随机游走 III
在本练习中，您将使用过去 5 年的 Facebook 股票收益率完成随机游走模拟。您将从一个与上一练习类似的随机收益样本开始，并用它来创建一条随机的股价路径。
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
我们已经将 pandas 导入为 pd，从 numpy.random 导入了 choice 和 seed，并将 matplotlib.pyplot 导入为 plt。我们已将 Facebook 价格作为 pd.DataFrame 加载到变量 fb 中，并将随机抽样得到的 FB 日收益率作为 pd.Series 加载到变量 random_walk 中。
- 对
fb.price应用.first('D')以选择第一个 Facebook 价格，并将结果赋值给start。 - 给
random_walk加上 1 并将结果回写给自身，然后将random_walk.append()到start，并将结果赋值给random_price。 - 对
random_price应用.cumprod()并将结果回写给自身。 - 将
random_price作为名为random的新列插入到fb中，并绘制结果。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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'] = ____