隨機漫步 II
在上一支影片中，你也看過如何從實際報酬中抽樣，來建立報酬的隨機漫步，以及如何用這個隨機樣本建立隨機的股價路徑。
在本練習中，你將使用 Facebook 自 IPO 至 2017 年 5 月 31 日止的歷史報酬，來建立一條隨機漫步。接著在下一個練習中，你會模擬另一條隨機的股價路徑。
本練習屬於課程
Manipulating Time Series Data in Python
練習說明
我們已經將 pandas 以 pd 匯入，並從 numpy.random 匯入了 choice 與 seed，另外也匯入了 seaborn 為 sns，以及 matplotlib.pyplot 為 plt。我們也已將 FB 自 2012 年 5 月 IPO 起的股價序列匯入為變數 fb。請用 .head() 檢視。
- 將隨機種子設為 42。
- 套用
.pct_change()產生 Facebook 的日報酬，移除遺漏值，並指定給daily_returns。 - 建立變數
n_obs，其內容為 Facebookdaily_returns的.count()。 - 使用
choice()從daily_returns中隨機選取n_obs個樣本，指定給random_walk。 - 將
random_walk轉換為pd.Series，並覆寫回自身。 - 使用
sns.distplot()繪製random_walk的分佈圖。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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