Випадкове блукання II

У попередньому відео ви також бачили, як створити випадкове блукання доходностей, вибірково беручи значення з фактичних доходностей, і як використати цю випадкову вибірку, щоб побудувати випадкову траєкторію ціни акції.

У цій вправі ви побудуєте випадкове блукання, використовуючи історичні доходності акцій Facebook від IPO і до кінця 31 травня 2017 року. Далі ви змоделюєте альтернативну випадкову траєкторію ціни в наступній вправі.

Ця вправа є частиною курсу

Опрацювання часових рядів у Python

Переглянути курс

Інструкції до вправи

Ми вже імпортували pandas як pd, choice і seed з numpy.random, seaborn як sns та matplotlib.pyplot як plt. Також ми імпортували ряд fb з цінами акцій FB від моменту IPO у травні 2012 року. Перегляньте його за допомогою .head().

Встановіть зерно генератора випадкових чисел 42.
Застосуйте .pct_change() для обчислення щоденних доходностей Facebook, приберіть пропуски та присвойте результат до daily_returns.
Створіть змінну n_obs, що міститиме значення .count() для daily_returns Facebook.
Використайте choice() щоб випадково обрати n_obs значень із daily_returns та присвойте до random_walk.
Перетворіть random_walk на pd.Series і перепrisвойте його самій змінній.
Використайте sns.distplot() щоб побудувати розподіл random_walk.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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

Редагувати та запускати код