Crea un análisis de sensibilidad del beneficio neto

Txs Tools ha facilitado el siguiente coste administrativo previsto en USD basado en empleados a tiempo completo:

Jul = 1500 Aug = 1500 Sep = 1500

Construye el beneficio neto previsto forecast_net_profit cuando emp_leave = [6, 6, 0] y el coste por empleado temporal es de 80 USD.

Además de emp_leave y admin_usd, ya se te ha proporcionado el beneficio bruto previsto como forecast_gross_profit.

Este ejercicio forma parte del curso

Financial Forecasting in Python

Ver curso

Instrucciones del ejercicio

Crea una variable index e inicialízala en 0.
Crea la dependencia iterando sobre la lista admin_usd, usando tu index para acceder al mes correcto en tus listas.
- Establece el número de empleados temporales (temp) haciendo referencia a tu lista emp_leave en el index actual.
- Si hay empleados temporales, tus dependencias administrativas (admin_dep) deben reflejar el coste adicional de los temporales (más los costes administrativos estándar).
- En caso contrario, admin_dep debe reflejar los costes administrativos estándar.
Calcula forecast_net_profit como forecast_gross_profit (en el index) menos el admin_dep calculado.
Imprime forecast_net_profit.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

admin_usd = [1500, 1500, 1500]
emp_leave = [6, 6, 0]
forecast_gross_profit = [4850, 2800, 4600]
index = ____

for admin in admin_usd:
    temp = ____[index]
    if temp > 0:
        admin_dep = ____ * 80 + admin
    else: 
         admin_dep = ____ 
    forecast_net_profit = forecast_gross_profit[____] - ____
    print(forecast_net_profit)
    index += 1
print("The forecast net profit is:")

Editar y ejecutar código