Passeio aleatório II

No último vídeo, você também viu como criar um passeio aleatório de retornos por amostragem a partir de retornos reais e como usar essa amostra aleatória para criar um caminho aleatório de preço de ações.

Neste exercício, você criará um passeio aleatório usando retornos históricos do preço das ações do Facebook desde IPO até o final de 31 de maio de 2017. Em seguida, você simulará uma trajetória de preço aleatória alternativa no próximo exercício.

Este exercício faz parte do curso

Manipulação de dados de séries temporais em Python

Ver Curso

Instruções de exercício

Já importamos pandas como pd, choice e seed de numpy.random, seaborn como sns, e matplotlib.pyplot como plt. Também importamos a série de preços das ações FB desde IPO em maio de 2012 como a variável fb. Inspecione isso usando o site .head().

  • Defina a semente para 42.
  • Aplique .pct_change() para gerar retornos diários do Facebook, elimine os valores ausentes e atribua a daily_returns.
  • Crie uma variável n_obs que contenha o .count() do Facebook daily_returns.
  • Use choice() para selecionar aleatoriamente amostras de n_obs de daily_returns e atribua a random_walk.
  • Converta random_walk em um pd.Series e reatribua-o a você mesmo.
  • Use sns.distplot() para traçar a distribuição de random_walk.

Exercício interativo prático

Experimente este exercício preenchendo este código de exemplo.

# 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