En slumpmässig rörelsemodell

Stokastiska eller slumpmässiga rörelser används inom fysiken för att beskriva partikel- och vätskörelser, inom matematiken för att beskriva fraktalt beteende, och inom finansvärlden för att modellera aktiemarknadsrörelser.

Använd funktionen np.random.normal() för att modellera slumpmässiga rörelser hos USO-olje-ETF:en med ett konstant dagligt genomsnittligt avkastning (mu) och genomsnittlig daglig volatilitet (vol) under T handelsdagar.

Den här övningen är en del av kursen

Introduktion till portföljriskhantering i Python

Visa kurs

Övningsinstruktioner

Sätt antalet simulerade dagar (T) till 252 och det initiala aktiekurset (S0) till 10.
Beräkna T slumpmässiga normalfördelade värden med np.random.normal() genom att skicka in mu, vol och T som parametrar, lägg sedan till 1 till värdena och tilldela resultatet till rand_rets.
Beräkna den slumpmässiga rörelsemodellen genom att multiplicera rand_rets.cumprod() med det initiala aktiekurset och tilldela resultatet till forecasted_values.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Set the simulation parameters
mu = np.mean(StockReturns)
vol = np.std(StockReturns)
T = ____
S0 = ____

# Add one to the random returns
rand_rets = ____ + 1

# Forecasted random walk
forecasted_values = ____

# Plot the random walk
plt.plot(range(0, T), forecasted_values)
plt.show()

Redigera och kör kod