Trabajas en una empresa que fabrica equipos industriales. El precio de venta de cada equipo es de 100.000 dólares. También sabes que existe una fuerte correlación negativa entre la inflation_rate y las ventas volume. Esta relación se capta mediante la matriz de covarianza cov_matrix, que está disponible en la consola para ti.

La función profit_next_year_mc() realiza una simulación Monte Carlo que devuelve el beneficio esperado (en miles de dólares), dados como argumentos la tasa de inflación media y el volumen de ventas medio. También tendrás que pasar n, el número de veces que debe ejecutarse la simulación. La función se ha cargado para ti, y la definición está más abajo.

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

Además, se han importado los siguientes paquetes: pandas como pd, numpy como np, scipy.stats como st, matplotlib.pyplot como plt y seaborn como sns.

Visualización de los resultados de la simulación

Create Your Free Account