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
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 adaily_returns
. - Crie uma variável
n_obs
que contenha o.count()
do Facebookdaily_returns
. - Use
choice()
para selecionar aleatoriamente amostras den_obs
dedaily_returns
e atribua arandom_walk
. - Converta
random_walk
em umpd.Series
e reatribua-o a você mesmo. - Use
sns.distplot()
para traçar a distribuição derandom_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