Slumpmässig vandring III

I den här övningen slutför du din simulation av en slumpmässig vandring med hjälp av Facebooks aktiereturer under de senaste fem åren. Du utgår från ett slumpmässigt urval av returer – liknande det du genererade i förra övningen – och använder det för att skapa ett slumpmässigt aktiekurspris.

Den här övningen är en del av kursen

Manipulera tidsseriedata i Python

Visa kurs

Övningsinstruktioner

Vi har redan importerat pandas som pd, choice och seed från numpy.random, samt matplotlib.pyplot som plt. Facebooks aktiekurs är inläst som en pd.DataFrame i variabeln fb, och ett slumpmässigt urval av dagliga FB-returer finns som pd.Series i variabeln random_walk.

Välj det första Facebook-priset genom att applicera .first('D') på fb.price och tilldela resultatet till start.
Addera 1 till random_walk och tilldela tillbaka till sig själv, använd sedan .append() för att lägga till random_walk till start och tilldela detta till random_price.
Applicera .cumprod() på random_price och tilldela tillbaka till sig själv.
Infoga random_price som en ny kolumn med etiketten random i fb och plotta resultatet.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Select fb start price here
start = ____

# Add 1 to random walk and append to start
random_walk = ____
random_price = ____

# Calculate cumulative product here
random_price = ____

# Insert into fb and plot
fb['random'] = ____

Redigera och kör kod