MulaiMulai sekarang secara gratis

Bangun analisis sensitivitas untuk laba bersih

Txs Tools telah menyediakan proyeksi biaya admin dalam USD berdasarkan karyawan penuh waktu:

Jul = 1500 Aug = 1500 Sep = 1500

Bangun proyeksi laba bersih forecast_net_profit ketika emp_leave = [6, 6, 0] dan biaya per karyawan sementara adalah 80 USD.

Selain emp_leave dan admin_usd, proyeksi laba kotor telah disediakan untuk Anda sebagai forecast_gross_profit.

Latihan ini adalah bagian dari kursus

Peramalan Keuangan dengan Python

Lihat Kursus

Petunjuk latihan

  • Buat variabel index dan inisialisasi indeks ini ke 0.
  • Buat ketergantungan dengan melakukan perulangan pada daftar admin_usd, gunakan index Anda untuk mengakses bulan yang benar dalam daftar Anda.
    • Tetapkan jumlah karyawan sementara (temp) dengan mereferensikan daftar emp_leave pada index saat ini
    • Jika ada karyawan sementara, ketergantungan admin (admin_dep) harus mencerminkan biaya tambahan karyawan sementara (ditambah biaya admin standar)
    • Jika tidak, admin_dep harus mencerminkan biaya admin standar.
  • Hitung forecast_net_profit sebagai forecast_gross_profit (pada index) dikurangi admin_dep yang dihitung.
  • Cetak forecast_net_profit.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

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:")
Edit dan Jalankan Kode