Random walk II

No último vídeo, você também viu como criar um random walk de retornos amostrando a partir de retornos reais e como usar essa amostra aleatória para criar um caminho de preço de ação aleatório.

Neste exercício, você vai construir um random walk usando retornos históricos do preço das ações do Facebook desde o IPO até 31 de maio de 2017. Em seguida, você vai simular um caminho de preço alternativo no próximo exercício.

Este exercício faz parte do curso

Manipulando dados de séries temporais em Python

Ver curso

Instruções do 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 da FB desde o IPO em maio de 2012 na variável fb. Inspecione isso usando .head().

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

Exercício interativo prático

Experimente este exercício completando 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

Editar e executar o código