Créer une analyse de sensibilité pour la marge brute

Txs Tools est maintenant prêt à utiliser ces dépendances dans la prévision de la marge brute.

Les prévisions de ventes unitaires suivantes ont été fournies :

Jul = 700 Aug = 350 Sep = 650

Les dépendances pour sales et cogs sont basées sur ce qui suit :

Dépendance des ventes sales_dep : le prix de vente est le prix net après une commission de 1 USD. Les commissions versées passent de 1 USD par unité à 2 USD par unité pour chaque unité au-dessus de 350 unités vendues.
Dépendance des coûts cost_dep : lorsque les ventes par unité dépassent 500 unités, une ligne de production supplémentaire doit être utilisée, ce qui entraîne une hausse du coût par unité au-dessus de 500 de 2 USD par unité.

Le prix de revient de base base_cost_price = 7 et le prix de vente de base base_sales_price = 15 ont déjà été définis.

Cette activité fait partie du cours

Prévision financière en Python

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Create the sales_usd list
sales_usd = [____, ____, ____]

Modifier et exécuter le code

Cette activité fait partie du cours

Prévision financière en Python

SkillTag.level.intermediateSkillTag.label

4.8+

Commencer le cours gratuitement

Dans ce chapitre, nous verrons les bases des états financiers, en nous concentrant sur l'état des résultats, qui présente nos ventes, nos coûts et nos profits. Nous apprendrons à calculer des indicateurs de rentabilité et nous mettrons en pratique nos acquis en élaborant notre prévision de profits pour Tesla!

Exercise 1: Introduction aux états financiers Exercise 2: Calcul du bénéfice brut Exercise 3: Calcul du bénéfice net Exercise 4: Éléments du bénéfice net et du bénéfice brut Exercise 5: Calcul des ventes et du coût des marchandises vendues (COGS)Exercise 6: Calcul des ventes Exercise 7: Prévision des ventes avec un rabais Exercise 8: Calcul du COGS Exercise 9: Calcul du seuil de rentabilité Exercise 10: Travailler avec des jeux de données bruts pour les prévisions Exercise 11: État des résultats de Tesla Exercise 12: Prévision du profit pour Tesla

Dans ce chapitre, nous approfondirons le bilan, en abordant l'actif et le passif ainsi que des ratios précis pour évaluer la santé financière et l'efficacité d'une entreprise, et la manière dont ces ratios peuvent nous aider à bâtir une excellente prévision.

Exercise 1: Introduction au bilan Exercise 2: Calcul des comptes clients (débiteurs)Exercise 3: Créances irrécouvrables Exercise 4: Calcul des comptes fournisseurs (créanciers)Exercise 5: Comprendre les comptes à payer et à recevoir Exercise 6: Ratios d'efficacité du bilan – Partie 1 Exercise 7: Ratio de délai de recouvrement des créances Exercise 8: Délai moyen de paiement des comptes fournisseurs Exercise 9: Ratios d'efficacité du bilan – Partie 2 Exercise 10: Jours en inventaire et ratio de rotation de l'actif Exercise 11: Comprendre les ratios Exercise 12: Calcul des ratios du bilan pour Ford Exercise 13: Prévoir le bilan de Ford

Nous avons acquis une compréhension de base de l'état des résultats et du bilan. Or, la consolidation des données pour la prévision est complexe; dans ce chapitre, nous verrons donc quelques outils de base pour résoudre certaines de ces complexités propres à la finance : travailler avec les dates et différentes périodes financières, et mettre en forme nos données brutes dans le format approprié pour la prévision financière.

Exercise 1: Périodes financières et comment travailler avec elles Exercise 2: Convertir des trimestres en mois Exercise 3: Regrouper des mois en trimestres Exercise 4: La bibliothèque datetime Exercise 5: Travailler avec la bibliothèque datetime Exercise 6: Convertir des formats de date — simple Exercise 7: Convertir des formats de date — explicite Exercise 8: Astuces et conseils pour travailler avec des ensembles de données Exercise 9: Travailler avec des jeux de données — totaux mensuels Exercise 10: Travailler avec des jeux de données – combiner des jeux de données Exercise 11: Travailler avec des jeux de données – exportation de données

Dans ce chapitre, nous explorerons deux autres aspects essentiels à la création d'une bonne prévision. D'abord, nous examinerons les hypothèses, ce qui les influence et ce qui se produit lorsqu'une hypothèse change. Ensuite, nous étudierons les écarts, car une prévision est établie à un moment donné, mais que se passe‑t‑il lorsque les résultats réels ne correspondent pas à notre prévision? Nous devons construire une prévision souple qui réagit aux changements d'hypothèses et qui tient compte des écarts; c'est ce que nous allons approfondir dans ce chapitre.

Exercise 1: Créer des modèles de prévision sensibles Exercise 2: Probabilité pondérée Exercise 3: Sentiment du marché Exercise 4: Dépendances et sensibilité Exercise 5: Attribuer les dépendances pour les ventes et le coût des marchandises vendues (COGS)Exercise 6: Créer une analyse de sensibilité pour la marge brute

Exercice en cours

Exercise 7: Attribuer des dépendances pour les dépenses Exercise 8: Créer une analyse de sensibilité du bénéfice net Exercise 9: Travailler avec les écarts dans les prévisions Exercise 10: Élaborer une prévision alternative Exercise 11: Établir une analyse des écarts entre prévisions Exercise 12: Définir les dépendances pour Netflix Exercise 13: Calculer une autre prévision pour Netflix