Random Walk III
ในแบบฝึกหัดนี้ คุณจะสรุปการจำลอง Random Walk โดยใช้ผลตอบแทนหุ้น Facebook ในช่วง 5 ปีที่ผ่านมา เริ่มต้นจากตัวอย่างผลตอบแทนแบบสุ่มที่สร้างขึ้นในแบบฝึกหัดก่อนหน้า แล้วนำมาสร้างเส้นทางราคาหุ้นแบบสุ่ม
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การจัดการข้อมูล Time Series ใน Python
คำแนะนำการฝึกหัด
นำเข้า pandas เป็น pd, choice และ seed จาก numpy.random และ matplotlib.pyplot เป็น plt ไว้ให้แล้ว พร้อมกับโหลดราคาหุ้น Facebook เป็น pd.DataFrame ในตัวแปร fb และตัวอย่างผลตอบแทนรายวันของหุ้น FB แบบสุ่มเป็น pd.Series ในตัวแปร random_walk
- เลือกราคา Facebook แรกสุดโดยใช้
.first('D')กับfb.priceแล้วกำหนดให้กับstart - บวก 1 เข้ากับ
random_walkแล้วกำหนดค่ากลับไปยังตัวแปรเดิม จากนั้นใช้.append()เพื่อเชื่อมrandom_walkต่อท้ายstartแล้วกำหนดผลลัพธ์ให้กับrandom_price - ใช้
.cumprod()กับrandom_priceแล้วกำหนดค่ากลับไปยังตัวแปรเดิม - เพิ่ม
random_priceเป็นคอลัมน์ใหม่ชื่อrandomในfbแล้วพล็อตผลลัพธ์
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# 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'] = ____