Analýza citlivosti firmy

Teď se podíváš na to, jak by se zisky firmy z předchozího cvičení měnily při různých hodnotách mean_inflation a mean_volume. To firmě pomůže naplánovat se na různé úrovně inflace a objemu prodeje – žádná firma totiž nemůže s jistotou vědět, jaká inflace nebo jaké objemy prodeje ji čekají.

Procenta průměrné inflace, která chceš prozkoumat, jsou 0, 1, 2, 5, 10, 15, 20, 50, a hodnoty objemu prodeje pro parametr mean volume jsou 100, 200, 500, 800, 1000. Pro připomenutí – tady je definice funkce profit_next_year_mc(), která je již načtená.

def profit_next_year_mc(mean_inflation, mean_volume, n):
  profits = []
  for i in range(n):
    # Generate inputs by sampling from the multivariate normal distribution
    rate_sales_volume = st.multivariate_normal.rvs(mean=[mean_inflation,mean_volume], cov=cov_matrix,size=1000)
    # Deterministic calculation of company profit
    price = 100 * (100 + rate_sales_volume[:,0])/100
    volume = rate_sales_volume[:,1]
    loan_and_cost = 50 * volume + 45 * (100 + 3 * rate_sales_volume[:,0]) * (volume/100)
    profit = (np.mean(price * volume - loan_and_cost))
    profits.append(profit)
  return profits

Následující balíčky jsou již naimportovány: pandas jako pd, numpy jako np, scipy.stats jako st, matplotlib.pyplot jako plt a seaborn jako sns.

Toto cvičení je součástí kurzu

Monte Carlo simulace v Pythonu

Zobrazit kurz

Pokyny k cvičení

Dokonči simulaci Monte Carlo tak, že spustíš profit_next_year_mc() pro výpočet zisku 100krát – pokaždé s průchodem přes seznam hodnot infl a seznam hodnot vol.
Pomocí displot vizualizuj výsledky simulace uložené ve sloupci Profit výsledného DataFrame.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

x1 = []
x2 = []
y = []
for infl in [0, 1, 2, 5, 10, 15, 20, 50]:
    for vol in [100, 200, 500, 800, 1000]:
		# Run profit_next_year_mc so that it samples 100 times for each infl and vol combination
        avg_prof = np.mean(____)
        x1.append(infl)
        x2.append(vol)
        y.append(avg_prof)
df_sa = pd.concat([pd.Series(x1), pd.Series(x2), pd.Series(y)], axis=1)
df_sa.columns = ["Inflation", "Volume", "Profit"]
# Create a displot of the simulation results for "Profit"
____
plt.show()

Upravit a spustit kód