchom test Augmented Dickey-Fullera na szeregu cen zamknięcia akcji, czyli kolumnie
'Adj Close'w DataFrameAMZN. - Wyświetl pełny wynik testu, który zawiera statystykę testową, p-wartości oraz wartości krytyczne dla poziomów 1%, 5% i 10%.
- Wyświetl samą p-wartość testu (
results[0]to statystyka testowa, natomiastresults[1]to p-wartość).
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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[___]))