Voorspel salarisgroei en kosten van levensonderhoud
Door zowel inflatie als meer productiviteit door ervaring kan je salaris in verschillende mate groeien, afhankelijk van je baan. Omdat je werkt in een groeiend en gewild vakgebied als Data Scientist, kun je uitgaan van een gestage groei van je jaarsalaris op basis van je prestaties.
Je kunt uitgaan van een jaarlijkse salarisgroei van 5%. Dat betekent dat als je start op $85.000 per jaar, je na 15 jaar meer dan $176.000 per jaar kunt verdienen. Na belastingen, ervan uitgaande dat je belastingtarief gelijk blijft, komt dat neer op ongeveer $125.000 per jaar, wat niet onrealistisch is voor een Data Scientist. Sterker nog, je zou dat niveau zelfs al binnen een paar jaar kunnen bereiken! Maar om voorzichtig te zijn, is het verstandig om conservatief te ramen.
Voor deze toepassing ga je ervan uit dat alle inflatie en salarisgroei plaatsvindt in kleinere stappen op maandbasis in plaats van één grote verhoging aan het einde van elk jaar.
monthly_takehome_salary uit de vorige oefening is beschikbaar.
Deze oefening maakt deel uit van de cursus
Inleiding tot financiële concepten in Python
Oefeninstructies
- Leid de equivalente maandelijkse salarisgroei af (zie de hint voor de formule!)
- Leid je daadwerkelijke salarisvoorspelling in de tijd af met behulp van de
cumulative_salary_growth_forecastdie we voor je hebben gedefinieerd.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
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()