随机游走 II
在上一段视频中，您已经看到如何通过从实际收益中抽样来创建收益的随机游走，并使用该随机样本生成一条随机的股票价格路径。
在本练习中，您将使用 Facebook 自 IPO 至 2017年5月31日 期间的历史收益来构建一次随机游走。接下来在下一个练习中，您将基于此模拟另一条随机价格路径。
本练习是课程的一部分
Python 中的时间序列数据处理
练习说明
我们已导入 pandas 为 pd，从 numpy.random 导入了 choice 和 seed，导入了 seaborn 为 sns，以及 matplotlib.pyplot 为 plt。我们还将 2012年5月 IPO 以来的 FB 股价序列导入为变量 fb。请使用 .head() 查看。
- 将随机种子设为 42。
- 对 Facebook 日度收益调用
.pct_change()生成收益率，删除缺失值，并赋值给daily_returns。 - 创建变量
n_obs，其值为 Facebookdaily_returns的.count()。 - 使用
choice()从daily_returns中随机选择n_obs个样本，并赋值给random_walk。 - 将
random_walk转换为pd.Series，并重新赋值给自身。 - 使用
sns.distplot()绘制random_walk的分布。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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