Gehaltswachstum und Lebenshaltungskosten prognostizieren
Aufgrund von Inflation und steigender Produktivität durch Berufserfahrung kannst du je nach Job mit unterschiedlichen Wachstumsraten deines Gehalts rechnen. Da du in einem wachsenden und gefragten Berufsfeld als Data Scientist arbeitest, kannst du von einem stetigen jährlichen Gehaltswachstum basierend auf deiner Leistung ausgehen.
Du kannst von einer jährlichen Gehaltswachstumsrate von 5 % ausgehen. Das bedeutet: Wenn du mit 85.000 \( pro Jahr startest, kannst du nach 15 Jahren mit über 176.000 \) pro Jahr rechnen. Nach Steuern, vorausgesetzt dein Steuersatz hat sich nicht geändert, entspricht das grob 125.000 $ pro Jahr – für eine Data-Scientist-Rolle durchaus realistisch. Vielleicht erreichst du dieses Niveau sogar schon in ein paar Jahren! Zur Sicherheit solltest du deine Prognosen jedoch konservativ ansetzen.
Für diese Anwendung nehmen wir an, dass Inflation und Gehaltswachstum nicht als einmalige Erhöhung am Jahresende, sondern in kleineren Schritten monatlich stattfinden.
monthly_takehome_salary aus der vorherigen Übung steht zur Verfügung.
Diese Übung ist Teil des Kurses
Einführung in finanzielle Konzepte mit Python
Anleitung zur Übung
- Leite das entsprechende monatliche Gehaltswachstum her (siehe den Hinweis für die Formel!).
- Leite deine tatsächliche Gehaltsprognose über die Zeit mithilfe der von uns definierten
cumulative_salary_growth_forecastab.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
import numpy as np
# Create monthly forecasts up to 15 years from now
forecast_months = 12*15
# Set your annual salary growth rate
annual_salary_growth = 0.05
# Calculate your equivalent monthly salary growth rate
monthly_salary_growth = ____
# Forecast the cumulative growth of your salary
cumulative_salary_growth_forecast = np.cumprod(np.repeat(1 + monthly_salary_growth, forecast_months))
# Calculate the actual salary forecast
salary_forecast = ____
# Plot the forecasted salary
plt.plot(salary_forecast, color='blue')
plt.show()