Analisi di sensibilità dell'azienda
Ora esaminerai cosa succederebbe ai profitti dell'azienda dell'esercizio precedente per una serie di valori di mean_inflation e mean_volume. Questo aiuterà l'azienda a pianificare diversi livelli di inflazione e volumi di vendita, dato che nessuna azienda può essere certa in anticipo dell'inflazione o dei volumi di vendita futuri.
Le percentuali medie di inflazione che vuoi esplorare sono 0, 1, 2, 5, 10, 15, 20, 50, mentre i valori di vendita da usare come volume medio sono 100, 200, 500, 800, 1000. Come promemoria, ecco la definizione della funzione profit_next_year_mc(), che è già stata caricata per te.
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
Sono stati importati i seguenti pacchetti: pandas come pd, numpy come np, scipy.stats come st, matplotlib.pyplot come plt e seaborn come sns.
Questo esercizio fa parte del corso
Simulazioni Monte Carlo in Python
Istruzioni dell'esercizio
- Completa la simulazione Monte Carlo eseguendo
profit_next_year_mc()per calcolare il profitto 100 volte, ogni volta iterando sulla lista di valoriinfle sulla lista di valorivol. - Usa un
displotper visualizzare i risultati della simulazione salvati nella colonnaProfitdel DataFrame risultante.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
x1 = []
x2 = []
y = []
for infl in [0, 1, 2, 5, 10, 15, 20, 50]:
for vol in [100, 200, 500, 800, 1000]:
# Run profit_next_year_mc so that it samples 100 times for each infl and vol combination
avg_prof = np.mean(____)
x1.append(infl)
x2.append(vol)
y.append(avg_prof)
df_sa = pd.concat([pd.Series(x1), pd.Series(x2), pd.Series(y)], axis=1)
df_sa.columns = ["Inflation", "Volume", "Profit"]
# Create a displot of the simulation results for "Profit"
____
plt.show()