Prévoir la croissance salariale et le coût de la vie
En raison de l'inflation et de l'augmentation de la productivité avec l'expérience, votre salaire peut croître à des rythmes différents selon l'emploi. Comme vous travaillez dans un domaine en croissance et en forte demande, celui de Data Scientist, vous pouvez présumer d'une progression régulière de votre salaire annuel en fonction du rendement.
Supposons un taux de croissance salariale annuel de 5 %. Cela signifie que si vous commencez à 85 000 \( par année, vous pouvez vous attendre à gagner plus de 176 000 \) par année après 15 ans. Après impôts, en supposant que votre taux d'imposition n'a pas changé, cela représente environ 125 000 $ par année, ce qui n'est pas irréaliste pour un Data Scientist. Vous pourriez même atteindre ce niveau en quelques années ! Mais pour rester prudent, mieux vaut garder des projections conservatrices.
Pour cette application, supposez que l'inflation et la croissance salariale surviennent en plus petits incréments sur une base mensuelle plutôt qu'en une seule hausse à la fin de chaque année.
monthly_takehome_salary de l'exercice précédent est disponible.
Cette activité fait partie du cours
Introduction aux concepts financiers en Python
Instructions de l’exercice
- Calculez l'équivalent de la croissance salariale mensuelle (voir l'indice pour la formule !)
- Établissez votre prévision salariale réelle dans le temps à l'aide de
cumulative_salary_growth_forecastque nous avons défini pour vous.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
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()