Fallende Immobilienpreise und „unter Wasser“ liegende Hypotheken
Leider weißt du auch, dass Immobilienpreise nicht immer steigen.
Eine „unter Wasser“ stehende Hypothek liegt vor, wenn der verbleibende Betrag, den du auf deine Hypothek schuldest, tatsächlich höher ist als der Wert des Hauses selbst.
In dieser Übung berechnest du das Worst-Case-Szenario, in dem die Hauspreise kontinuierlich um 0,45 % pro Monat fallen. Um das zu beschleunigen, wurde der kumulative Preisrückgang bereits prognostiziert und in einer Variablen namens cumulative_decline_forecast gespeichert. Das ist ein Array mit multiplikativen Abschlagsfaktoren relativ zum heutigen Preis – du musst also keine 1 zur Rate addieren.
Die ausstehende Restschuld der Hypothek ist als principal_remaining verfügbar.
Diese Übung ist Teil des Kurses
Einführung in finanzielle Konzepte mit Python
Anleitung zur Übung
- Prognostiziere den Hauswert über die Zeit durch eine einfache Operation zwischen dem Array
cumulative_decline_forecastund dem anfänglichenhome_value. - Ermittle für jede Zeitperiode, wo die Hypothek
underwaterist, und speichere ein Array mit booleschen Werten, je nachdem, ob die Bedingung wahr oder falsch ist. - Führe den vorhandenen Code aus, um den Hauswert gegenüber der verbleibenden Restschuld über die Zeit zu visualisieren.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
import numpy as np
import pandas as pd
# Cumulative drop in home value over time as a ratio
cumulative_decline_forecast = np.cumprod(1+decline_array)
# Forecast the home value over time
home_value_forecast = ____
# Find all periods where your mortgage is underwater
underwater = ____
pd.value_counts(underwater)
# Plot the home value vs principal remaining
plt.plot(home_value_forecast, color='red')
plt.plot(principal_remaining, color='blue')
plt.legend(handles=[homevalue_plot, principal_plot], loc=2)
plt.show()