1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Monte Carlo simulace v Pythonu
Connected

cvičení

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.

Pokyny

100 XP
  • 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.