Случайное блуждание II

В последнем видео вы также узнали, как создать случайное блуждание доходностей, выбирая значения из реальных данных, и как использовать это случайное выборку для построения случайного пути цены акции.

В этом упражнении вы построите случайное блуждание на основе исторических доходностей акций Facebook с момента IPO до 31 мая 2017 года. Затем в следующем упражнении вы смоделируете альтернативный случайный путь цены.

Это упражнение является частью курса

Работа с временными рядами в Python

Посмотреть курс

Инструкции к упражнению

Мы уже импортировали pandas как pd, функции choice и seed из numpy.random, seaborn как sns, а также matplotlib.pyplot как plt. Кроме того, импортирована серия цен акций FB с момента IPO в мае 2012 года в переменную fb. Изучите её с помощью .head().

Установите значение seed равным 42.
Примените .pct_change() для вычисления ежедневной доходности акций Facebook, удалите пропущенные значения и сохраните результат в daily_returns.
Создайте переменную n_obs, которая будет содержать результат .count() для daily_returns.
Используйте choice(), чтобы случайным образом выбрать n_obs значений из daily_returns, и сохраните результат в random_walk.
Преобразуйте random_walk в pd.Series и сохраните обратно в ту же переменную.
Используйте sns.distplot(), чтобы построить распределение random_walk.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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

Редактировать и запускать код