Prognoza wzrostu wynagrodzenia i kosztów utrzymania
Ze względu na inflację i rosnącą produktywność wraz z doświadczeniem możesz spodziewać się, że twoje wynagrodzenie będzie rosło w różnym tempie w zależności od wykonywanej pracy. Ponieważ pracujesz w dynamicznie rozwijającej się i poszukiwanej dziedzinie jako Data Scientist, możesz zakładać stały roczny wzrost wynagrodzenia oparty na wynikach.
Przyjmijmy roczną stopę wzrostu wynagrodzenia na poziomie 5%. Oznacza to, że zaczynając od 85 000 USD rocznie, po 15 latach możesz zarabiać ponad 176 000 USD rocznie. Po odliczeniu podatków – zakładając, że stawka podatkowa się nie zmieni – daje to około 125 000 USD rocznie, co jak na Data Scientista jest jak najbardziej realistyczne. A kto wie – może osiągniesz ten poziom znacznie szybciej! Jednak na potrzeby planowania warto zachować ostrożność w prognozach.
Na potrzeby tej aplikacji przyjmij, że zarówno inflacja, jak i wzrost wynagrodzenia następują stopniowo co miesiąc, a nie jednorazowo na koniec każdego roku.
Zmienna monthly_takehome_salary z poprzedniego ćwiczenia jest dostępna.
To ćwiczenie jest częścią kursu
Wprowadzenie do koncepcji finansowych w Pythonie
Instrukcje do ćwiczenia
- Oblicz równoważny miesięczny wzrost wynagrodzenia (zajrzyj do podpowiedzi po wzór!)
- Wyznacz prognozę swojego rzeczywistego wynagrodzenia w czasie, korzystając z przygotowanej zmiennej
cumulative_salary_growth_forecast.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
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()